ee.Kernel.gaussian
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
יצירת ליבת גאוס מתוך גאוס רציף שנדגם.
| שימוש | החזרות |
|---|
ee.Kernel.gaussian(radius, sigma, units, normalize, magnitude) | ליבה |
| ארגומנט | סוג | פרטים |
|---|
radius | מספר ממשי (float) | הרדיוס של הגרעין ליצירה. |
sigma | מספר ממשי (float), ברירת מחדל: 1 | סטיית התקן של פונקציית גאוס (באותן יחידות כמו הרדיוס). |
units | מחרוזת, ברירת מחדל: 'פיקסלים' | מערכת המדידה של ליבת המערכת (פיקסלים או מטרים). אם הגרעין מצוין במטרים, הגודל שלו ישתנה כשמשנים את רמת הזום. |
normalize | בוליאני, ברירת מחדל: true | מנרמלים את ערכי הליבה כך שהסכום שלהם יהיה 1. |
magnitude | מספר ממשי (float), ברירת מחדל: 1 | הכפלה של כל ערך בסכום הזה. |
דוגמאות
עורך הקוד (JavaScript)
print('A Gaussian kernel', ee.Kernel.gaussian({radius: 3}));
/**
* Output weights matrix (up to 1/1000 precision for brevity)
*
* [0.002, 0.013, 0.021, 0.013, 0.002]
* [0.013, 0.059, 0.098, 0.059, 0.013]
* [0.021, 0.098, 0.162, 0.098, 0.021]
* [0.013, 0.059, 0.098, 0.059, 0.013]
* [0.002, 0.013, 0.021, 0.013, 0.002]
*/
הגדרת Python
מידע על Python API ועל שימוש ב-geemap לפיתוח אינטראקטיבי מופיע בדף
Python Environment.
import ee
import geemap.core as geemap
Colab (Python)
from pprint import pprint
print('A Gaussian kernel:')
pprint(ee.Kernel.gaussian(**{'radius': 3}).getInfo())
# Output weights matrix (up to 1/1000 precision for brevity)
# [0.002, 0.013, 0.021, 0.013, 0.002]
# [0.013, 0.059, 0.098, 0.059, 0.013]
# [0.021, 0.098, 0.162, 0.098, 0.021]
# [0.013, 0.059, 0.098, 0.059, 0.013]
# [0.002, 0.013, 0.021, 0.013, 0.002]
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-29 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-29 (שעון UTC)."],[[["\u003cp\u003eThe \u003ccode\u003eee.Kernel.gaussian\u003c/code\u003e function generates a Gaussian kernel, which is essentially a matrix of weights used for image processing, derived from a continuous Gaussian distribution.\u003c/p\u003e\n"],["\u003cp\u003eUsers can customize the kernel by defining its radius, standard deviation (\u003ccode\u003esigma\u003c/code\u003e), units (pixels or meters), normalization, and magnitude (scaling factor).\u003c/p\u003e\n"],["\u003cp\u003eBy default, the kernel is normalized, meaning the sum of its values equals 1, and has a magnitude of 1, applying no scaling to the pixel values.\u003c/p\u003e\n"],["\u003cp\u003eThe generated Gaussian kernel can be applied to imagery to perform various operations such as blurring or smoothing, as demonstrated in the example code snippets.\u003c/p\u003e\n"]]],["The core function is to generate a Gaussian kernel using `ee.Kernel.gaussian()`. This function requires a `radius` and accepts optional parameters like `sigma` (standard deviation), `units` ('pixels' or 'meters'), `normalize` (kernel value normalization), and `magnitude` (scaling factor). The output is a kernel object. Example code demonstrates how to create and print a Gaussian kernel in JavaScript and Python, including the resulting weights matrix.\n"],null,["# ee.Kernel.gaussian\n\nGenerates a Gaussian kernel from a sampled continuous Gaussian.\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|-------------------------------------------------------------------------------------|---------|\n| `ee.Kernel.gaussian(radius, `*sigma* `, `*units* `, `*normalize* `, `*magnitude*`)` | Kernel |\n\n| Argument | Type | Details |\n|-------------|---------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `radius` | Float | The radius of the kernel to generate. |\n| `sigma` | Float, default: 1 | Standard deviation of the Gaussian function (same units as radius). |\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: true | 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 Gaussian kernel', ee.Kernel.gaussian({radius: 3}));\n\n/**\n * Output weights matrix (up to 1/1000 precision for brevity)\n *\n * [0.002, 0.013, 0.021, 0.013, 0.002]\n * [0.013, 0.059, 0.098, 0.059, 0.013]\n * [0.021, 0.098, 0.162, 0.098, 0.021]\n * [0.013, 0.059, 0.098, 0.059, 0.013]\n * [0.002, 0.013, 0.021, 0.013, 0.002]\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 Gaussian kernel:')\npprint(ee.Kernel.gaussian(**{'radius': 3}).getInfo())\n\n# Output weights matrix (up to 1/1000 precision for brevity)\n\n# [0.002, 0.013, 0.021, 0.013, 0.002]\n# [0.013, 0.059, 0.098, 0.059, 0.013]\n# [0.021, 0.098, 0.162, 0.098, 0.021]\n# [0.013, 0.059, 0.098, 0.059, 0.013]\n# [0.002, 0.013, 0.021, 0.013, 0.002]\n```"]]
