卷積
想要對(duì)圖像執(zhí)行線性卷積操作，使用image.convolve()函數(shù)。該函數(shù)只有一個(gè)參數(shù)，稱之為ee.Kernel，它由形狀和kernel中的權(quán)重共同決定，輸出的圖像中每個(gè)像素值都由內(nèi)核值和輸入圖像像素值的線性組合共同確定。內(nèi)核分別應(yīng)用在每個(gè)波段，例如，當(dāng)需要使用平滑內(nèi)核過濾掉高頻信息，可做如下操作：
// Load and display an image.
var image = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140318');
Map.setCenter(-121.9785, 37.8694, 11);
Map.addLayer(image, {bands: ['B5', 'B4', 'B3'], max: 0.5}, 'input image');
// Define a boxcar or low-pass kernel.
var boxcar = ee.Kernel.square({
radius: 7, units: 'pixels', normalize: true
});
// Smooth the image by convolving with the boxcar kernel.
var smooth = image.convolve(boxcar);
Map.addLayer(smooth, {bands: ['B5', 'B4', 'B3'], max: 0.5}, 'smoothed');
使用低通的濾波器進(jìn)行卷積，輸出圖如Fig.1所示。觀察內(nèi)核的參數(shù)明確其尺寸和系數(shù)。一般的，將units設(shè)置為像素，radius指定為內(nèi)核覆蓋的中心的像素?cái)?shù)。如果normalize設(shè)置為true，則內(nèi)核系數(shù)之和為1，如果對(duì)幅度進(jìn)行了設(shè)置，則內(nèi)核系數(shù)將乘上這個(gè)值。如果內(nèi)核系數(shù)中存在負(fù)值，則可以將normalize設(shè)置為true，總和為零。
Fig.1
使用其它內(nèi)核來實(shí)現(xiàn)所需要的處理效果，這一例子使用拉普拉斯算子內(nèi)核進(jìn)行邊界檢測(cè)：
// Define a Laplacian, or edge-detection kernel.
var laplacian = ee.Kernel.laplacian8({ normalize: false });
// Apply the edge-detection kernel.
var edgy = image.convolve(laplacian);
Map.addLayer(edgy,
{bands: ['B5', 'B4', 'B3'], max: 0.5, format: 'png'},
'edges');
請(qǐng)注意可視化參數(shù)的格式說明符，為了提高運(yùn)行效率，GEE將會(huì)以JPEG格式將圖層傳遞到代碼編輯器中，但邊界則使用PNG格式，用以處理圖像邊界像素的透明度。當(dāng)看起來不夠連續(xù)時(shí)，格式設(shè)置為PNG會(huì)一致顯示。使用拉普拉斯進(jìn)行邊界檢測(cè)，結(jié)果如下圖：
Fig.2
還有其他邊緣檢測(cè)的內(nèi)核，例如Sobel、Prewitt、Roberts等等，可以通過
kernel.rotate()進(jìn)行改變，其他的低通內(nèi)核還包括高斯核核具有均勻權(quán)重的各種尺寸和形狀的內(nèi)核，想要?jiǎng)?chuàng)建具有任意定義權(quán)重和形狀的內(nèi)核，使用ee.Kernel.fixed ()函數(shù)進(jìn)行設(shè)置。下面的例子設(shè)置了一個(gè)9*9的內(nèi)核：
// Create a list of weights for a 9x9 kernel.
var list = [1, 1, 1, 1, 1, 1, 1, 1, 1];
// The center of the kernel is zero.
var centerList = [1, 1, 1, 1, 0, 1, 1, 1, 1];
// Assemble a list of lists: the 9x9 kernel weights as a 2-D matrix.
var lists = [list, list, list, list, centerList, list, list, list, list];
// Create the kernel from the weights.
var kernel = ee.Kernel.fixed(9, 9, lists, -4, -4, false);
print(kernel);
