ee.Algorithms.Image.Segmentation.KMeans
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
ทำการจัดกลุ่ม K-Means ในรูปภาพอินพุต เอาต์พุตเป็นรูปภาพ 1 แถบที่มีรหัสของคลัสเตอร์ที่แต่ละพิกเซลเป็นของ อัลกอริทึมสามารถทำงานได้ทั้งในตารางกริดแบบคงที่ของเซลล์ที่ไม่ทับซ้อนกัน (gridSize ซึ่งอาจเล็กกว่าไทล์) หรือในไทล์ที่มีการทับซ้อนกัน (neighborhoodSize) ค่าเริ่มต้นคือใช้ไทล์โดยไม่ทับซ้อนกัน คลัสเตอร์ในเซลล์หรือไทล์หนึ่งๆ จะไม่เกี่ยวข้องกับคลัสเตอร์ในเซลล์หรือไทล์อื่น คลัสเตอร์ที่ครอบคลุมขอบเขตของเซลล์หรือไทล์อาจได้รับป้ายกำกับที่แตกต่างกัน 2 ป้ายใน 2 ครึ่ง พิกเซลอินพุตที่มีมาสก์บางส่วนจะถูกมาสก์ทั้งหมดในเอาต์พุต
การใช้งาน | การคืนสินค้า |
---|
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters, numIterations, neighborhoodSize, gridSize, forceConvergence, uniqueLabels) | รูปภาพ |
อาร์กิวเมนต์ | ประเภท | รายละเอียด |
---|
image | รูปภาพ | รูปภาพอินพุตสำหรับการจัดกลุ่ม |
numClusters | จำนวนเต็ม ค่าเริ่มต้น: 8 | จำนวนคลัสเตอร์ |
numIterations | จำนวนเต็ม ค่าเริ่มต้น: 20 | จำนวนการทำซ้ำ |
neighborhoodSize | จำนวนเต็ม ค่าเริ่มต้น: 0 | ขนาดของย่าน จำนวนที่จะขยายแต่ละไทล์ (ซ้อนทับ) เมื่อคำนวณคลัสเตอร์ ตัวเลือกนี้จะใช้ร่วมกับ gridSize ไม่ได้ |
gridSize | จำนวนเต็ม ค่าเริ่มต้น: null | ขนาดเซลล์ตารางกริด หากมากกว่า 0 ระบบจะเรียกใช้ kMeans แยกกันในเซลล์ที่มีขนาดนี้ ซึ่งจะจำกัดขนาดของคลัสเตอร์ให้มีขนาดไม่เกิน gridSize ตัวเลือกนี้ใช้ร่วมกับ neighborhoodSize ไม่ได้ |
forceConvergence | บูลีน ค่าเริ่มต้น: false | หากเป็นจริง ระบบจะแสดงข้อผิดพลาดหากไม่พบการบรรจบกันก่อน numIterations |
uniqueLabels | บูลีน ค่าเริ่มต้น: จริง | หากเป็นจริง ระบบจะกำหนดรหัสที่ไม่ซ้ำกันให้กับคลัสเตอร์ ไม่เช่นนั้น ระบบจะทำซ้ำต่อไทล์หรือตารางกริด |
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-26 UTC
[null,null,["อัปเดตล่าสุด 2025-07-26 UTC"],[],["K-Means clustering is applied to an input image, generating a single-band output image where each pixel is assigned a cluster ID. Clustering can occur within a fixed grid (`gridSize`) or within overlapping tiles (`neighborhoodSize`). By default, tiles have no overlap. Clusters are independent per cell/tile, potentially resulting in different labels for clusters crossing boundaries. Parameters include the number of clusters and iterations. Convergence can be enforced and the ID labels be unique or repeat depending on the specified parameter.\n"],null,[]]