ee.Image.reduceNeighborhood

Applica il riduttore specificato al vicinato intorno a ogni pixel, come determinato dal kernel specificato. Se il riduttore ha un solo input, viene applicato separatamente a ogni banda della raccolta; in caso contrario, deve avere lo stesso numero di input delle bande dell'immagine di input.

I nomi degli output del riduttore determinano i nomi delle bande di output: i riduttori con più input utilizzeranno direttamente i nomi degli output, mentre i riduttori con un singolo input anteporranno al nome dell'output il nome della banda di input (ad es. '10_mean', '20_mean').

I riduttori con input ponderati possono avere il peso dell'input basato sulla maschera di input, sul valore del kernel o sul valore più piccolo tra i due.

Utilizzo	Resi
Image.reduceNeighborhood(reducer, kernel, inputWeight, skipMasked, optimization)	Immagine

Argomento	Tipo	Dettagli
questo: image	Immagine	L'immagine di input.
reducer	Riduttore	Il riduttore da applicare ai pixel all'interno del quartiere.
kernel	Kernel	Il kernel che definisce il vicinato.
inputWeight	Stringa, valore predefinito: "kernel"	Può assumere uno di tre valori: "mask", "kernel" o "min".
skipMasked	Booleano, valore predefinito: true	Maschera i pixel di output se il pixel di input corrispondente è mascherato.
optimization	Stringa, valore predefinito: null	Strategia di ottimizzazione. Le opzioni sono "vagone" e "finestra". Il metodo "boxcar" è un metodo rapido per calcolare conteggio, somma o media. Richiede un kernel omogeneo, un riduttore a singolo input e MASK, KERNEL o nessuna ponderazione. Il metodo "finestra" utilizza una finestra mobile e ha gli stessi requisiti di "boxcar", ma può utilizzare qualsiasi singolo riduttore di input. Entrambi i metodi richiedono una notevole quantità di memoria aggiuntiva.