Объявление : Все некоммерческие проекты, зарегистрированные для использования Earth Engine до
15 апреля 2025 года, должны
подтвердить некоммерческое право на сохранение доступа к Earth Engine.
ee.Image.reduceNeighborhood
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Применяет заданный редуктор к области вокруг каждого пикселя, определяемой заданным ядром. Если у редуктора один вход, он будет применен отдельно к каждой полосе коллекции; в противном случае количество входов должно совпадать с количеством полос во входном изображении.
Имена выходов редуктора определяют имена выходных диапазонов: редукторы с несколькими входами будут напрямую использовать имена выходов, тогда как редукторы с одним входом будут добавлять к имени выхода префикс имени входного диапазона (например, «10_mean», «20_mean»).
Редукторы с взвешенными входами могут иметь входной вес, основанный на маске входных данных, значении ядра или меньшем из этих двух значений.
| Использование | Возврат | Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization ) | Изображение |
| Аргумент | Тип | Подробности | это: image | Изображение | Входное изображение. |
reducer | Редуктор | Редуктор, применяемый к пикселям в пределах окрестности. |
kernel | Ядро | Ядро, определяющее соседство. |
inputWeight | Строка, по умолчанию: «ядро» | Одно из значений «маска», «ядро» или «min». |
skipMasked | Логическое значение, по умолчанию: true | Маскировать выходные пиксели, если соответствующий входной пиксель замаскирован. |
optimization | Строка, по умолчанию: null | Стратегия оптимизации. Возможные варианты: метод «boxcar» и метод «window». Метод «boxcar» — это быстрый метод вычисления количества, суммы или среднего значения. Он требует однородного ядра, редуктора с одним входом и либо MASK, либо KERNEL, либо без весовых коэффициентов. Метод «window» использует скользящее окно и предъявляет те же требования, что и метод «boxcar», но может использовать любой редуктор с одним входом. Оба метода требуют значительного дополнительного объёма памяти. |
,Применяет заданный редуктор к области вокруг каждого пикселя, определяемой заданным ядром. Если у редуктора один вход, он будет применен отдельно к каждой полосе коллекции; в противном случае количество входов должно совпадать с количеством полос во входном изображении.
Имена выходов редуктора определяют имена выходных диапазонов: редукторы с несколькими входами будут напрямую использовать имена выходов, тогда как редукторы с одним входом будут добавлять к имени выхода префикс имени входного диапазона (например, «10_mean», «20_mean»).
Редукторы с взвешенными входами могут иметь входной вес, основанный на маске входных данных, значении ядра или меньшем из этих двух значений.
| Использование | Возврат | Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization ) | Изображение |
| Аргумент | Тип | Подробности | это: image | Изображение | Входное изображение. |
reducer | Редуктор | Редуктор, применяемый к пикселям в пределах окрестности. |
kernel | Ядро | Ядро, определяющее соседство. |
inputWeight | Строка, по умолчанию: «ядро» | Одно из значений «маска», «ядро» или «min». |
skipMasked | Логическое значение, по умолчанию: true | Маскировать выходные пиксели, если соответствующий входной пиксель замаскирован. |
optimization | Строка, по умолчанию: null | Стратегия оптимизации. Возможные варианты: метод «boxcar» и метод «window». Метод «boxcar» — это быстрый метод вычисления количества, суммы или среднего значения. Он требует однородного ядра, редуктора с одним входом и либо MASK, либо KERNEL, либо без весовых коэффициентов. Метод «window» использует скользящее окно и предъявляет те же требования, что и метод «boxcar», но может использовать любой редуктор с одним входом. Оба метода требуют значительного дополнительного объёма памяти. |
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2025-07-24 UTC.
[null,null,["Последнее обновление: 2025-07-24 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. |"]]
