ee.Algorithms.Image.Segmentation.GMeans

ทำการจัดกลุ่ม G-Means ในรูปภาพอินพุต ใช้ k-means ซ้ำๆ ตามด้วยการทดสอบความเป็นปกติเพื่อกำหนดจำนวนคลัสเตอร์ที่จะใช้โดยอัตโนมัติ เอาต์พุตมีแถบ "คลัสเตอร์" ที่มีรหัสจำนวนเต็มของคลัสเตอร์ที่แต่ละพิกเซลเป็นของ อัลกอริทึมสามารถทำงานได้ทั้งในตารางกริดแบบคงที่ของเซลล์ที่ไม่ทับซ้อนกัน (gridSize ซึ่งอาจเล็กกว่าไทล์) หรือในไทล์ที่มีการทับซ้อนกัน (neighborhoodSize) ค่าเริ่มต้นคือใช้ไทล์โดยไม่ทับซ้อนกัน คลัสเตอร์ในเซลล์หรือไทล์หนึ่งๆ จะไม่เกี่ยวข้องกับคลัสเตอร์ในเซลล์หรือไทล์อื่น คลัสเตอร์ที่ครอบคลุมขอบเขตของเซลล์หรือไทล์อาจได้รับป้ายกำกับที่แตกต่างกัน 2 ป้ายใน 2 ครึ่ง พิกเซลอินพุตที่มีมาสก์บางส่วนจะถูกมาสก์ทั้งหมดในเอาต์พุต อัลกอริทึมนี้คาดว่าจะทํางานได้ดีกับรูปภาพที่มีช่วงไดนามิกแคบ (เช่น ไบต์หรือช็อต) เท่านั้น

ดูที่ G. Hamerly และ C. Elkan "การเรียนรู้ค่า k ใน k-means" NIPS, 2003

การใช้งานการคืนสินค้า
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels)รูปภาพ
อาร์กิวเมนต์ประเภทรายละเอียด
imageรูปภาพรูปภาพอินพุตสำหรับการจัดกลุ่ม
numIterationsจำนวนเต็ม ค่าเริ่มต้น: 10จำนวนการทำซ้ำ ค่าเริ่มต้นคือ 10
pValueลอย ค่าเริ่มต้น: 50ระดับนัยสำคัญสำหรับการทดสอบความเป็นปกติ
neighborhoodSizeจำนวนเต็ม ค่าเริ่มต้น: 0ขนาดของย่าน จำนวนที่จะขยายแต่ละไทล์ (ซ้อนทับ) เมื่อคำนวณคลัสเตอร์ ตัวเลือกนี้จะใช้ร่วมกับ gridSize ไม่ได้
gridSizeจำนวนเต็ม ค่าเริ่มต้น: nullขนาดเซลล์ตารางกริด หากมากกว่า 0 ระบบจะเรียกใช้ kMeans แยกกันในเซลล์ที่มีขนาดนี้ ซึ่งจะจำกัดขนาดของคลัสเตอร์ให้มีขนาดไม่เกิน gridSize ตัวเลือกนี้ใช้ร่วมกับ neighborhoodSize ไม่ได้
uniqueLabelsบูลีน ค่าเริ่มต้น: จริงหากเป็นจริง ระบบจะกำหนดรหัสที่ไม่ซ้ำกันให้กับคลัสเตอร์ ไม่เช่นนั้น ระบบจะทำซ้ำต่อไทล์หรือตารางกริด