Segmentasi Citra

Pendahuluan Segmentasi merupakan proses mempartisi citra menjadi beberapa daerah atau objek, berdasarkan sifat-sifat tertentu dari citra. Beberapa teknik segmentasi citra : Thresholding (global thresholding dan lokal adaptif thresholding) Connected Component labelling Segmentasi Berbasis Clustering (Iterasi, K-means, fuzzy C-means, SOM)

Pengambangan(Thresholding) Proses pengambangan akan menghasilkan citra biner, yaitu citra hitam dan putih. Secara umum proses pengambangan citra grayscale adalah sbb :

Global Thresholding : Metode Histogram Nilai T ditentukan berdasarkan histogram dari citra yang akan diambangkan.

Contoh: Single Thresholding Histogram Citra Citra Sel darah merah Hasil Segmentasi dg T = 160

Contoh: Multiple Thresholding Histogram Citra Citra Pulsar X-ray Hasil Multiple Thresholding

Lokal Adaptif Thresholding Motivasi : Citra dengan lembah histrogram yang tinggi/tanpa lembah. Prinsip dasar : Citra dibagi menjadi blok-blok kecil dan kemudian dilakukan pengambangan lokal pada setiap blok dengan nilai T yang berbeda.

Nilai ambang lokal dapat dihitung dengan salah satu dari tiga cara berikut :

Contoh: Lokal Adaptif Thresholding Citra grayscale eritrosit Histogram Citra Hasil Global Thresholding Hasil Lokal Adaptif Thresholding

Connected Component Labelling Dilakukan dengan memeriksa suatu citra dan mengelompokkan setiap pixel ke dalam suatu komponen terhubung menurut aturan keterhubungan ( 4,8, atau m- connectivity) Setiap komponen terhubung yang saling tidak terhubung (disjoin) pada suatu citra akan diberi label berbeda.

4-connected Scan citra dengan bergerak sepanjang baris sampai menemukan pixel p. Bila p sudah ditemukan maka periksa nilai pixel tetangga dari p yaitu pixel diatas dan di kiri dari p kemudian lakukan pemeriksaan berikut : Bila kedua pixel tetangga bernilai 0 maka berilah label baru pada p. Jika hanya satu saja dari pixel tetangga tersebut bernilai 1maka berilah label dari pixel tetangga tersebut pada p Bilai kedua pixel tetangga bernilai 1 dan memiliki tanda sama maka berilah label dari pixel tetangga tersebut pada p Bilai kedua pixel tetangga bernilai 1 dan memiliki tanda berbeda maka berilah label dari salah satu pixel tetangga tersebut pada p.

Contoh : Citra Grayscale Hasil Connected Component Labelling

Segmentasi Berbasis Clustering : Metode Iterasi Pilih nilai T awal, biasanya dipakai nilai rata-rata dari intensitas citra Segmentasi citra menjadi dua daerah, misalnya R1 dan R2 dengan menggunakan nilai T awal sebelumnya. Hitung nilai rata-rata intensitas pada daerah R1 dan R2. Kedua nilai rata-rata tersebut berturut-turut disebut (r1 + r2)/2 Hitung nilai T baru dengan rumus T=(r1 + r2)/2 Ulangi langkah 2 sampai 4 sampai nilai T tercapai. Nilai T dikatakan te;ah tercapai bila nilai T tidak mengalami perubahan nilai T lagi.

Contoh: K-Means Clustering