ee.Algorithms.Image.Segmentation.GMeans

Giriş görüntüsünde G-Means kümeleme gerçekleştirir. Kullanılacak küme sayısını otomatik olarak belirlemek için k-means algoritmasını ve ardından normallik testini yinelemeli olarak uygular. Çıkış, her pikselin ait olduğu kümenin tam sayı kimliğini içeren bir "kümeler" bandı içerir. Algoritma, çakışmayan hücrelerden oluşan sabit bir ızgarada (gridSize, bir döşemeden daha küçük olabilir) veya çakışan döşemelerde (neighborhoodSize) çalışabilir. Varsayılan olarak, çakışmayan kutular kullanılır. Bir hücre veya döşemedeki kümeler, başka bir hücre veya döşemedeki kümelerle ilişkili değildir. Bir hücre veya döşeme sınırını kapsayan tüm kümeler, iki yarıda iki farklı etiket alabilir. Kısmi maskeler içeren tüm giriş pikselleri çıkışta tamamen maskelenir. Bu algoritmanın yalnızca dar dinamik aralığa sahip resimlerde (ör. bayt veya kısa) iyi performans göstermesi beklenir.

Şu makaleyi inceleyin: G. Hamerly ve C. Elkan. "K-means algoritmasında k değerini öğrenme" NIPS, 2003.

Kullanım	İadeler
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels)	Resim

Bağımsız Değişken	Tür	Ayrıntılar
image	Resim	Kümeleme için giriş resmi.
numIterations	Tamsayı, varsayılan: 10	Yineleme sayısı. Varsayılan değer 10'dur.
pValue	Ondalık sayı, varsayılan: 50	Normallik testi için anlamlılık düzeyi.
neighborhoodSize	Tamsayı, varsayılan: 0	Mahallenin boyutu. Kümeler hesaplanırken her bir kutunun genişletileceği (çakışma) miktar. Bu seçenek, gridSize ile birlikte kullanılamaz.
gridSize	Tam sayı, varsayılan: null	Izgara hücresi boyutu. 0'dan büyükse kMeans, bu boyuttaki hücrelerde bağımsız olarak çalıştırılır. Bu, herhangi bir kümenin boyutunu ızgara boyutu veya daha küçük olacak şekilde sınırlar. Bu seçenek, neighborhoodSize ile birlikte kullanılamaz.
uniqueLabels	Boole değeri, varsayılan: true	Doğruysa kümelere benzersiz kimlikler atanır. Aksi takdirde, her kutu veya ızgara hücresinde tekrarlanır.