Ankündigung: Alle nicht kommerziellen Projekte, die vor dem 15. April 2025 für die Nutzung von Earth Engine registriert wurden, müssen die Berechtigung zur nicht kommerziellen Nutzung bestätigen, um den Zugriff aufrechtzuerhalten. Wenn Sie Ihren Status nicht bis zum 26. September 2025 bestätigen, wird Ihr Zugriff möglicherweise eingeschränkt.
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Führt G-Means-Clustering für das Eingabebild aus. Wendet iterativ k-Means gefolgt von einem Normalitätstest an, um die Anzahl der zu verwendenden Cluster automatisch zu bestimmen. Die Ausgabe enthält ein Band „clusters“ mit der Ganzzahl-ID des Clusters, zu dem jedes Pixel gehört. Der Algorithmus kann entweder auf einem festen Raster aus nicht überlappenden Zellen (gridSize, die kleiner als eine Kachel sein kann) oder auf Kacheln mit Überlappung (neighborhoodSize) ausgeführt werden. Standardmäßig werden Kacheln ohne Überschneidung verwendet. Cluster in einer Zelle oder einem Kachel sind nicht mit Clustern in einer anderen Zelle oder Kachel verknüpft. Für Cluster, die sich über eine Zell- oder Kachelgrenze erstrecken, können in den beiden Hälften zwei unterschiedliche Labels verwendet werden. Alle Eingabepixel mit Teilmasken werden in der Ausgabe vollständig maskiert. Dieser Algorithmus funktioniert voraussichtlich nur bei Bildern mit einem geringen Dynamikbereich (z.B. Byte oder Shorts).
Siehe: G. Hamerly und C. Elkan. „Learning the k in k-means“ NIPS, 2003.
Größe der Nachbarschaft. Der Betrag, um den jede Kachel beim Berechnen der Cluster erweitert werden soll (Überlappung). Diese Option schließt sich mit „gridSize“ aus.
gridSize
Ganzzahl, Standard: null
Rasterzellengröße. Wenn der Wert größer als 0 ist, wird kMeans unabhängig für Zellen dieser Größe ausgeführt. Dadurch wird die Größe eines Clusters auf „gridSize“ oder weniger begrenzt. Diese Option schließt „neighborhoodSize“ aus.
uniqueLabels
Boolescher Wert, Standard: „true“
Falls „true“, werden Clustern eindeutige IDs zugewiesen. Andernfalls werden sie pro Kachel oder Rasterzelle wiederholt.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-07-27 (UTC)."],[],["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"]]