ee.Image.reduceNeighborhood

کاهنده داده شده را به همسایگی اطراف هر پیکسل، همانطور که توسط هسته داده شده تعیین می‌شود، اعمال می‌کند. اگر کاهنده یک ورودی داشته باشد، به طور جداگانه به هر باند از مجموعه اعمال می‌شود؛ در غیر این صورت باید تعداد ورودی‌های آن با تعداد باندهای تصویر ورودی یکسان باشد.

نام‌های خروجی کاهنده، نام باندهای خروجی را تعیین می‌کنند:

• کاهنده‌هایی که چندین ورودی دارند، مستقیماً از نام‌های خروجی استفاده می‌کنند.
• کاهنده‌هایی که یک ورودی دارند، نام خروجی را قبل از نام باند ورودی قرار می‌دهند (مثلاً '10_mean'، '20_mean').

کاهنده‌هایی که ورودی‌های وزن‌دار دارند می‌توانند وزن ورودی را بر اساس ماسک ورودی، مقدار هسته یا کوچکترین آن دو داشته باشند.

کاربرد	بازگشت‌ها
Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization )	تصویر

استدلال	نوع	جزئیات
این: image	تصویر	تصویر ورودی.
reducer	کاهنده	کاهنده‌ای که روی پیکسل‌های درون همسایگی اعمال می‌شود.
kernel	هسته	هسته ای که محله را تعریف می کند.
inputWeight	رشته، پیش‌فرض: "هسته"	یکی از «ماسک»، «هسته» یا «دقیقه».
skipMasked	بولی، پیش‌فرض: درست	اگر پیکسل ورودی مربوطه ماسک شده باشد، پیکسل‌های خروجی را ماسک می‌کند.
optimization	رشته، پیش‌فرض: تهی	استراتژی بهینه‌سازی. گزینه‌های موجود «boxcar» و «window» هستند. روش «boxcar» روشی سریع برای محاسبه تعداد، مجموع یا میانگین است. این روش به یک هسته همگن، یک کاهنده تک ورودی و MASK، KERNEL یا بدون وزن‌دهی نیاز دارد. روش «window» از یک پنجره در حال اجرا استفاده می‌کند و الزامات مشابهی با «boxcar» دارد، اما می‌تواند از هر کاهنده تک ورودی استفاده کند. هر دو روش به حافظه اضافی قابل توجهی نیاز دارند.