Earth Engine memperkenalkan
tingkatan kuota nonkomersial untuk mengamankan resource komputasi bersama dan memastikan performa yang andal bagi semua orang. Semua project nonkomersial harus memilih tingkat kuota paling lambat
27 April 2026 atau akan menggunakan Tingkat Komunitas secara default. Kuota tingkat akan berlaku untuk semua project (terlepas dari tanggal pemilihan tingkat) pada
27 April 2026.
Pelajari lebih lanjut.
ee.Kernel.laplacian4
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Membuat kernel deteksi tepi Laplacian-4 3x3.
| Penggunaan | Hasil |
|---|
ee.Kernel.laplacian4(magnitude, normalize) | Kernel |
| Argumen | Jenis | Detail |
|---|
magnitude | Float, default: 1 | Menskalakan setiap nilai dengan jumlah ini. |
normalize | Boolean, default: false | Menormalisasi nilai kernel agar berjumlah 1. |
Contoh
Code Editor (JavaScript)
print('A Laplacian-4 kernel', ee.Kernel.laplacian4());
/**
* Output weights matrix
*
* [0, 1, 0]
* [1, -4, 1]
* [0, 1, 0]
*/
Penyiapan Python
Lihat halaman
Lingkungan Python untuk mengetahui informasi tentang Python API dan penggunaan
geemap untuk pengembangan interaktif.
import ee
import geemap.core as geemap
Colab (Python)
display('A Laplacian-4 kernel:', ee.Kernel.laplacian4())
# Output weights matrix
# [0, 1, 0]
# [1, -4, 1]
# [0, 1, 0]
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-10-30 UTC.
[null,null,["Terakhir diperbarui pada 2025-10-30 UTC."],[],["The `ee.Kernel.laplacian4()` function generates a 3x3 Laplacian-4 edge-detection kernel. It accepts `magnitude` (float, default 1) to scale kernel values and `normalize` (boolean, default false) to normalize values to sum to 1. The function returns a kernel represented by the weights matrix: `[[0, 1, 0], [1, -4, 1], [0, 1, 0]]`. `magnitude` allows for customization of the kernel's sensitivity.\n"]]