قدّمت Earth Engine فئات حصص غير تجارية لحماية موارد الحوسبة المشتركة وضمان أداء موثوق للجميع. تستخدم المشاريع غير التجارية "فئة المجتمع" تلقائيًا، ولكن يمكنك تغيير فئة المشروع في أي وقت.
Google uses AI technology to translate content into your preferred language. AI translations can contain errors.
ee.Algorithms.Image.Segmentation.GMeans
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تُجري هذه الدالة عملية تجميع G-Means على الصورة المُدخَلة. وتُطبّق بشكل متكرّر خوارزمية متوسطات تصنيفية متبوعة باختبار التوزيع الطبيعي لتحديد عدد المجموعات العنقودية التي سيتم استخدامها تلقائيًا. يحتوي الناتج على نطاق "المجموعات العنقودية" (clusters) الذي يتضمّن رقم تعريف عدد صحيح للمجموعة العنقودية التي تنتمي إليها كل بكسل.
يمكن أن تعمل الخوارزمية على شبكة ثابتة من الخلايا غير المتداخلة (gridSize، التي يمكن أن تكون أصغر من مربّع) أو على مربّعات متداخلة (neighborhoodSize). الإعداد التلقائي هو استخدام مربّعات بدون تداخل. لا ترتبط المجموعات العنقودية في خلية أو مربّع واحد بالمجموعات العنقودية في خلية أو مربّع آخر. قد تحصل أي مجموعة عنقودية تمتد على حدود خلية أو مربّع على تصنيفين مختلفَين في النصفَين. يتم إخفاء أي بكسل مُدخَل يتضمّن أقنعة جزئية بالكامل في الناتج. من المتوقّع أن تعمل هذه الخوارزمية بشكل جيد فقط للصور ذات النطاق الديناميكي الضيق (أي البايتات أو الأعداد الصحيحة القصيرة).
راجِع: G. Hamerly and C. Elkan. تعلّم k في متوسطات تصنيفية NIPS, 2003.
حجم الحي. مقدار توسيع كل مربّع (التداخل) عند احتساب المجموعات العنقودية. هذا الخيار يستبعد gridSize.
gridSize
عدد صحيح، الإعداد التلقائي: null
حجم خلية الشبكة. إذا كان أكبر من 0، سيتم تشغيل خوارزمية kMeans بشكل مستقل على الخلايا بهذا الحجم. يؤدي ذلك إلى حصر حجم أي مجموعة عنقودية ليكون gridSize أو أصغر. هذا الخيار يستبعد neighborhoodSize.
uniqueLabels
قيمة منطقية، الإعداد التلقائي: true
إذا كانت القيمة "true"، يتم تخصيص أرقام تعريف فريدة للمجموعات العنقودية. وإلا، تتكرّر لكل مربّع أو خلية شبكة.
تاريخ التعديل الأخير: 2026-04-20 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2026-04-20 (حسب التوقيت العالمي المتفَّق عليه)"],[],["The G-Means algorithm performs image clustering by iteratively applying k-means and a normality test to determine the optimal number of clusters. It outputs an image with a 'clusters' band, assigning each pixel to a cluster. It can operate on a fixed grid (gridSize) or tiles with overlap (neighborhoodSize), with default being tiles without overlap. Input images should have a narrow dynamic range and pixels with partial mask will be fully masked in the output. Clusters can be assigned unique ID's or repeat per tile.\n"]]
