ee.Kernel.manhattan

রেক্টিলাইনার (শহর-ব্লক) দূরত্বের উপর ভিত্তি করে একটি দূরত্ব কার্নেল তৈরি করে।

ব্যবহার রিটার্নস
ee.Kernel.manhattan(radius, units , normalize , magnitude ) কার্নেল
যুক্তি টাইপ বিস্তারিত
radius ভাসা কার্নেলের ব্যাসার্ধ উৎপন্ন হবে।
units স্ট্রিং, ডিফল্ট: "পিক্সেল" কার্নেলের জন্য পরিমাপের সিস্টেম ('পিক্সেল' বা 'মিটার')। কার্নেলটি মিটারে নির্দিষ্ট করা থাকলে, জুম-স্তর পরিবর্তন করা হলে এটির আকার পরিবর্তন হবে।
normalize বুলিয়ান, ডিফল্ট: মিথ্যা কার্নেলের মানগুলিকে 1 এ যোগ করার জন্য স্বাভাবিক করুন।
magnitude ফ্লোট, ডিফল্ট: 1 এই পরিমাণ দ্বারা প্রতিটি মান স্কেল.

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট) 

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

/**
 * Output weights matrix
 *
 * [6, 5, 4, 3, 4, 5, 6]
 * [5, 4, 3, 2, 3, 4, 5]
 * [4, 3, 2, 1, 2, 3, 4]
 * [3, 2, 1, 0, 1, 2, 3]
 * [4, 3, 2, 1, 2, 3, 4]
 * [5, 4, 3, 2, 3, 4, 5]
 * [6, 5, 4, 3, 4, 5, 6]
 */

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন) 

from pprint import pprint

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

#  Output weights matrix

#  [6, 5, 4, 3, 4, 5, 6]
#  [5, 4, 3, 2, 3, 4, 5]
#  [4, 3, 2, 1, 2, 3, 4]
#  [3, 2, 1, 0, 1, 2, 3]
#  [4, 3, 2, 1, 2, 3, 4]
#  [5, 4, 3, 2, 3, 4, 5]
#  [6, 5, 4, 3, 4, 5, 6]
,রেক্টিলাইনার (শহর-ব্লক) দূরত্বের উপর ভিত্তি করে একটি দূরত্ব কার্নেল তৈরি করে।

ব্যবহার রিটার্নস
ee.Kernel.manhattan(radius, units , normalize , magnitude ) কার্নেল
যুক্তি টাইপ বিস্তারিত
radius ভাসা কার্নেলের ব্যাসার্ধ উৎপন্ন হবে।
units স্ট্রিং, ডিফল্ট: "পিক্সেল" কার্নেলের জন্য পরিমাপের সিস্টেম ('পিক্সেল' বা 'মিটার')। কার্নেলটি মিটারে নির্দিষ্ট করা থাকলে, জুম-স্তর পরিবর্তন করা হলে এটির আকার পরিবর্তন হবে।
normalize বুলিয়ান, ডিফল্ট: মিথ্যা কার্নেলের মানগুলিকে 1 এ যোগ করার জন্য স্বাভাবিক করুন।
magnitude ফ্লোট, ডিফল্ট: 1 এই পরিমাণ দ্বারা প্রতিটি মান স্কেল.

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট) 

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

/**
 * Output weights matrix
 *
 * [6, 5, 4, 3, 4, 5, 6]
 * [5, 4, 3, 2, 3, 4, 5]
 * [4, 3, 2, 1, 2, 3, 4]
 * [3, 2, 1, 0, 1, 2, 3]
 * [4, 3, 2, 1, 2, 3, 4]
 * [5, 4, 3, 2, 3, 4, 5]
 * [6, 5, 4, 3, 4, 5, 6]
 */

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন) 

from pprint import pprint

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

#  Output weights matrix

#  [6, 5, 4, 3, 4, 5, 6]
#  [5, 4, 3, 2, 3, 4, 5]
#  [4, 3, 2, 1, 2, 3, 4]
#  [3, 2, 1, 0, 1, 2, 3]
#  [4, 3, 2, 1, 2, 3, 4]
#  [5, 4, 3, 2, 3, 4, 5]
#  [6, 5, 4, 3, 4, 5, 6]