ee.Algorithms.Image.Segmentation.SNIC

SNIC ভিত্তিক সুপারপিক্সেল ক্লাস্টারিং (সিম্পল নন-ইটারেটিভ ক্লাস্টারিং)। প্রতিটি ইনপুট ব্যান্ডের জন্য ক্লাস্টার আইডির একটি ব্যান্ড এবং প্রতি-ক্লাস্টার গড় আউটপুট করে। যদি 'বীজ' ইমেজ ইনপুট হিসাবে প্রদান করা না হয়, তাহলে আউটপুটে একটি 'বীজ' ব্যান্ড থাকবে যাতে উৎপন্ন বীজের অবস্থান থাকে। দেখুন: Achanta, Radhakrishna and Susstrunk, Sabine, 'Superpixels and Polygons using Simple Non-Iterative Clustering', CVPR, 2017।

ব্যবহার	রিটার্নস
ee.Algorithms.Image.Segmentation.SNIC(image, size , compactness , connectivity , neighborhoodSize , seeds )	ছবি

যুক্তি	টাইপ	বিস্তারিত
image	ছবি	ক্লাস্টারিংয়ের জন্য ইনপুট চিত্র।
size	পূর্ণসংখ্যা, ডিফল্ট: 5	সুপারপিক্সেল বীজ অবস্থানের ব্যবধান, পিক্সেলে। যদি 'বীজ' চিত্র প্রদান করা হয়, কোন গ্রিড উত্পাদিত হয় না।
compactness	ফ্লোট, ডিফল্ট: 1	কম্প্যাক্টনেস ফ্যাক্টর। বড় মানগুলি ক্লাস্টারগুলিকে আরও কমপ্যাক্ট (বর্গক্ষেত্র) করে তোলে। এটিকে 0 তে সেট করা স্থানিক দূরত্ব ওজন অক্ষম করে।
connectivity	পূর্ণসংখ্যা, ডিফল্ট: 8	সংযোগ। হয় 4 বা 8।
neighborhoodSize	পূর্ণসংখ্যা, ডিফল্ট: নাল	টাইল আশেপাশের আকার (টাইল সীমানা শিল্পকর্ম এড়াতে)। 2 * আকারে ডিফল্ট।
seeds	ছবি, ডিফল্ট: নাল	যদি প্রদান করা হয়, কোন অ-শূন্য মূল্যের পিক্সেল বীজ অবস্থান হিসাবে ব্যবহার করা হয়। স্পর্শ করা পিক্সেলগুলি ('সংযোগ' দ্বারা নির্দিষ্ট করা হয়েছে) একই ক্লাস্টারের অন্তর্গত বলে মনে করা হয়।

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট)

// Note that the compactness and size parameters can have a significant impact
// on the result. They must be adjusted to meet image-specific characteristics
// and patterns, typically through trial. Pixel scale (map zoom level) is also
// important to consider. When exploring interactively through map tile
// visualization, the segmentation result it dependent on zoom level. If you
// need to evaluate the result at a specific scale, call .reproject() on the
// result, but do so with caution because it overrides the default scaling
// behavior that makes tile computation fast and efficient.


// Load a NAIP image for a neighborhood in Las Vegas.
var naip = ee.Image('USDA/NAIP/DOQQ/m_3611554_sw_11_1_20170613');

// Apply the SNIC algorithm to the image.
var snic = ee.Algorithms.Image.Segmentation.SNIC({
  image: naip,
  size: 30,
  compactness: 0.1,
  connectivity: 8,
});

// Display the original NAIP image as RGB.
// Lock map zoom to maintain the desired scale of the segmentation computation.
Map.setLocked(false, 18, 18);
Map.setCenter(-115.32053, 36.182016, 18);
Map.addLayer(naip, null, 'NAIP RGB');

// Display the clusters.
Map.addLayer(snic.randomVisualizer(), null, 'Clusters');

// Display the RGB cluster means.
var visParams = {
  bands: ['R_mean', 'G_mean', 'B_mean'],
  min: 0,
  max: 255
};
Map.addLayer(snic, visParams, 'RGB cluster means');

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন)

# Note that the compactness and size parameters can have a significant impact
# on the result. They must be adjusted to meet image-specific characteristics
# and patterns, typically through trial. Pixel scale (map zoom level) is also
# important to consider. When exploring interactively through map tile
# visualization, the segmentation result it dependent on zoom level. If you
# need to evaluate the result at a specific scale, call .reproject() on the
# result, but do so with caution because it overrides the default scaling
# behavior that makes tile computation fast and efficient.


# Load a NAIP image for a neighborhood in Las Vegas.
naip = ee.Image('USDA/NAIP/DOQQ/m_3611554_sw_11_1_20170613')

# Apply the SNIC algorithm to the image.
snic = ee.Algorithms.Image.Segmentation.SNIC(
    image=naip, size=30, compactness=0.1, connectivity=8
)

# Display the original NAIP image as RGB.
m = geemap.Map()
m.set_center(-115.32053, 36.182016, 18)
m.add_layer(naip, None, 'NAIP RGB')

# Display the clusters.
m.add_layer(snic.randomVisualizer(), None, 'Clusters')

# Display the RGB cluster means.
vis_params = {'bands': ['R_mean', 'G_mean', 'B_mean'], 'min': 0, 'max': 255}
m.add_layer(snic, vis_params, 'RGB cluster means')
m