ঘোষণা :
15 এপ্রিল, 2025 এর আগে আর্থ ইঞ্জিন ব্যবহার করার জন্য নিবন্ধিত সমস্ত অবাণিজ্যিক প্রকল্পগুলিকে অবশ্যই আর্থ ইঞ্জিন অ্যাক্সেস বজায় রাখার জন্য
অ-বাণিজ্যিক যোগ্যতা যাচাই করতে হবে।
ee.Image.reduceNeighborhood
সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
প্রদত্ত কার্নেল দ্বারা নির্ধারিত প্রতিটি পিক্সেলের আশেপাশে প্রদত্ত রিডুসার প্রয়োগ করা হয়। যদি রিডুসারের একটি একক ইনপুট থাকে, তবে এটি সংগ্রহের প্রতিটি ব্যান্ডে আলাদাভাবে প্রয়োগ করা হবে; অন্যথায় ইনপুট ইমেজের ব্যান্ডগুলির মতো ইনপুটগুলির একই সংখ্যা থাকতে হবে।
রিডিউসার আউটপুট নামগুলি আউটপুট ব্যান্ডগুলির নাম নির্ধারণ করে: একাধিক ইনপুট সহ রিডুসাররা সরাসরি আউটপুট নামগুলি ব্যবহার করবে, যখন একটি একক ইনপুট সহ রিডুসারগুলি ইনপুট ব্যান্ডের নামের সাথে আউটপুট নামের উপসর্গ করবে (যেমন, '10_mean', '20_mean')।
ওজনযুক্ত ইনপুট সহ হ্রাসকারীদের ইনপুট মাস্ক, কার্নেলের মান বা এই দুটির মধ্যে ছোটের উপর ভিত্তি করে ইনপুট ওজন থাকতে পারে।
| ব্যবহার | রিটার্নস | Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization ) | ছবি |
| যুক্তি | টাইপ | বিস্তারিত | এই: image | ছবি | ইনপুট ইমেজ. |
reducer | হ্রাসকারী | আশেপাশের মধ্যে পিক্সেলে প্রয়োগ করার জন্য রিডুসার। |
kernel | কার্নেল | কার্নেল আশেপাশের সংজ্ঞায়িত করে। |
inputWeight | স্ট্রিং, ডিফল্ট: "কার্নেল" | 'মাস্ক', 'কার্নেল' বা 'মিনিট'-এর একটি। |
skipMasked | বুলিয়ান, ডিফল্ট: সত্য | সংশ্লিষ্ট ইনপুট পিক্সেল মাস্ক করা থাকলে আউটপুট পিক্সেল মাস্ক করুন। |
optimization | স্ট্রিং, ডিফল্ট: নাল | অপ্টিমাইজেশান কৌশল। বিকল্পগুলি হল 'বক্সকার' এবং 'উইন্ডো'। 'বক্সকার' পদ্ধতি গণনা, যোগফল বা গড় গণনার জন্য একটি দ্রুত পদ্ধতি। এটির জন্য একটি সমজাতীয় কার্নেল, একটি একক-ইনপুট রিডিউসার এবং হয় MASK, KERNEL বা কোন ওজন নেই। 'উইন্ডো' পদ্ধতি একটি চলমান উইন্ডো ব্যবহার করে, এবং 'বক্সকার'-এর মতো একই প্রয়োজনীয়তা রয়েছে, তবে যেকোন একক ইনপুট রিডুসার ব্যবহার করতে পারে। উভয় পদ্ধতি যথেষ্ট অতিরিক্ত মেমরি প্রয়োজন. |
,প্রদত্ত কার্নেল দ্বারা নির্ধারিত প্রতিটি পিক্সেলের আশেপাশে প্রদত্ত রিডুসার প্রয়োগ করা হয়। যদি রিডুসারের একটি একক ইনপুট থাকে, তবে এটি সংগ্রহের প্রতিটি ব্যান্ডে আলাদাভাবে প্রয়োগ করা হবে; অন্যথায় ইনপুট ইমেজের ব্যান্ডগুলির মতো ইনপুটগুলির একই সংখ্যা থাকতে হবে।
রিডিউসার আউটপুট নামগুলি আউটপুট ব্যান্ডগুলির নাম নির্ধারণ করে: একাধিক ইনপুট সহ রিডুসাররা সরাসরি আউটপুট নামগুলি ব্যবহার করবে, যখন একটি একক ইনপুট সহ রিডুসারগুলি ইনপুট ব্যান্ডের নামের সাথে আউটপুট নামের উপসর্গ করবে (যেমন, '10_mean', '20_mean')।
ওজনযুক্ত ইনপুট সহ হ্রাসকারীদের ইনপুট মাস্ক, কার্নেলের মান বা এই দুটির মধ্যে ছোটের উপর ভিত্তি করে ইনপুট ওজন থাকতে পারে।
| ব্যবহার | রিটার্নস | Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization ) | ছবি |
| যুক্তি | টাইপ | বিস্তারিত | এই: image | ছবি | ইনপুট ইমেজ. |
reducer | হ্রাসকারী | আশেপাশের মধ্যে পিক্সেলে প্রয়োগ করার জন্য রিডুসার। |
kernel | কার্নেল | কার্নেল আশেপাশের সংজ্ঞায়িত করে। |
inputWeight | স্ট্রিং, ডিফল্ট: "কার্নেল" | 'মাস্ক', 'কার্নেল' বা 'মিনিট'-এর একটি। |
skipMasked | বুলিয়ান, ডিফল্ট: সত্য | সংশ্লিষ্ট ইনপুট পিক্সেল মাস্ক করা থাকলে আউটপুট পিক্সেল মাস্ক করুন। |
optimization | স্ট্রিং, ডিফল্ট: নাল | অপ্টিমাইজেশান কৌশল। বিকল্পগুলি হল 'বক্সকার' এবং 'উইন্ডো'। 'বক্সকার' পদ্ধতি গণনা, যোগফল বা গড় গণনার জন্য একটি দ্রুত পদ্ধতি। এটির জন্য একটি সমজাতীয় কার্নেল, একটি একক-ইনপুট রিডিউসার এবং হয় MASK, KERNEL বা কোন ওজন নেই। 'উইন্ডো' পদ্ধতি একটি চলমান উইন্ডো ব্যবহার করে, এবং 'বক্সকার'-এর মতো একই প্রয়োজনীয়তা রয়েছে, তবে যেকোন একক ইনপুট রিডুসার ব্যবহার করতে পারে। উভয় পদ্ধতি যথেষ্ট অতিরিক্ত মেমরি প্রয়োজন. |
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।
[null,null,["2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["\u003cp\u003eApplies a given reducer function to the neighborhood of each pixel, defined by a kernel.\u003c/p\u003e\n"],["\u003cp\u003eOutput band names are determined by the reducer's output names, prefixed with the input band name for single-input reducers.\u003c/p\u003e\n"],["\u003cp\u003eInput weight for reducers can be based on the mask, kernel value, or the minimum of the two.\u003c/p\u003e\n"],["\u003cp\u003eOffers optimization strategies like 'boxcar' and 'window' for specific reducer and kernel types to improve performance.\u003c/p\u003e\n"],["\u003cp\u003eAllows skipping computation on masked pixels for efficiency.\u003c/p\u003e\n"]]],["This operation applies a reducer to pixel neighborhoods defined by a kernel. The reducer can have single or multiple inputs, with output band names determined accordingly. Weighted inputs are supported based on the input mask, kernel value, or their minimum. Options are available to skip masked pixels and optimize the process. The `Image.reduceNeighborhood` function takes a reducer, kernel, input weight, skip masked option, and an optimization method, returning a new image.\n"],null,["# ee.Image.reduceNeighborhood\n\nApplies the given reducer to the neighborhood around each pixel, as determined by the given kernel. If the reducer has a single input, it will be applied separately to each band of the collection; otherwise it must have the same number of inputs as the input image has bands.\n\n\u003cbr /\u003e\n\nThe reducer output names determine the names of the output bands: reducers with multiple inputs will use the output names directly, while reducers with a single input will prefix the output name with the input band name (e.g., '10_mean', '20_mean').\n\nReducers with weighted inputs can have the input weight based on the input mask, the kernel value, or the smaller of those two.\n\n| Usage | Returns |\n|--------------------------------------------------------------------------------------------------|---------|\n| Image.reduceNeighborhood`(reducer, kernel, `*inputWeight* `, `*skipMasked* `, `*optimization*`)` | Image |\n\n| Argument | Type | Details |\n|----------------|---------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| this: `image` | Image | The input image. |\n| `reducer` | Reducer | The reducer to apply to pixels within the neighborhood. |\n| `kernel` | Kernel | The kernel defining the neighborhood. |\n| `inputWeight` | String, default: \"kernel\" | One of 'mask', 'kernel', or 'min'. |\n| `skipMasked` | Boolean, default: true | Mask output pixels if the corresponding input pixel is masked. |\n| `optimization` | String, default: null | Optimization strategy. Options are 'boxcar' and 'window'. The 'boxcar' method is a fast method for computing count, sum or mean. It requires a homogeneous kernel, a single-input reducer and either MASK, KERNEL or no weighting. The 'window' method uses a running window, and has the same requirements as 'boxcar', but can use any single input reducer. Both methods require considerable additional memory. |"]]
