Segmentasi Gambar Pertemuan 10

Slides:



Advertisements
Presentasi serupa
Materi 02(a) Pengolahan Citra Digital
Advertisements

Polygon Grafika Komputer.
CITRA BINER Kuliah ke 11 4/7/2017.
Segmentasi Citra.
CS3204 Pengolahan Citra - UAS
Pengertian Citra Dijital
“Image Retrieval” Shinta P.
Segmentasi Citra.
Filter Spasial Citra.
Perbaikan Citra pada Domain Spasial
Pengolahan Citra (TIF05)
OPERASI-OPERASI DASAR PENGOLAHAN CITRA DIGITAL
PERBAIKAN KUALITAS CITRA 1
CITRA DIGITAL DALAM TINJAUAN ILMU FISIKA*
Operasi-operasi dasar Pengolahan Citra Digital~3
VISION.
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Overview Materi Pengolahan Citra Digital
Pertemuan 7 Pengolahan Citra Digital
Segmentasi Citra Prof.Dr. Aniati Murni (R 1202)
CS3204 Pengolahan Citra - UAS
Anna Hendrawati STMIK CILEGON
Pengolahan Citra Digital
CS3204 Pengolahan Citra - UAS
Pengolahan Citra Digital Materi 6
Pengolahan Citra Digital
1 Pertemuan 5 Deteksi Bentuk Primitif Obyek 2D Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
IMAGE ENHANCEMENT (PERBAIKAN CITRA)
CS3204 Pengolahan Citra - UAS
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
Segmentasi Citra. Tujuan Memberikan pemahaman kepada mahasiswa tentang:  karakteristik dasar dari berbagai algoritma segmentasi  proses filtering untuk.
CITRA BINER.
Watermarking Oleh : Ir. H. Sirait, MT
Materi 08 Pengolahan Citra Digital
MODUL KULIAH 2 FORMASI CITRA
Pendeteksian Tepi Objek
Materi 07 Pengolahan Citra Digital
Image Segmentation.
MODUL14 Segmentasi Citra
Ilman Pangeran (G ) M Rachmatarramadhan (G ) Alfandio Grasheldi (G )
Operasi2 Dasar Merupakan manipulasi elemen matriks :
Operasi-operasi Dasar Pengolahan Citra Digital
OPERASI DASAR CITRA DIGITAL
CS3204 Pengolahan Citra - UAS
EDY WINARNO fti-unisbank-smg 31 maret 2009
MODUL16 Aplikasi Fitur Bentuk
Pertemuan 3 Pengolahan Citra Digital
Segmentasi Citra Materi 6
Kualitas Citra Pertemuan 1
Operasi Dasar Pengolahan Citra
Pengolahan Citra Pertemuan 11
Computer Vision Materi 7
Analisis Tekstur.
OPERASI PADA CITRA BINER
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Deteksi Tepi Pengolahan Citra Danar Putra Pamungkas, M.Kom
Digital Image Processing
EDY WINARNO fti-unisbank-smg 14 April 2009
Filtering dan Konvolusi
Pengolahan Citra Digital
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
Pengolahan Citra Digital
EDGE DETECTION.
Pengolahan Citra Digital. Pembentukan Citra Citra dibagi menjadi 2 macam : 1.Citra kontinyu : adalah citra yang dihasilkan dari sistem optik yang menerima.
Pengolahan Citra Pertemuan 8
Pertemuan 10 Mata Kuliah Pengolahan Citra
SEGMENTASI.
Segmentasi Citra Materi 6
OPERASI SEGMENTASI DAN MORFOLOGI
PENGANTAR PENGOLAHAN CITRA
Transcript presentasi:

Segmentasi Gambar Pertemuan 10 Oleh : Ir. H. Sirait, MT Web/Blog : http://www.hsirait.wordpress.com Phone : 081356633766 FB : Hasanuddin MP Sirait TW : @hsirait BBM : 29C01DD4 Keyword : hsirait Thresholding Region Growing Split & Merge 27/03/2013

Segmentasi Citra Proses untuk memisahkan citra menjadi bagian-bagian pembentuknya (region) Merupakan fase penting dalam analisis citra otomatis  pengenalan objek Pendekatan algoritma segmentasi: Berdasar discontinuity  perubahan warna mendadak  deteksi titik, garis, dan tepi Berdasar similarity Pengelompokan berdasar distribusi properti pixel (warna), contoh: thresholding Mencari region secara langsung berdasar ‘persamaan’ karakteristik suatu area, contoh: region growing, split & merge

Thresholding Asumsi: antar objek yang akan dipisahkan memiliki intensitas warna yang berlainan masing-masing objek memiliki warna yang hampir seragam Operasi: menempatkan satu atau lebih threshold pada sumbu datar histogram untuk memisahkan kelompok warna pixel yang diduga sebagai penyusun objek

Contoh thresholding dgn g(x,y)=konstanta

Contoh thresholding dgn g(x,y)=rata-rata warna per cluster

Jenis threshold Global  T hanya tergantung dari f(x,y) f(x,y): gray level pada titik (x,y) p(x,y): properti lokal dari titik (x,y); misal: gray level rata-rata dari area ketetanggaan yang berpusat di (x,y) Global  T hanya tergantung dari f(x,y) Local  T dipengaruhi oleh f(x,y) dan p(x,y) Dynamic  T tergantung dari koordinat spasial titik (x,y)

Kelemahan thresholding Penentuan nilai threshold yang tepat Bermasalah jika kemunculan tiap warna dalam citra cenderung sama  tidak bisa diprediksi batas antar objek

Pendekatan lain dalam proses segmentasi Segmentasi berorientasi daerah (region) Jika R adalah daerah keseluruhan citra  segmentasi membagi R menjadi R1, R2, …, Rn sedemikian sehingga tercapai syarat segmentasi:

Region Growing Prosedur yang mengelompokkan pixel atau sub-region menjadi region yang lebih besar Pendekatan paling sederhana: pixel aggregation Mulai dengan sekumpulan titik ‘benih’ (seed) Dari titik-titik tsb region diperluas dengan menambahkan titik-titik tetangganya yang memiliki properti yang sama (misal: gray level, tekstur, warna) Jika tidak ada lagi titik tetangga yang dapat ditambahkan lagi, maka proses untuk region tersebut dihentikan

Ilustrasi

Masalah dg region growing Penentuan lokasi seeds yang tepat Tergantung aplikasi Misal: warna yang sering muncul, warna terang dll Penentuan properti yang tepat untuk mengelompokkan titik menjadi region Tergantung masalah dan data citra yang tersedia Misal: intensitas, tekstur, data multispektral dll Kondisi penghenti Dasar: jika tidak ada lagi titik tetangga yang memenuhi syarat Tambahan: ukuran region, bentuk dll

Split & Merge Membagi citra menjadi sekumpulan region acak yang disjoin kemudian menggabungkan atau kembali membaginya hingga terpenuhi syarat segmentasi (a) – (e) Algoritma bersifat rekursif Memanfaatkan quadtree

Ilustrasi

Algoritma rekursif Bagi (split) setiap region Ri menjadi 4 quadran disjoin jika P(Ri)=FALSE Gabung (merge) setiap region Rj dg Rk jika P(Rj  Rk)=TRUE Berhenti jika tidak ada split maupun merge yang bisa dilakukan

Contoh Objek tunggal dg intensitas warna konstan Intensitas latar belakang konstan P(Ri)=TRUE jika semua pixel dalam Ri memiliki intensitas warna yang sama

Aplikasi segmentasi: magic wand