Duyuru:
15 Nisan 2025'ten önce Earth Engine'i kullanmak için kaydedilen tüm ticari olmayan projelerin Earth Engine erişimini sürdürmek için
ticari olmayan uygunluğu doğrulaması gerekir.
ee.Algorithms.Image.Segmentation.GMeans
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Giriş görüntüsünde G-Means kümeleme gerçekleştirir. Kullanılacak küme sayısını otomatik olarak belirlemek için k-means algoritmasını ve ardından normallik testini yinelemeli olarak uygular. Çıkış, her pikselin ait olduğu kümenin tam sayı kimliğini içeren bir "kümeler" bandı içerir. Algoritma, çakışmayan hücrelerden oluşan sabit bir ızgarada (gridSize, bir döşemeden daha küçük olabilir) veya çakışan döşemelerde (neighborhoodSize) çalışabilir. Varsayılan olarak, çakışmayan kutular kullanılır. Bir hücre veya döşemedeki kümeler, başka bir hücre veya döşemedeki kümelerle ilişkili değildir. Bir hücre veya döşeme sınırını kapsayan tüm kümeler, iki yarıda iki farklı etiket alabilir. Kısmi maskeler içeren tüm giriş pikselleri çıkışta tamamen maskelenir. Bu algoritmanın yalnızca dar dinamik aralığa sahip resimlerde (ör. bayt veya kısa) iyi performans göstermesi beklenir.
Şu makaleyi inceleyin: G. Hamerly ve C. Elkan. "K-means algoritmasında k değerini öğrenme" NIPS, 2003.
| Kullanım | İadeler |
|---|
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels) | Resim |
| Bağımsız Değişken | Tür | Ayrıntılar |
|---|
image | Resim | Kümeleme için giriş resmi. |
numIterations | Tamsayı, varsayılan: 10 | Yineleme sayısı. Varsayılan değer 10'dur. |
pValue | Ondalık sayı, varsayılan: 50 | Normallik testi için anlamlılık düzeyi. |
neighborhoodSize | Tamsayı, varsayılan: 0 | Mahallenin boyutu. Kümeler hesaplanırken her bir kutunun genişletileceği (çakışma) miktar. Bu seçenek, gridSize ile birlikte kullanılamaz. |
gridSize | Tam sayı, varsayılan: null | Izgara hücresi boyutu. 0'dan büyükse kMeans, bu boyuttaki hücrelerde bağımsız olarak çalıştırılır. Bu, herhangi bir kümenin boyutunu ızgara boyutu veya daha küçük olacak şekilde sınırlar. Bu seçenek, neighborhoodSize ile birlikte kullanılamaz. |
uniqueLabels | Boole değeri, varsayılan: true | Doğruysa kümelere benzersiz kimlikler atanır. Aksi takdirde, her kutu veya ızgara hücresinde tekrarlanır. |
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-27 UTC.
[null,null,["Son güncelleme tarihi: 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. |"]]
