ee.Algorithms.Image.Segmentation.KMeans

ইনপুট ইমেজে K-Means ক্লাস্টারিং সম্পাদন করে। প্রতিটি পিক্সেলের অন্তর্গত ক্লাস্টারের ID ধারণকারী একটি 1-ব্যান্ড চিত্র আউটপুট করে। অ্যালগরিদম হয় একটি নির্দিষ্ট গ্রিডে কাজ করতে পারে নন-ওভারল্যাপিং সেলগুলির (গ্রিড সাইজ, যা একটি টাইলের চেয়ে ছোট হতে পারে) অথবা ওভারল্যাপযুক্ত টাইলগুলিতে (পাড়ার সাইজ)। ডিফল্ট কোন ওভারল্যাপ ছাড়া টাইলস ব্যবহার করা হয়. এক কক্ষে বা টাইলের ক্লাস্টারগুলি অন্য কক্ষের ক্লাস্টারের সাথে সম্পর্কহীন। যেকোন ক্লাস্টার যা একটি সেল বা টাইলের সীমানা বিস্তৃত করে তা দুটি অর্ধে দুটি ভিন্ন লেবেল পেতে পারে। আংশিক মুখোশ সহ যেকোনো ইনপুট পিক্সেল আউটপুটে সম্পূর্ণরূপে মাস্ক করা হয়।

ব্যবহার	রিটার্নস
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters , numIterations , neighborhoodSize , gridSize , forceConvergence , uniqueLabels )	ছবি

যুক্তি	টাইপ	বিস্তারিত
image	ছবি	ক্লাস্টারিংয়ের জন্য ইনপুট চিত্র।
numClusters	পূর্ণসংখ্যা, ডিফল্ট: 8	ক্লাস্টার সংখ্যা।
numIterations	পূর্ণসংখ্যা, ডিফল্ট: 20	পুনরাবৃত্তির সংখ্যা।
neighborhoodSize	পূর্ণসংখ্যা, ডিফল্ট: 0	পাড়ার আকার। ক্লাস্টারগুলি গণনা করার সময় প্রতিটি টাইল (ওভারল্যাপ) প্রসারিত করার পরিমাণ৷ এই বিকল্পটি গ্রিড সাইজের সাথে পারস্পরিক একচেটিয়া।
gridSize	পূর্ণসংখ্যা, ডিফল্ট: নাল	গ্রিড সেল-আকার। 0-এর বেশি হলে, kMeans এই আকারের কক্ষে স্বাধীনভাবে চালানো হবে। এটি যেকোন ক্লাস্টারের আকারকে গ্রিডসাইজ বা ছোট হতে সীমিত করার প্রভাব রাখে। এই বিকল্পটি আশেপাশের সাইজের সাথে পারস্পরিক একচেটিয়া।
forceConvergence	বুলিয়ান, ডিফল্ট: মিথ্যা	যদি সত্য হয়, সংখ্যার পূর্বে অভিন্নতা অর্জন না হলে একটি ত্রুটি নিক্ষেপ করা হয়।
uniqueLabels	বুলিয়ান, ডিফল্ট: সত্য	সত্য হলে, ক্লাস্টারগুলিকে অনন্য আইডি বরাদ্দ করা হয়। অন্যথায়, তারা প্রতি টালি বা গ্রিড কক্ষে পুনরাবৃত্তি করে।