Pengumuman: Semua project nonkomersial yang terdaftar untuk menggunakan Earth Engine sebelum
15 April 2025 harus
memverifikasi kelayakan nonkomersial untuk mempertahankan akses Earth Engine.
ee.Image.reduceNeighborhood
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Menerapkan peredam yang diberikan ke lingkungan di sekitar setiap piksel, sebagaimana ditentukan oleh kernel yang diberikan. Jika memiliki satu input, peredam akan diterapkan secara terpisah ke setiap band koleksi; jika tidak, peredam harus memiliki jumlah input yang sama dengan jumlah band pada gambar input.
Nama output reducer menentukan nama band output: reducer dengan beberapa input akan menggunakan nama output secara langsung, sedangkan reducer dengan satu input akan menambahkan awalan nama output dengan nama band input (misalnya, '10_mean', '20_mean').
Pengurangan dengan input berbobot dapat memiliki bobot input berdasarkan mask input, nilai kernel, atau yang lebih kecil dari keduanya.
| Penggunaan | Hasil |
|---|
Image.reduceNeighborhood(reducer, kernel, inputWeight, skipMasked, optimization) | Gambar |
| Argumen | Jenis | Detail |
|---|
ini: image | Gambar | Gambar input. |
reducer | Pengurang | Pengurangan yang akan diterapkan pada piksel dalam lingkungan. |
kernel | Kernel | Kernel yang menentukan lingkungan. |
inputWeight | String, default: "kernel" | Salah satu dari 'mask', 'kernel', atau 'min'. |
skipMasked | Boolean, default: benar (true) | Menyamarkan piksel output jika piksel input yang sesuai disamarkan. |
optimization | String, default: null | Strategi pengoptimalan. Opsinya adalah 'boxcar' dan 'window'. Metode 'boxcar' adalah metode cepat untuk menghitung jumlah, total, atau rata-rata. Fungsi ini memerlukan kernel homogen, peredam input tunggal, dan MASK, KERNEL, atau tanpa pembobotan. Metode 'window' menggunakan jendela yang berjalan, dan memiliki persyaratan yang sama dengan 'boxcar', tetapi dapat menggunakan peredam input tunggal. Kedua metode ini memerlukan memori tambahan yang cukup besar. |
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-07-26 UTC.
[null,null,["Terakhir diperbarui pada 2025-07-26 UTC."],[[["\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. |"]]
