إشعار: يجب
إثبات أهلية جميع المشاريع غير التجارية المسجّلة لاستخدام Earth Engine قبل
15 أبريل 2025 من أجل الحفاظ على إمكانية الوصول إلى Earth Engine.
ee.Kernel.manhattan
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تُنشئ هذه الدالة نواة مسافة استنادًا إلى المسافة المستقيمة (بين مربعات سكنية).
| الاستخدام | المرتجعات |
|---|
ee.Kernel.manhattan(radius, units, normalize, magnitude) | Kernel |
| الوسيطة | النوع | التفاصيل |
|---|
radius | عدد عائم | نصف قطر النواة المطلوب إنشاؤها. |
units | سلسلة، القيمة التلقائية: "بكسل" | نظام القياس الخاص بالنواة (بالبكسل أو المتر) إذا تم تحديد النواة بالمتر، سيتم تغيير حجمها عند تغيير مستوى التكبير/التصغير. |
normalize | قيمة منطقية، القيمة التلقائية: false | يجب تسوية قيم النواة ليكون مجموعها 1. |
magnitude | عدد عائم، القيمة التلقائية: 1 | اضرب كل قيمة في هذا المبلغ. |
أمثلة
محرّر الرموز البرمجية (JavaScript)
print('A Manhattan kernel', ee.Kernel.manhattan({radius: 3}));
/**
* Output weights matrix
*
* [6, 5, 4, 3, 4, 5, 6]
* [5, 4, 3, 2, 3, 4, 5]
* [4, 3, 2, 1, 2, 3, 4]
* [3, 2, 1, 0, 1, 2, 3]
* [4, 3, 2, 1, 2, 3, 4]
* [5, 4, 3, 2, 3, 4, 5]
* [6, 5, 4, 3, 4, 5, 6]
*/
إعداد Python
راجِع صفحة
بيئة Python للحصول على معلومات حول واجهة برمجة التطبيقات Python واستخدام
geemap للتطوير التفاعلي.
import ee
import geemap.core as geemap
Colab (Python)
from pprint import pprint
print('A Manhattan kernel:')
pprint(ee.Kernel.manhattan(**{'radius': 3}).getInfo())
# Output weights matrix
# [6, 5, 4, 3, 4, 5, 6]
# [5, 4, 3, 2, 3, 4, 5]
# [4, 3, 2, 1, 2, 3, 4]
# [3, 2, 1, 0, 1, 2, 3]
# [4, 3, 2, 1, 2, 3, 4]
# [5, 4, 3, 2, 3, 4, 5]
# [6, 5, 4, 3, 4, 5, 6]
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eGenerates a distance kernel based on the rectilinear (city-block) distance, also known as the Manhattan distance.\u003c/p\u003e\n"],["\u003cp\u003eThe kernel can be customized using parameters such as radius, units (pixels or meters), normalization, and magnitude scaling.\u003c/p\u003e\n"],["\u003cp\u003eBy default, the kernel uses pixels as units and is not normalized, with a magnitude of 1.\u003c/p\u003e\n"],["\u003cp\u003eThe output is a square matrix of weights representing the distances from the center pixel, as illustrated in the provided examples.\u003c/p\u003e\n"],["\u003cp\u003eThis kernel is commonly used in image processing for operations like edge detection and feature extraction, where rectilinear distances are relevant.\u003c/p\u003e\n"]]],["This tool generates a rectilinear (city-block) distance kernel using `ee.Kernel.manhattan`. Key actions involve setting the `radius`, specifying `units` as pixels or meters, and optionally `normalize` the kernel to sum to 1, and `magnitude` to scale each value. The kernel's output is a matrix, where each cell's value represents its distance.\n"],null,["# ee.Kernel.manhattan\n\nGenerates a distance kernel based on rectilinear (city-block) distance.\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|--------------------------------------------------------------------------|---------|\n| `ee.Kernel.manhattan(radius, `*units* `, `*normalize* `, `*magnitude*`)` | Kernel |\n\n| Argument | Type | Details |\n|-------------|---------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `radius` | Float | The radius of the kernel to generate. |\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: false | 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 Manhattan kernel', ee.Kernel.manhattan({radius: 3}));\n\n/**\n * Output weights matrix\n *\n * [6, 5, 4, 3, 4, 5, 6]\n * [5, 4, 3, 2, 3, 4, 5]\n * [4, 3, 2, 1, 2, 3, 4]\n * [3, 2, 1, 0, 1, 2, 3]\n * [4, 3, 2, 1, 2, 3, 4]\n * [5, 4, 3, 2, 3, 4, 5]\n * [6, 5, 4, 3, 4, 5, 6]\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 Manhattan kernel:')\npprint(ee.Kernel.manhattan(**{'radius': 3}).getInfo())\n\n# Output weights matrix\n\n# [6, 5, 4, 3, 4, 5, 6]\n# [5, 4, 3, 2, 3, 4, 5]\n# [4, 3, 2, 1, 2, 3, 4]\n# [3, 2, 1, 0, 1, 2, 3]\n# [4, 3, 2, 1, 2, 3, 4]\n# [5, 4, 3, 2, 3, 4, 5]\n# [6, 5, 4, 3, 4, 5, 6]\n```"]]
