ee.Algorithms.Image.Segmentation.GMeans

입력 이미지에 G-Means 클러스터링을 실행합니다. k-평균을 반복적으로 적용한 후 정규성 테스트를 실행하여 사용할 클러스터 수를 자동으로 결정합니다. 출력에는 각 픽셀이 속한 클러스터의 정수 ID가 포함된 '클러스터' 밴드가 포함됩니다. 이 알고리즘은 겹치지 않는 고정된 셀 그리드 (gridSize, 타일보다 작을 수 있음) 또는 겹치는 타일 (neighborhoodSize)에서 작동할 수 있습니다. 기본값은 겹치지 않는 타일을 사용하는 것입니다. 한 셀 또는 타일의 클러스터는 다른 셀의 클러스터와 관련이 없습니다. 셀 또는 타일 경계에 걸쳐 있는 클러스터는 두 절반에서 서로 다른 라벨을 받을 수 있습니다. 부분 마스크가 있는 입력 픽셀은 출력에서 완전히 마스크됩니다. 이 알고리즘은 동적 범위가 좁은 이미지 (바이트 또는 짧은 정수)에서만 성능이 우수할 것으로 예상됩니다.

G를 참고하세요. Hamerly 및 C. 엘칸 'Learning the k in k-means'. NIPS, 2003.

사용	반환 값
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels)	이미지

인수	유형	세부정보
image	이미지	클러스터링할 입력 이미지입니다.
numIterations	정수, 기본값: 10	반복 횟수입니다. 기본값은 10입니다.
pValue	부동 소수점 수, 기본값: 50	정규성 검정의 유의 수준입니다.
neighborhoodSize	정수, 기본값: 0	이웃 크기입니다. 클러스터를 계산할 때 각 타일을 확장할 양 (중복)입니다. 이 옵션은 gridSize와 상호 배타적입니다.
gridSize	정수, 기본값: null	그리드 셀 크기입니다. 0보다 큰 경우 kMeans가 이 크기의 셀에서 독립적으로 실행됩니다. 이렇게 하면 클러스터의 크기가 gridSize 이하로 제한됩니다. 이 옵션은 neighborhoodSize와 상호 배타적입니다.
uniqueLabels	불리언, 기본값: true	true인 경우 클러스터에 고유 ID가 할당됩니다. 그렇지 않으면 타일 또는 그리드 셀마다 반복됩니다.