ee.Algorithms.Image.Segmentation.KMeans

Executa o clustering K-means na imagem de entrada. Gera uma imagem de uma banda que contém o ID 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 a 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.

Uso	Retorna
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters, numIterations, neighborhoodSize, gridSize, forceConvergence, uniqueLabels)	Imagem

Argumento	Tipo	Detalhes
image	Imagem	A imagem de entrada para clustering.
numClusters	Número inteiro, padrão: 8	Número de clusters.
numIterations	Número inteiro, padrão: 20	Número de iterações.
neighborhoodSize	Número inteiro, padrão: 0	Tamanho da vizinhança. O valor 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.
forceConvergence	Booleano, padrão: falso	Se for verdadeiro, um erro será gerado se a convergência não for alcançada antes de numIterations.
uniqueLabels	Booleano, padrão: verdadeiro	Se for verdadeiro, os clusters receberão IDs exclusivos. Caso contrário, eles serão repetidos por bloco ou célula de grade.