প্রান্ত সনাক্তকরণ

প্রান্ত সনাক্তকরণ ইমেজ প্রক্রিয়াকরণ কাজের বিস্তৃত পরিসরের জন্য প্রযোজ্য। কনভোলিউশন বিভাগে বর্ণিত প্রান্ত সনাক্তকরণ কার্নেলগুলি ছাড়াও, আর্থ ইঞ্জিনে বেশ কয়েকটি বিশেষায়িত প্রান্ত সনাক্তকরণ অ্যালগরিদম রয়েছে। ক্যানি প্রান্ত সনাক্তকরণ অ্যালগরিদম (ক্যানি 1986) তির্যক, উল্লম্ব এবং অনুভূমিক প্রান্তগুলি সনাক্ত করতে চারটি পৃথক ফিল্টার ব্যবহার করে। গণনা অনুভূমিক এবং উল্লম্ব দিকনির্দেশের জন্য প্রথম ডেরিভেটিভ মান বের করে এবং গ্রেডিয়েন্ট মাত্রা গণনা করে। ছোট মাত্রার গ্রেডিয়েন্ট চাপা হয়। উচ্চ-ফ্রিকোয়েন্সি আওয়াজ দূর করতে, ঐচ্ছিকভাবে একটি গাউসিয়ান কার্নেল দিয়ে চিত্রটিকে প্রাক-ফিল্টার করুন। যেমন:

কোড এডিটর (জাভাস্ক্রিপ্ট)

// Load a Landsat 8 image, select the panchromatic band.
var image = ee.Image('LANDSAT/LC08/C02/T1/LC08_044034_20140318').select('B8');

// Perform Canny edge detection and display the result.
var canny = ee.Algorithms.CannyEdgeDetector({
  image: image, threshold: 10, sigma: 1
});
Map.setCenter(-122.054, 37.7295, 10);
Map.addLayer(canny, {}, 'canny');

উল্লেখ্য যে threshold প্যারামিটারটি ন্যূনতম গ্রেডিয়েন্টের মাত্রা নির্ধারণ করে এবং sigma প্যারামিটার হল উচ্চ-ফ্রিকোয়েন্সি শব্দ অপসারণের জন্য একটি গাউসিয়ান প্রি-ফিল্টারের স্ট্যান্ডার্ড বিচ্যুতি (SD)। একটি প্রান্ত আবিষ্কারক থেকে লাইন নিষ্কাশনের জন্য, আর্থ ইঞ্জিন হাফ ট্রান্সফর্ম প্রয়োগ করে (ডুডা এবং হার্ট 1972) । পূর্ববর্তী উদাহরণটি চালিয়ে, ক্যানি ডিটেক্টর থেকে এর সাথে লাইনগুলি বের করুন:

কোড এডিটর (জাভাস্ক্রিপ্ট)

// Perform Hough transform of the Canny result and display.
var hough = ee.Algorithms.HoughTransform(canny, 256, 600, 100);
Map.addLayer(hough, {}, 'hough');

আর্থ ইঞ্জিনের আরেকটি বিশেষ অ্যালগরিদম হল zeroCrossing() । একটি শূন্য-ক্রসিংকে যেকোনো পিক্সেল হিসাবে সংজ্ঞায়িত করা হয় যেখানে ডান, নীচে, বা তির্যক নীচে-ডান পিক্সেলের বিপরীত চিহ্ন রয়েছে। যদি এই পিক্সেলগুলির মধ্যে কোনটি বিপরীত চিহ্নের হয় তবে বর্তমান পিক্সেলটি 1 (শূন্য-ক্রসিং) এ সেট করা হয়েছে; অন্যথায় এটা শূন্য সেট করা হয়. প্রান্ত সনাক্ত করতে, শূন্য-ক্রসিং অ্যালগরিদম দ্বিতীয় ডেরিভেটিভ চিত্রের একটি অনুমান প্রয়োগ করা যেতে পারে। নিম্নলিখিতগুলি প্রান্ত সনাক্তকরণের জন্য zeroCrossing() ব্যবহার করে দেখায়:

কোড এডিটর (জাভাস্ক্রিপ্ট)

// Load a Landsat 8 image, select the panchromatic band.
var image = ee.Image('LANDSAT/LC08/C02/T1/LC08_044034_20140318').select('B8');
Map.addLayer(image, {max: 12000});

// Define a "fat" Gaussian kernel.
var fat = ee.Kernel.gaussian({
  radius: 3,
  sigma: 3,
  units: 'pixels',
  normalize: true,
  magnitude: -1
});

// Define a "skinny" Gaussian kernel.
var skinny = ee.Kernel.gaussian({
  radius: 3,
  sigma: 1,
  units: 'pixels',
  normalize: true,
});

// Compute a difference-of-Gaussians (DOG) kernel.
var dog = fat.add(skinny);

// Compute the zero crossings of the second derivative, display.
var zeroXings = image.convolve(dog).zeroCrossing();
Map.setCenter(-122.054, 37.7295, 10);
Map.addLayer(zeroXings.selfMask(), {palette: 'FF0000'}, 'zero crossings');

সান ফ্রান্সিসকো, CA বিমানবন্দরের কাছাকাছি একটি এলাকার জন্য জিরো-ক্রসিং আউটপুট চিত্র 1 এর মতো দেখতে হবে।

চিত্র 1. সান ফ্রান্সিসকো, ক্যালিফোর্নিয়া বিমানবন্দর (ডানদিকে) কাছাকাছি একটি এলাকার জন্য পটভূমিতে ল্যান্ডস্যাট 8 প্যানক্রোম্যাটিক ব্যান্ড সহ জিরো-ক্রসিং আউটপুট (লাল)।