ee.Algorithms.Image.Segmentation.GMeans

Melakukan pengelompokan G-Means pada gambar input. Menerapkan k-means secara berulang yang diikuti dengan uji normalitas untuk menentukan jumlah cluster yang akan digunakan secara otomatis. Output berisi band 'cluster' yang berisi ID bilangan bulat dari cluster yang dimiliki setiap piksel. Algoritma dapat berfungsi pada petak tetap sel yang tidak tumpang-tindih (gridSize, yang bisa lebih kecil dari petak) atau pada petak dengan tumpang-tindih (neighborhoodSize). Setelan defaultnya adalah menggunakan petak tanpa tumpang-tindih. Cluster dalam satu sel atau petak tidak terkait dengan cluster di sel atau petak lain. Setiap cluster yang mencakup batas sel atau petak dapat menerima dua label berbeda di kedua bagian. Setiap piksel input dengan mask sebagian akan sepenuhnya ditutupi dalam output. Algoritma ini hanya diharapkan berperforma baik untuk gambar dengan rentang dinamis sempit (yaitu, byte atau short).

Lihat: G. Hamerly dan C. Elkan. 'Mempelajari k dalam k-means'. NIPS, 2003.

Penggunaan	Hasil
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels)	Gambar

Argumen	Jenis	Detail
image	Gambar	Gambar input untuk pengelompokan.
numIterations	Bilangan bulat, default: 10	Jumlah iterasi. Default 10.
pValue	Float, default: 50	Tingkat signifikansi untuk uji normalitas.
neighborhoodSize	Bilangan bulat, default: 0	Ukuran lingkungan. Jumlah untuk memperluas setiap petak (tumpang-tindih) saat menghitung cluster. Opsi ini tidak dapat muncul bersamaan dengan gridSize.
gridSize	Bilangan bulat, default: null	Ukuran sel petak. Jika lebih besar dari 0, kMeans akan dijalankan secara independen pada sel dengan ukuran ini. Hal ini akan membatasi ukuran cluster menjadi gridSize atau lebih kecil. Opsi ini sama eksklusifnya dengan neighborhoodSize.
uniqueLabels	Boolean, default: benar (true)	Jika benar (true), cluster akan diberi ID unik. Jika tidak, mereka akan berulang per petak atau sel petak.