ee.Image.reduceNeighborhood

Áp dụng bộ giảm tốc đã cho vào khu vực xung quanh mỗi pixel, theo xác định của kernel đã cho. Nếu tấm dốc có một đầu vào, thì tấm dốc đó sẽ được áp dụng riêng cho từng dải của bộ sưu tập; nếu không, tấm dốc phải có cùng số lượng đầu vào như hình ảnh đầu vào có dải.

Tên đầu ra của tấm dốc xác định tên của các dải đầu ra:

• Tấm dốc có nhiều đầu vào sẽ sử dụng trực tiếp tên đầu ra.
• Tấm dốc có một đầu vào sẽ thêm tiền tố vào tên đầu ra bằng tên dải đầu vào (ví dụ: "10_mean", "20_mean").

Tấm dốc có đầu vào được phân bổ trọng số có thể có trọng số đầu vào dựa trên mặt nạ đầu vào, giá trị kernel 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	Tấm dốc	Bộ giảm để áp dụng cho các pixel trong vùng lân cận.
kernel	Kernel	Kernel xác định vùng lân cận.
inputWeight	Chuỗi, mặc định: "kernel"	Một trong số các giá trị "mask", "kernel" hoặc "min".
skipMasked	Boolean, mặc định: true	Pixel đầu ra mặt nạ nếu pixel đầu vào tương ứng được 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. Phương thức này yêu cầu một kernel đồng nhất, một tấm dốc đầu vào đơn và MASK, KERNEL hoặc không phân bổ trọng số. Phương thức "window" sử dụng một cửa sổ đang chạy và có các yêu cầu giống như "boxcar", nhưng có thể sử dụng bất kỳ tấm dốc đầu vào đơn nào. Cả hai phương thức đều yêu cầu thêm bộ nhớ đáng kể.