ee.Kernel.gaussian
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
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]
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-29 UTC
[null,null,["อัปเดตล่าสุด 2025-07-29 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```"]]
