ee.Image.reduceNeighborhood

کاهنده داده شده را بر روی همسایگی اطراف هر پیکسل، همانطور که توسط هسته داده شده تعیین می شود، اعمال می کند. اگر کاهنده یک ورودی واحد داشته باشد، به طور جداگانه برای هر باند از مجموعه اعمال می شود. در غیر این صورت باید همان تعداد ورودی باندهای تصویر ورودی را داشته باشد.

نام‌های خروجی کاهنده نام باندهای خروجی را تعیین می‌کنند: کاهنده‌هایی با چندین ورودی مستقیماً از نام‌های خروجی استفاده می‌کنند، در حالی که کاهنده‌های با یک ورودی، نام خروجی را با نام باند ورودی پیشوند می‌دهند (به عنوان مثال، '10_mean'، '20_mean').

کاهنده‌های دارای ورودی وزنی می‌توانند وزن ورودی را بر اساس ماسک ورودی، مقدار هسته یا کوچک‌تر از این دو داشته باشند.

استفاده	برمی گرداند
Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization )	تصویر

استدلال	تایپ کنید	جزئیات
این: image	تصویر	تصویر ورودی
reducer	کاهنده	کاهنده برای اعمال به پیکسل های داخل همسایگی.
kernel	هسته	هسته ای که محله را تعریف می کند.
inputWeight	رشته، پیش فرض: "هسته"	یکی از «ماسک»، «هسته» یا «min».
skipMasked	بولی، پیش فرض: درست است	اگر پیکسل ورودی مربوطه پوشانده شده باشد، پیکسل های خروجی را ماسک کنید.
optimization	رشته، پیش فرض: null	استراتژی بهینه سازی گزینه ها 'boxcar' و 'window' هستند. روش "boxcar" روشی سریع برای محاسبه تعداد، مجموع یا میانگین است. به یک هسته همگن، یک کاهنده تک ورودی و MASK، KERNEL یا بدون وزن نیاز دارد. روش "پنجره" از یک پنجره در حال اجرا استفاده می کند، و همان الزامات "boxcar" را دارد، اما می تواند از هر کاهش دهنده ورودی استفاده کند. هر دو روش به حافظه اضافی قابل توجهی نیاز دارند.

،کاهنده داده شده را بر روی همسایگی اطراف هر پیکسل، همانطور که توسط هسته داده شده تعیین می شود، اعمال می کند. اگر کاهنده یک ورودی واحد داشته باشد، به طور جداگانه برای هر باند از مجموعه اعمال می شود. در غیر این صورت باید همان تعداد ورودی باندهای تصویر ورودی را داشته باشد.

نام‌های خروجی کاهنده نام باندهای خروجی را تعیین می‌کنند: کاهنده‌هایی با چندین ورودی مستقیماً از نام‌های خروجی استفاده می‌کنند، در حالی که کاهنده‌های با یک ورودی، نام خروجی را با نام باند ورودی پیشوند می‌دهند (به عنوان مثال، '10_mean'، '20_mean').

کاهنده‌های دارای ورودی‌های وزنی می‌توانند وزن ورودی را بر اساس ماسک ورودی، مقدار هسته یا کوچک‌تر از این دو داشته باشند.

استفاده	برمی گرداند
Image. reduceNeighborhood (reducer, kernel, inputWeight , skipMasked , optimization )	تصویر

استدلال	تایپ کنید	جزئیات
این: image	تصویر	تصویر ورودی
reducer	کاهنده	کاهنده برای اعمال به پیکسل های داخل همسایگی.
kernel	هسته	هسته ای که محله را تعریف می کند.
inputWeight	رشته، پیش فرض: "هسته"	یکی از «ماسک»، «هسته» یا «min».
skipMasked	بولی، پیش فرض: درست است	اگر پیکسل ورودی مربوطه پوشانده شده باشد، پیکسل های خروجی را ماسک کنید.
optimization	رشته، پیش فرض: null	استراتژی بهینه سازی گزینه ها 'boxcar' و 'window' هستند. روش "boxcar" روشی سریع برای محاسبه تعداد، مجموع یا میانگین است. به یک هسته همگن، یک کاهنده تک ورودی و MASK، KERNEL یا بدون وزن نیاز دارد. روش "پنجره" از یک پنجره در حال اجرا استفاده می کند، و همان الزامات "boxcar" را دارد، اما می تواند از هر کاهش دهنده ورودی استفاده کند. هر دو روش به حافظه اضافی قابل توجهی نیاز دارند.