ee.Kernel.gaussian

從取樣的連續高斯函式產生高斯核心。

用量	傳回
ee.Kernel.gaussian(radius, sigma, units, normalize, magnitude)	核心

引數	類型	詳細資料
radius	浮點值	要產生的核心半徑。
sigma	浮點值，預設值為 1	高斯函式的標準差 (與半徑的單位相同)。
units	字串，預設值為「pixels」	核心的測量系統 (「像素」或「公尺」)。如果核心是以公尺為單位指定，則會在變更縮放層級時調整大小。
normalize	布林值，預設值為 true	將核心值正規化為總和為 1。
magnitude	浮點值，預設值為 1	將每個值按此金額縮放。

範例

程式碼編輯器 (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]
 */

Python 設定

請參閱 Python 環境頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

display('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]