简介

核对象（Kernel）提供低通/高通滤波器、水平/垂直滤波器、sobel /laplacian 边缘检查滤波器、统计邻近信息过滤器等算法。

fixed

创建一个过滤器对象。

函数	返回值
fixed(width, height, weights, x, y, normalize)	Kernel

参数	类型	说明
width	Int	过滤器的像素宽度，默认为-1
height	Int	过滤器的像素高度，默认为-1
weights	List	一个 [height] *[width]的二维数组，值为过滤器中的权重值
x	Int	焦点的左偏移量，默认为-1
y	Int	焦点的上偏移量，默认为-1
normalize	Boolean	将过滤器归一化为和为1，默认为false

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
        .select(["B5"]);
var kernel= pie.Kernel().fixed(3, 3,
        [[1, 0, 0],
          [0, 0, 0],
          [0, 0, 1]]);
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120,42,7);

horizontal

生成水平滤波器。

函数	返回值
horizontal()	Kernel

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel= pie.Kernel().horizontal();    //水平滤波
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120,42,7);

laplacian

生成3×3laplacian边缘检测滤波器。

函数	返回值
laplacian()	Kernel

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel= pie.Kernel().laplacian();    //拉普拉斯滤波
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120, 42,7);

lowPass

生成低通滤波器。

函数	返回值
lowPass()	Kernel

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel= pie.Kernel().lowPass();          //低通滤波
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120,42,7);

sobel

创建生成3×3sobel边缘检测核。

函数	返回值
sobel(magnitude,normalize)	Kernel

参数	类型	说明
magnitude	Float	按此量缩放每个值
normalize	Boolean	归一化内核值总和为1

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel= pie.Kernel().sobel(1,1);          
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120,42,7);

statsNeighbour

创建统计邻近信息核的过滤器。

函数	返回值
statsNeighbour(magnitude,normalize)	Kernel

参数	类型	说明
magnitude	Float	按此量缩放每个值
normalize	Boolean	归一化内核值总和为1

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel= pie.Kernel().statsNeighbour(3.0,1);          
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120,42,7);

summary

生成概要滤波器。

函数	返回值
summary()	Kernel

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel = pie.Kernel().summary();    //概要滤波
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120,42,7);

vertical

生成垂直滤波器。

函数	返回值
vertical()	Kernel

var image = pie.Image("LC08/01/T1/LC08_121031_20181019")
               .select(["B5"]);
var kernel= pie.Kernel().vertical();    //垂直滤波
var imageKernel = image.convolve(kernel);
Map.addLayer(imageKernel,{min:0,max:20500});
Map.setCenter(120, 42,7);