ee.Kernel.chebyshev
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
สร้างเคอร์เนลระยะทางตามระยะทาง Chebyshev (ระยะทางที่ไกลที่สุดตามมิติข้อมูลใดๆ)
| การใช้งาน | การคืนสินค้า |
|---|
ee.Kernel.chebyshev(radius, units, normalize, magnitude) | เคอร์เนล |
| อาร์กิวเมนต์ | ประเภท | รายละเอียด |
|---|
radius | ทศนิยม | รัศมีของเคอร์เนลที่จะสร้าง |
units | สตริง ค่าเริ่มต้น: "พิกเซล" | ระบบการวัดสำหรับเคอร์เนล ("พิกเซล" หรือ "เมตร") หากระบุเคอร์เนลเป็นเมตร ระบบจะปรับขนาดเมื่อเปลี่ยนระดับการซูม |
normalize | บูลีน ค่าเริ่มต้น: false | ทำให้ค่าเคอร์เนลอยู่ในค่าปกติที่ผลรวม 1 |
magnitude | Float, ค่าเริ่มต้น: 1 | ปรับขนาดแต่ละค่าตามจำนวนนี้ |
ตัวอย่าง
โปรแกรมแก้ไขโค้ด (JavaScript)
print('A Chebyshev distance kernel', ee.Kernel.chebyshev({radius: 3}));
/**
* Output weights matrix
*
* [3, 3, 3, 3, 3, 3, 3]
* [3, 2, 2, 2, 2, 2, 3]
* [3, 2, 1, 1, 1, 2, 3]
* [3, 2, 1, 0, 1, 2, 3]
* [3, 2, 1, 1, 1, 2, 3]
* [3, 2, 2, 2, 2, 2, 3]
* [3, 3, 3, 3, 3, 3, 3]
*/
การตั้งค่า Python
ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า
สภาพแวดล้อม Python
import ee
import geemap.core as geemap
Colab (Python)
from pprint import pprint
print('A Chebyshev distance kernel:')
pprint(ee.Kernel.chebyshev(**{'radius': 3}).getInfo())
# Output weights matrix
# [3, 3, 3, 3, 3, 3, 3]
# [3, 2, 2, 2, 2, 2, 3]
# [3, 2, 1, 1, 1, 2, 3]
# [3, 2, 1, 0, 1, 2, 3]
# [3, 2, 1, 1, 1, 2, 3]
# [3, 2, 2, 2, 2, 2, 3]
# [3, 3, 3, 3, 3, 3, 3]
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"],[[["\u003cp\u003eGenerates a distance kernel based on the Chebyshev distance, which calculates the greatest distance along any dimension between two pixels.\u003c/p\u003e\n"],["\u003cp\u003eThe kernel can be customized using parameters such as radius, units (pixels or meters), normalization, and magnitude scaling.\u003c/p\u003e\n"],["\u003cp\u003eWhen applied, the kernel assigns weights to neighboring pixels based on their Chebyshev distance from the central pixel, creating a matrix of weights.\u003c/p\u003e\n"],["\u003cp\u003eThe resulting weights matrix can be used in various image processing operations, such as smoothing or neighborhood analysis.\u003c/p\u003e\n"]]],["A Chebyshev distance kernel is generated using `ee.Kernel.chebyshev()` with a specified `radius`. The measurement system can be set to 'pixels' or 'meters' via the `units` argument. The kernel values can be normalized to sum to 1 using `normalize`, and scaled with `magnitude`. The output is a kernel representing the Chebyshev distance, where the greatest distance along any dimension defines the value, and it is presented as a matrix.\n"],null,["# ee.Kernel.chebyshev\n\nGenerates a distance kernel based on Chebyshev distance (greatest distance along any dimension).\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|--------------------------------------------------------------------------|---------|\n| `ee.Kernel.chebyshev(radius, `*units* `, `*normalize* `, `*magnitude*`)` | Kernel |\n\n| Argument | Type | Details |\n|-------------|---------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `radius` | Float | The radius of the kernel to generate. |\n| `units` | String, default: \"pixels\" | The system of measurement for the kernel ('pixels' or 'meters'). If the kernel is specified in meters, it will resize when the zoom-level is changed. |\n| `normalize` | Boolean, default: false | Normalize the kernel values to sum to 1. |\n| `magnitude` | Float, default: 1 | Scale each value by this amount. |\n\nExamples\n--------\n\n### Code Editor (JavaScript)\n\n```javascript\nprint('A Chebyshev distance kernel', ee.Kernel.chebyshev({radius: 3}));\n\n/**\n * Output weights matrix\n *\n * [3, 3, 3, 3, 3, 3, 3]\n * [3, 2, 2, 2, 2, 2, 3]\n * [3, 2, 1, 1, 1, 2, 3]\n * [3, 2, 1, 0, 1, 2, 3]\n * [3, 2, 1, 1, 1, 2, 3]\n * [3, 2, 2, 2, 2, 2, 3]\n * [3, 3, 3, 3, 3, 3, 3]\n */\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\nfrom pprint import pprint\n\nprint('A Chebyshev distance kernel:')\npprint(ee.Kernel.chebyshev(**{'radius': 3}).getInfo())\n\n# Output weights matrix\n# [3, 3, 3, 3, 3, 3, 3]\n# [3, 2, 2, 2, 2, 2, 3]\n# [3, 2, 1, 1, 1, 2, 3]\n# [3, 2, 1, 0, 1, 2, 3]\n# [3, 2, 1, 1, 1, 2, 3]\n# [3, 2, 2, 2, 2, 2, 3]\n# [3, 3, 3, 3, 3, 3, 3]\n```"]]
