ב-Earth Engine הוספנו רמות מכסת שימוש לא מסחרי כדי להגן על משאבי מחשוב משותפים ולספק ביצועים מהימנים לכולם. בפרויקטים לא מסחריים נעשה שימוש במסלול Community כברירת מחדל, אבל אפשר לשנות את המסלול של הפרויקט בכל שלב.
Google uses AI technology to translate content into your preferred language. AI translations can contain errors.
ee.Algorithms.Image.Segmentation.GMeans
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
ביצוע אשכול G-Means בתמונת הקלט. הפונקציה מחילה באופן איטרטיבי k-means ואחריה מבחן נורמליות כדי לקבוע באופן אוטומטי את מספר האשכולות לשימוש. הפלט מכיל פס 'clusters' (אשכולות) שמכיל את מזהה המספר השלם של האשכול שאליו כל פיקסל שייך.
האלגוריתם יכול לפעול על רשת קבועה של תאים לא חופפים (gridSize, שיכול להיות קטן יותר מ-tile) או על tiles עם חפיפה (neighborhoodSize). ברירת המחדל היא שימוש במשבצות ללא חפיפה. האשכולות בתא או במשבצת מסוימים לא קשורים לאשכולות בתא או במשבצת אחרים. יכול להיות שכל אשכול שחוצה את הגבול של תא או משבצת יקבל שתי תוויות שונות בשני החצאים. כל פיקסל קלט עם מסכות חלקיות מוסתר באופן מלא בפלט. האלגוריתם הזה צפוי להניב ביצועים טובים רק לגבי תמונות עם טווח דינמי צר (כלומר, בייטים או מספרים קצרים).
ראו: G. Hamerly ו-C. Elkan. 'Learning the k in k-means'. NIPS, 2003.
גודל השכונה. הסכום שבו צריך להרחיב כל משבצת (חפיפה) כשמחשבים את האשכולות. האפשרות הזו בלעדית לאפשרות gridSize.
gridSize
מספר שלם, ברירת מחדל: null
גודל תא הרשת. אם הערך גדול מ-0, האלגוריתם kMeans יופעל באופן עצמאי על תאים בגודל הזה. התוצאה היא שגודל כל אשכול יהיה gridSize או קטן יותר. האפשרות הזו לא יכולה לפעול יחד עם neighborhoodSize.
uniqueLabels
בוליאני, ברירת מחדל: true
אם הערך הוא True, לאשכולות מוקצים מזהים ייחודיים. אחרת, הם חוזרים על עצמם בכל משבצת או תא ברשת.
[[["התוכן קל להבנה","easyToUnderstand","thumb-up"],["התוכן עזר לי לפתור בעיה","solvedMyProblem","thumb-up"],["סיבה אחרת","otherUp","thumb-up"]],[["חסרים לי מידע או פרטים","missingTheInformationINeed","thumb-down"],["התוכן מורכב מדי או עם יותר מדי שלבים","tooComplicatedTooManySteps","thumb-down"],["התוכן לא עדכני","outOfDate","thumb-down"],["בעיה בתרגום","translationIssue","thumb-down"],["בעיה בדוגמאות/בקוד","samplesCodeIssue","thumb-down"],["סיבה אחרת","otherDown","thumb-down"]],["עדכון אחרון: 2026-04-20 (שעון 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"]]
