L'algoritmo può funzionare su una griglia fissa di celle non sovrapposte (gridSize, che può essere più piccola di un riquadro) o su riquadri con sovrapposizione (neighborhoodSize). L'impostazione predefinita prevede l'utilizzo di riquadri senza sovrapposizione. I cluster in una cella o in un riquadro non sono correlati a quelli in un'altra. Qualsiasi cluster che si estende su un confine di cella o riquadro potrebbe ricevere due etichette diverse nelle due metà. Tutti i pixel di input con maschere parziali vengono mascherati completamente nell'output. Questo algoritmo dovrebbe funzionare bene solo per le immagini con una gamma dinamica ristretta (ad es. byte o short).
Vedi: G. Hamerly e C. Elkan. "Learning the k in k-means". NIPS, 2003.
| Utilizzo | Restituisce |
|---|---|
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels) | Immagine |
| Argomento | Tipo | Dettagli |
|---|---|---|
image | Immagine | L'immagine di input per il clustering. |
numIterations | Numero intero, valore predefinito: 10 | Numero di iterazioni. Valore predefinito 10. |
pValue | Numero in virgola mobile, valore predefinito: 50 | Livello di significatività per il test di normalità. |
neighborhoodSize | Numero intero, valore predefinito: 0 | Dimensioni del quartiere. L'importo da estendere per ogni riquadro (sovrapposizione) durante il calcolo dei cluster. Questa opzione si esclude a vicenda con gridSize. |
gridSize | Numero intero, valore predefinito: null | Dimensione della cella della griglia. Se è maggiore di 0, kMeans verrà eseguito in modo indipendente sulle celle di queste dimensioni. In questo modo, la dimensione di qualsiasi cluster viene limitata a gridSize o a un valore inferiore. Questa opzione si esclude a vicenda con neighborhoodSize. |
uniqueLabels | Booleano, valore predefinito: true | Se true, ai cluster vengono assegnati ID univoci. In caso contrario, si ripetono per riquadro o cella della griglia. |