Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de 15 de abril de 2025 precisam verificar a qualificação não comercial para manter o acesso. Se você não fizer a verificação até 26 de setembro de 2025, seu acesso poderá ser suspenso.
ee.Algorithms.Image.Segmentation.GMeans
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Executa o clustering G-Means na imagem de entrada. Aplica de forma iterativa o k-means seguido de um teste de normalidade para determinar automaticamente o número de clusters a serem usados. A saída contém uma banda "clusters" com o ID inteiro do cluster a que cada pixel pertence. O algoritmo pode funcionar em uma grade fixa de células não sobrepostas (gridSize, que pode ser menor que um bloco) ou em blocos com sobreposição (neighborhoodSize). O padrão é usar blocos sem sobreposição. Os clusters em uma célula ou bloco não estão relacionados aos clusters em outra. Qualquer cluster que abranja um limite de célula ou bloco pode receber dois rótulos diferentes nas duas metades. Todos os pixels de entrada com máscaras parciais são totalmente mascarados na saída. A expectativa é que esse algoritmo funcione bem apenas para imagens com um intervalo dinâmico estreito (ou seja, bytes ou shorts).
Consulte G. Hamerly e C. Elkan. "Aprendendo o k em k-means". NIPS, 2003.
Nível de significância para o teste de normalidade.
neighborhoodSize
Número inteiro, padrão: 0
Tamanho da vizinhança. A quantidade para estender cada bloco (sobreposição) ao calcular os clusters. Essa opção é mutuamente exclusiva com "gridSize".
gridSize
Número inteiro, padrão: nulo
Tamanho da célula da grade. Se for maior que 0, o kMeans será executado de forma independente em células desse tamanho. Isso limita o tamanho de qualquer cluster a gridSize ou menor. Essa opção é mutuamente exclusiva com "neighborhoodSize".
uniqueLabels
Booleano, padrão: verdadeiro
Se for "true", os clusters vão receber IDs exclusivos. Caso contrário, eles se repetem por bloco ou célula de grade.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 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"]]
