ee.Algorithms.Image.Segmentation.KMeans

Führt K-Means-Clustering für das Eingabebild aus. Gibt ein 1-Band-Bild mit der ID des Clusters aus, zu dem jedes Pixel gehört. Der Algorithmus kann entweder auf einem festen Raster aus nicht überlappenden Zellen (gridSize, die kleiner als eine Kachel sein kann) oder auf Kacheln mit Überlappung (neighborhoodSize) ausgeführt werden. Standardmäßig werden Kacheln ohne Überschneidung verwendet. Cluster in einer Zelle oder einem Kachel sind nicht mit Clustern in einer anderen Zelle oder Kachel verknüpft. Für Cluster, die sich über eine Zell- oder Kachelgrenze erstrecken, können in den beiden Hälften zwei unterschiedliche Labels verwendet werden. Alle Eingabepixel mit Teilmasken werden in der Ausgabe vollständig maskiert.

Nutzung	Ausgabe
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters, numIterations, neighborhoodSize, gridSize, forceConvergence, uniqueLabels)	Bild

Argument	Typ	Details
image	Bild	Das Eingabebild für das Clustering.
numClusters	Ganzzahl, Standard: 8	Anzahl der Cluster.
numIterations	Ganzzahl, Standard: 20	Anzahl der Iterationen.
neighborhoodSize	Ganzzahl, Standardwert: 0	Größe der Nachbarschaft. Der Betrag, um den jede Kachel beim Berechnen der Cluster erweitert werden soll (Überlappung). Diese Option schließt sich mit „gridSize“ aus.
gridSize	Ganzzahl, Standard: null	Rasterzellengröße. Wenn der Wert größer als 0 ist, wird kMeans unabhängig für Zellen dieser Größe ausgeführt. Dadurch wird die Größe eines Clusters auf „gridSize“ oder weniger begrenzt. Diese Option schließt „neighborhoodSize“ aus.
forceConvergence	Boolescher Wert, Standard: „false“	Wenn „true“ festgelegt ist, wird ein Fehler ausgegeben, wenn die Konvergenz nicht vor „numIterations“ erreicht wird.
uniqueLabels	Boolescher Wert, Standard: „true“	Falls „true“, werden Clustern eindeutige IDs zugewiesen. Andernfalls werden sie pro Kachel oder Rasterzelle wiederholt.