ee.Algorithms.Image.Segmentation.KMeans

מבצע אשכולות K-Means בתמונת הקלט. פלט של תמונה עם פס אחד שמכיל את המזהה של האשכול שאליו כל פיקסל שייך. האלגוריתם יכול לפעול על רשת קבועה של תאים לא חופפים (gridSize, שיכול להיות קטן יותר מ-tile) או על tiles עם חפיפה (neighborhoodSize). ברירת המחדל היא שימוש באריחים ללא חפיפה. האשכולות בתא או במשבצת מסוימים לא קשורים לאשכולות בתא או במשבצת אחרים. יכול להיות שכל אשכול שחוצה את הגבול של תא או משבצת יקבל שתי תוויות שונות בשני החצאים. כל פיקסל קלט עם מסכות חלקיות מוסתר לחלוטין בפלט.

שימוש	החזרות
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters, numIterations, neighborhoodSize, gridSize, forceConvergence, uniqueLabels)	תמונה

ארגומנט	סוג	פרטים
image	תמונה	תמונת הקלט לאשכול.
numClusters	מספר שלם, ברירת מחדל: 8	מספר הצבירים.
numIterations	מספר שלם, ברירת מחדל: 20	מספר האיטרציות.
neighborhoodSize	מספר שלם, ברירת מחדל: 0	גודל השכונה. הסכום שבו צריך להרחיב כל משבצת (חפיפה) כשמחשבים את האשכולות. האפשרות הזו בלעדית עם gridSize.
gridSize	מספר שלם, ברירת מחדל: null	גודל תא הרשת. אם הערך גדול מ-0, האלגוריתם kMeans יופעל באופן עצמאי על תאים בגודל הזה. ההשפעה של הפעולה הזו היא הגבלת הגודל של כל אשכול ל-gridSize או פחות. האפשרות הזו לא יכולה לפעול יחד עם neighborhoodSize.
forceConvergence	בוליאני, ברירת מחדל: false	אם הערך הוא True, תוצג שגיאה אם לא תושג התכנסות לפני numIterations.
uniqueLabels	בוליאני, ברירת מחדל: true	אם הערך הוא True, לאשכולות מוקצים מזהים ייחודיים. אחרת, הם חוזרים על עצמם בכל משבצת או תא ברשת.