ee.Algorithms.Image.Segmentation.KMeans

Esegue il clustering K-means sull'immagine di input. Restituisce un'immagine a una banda contenente l'ID del cluster a cui appartiene ogni pixel. L'algoritmo può funzionare su una griglia fissa di celle non sovrapposte (gridSize, che può essere più piccola di un riquadro) o su riquadri con sovrapposizione (neighborhoodSize). L'impostazione predefinita prevede l'utilizzo di riquadri senza sovrapposizione. I cluster in una cella o un riquadro non sono correlati ai cluster in un altro. Qualsiasi cluster che si estende su un confine di cella o riquadro potrebbe ricevere due etichette diverse nelle due metà. Tutti i pixel di input con maschere parziali vengono mascherati completamente nell'output.

Utilizzo	Resi
ee.Algorithms.Image.Segmentation.KMeans(image, numClusters, numIterations, neighborhoodSize, gridSize, forceConvergence, uniqueLabels)	Immagine

Argomento	Tipo	Dettagli
image	Immagine	L'immagine di input per il clustering.
numClusters	Numero intero, valore predefinito: 8	Numero di cluster.
numIterations	Numero intero, valore predefinito: 20	Numero di iterazioni.
neighborhoodSize	Numero intero, valore predefinito: 0	Dimensioni del quartiere. L'importo di estensione di ogni riquadro (sovrapposizione) durante il calcolo dei cluster. Questa opzione si esclude a vicenda con gridSize.
gridSize	Numero intero, valore predefinito: null	Dimensione della cella della griglia. Se è maggiore di 0, k-means verrà eseguito in modo indipendente sulle celle di queste dimensioni. In questo modo, la dimensione di qualsiasi cluster viene limitata a gridSize o a un valore inferiore. Questa opzione si esclude a vicenda con neighborhoodSize.
forceConvergence	Booleano, valore predefinito: false	Se è true, viene generato un errore se la convergenza non viene raggiunta prima di numIterations.
uniqueLabels	Booleano, valore predefinito: true	Se true, ai cluster vengono assegnati ID univoci. In caso contrario, si ripetono per riquadro o cella della griglia.