Pengolahan Citra Digital 2010/2011 Kuliah 6 Analisis Citra 2 Segmentasi Citra Algoritma Region Growing dan Watershed Dr. Fitri Arnia, 2011

Outline Pendahuluan segmentasi citra Jenis segmentasi citra Metode region growing Hasil Metode watershed

Pendahuluan Bentuk suatu objek dapat diberikan oleh: Boundary-nya – memerlukan deteksi tepi Area (region) yang dicakupinya –memerlukan segmentasi citra pada daerah homogen dari citra. Suatu area citra biasanya memiliki karakteristik yang homogen (misalnya intensitas, warna, dan tekstur)

Pendahuluan (lanjut) Tujuan segmentasi citra adalah menemukan area yang merepresentasikan objek atau bagian objek yang memiliki arti. Masalah umum pada segmentasi citra adalah noise yang ada pada citra. Suatu citra X bisa disegmentasi menjadi sebanyak N region yang berbeda yang dinamai R(1), ..., R(N) Aturan segmentasi adalah predikat logis dalam bentuk P(R)

Pendahuluan (lanjut) Segmentasi citra mempartisi citra X ke dalam sub-citra R(i), i = 1,...,N yang memiliki sifat-sifat sebagai berikut: X = i=1,..N U R(i) R(i) ∩ R(j) = 0 for I ≠ j P(R(i)) = TRUE for i = 1,2,…,N P(R(i) U R(j)) = FALSE for i ≠ j

Pendahuluan (lanjut) Hasil segmentasi adalah predikat logis dalam bentuk P(R,x,t) x adalah vektor fitur yang diasosiasikan dengan suatu piksel citra t adalah serangkaian parameter (biasanya threshold) . Aturan segmentasi yang sederhana bisa dituliskan dalam bentuk: P(R) : I(r,c) < T

Pendahuluan Suatu region dikatakan terkoneksi jika: Suatu piksel (x,y) dikatakan berdampingan dengan suatu piksel (a,b) jika piksel tersebut bertetangga langsung dengan piksel (x,y). 4-tetangga dari piksel (x,y) adalah himpunan yang memuat... 8-tetangga dari piksel (x,y) adalah himpunan yang memuat...

Region Growing Metode sederhana untuk menyegmentasi citra adalah memulai dengan beberapa piksel (biasa juga disebut seed) yang merepresentasikan region-region citra yang berbeda dan “menumbuhkannya”, sampai memenuhi seluruh citra. Untuk metode ini, kita memerlukan aturan yang mengatur mekanisme tumbuhnya seed dan suatu aturan lain yang menguji kehomogenan dari region setelah satu tahap tumbuh selesai.

Region Growing Mekanisme tumbuh –pada setiap tingkat k dan untuk setiap region Ri(k), i=1,...,N, kita uji apakah ada piksel yang belum terklasifikasi pada 8-tetangga dari setiap piksel pada tepian region. Sebelum mengalokasikan suatu piksel x ke region Ri(k), kita uji apakah kehomogenan region P(Ri(k) U {x}) = TRUE , adalah valid.

Region Growing Mean aritmatik m dan deviasi standard s.d. dari suatu kelompok Ri dengan n piksel: m = (1/n)(r,c)€R(i) ∑ I(r,c) s.d = Square root((1/n)(r,c)€R(i) ∑[I(r,c)-M]2) dapat digunakan untuk memutuskan apakah penggabungan dua region R1, dan R2 diperbolehkan. Contohnya jika |M1 – M2| < (k)s.d(i) , i = 1, 2 , kedua region digabungkan.

Region Growing Uji homogenitas: jika intensitas piksel mendekati harga rata-rata region |I(r,c) – M(i)| <= T(i) Nilai threshold Ti bervariasi tergantung pada region Rn dan intensitas dari piksel I(r,c). Threshold ini dapat ditentukan dengan: T(i) = { 1 – [s.d(i)/M(i)] } T

Hasil Region Growing (1) Gambar diambil dari http://astro.temple.edu/~siddu

Gambar diambil dari http://astro.temple.edu/~siddu Hasil Region Growing Gambar diambil dari http://astro.temple.edu/~siddu

Algoritma Watershed Suatu image dengan skala keabuan dapat diapandang sebagai suatu relif topografi, dengan nilai keabuannya diinterpretasikan sebagai ketinggian relief tersebut. Setetes air yang jatuh pada relif topografi akan mengalir ke bawah dan akhirnya akan mencapai minimum lokal.

Algoritma Watershed (lanjut) MRI jantung Citra gradien Relief gradien Watershed of gradien Watershed of gradien

Algoritma Watershed Rainfalling

Algoritma Watershed Rainfalling

Algoritma Watershed Rainfalling

Algoritma Watershed Rainfalling

Algoritma Watershed Rainfalling

Sources Johan De Bock, et. Al., “A Fast Sequential Rainfalling Watershed Segmentation Algorithm”, LNCS 3708, pp. 476-482, 2005. Professor : Dr. Longin Jan Latecki, at http://astro.temple.edu/~siddu