FAKULTAS TEKNOLOGI INFORMASI PENGOLAHAN CITRA DIGITAL [ PG176/ 3 SKS ]

Pertemuan 11 SEGMENTASI CitrA

Tujuan Pembelajaran Mahasiswa mampu menjelaskan teknik dan metode segmentasi pada citra.

Topik Pembahasan Pengantar Segmentasi citra Deteksi garis Deteksi tepi Peng-ambangan dwi-aras Peng-ambangan global Vs. lokal Peng-ambangan aras-jamak Peng-ambangan dengan metode Otsu Peng-ambangan adaptif Peng-ambangan berdasarkan entropi Segmentasi warna

Segmentasi Citra Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap objek atau daerah memiliki kemiripan atribut. Pada citra yang mengandung hanya satu objek, objek dibedakan dari latar belakangnya.

Contoh Aplikasi Segmentasi Citra Objek Citra Kegunaan Segmentasi Acuan yang Digunakan Mobil Mobil, jalan, dan latar belakang Pelacakan mobil Gerakan dan warna Struktur permukaan bumi Foto satelit Pengklasifikasian area Tekstur dan warna Wajah orang Kerumunan orang di pasar Pengenalan wajah Warna, bentuk, dan tekstur Apel Kumpulan apel pada ban berjalan Pemilahan buah apel berdasarkan ukuran Bentuk, warna, ukuran

Segmentasi Citra Segmentasi juga biasa dilakukan sebagai langkah awal untuk melaksanakan klasifikasi objek. Setelah segmentasi citra dilaksanakan, fitur yang terdapat pada objek diambil. Sebagai contoh, fitur objek dapat berupa perbandingan lebar dan panjang objek, warna rata-rata objek, atau bahkan tekstur pada objek. Selanjutnya, melalui pengklasifikasi, jenis objek dapat ditentukan. Sebagai contoh, pengklasifikasi menyatakan bahwa daun termasuk golongan Aglaonema.

Segmentasi Citra Teknik segmentasi citra didasarkan pada dua properti dasar nilai aras keabuan: ketidaksinambungan dan kesamaan antarpiksel. Pada bentuk yang pertama, pemisahan citra didasarkan pada perubahan mendadak pada aras keabuan. Contoh yang menggunakan pendekatan seperti itu adalah detektor garis dan detektor tepi pada citra. Cara kedua didasarkan pada kesamaan antarpiksel dalam suatu area (Acharya dan Ray, 2005). Termasuk dalam cara kedua ini yaitu: peng-ambangan berdasarkan histogram; pertumbuhan area; pemisahan dan penggabungan area; pengelompokan atau pengklasifikasian; pendekatan teori graf; pendekatan yang dipandu pengetahuan atau berbasis aturan.

Segmentasi Citra Berdasarkan teknik yang digunakan, segmentasi dapat dibagi menjadi empat kategori berikut (Rangayyan, 2005): teknik peng-ambangan; metode berbasis batas; metode berbasis area; metode hibrid yang mengombinasikan kriteria batas dan area.

Deteksi Garis Deteksi garis pada citra dapat diperoleh melalui penggunaan “cadar” (mask). Cadar (a) berguna untuk memperoleh garis horizontal, cadar (b) untuk mendapatkan garis yang berorientasi 45o, cadar (c) untuk memperoleh garis tegak, dan cadar (d) untuk mendapatkan garis yang berorientasi -45o.

Deteksi Tepi Deteksi tepi berfungsi untuk memperoleh tepi objek. Deteksi tepi memanfaatkan perubahan nilai intensitas yang drastis pada batas dua area. Deteksi tepi dapat dibagi menjadi dua golongan. Golongan pertama disebut deteksi tepi orde pertama, yang bekerja dengan menggunakan turunan atau diferensial orde pertama. Termasuk kelompok ini adalah operator Roberts, Prewitt, dan Sobel. Golongan kedua dinamakan deteksi tepi orde kedua, yang menggunakan turunan orde kedua. Contoh yang termasuk kelompok ini adalah Laplacian of Gaussian (LoG).

Operator Roberts Operator Roberts, yang pertama kali dipublikasikan pada tahun 1965, terdiri atas dua filter berukuran 2x2. Ukuran filter yang kecil membuat komputasi sangat cepat. Namun, kelebihan ini sekaligus menimbulkan kelemahan, yakni sangat terpengaruh oleh derau. Selain itu, operator Roberts memberikan tanggapan yang lemah terhadap tepi, kecuali kalau tepi sangat tajam.

Operator Prewitt Operator Prewitt dikemukakan oleh Prewitt pada tahun 1966. Untuk mempercepat komputasi, bagian yang bernilai nol tidak perlu diproses.

Operator Sobel Operator Sobel lebih sensitif terhadap tepi diagonal daripada tepi vertikal dan horizontal Hal ini berbeda dengan operator Prewitt, yang lebih sensitif terhadap tepi vertikal dan horizontal.

Operator Frei-Chen Operator Frei-Chen (kadang disebut operator isotropik) mirip dengan operator Sobel, dengan setiap angka 2 diganti menjadi √2.

Operator Laplacian Operator Laplacian merupakan contoh operator yang berdasarkan pada turunan kedua. Operator ini bersifat omnidirectional, yakni menebalkan bagian tepi ke segala arah. Namun, operator Laplacian memiliki kelemahan, yakni peka terhadap derau, memberikan ketebalan ganda, dan tidak mampu mendeteksi arah tepi.

Operator LoG Deteksi tepi orde kedua yang makin kurang sensitif terhadap derau adalah Laplacian of Gaussian (LoG). Hal ini disebabkan penggunaan fungsi Gaussian yang memuluskan citra dan berdampak pada pengurangan derau pada citra. Akibatnya, operator mereduksi jumlah tepi yang salah terdeteksi.

Operator DoG DoG (Difference of Gaussian) dilaksanakan dengan melakukan konvolusi citra dengan sebuah cadar yang merupakan hasil pengurangan dua buah cadar Gaussian dengan nilai σ yang berbeda.

Operator Canny Operator Canny, yang dikemukakan oleh John Canny pada tahun 1986, terkenal sebagai operator deteksi tepi yang optimal. Algoritma ini memberikan tingkat kesalahan yang rendah, melokalisasi titik-titik tepi (jarak piksel-piksel tepi yang ditemukan deteksi dan tepi yang sesungguhnya sangat pendek), dan hanya memberikan satu tanggapan untuk satu tepi.

Operator Zero-Crossing Operator zero-crossing atau dikenal dengan nama lain yaitu operator Marr-Hildreth sebenarnya adalah operator LoG yang dilengkapi dengan upaya untuk menemukan zero crossing. Zero-crossing menyatakan tanda perubahan pada tepi-tepi dalam citra.

Operator Gradien Kompas Operator gradien kompas adalah jenis operator yang mencari tepi dengan menggunakan delapan arah mata angin. Prosesnya adalah melakukan konvolusi terhadap citra dengan menggunakan 8 cadar. Hasil operasinya berupa nilai maksimum dari kedelapan konvolusi. 1 = Prewitt 2 = Kirsch 3 = Robinson 3-level 4 = Robinson 4-level

Peng-ambangan Dwi Aras (Intensitas) Peng-ambangan intensitas biasa digunakan untuk memisahkan tulisan hitam yang berada di atas secarik kertas putih. Namun, perlu diketahui, peng-ambangan ini mempunyai kelemahan, yaitu: Tidak memperlihatkan hubungan spasial antarpiksel Sensitif terhadap pencahayaan yang tidak seragam Hanya berlaku untuk keadaan yang ideal (misalnya, latarbelakang hitam dan objek berwarna putih).

Peng-ambangan Global Vs. Lokal Apabila nilai ambang t bergantung hanya pada satu nilai aras keabuan f(y, x), peng-ambangan disebut sebagai global. Dalam hal ini, semua piksel dalam citra akan ditentukan oleh satu nilai ambang t. Peng-ambangan disebut lokal kalau nilai ambang t bergantung pada f(y, x) dan g(y, x) dengan g(y,x) menyatakan properti citra lokal pada titik (y, x). Dalam hal ini, properti citra lokal dapat diperoleh melalui statisti (misalnya rerata tetangga di sekitar titik (y, x) ). Dengan kata lain, nilai ambang untuk setiap piksel ditentukan oleh nilai piksel tetangga. Dengan demikian, nilai ambang untuk piksel masing-masing belum tentu sama.

Peng-ambangan Aras-Jamak Pada peng-ambangan beraras-jamak (multilevel thresholding), citra dibagi menjadi beberapa bagian dengan menggunakan beberapa nilai ambang.

Peng-ambangan dengan Metode Otsu Metode Otsu dipublikasikan oleh Nobuyuki Otsu pada tahun 1979. Metode ini menentukan nilai ambang dengan cara membedakan dua kelompok, yaitu objek dan latarbelakang, yang memiliki bagian yang saling bertumpukan, berdasarkan histogram.

Peng-ambangan Adaptif Peng-ambangan adaptif (adaptive thresholding) merupakan peng-ambangan yang menggunakan nilai ambang lokal, yang dihitung secara adaptif berdasarkan statistika piksel-piksel tetangga. Hal ini didasarkan kenyataan bahwa bagian-bagian kecil dalam citra mempunyai iluminasi yang sama, sehingga lebih tepat kalau nilai ambang dihitung berdasarkan bagian-bagian kecil dalam citra dan bukan berdasarkan seluruh piksel dalam citra.

Peng-ambangan Adaptif Pendekatan peng-ambangan adaptif yang kedua menggunakan statistika median.

Peng-ambangan Adaptif Pendekatan peng-ambangan adaptif yang ketiga menggunakan statistika maksimum dan minimum.

Peng-ambangan Berdasarkan Entropi Entropi adalah istilah yang diperkenalkan oleh Shannon, yang menyatakan sebuah ukuran informasi yang terkandung di dalam citra. Entropi telah digunakan dalam peng-ambangan untuk memperoleh nilai ambang yang optimal. Berikut hasil peng-ambangan dengan Kapur.

Peng-ambangan Berdasarkan Entropi

Segmentasi Warna Segmentasi warna dapat dilakukan pada ruang warna HLS. Kemudian, dengan berpedoman pada susunan warna, dilakukan pengubahan warna Hue yang berdekatan dengan warna yang menjadi pusat dalam fungsi keanggotaan fuzzy.

Kesimpulan Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap objek atau daerah memiliki kemiripan atribut.

Kesimpulan SELESAI