ee.Kernel.gaussian

从抽样的连续高斯生成高斯核。

用法	返回
ee.Kernel.gaussian(radius, sigma, units, normalize, magnitude)	内核

参数	类型	详细信息
radius	浮点数	要生成的内核的半径。
sigma	浮点数，默认值：1	高斯函数的标准差（与半径的单位相同）。
units	字符串，默认值：“pixels”	内核的测量系统（“像素”或“米”）。如果以米为单位指定了内核，则当缩放级别发生变化时，内核会调整大小。
normalize	布尔值，默认值：true	将内核值归一化为总和为 1。
magnitude	浮点数，默认值：1	按此量缩放每个值。

示例

代码编辑器 (JavaScript)

print('A Gaussian kernel', ee.Kernel.gaussian({radius: 3}));

/**
 * Output weights matrix (up to 1/1000 precision for brevity)
 *
 * [0.002, 0.013, 0.021, 0.013, 0.002]
 * [0.013, 0.059, 0.098, 0.059, 0.013]
 * [0.021, 0.098, 0.162, 0.098, 0.021]
 * [0.013, 0.059, 0.098, 0.059, 0.013]
 * [0.002, 0.013, 0.021, 0.013, 0.002]
 */

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

from pprint import pprint

print('A Gaussian kernel:')
pprint(ee.Kernel.gaussian(**{'radius': 3}).getInfo())

#  Output weights matrix (up to 1/1000 precision for brevity)

#  [0.002, 0.013, 0.021, 0.013, 0.002]
#  [0.013, 0.059, 0.098, 0.059, 0.013]
#  [0.021, 0.098, 0.162, 0.098, 0.021]
#  [0.013, 0.059, 0.098, 0.059, 0.013]
#  [0.002, 0.013, 0.021, 0.013, 0.002]