ee.Image.reduceNeighborhood

Áp dụng hàm giảm đã cho cho vùng lân cận xung quanh mỗi pixel, theo xác định của hạt nhân đã cho. Nếu hàm giảm có một đầu vào, thì hàm này sẽ được áp dụng riêng cho từng dải của tập hợp; nếu không, hàm này phải có cùng số lượng đầu vào như hình ảnh đầu vào có các dải.

Tên đầu ra của hàm giảm xác định tên của các dải đầu ra: các hàm giảm có nhiều đầu vào sẽ sử dụng trực tiếp tên đầu ra, trong khi các hàm giảm có một đầu vào sẽ thêm tên dải đầu vào vào tên đầu ra (ví dụ: '10_mean', '20_mean').

Các hàm rút gọn có đầu vào được tính trọng số có thể có trọng số đầu vào dựa trên mặt nạ đầu vào, giá trị hạt nhân hoặc giá trị nhỏ hơn trong hai giá trị đó.

Cách sử dụng	Giá trị trả về
Image.reduceNeighborhood(reducer, kernel, inputWeight, skipMasked, optimization)	Hình ảnh

Đối số	Loại	Thông tin chi tiết
this: image	Hình ảnh	Hình ảnh đầu vào.
reducer	Bộ giảm tốc	Bộ giảm để áp dụng cho các pixel trong vùng lân cận.
kernel	Kernel	Hạt nhân xác định vùng lân cận.
inputWeight	Chuỗi, mặc định: "kernel"	Một trong các giá trị "mask", "kernel" hoặc "min".
skipMasked	Boolean, mặc định: true	Che các pixel đầu ra nếu pixel đầu vào tương ứng bị che.
optimization	Chuỗi, mặc định: null	Chiến lược tối ưu hoá. Các lựa chọn là "boxcar" và "window". Phương thức "boxcar" là một phương thức nhanh chóng để tính số lượng, tổng hoặc giá trị trung bình. Nó yêu cầu một hạt nhân đồng nhất, một bộ giảm đầu vào duy nhất và MASK, KERNEL hoặc không có trọng số. Phương thức "window" (cửa sổ) sử dụng một cửa sổ đang chạy và có các yêu cầu tương tự như "boxcar" (toa xe), nhưng có thể sử dụng bất kỳ bộ giảm đầu vào đơn lẻ nào. Cả hai phương pháp này đều cần thêm một lượng đáng kể bộ nhớ.