ee.Kernel.gaussian

สร้างเคอร์เนลแบบ Gaussian จาก Gaussian แบบต่อเนื่องที่สุ่มตัวอย่าง

การใช้งาน	การคืนสินค้า
ee.Kernel.gaussian(radius, sigma, units, normalize, magnitude)	เคอร์เนล

อาร์กิวเมนต์	ประเภท	รายละเอียด
radius	ทศนิยม	รัศมีของเคอร์เนลที่จะสร้าง
sigma	Float, ค่าเริ่มต้น: 1	ค่าเบี่ยงเบนมาตรฐานของฟังก์ชันเกาส์ (หน่วยเดียวกับรัศมี)
units	สตริง ค่าเริ่มต้น: "พิกเซล"	ระบบการวัดสำหรับเคอร์เนล ("พิกเซล" หรือ "เมตร") หากระบุเคอร์เนลเป็นเมตร ระบบจะปรับขนาดเมื่อเปลี่ยนระดับการซูม
normalize	บูลีน ค่าเริ่มต้น: จริง	ทำให้ค่าเคอร์เนลอยู่ในค่าปกติที่ผลรวม 1
magnitude	Float, ค่าเริ่มต้น: 1	ปรับขนาดแต่ละค่าตามจำนวนนี้

ตัวอย่าง

โปรแกรมแก้ไขโค้ด (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]
 */

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 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]