ee.Algorithms.Image.Segmentation.KMeans

Führt eine K-Means-Clusteranalyse für das Eingabebild durch. Gibt ein Einzelbandbild mit der ID des Clusters aus, zu dem jedes Pixel gehört. Der Algorithmus kann entweder auf einem festen Raster aus nicht überlappenden Zellen (gridSize, das kleiner als eine Kachel sein kann) oder auf Kacheln mit Überlappung (neighborhoodSize) ausgeführt werden. Standardmäßig werden Kacheln ohne Überlappung verwendet.

Cluster in einer Zelle oder Kachel sind nicht mit Clustern in einer anderen Zelle oder Kachel verknüpft. Cluster, die eine Zell- oder Kachelgrenze überschreiten, können in den beiden Hälften zwei unterschiedliche Labels erhalten. Alle Eingabepixel mit Teilmasken werden in der Ausgabe vollständig maskiert.

Nutzung	Ausgabe
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters, numIterations, neighborhoodSize, gridSize, forceConvergence, uniqueLabels)	Bild

Argument	Typ	Details
image	Bild	Das Eingabebild für die Clusteranalyse.
numClusters	Ganzzahl, Standardwert: 8	Anzahl der Cluster.
numIterations	Ganzzahl, Standardwert: 20	Anzahl der Iterationen.
neighborhoodSize	Ganzzahl, Standardwert: 0	Größe der Nachbarschaft. Der Wert, um den jede Kachel beim Berechnen der Cluster erweitert wird (Überlappung). Diese Option schließt die Option gridSize aus.
gridSize	Ganzzahl, Standardwert: null	Größe der Rasterzelle. Wenn der Wert größer als 0 ist, wird kMeans unabhängig von den Zellen dieser Größe ausgeführt. Dadurch wird die Größe eines Clusters auf gridSize oder kleiner begrenzt. Diese Option schließt die Option neighborhoodSize aus.
forceConvergence	Boolesch, Standardwert: false	Wenn der Wert „true“ ist, wird ein Fehler ausgegeben, wenn die Konvergenz vor numIterations nicht erreicht wird.
uniqueLabels	Boolesch, Standardwert: true	Wenn der Wert „true“ ist, werden den Clustern eindeutige IDs zugewiesen. Andernfalls werden sie pro Kachel oder Rasterzelle wiederholt.