Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de
15 de abril de 2025 precisam
verificar a qualificação não comercial para manter o acesso ao Earth Engine.
ee.Algorithms.Image.Segmentation.GMeans
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Executa o clustering G-Means na imagem de entrada. Aplica de forma iterativa o k-means seguido de um teste de normalidade para determinar automaticamente o número de clusters a serem usados. A saída contém uma banda "clusters" com o ID inteiro do cluster a que cada pixel pertence. O algoritmo pode funcionar em uma grade fixa de células não sobrepostas (gridSize, que pode ser menor que um bloco) ou em blocos com sobreposição (neighborhoodSize). O padrão é usar blocos sem sobreposição. Os clusters em uma célula ou bloco não estão relacionados aos clusters em outra. Qualquer cluster que abranja um limite de célula ou bloco pode receber dois rótulos diferentes nas duas metades. Todos os pixels de entrada com máscaras parciais são totalmente mascarados na saída. A expectativa é que esse algoritmo funcione bem apenas para imagens com um intervalo dinâmico estreito (ou seja, bytes ou shorts).
Consulte G. Hamerly e C. Elkan. "Aprendendo o k em k-means". NIPS, 2003.
| Uso | Retorna |
|---|
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels) | Imagem |
| Argumento | Tipo | Detalhes |
|---|
image | Imagem | A imagem de entrada para clustering. |
numIterations | Número inteiro, padrão: 10 | Número de iterações. O padrão é 10. |
pValue | Ponto flutuante, padrão: 50 | Nível de significância para o teste de normalidade. |
neighborhoodSize | Número inteiro, padrão: 0 | Tamanho da vizinhança. A quantidade para estender cada bloco (sobreposição) ao calcular os clusters. Essa opção é mutuamente exclusiva com "gridSize". |
gridSize | Número inteiro, padrão: nulo | Tamanho da célula da grade. Se for maior que 0, o kMeans será executado de forma independente em células desse tamanho. Isso limita o tamanho de qualquer cluster a gridSize ou menor. Essa opção é mutuamente exclusiva com "neighborhoodSize". |
uniqueLabels | Booleano, padrão: verdadeiro | Se for "true", os clusters vão receber IDs exclusivos. Caso contrário, eles se repetem por bloco ou célula de grade. |
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-07-27 UTC.
[null,null,["Última atualização 2025-07-27 UTC."],[[["\u003cp\u003eThe GMeans algorithm automatically determines the optimal number of clusters for image segmentation using iterative k-means and a normality test.\u003c/p\u003e\n"],["\u003cp\u003eIt outputs an image with a 'clusters' band, assigning each pixel an integer ID corresponding to its cluster.\u003c/p\u003e\n"],["\u003cp\u003eUsers can control segmentation granularity through \u003ccode\u003egridSize\u003c/code\u003e for non-overlapping cells or \u003ccode\u003eneighborhoodSize\u003c/code\u003e for overlapping tiles.\u003c/p\u003e\n"],["\u003cp\u003eClusters are independent within each cell or tile, potentially leading to different labels for the same cluster across boundaries.\u003c/p\u003e\n"],["\u003cp\u003eThe algorithm is best suited for images with a narrow dynamic range, like those with byte or short data types.\u003c/p\u003e\n"]]],["The G-Means algorithm performs image clustering by iteratively applying k-means and a normality test to determine the optimal number of clusters. It outputs an image with a 'clusters' band, assigning each pixel to a cluster. It can operate on a fixed grid (gridSize) or tiles with overlap (neighborhoodSize), with default being tiles without overlap. Input images should have a narrow dynamic range and pixels with partial mask will be fully masked in the output. Clusters can be assigned unique ID's or repeat per tile.\n"],null,["# ee.Algorithms.Image.Segmentation.GMeans\n\nPerforms G-Means clustering on the input image. Iteratively applies k-means followed by a normality test to automatically determine the number of clusters to use. The output contains a 'clusters' band containing the integer ID of the cluster that each pixel belongs to. The algorithm can work either on a fixed grid of non-overlapping cells (gridSize, which can be smaller than a tile) or on tiles with overlap (neighborhoodSize). The default is to use tiles with no overlap. Clusters in one cell or tile are unrelated to clusters in another. Any cluster that spans a cell or tile boundary may receive two different labels in the two halves. Any input pixels with partial masks are fully masked in the output. This algorithm is only expected to perform well for images with a narrow dynamic range (i.e., bytes or shorts).\n\n\u003cbr /\u003e\n\nSee: G. Hamerly and C. Elkan. 'Learning the k in k-means'. NIPS, 2003.\n\n| Usage | Returns |\n|-------------------------------------------------------------------------------------------------------------------------------------------|---------|\n| `ee.Algorithms.Image.Segmentation.GMeans(image, `*numIterations* `, `*pValue* `, `*neighborhoodSize* `, `*gridSize* `, `*uniqueLabels*`)` | Image |\n\n| Argument | Type | Details |\n|--------------------|------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `image` | Image | The input image for clustering. |\n| `numIterations` | Integer, default: 10 | Number of iterations. Default 10. |\n| `pValue` | Float, default: 50 | Significance level for normality test. |\n| `neighborhoodSize` | Integer, default: 0 | Neighborhood size. The amount to extend each tile (overlap) when computing the clusters. This option is mutually exclusive with gridSize. |\n| `gridSize` | Integer, default: null | Grid cell-size. If greater than 0, kMeans will be run independently on cells of this size. This has the effect of limiting the size of any cluster to be gridSize or smaller. This option is mutually exclusive with neighborhoodSize. |\n| `uniqueLabels` | Boolean, default: true | If true, clusters are assigned unique IDs. Otherwise, they repeat per tile or grid cell. |"]]
