Materi 07 Pengolahan Citra Digital

Presentasi berjudul: "Materi 07 Pengolahan Citra Digital"— Transcript presentasi:

1 Materi 07 Pengolahan Citra Digital
Segmentasi Citra (1)

2 Tujuan Memberikan pemahaman kepada mahasiswa tentang:
karakteristik dasar dari berbagai algoritma segmentasi proses filtering untuk mendeteksi titik, garis, dan tepi

3 Gambaran Umum Segmentasi membagi citra menjadi region-region atau objek-objek. Level sampai sejauh mana pembagian bisa dilakukan tergantung pada permasalahan yang diselesaikan.

4 Gambaran Umum Secara umum algoritma-algoritma segmentasi didasarkan pada satu di antara dua buah karakteristik intensitas, yaitu diskontinuitas dan similaritas. Pada kategori pertama, pendekatan yang dilakukan adalah mempartisi citra berdasarkan pada perubahan intensitas yang cukup cepat, seperti tepian citra. Kategori kedua didasarkan pada kemiripan area citra menurut kriteria yang sudah ditentukan. Thresholding, region growing, dan region splitting/merging adalah contoh-contoh metode pada kategori dua.

5 Deteksi Diskontinyuitas
Ada beberapa teknik untuk mendeteksi tiga macam diskontinyuitas tingkat keabuan dalam citra, yaitu : titik, garis dan tepi. Cara yang paling umum digunakan untuk mencari diskontinyuitas adalah dengan menjalankan suatu filter/mask pada seluruh area citra.

6 Deteksi Diskontinyuitas
Respon dari mask pada sembarang titik dihitung dengan: zi adalah tingkat keabuan dari piksel yang diasosiasikan dengan koefisien mask wi. Respons mask didefinisikan di lokasi titik pusat mask.

7 Deteksi Titik Suatu titik dinyatakan ada di pusat mask jika |R|T, dengan T adalah threshold nonnegatif. Idenya adalah, bahwa suatu titik terisolasi ( titik dengan tingkat keabuan yang sangat berbeda dengan background dan berlokasi di area yang homogen atau hampir homogen) akan sangat berbeda dengan sekitarnya, sehingga akan mudah dideteksi menggunakan tipe mask seperti pada gambar 10.2.a. Koefisien mask jika dijumlahkan adalah nol. Hal ini menunjukkan bahwa respon mask adalah nol pada area dengan tingkat keabuan konstan.

8 Deteksi Titik

9 Deteksi Garis Jika mask sebelah kiri dipindahkan pada seluruh citra, maka responnya akan lebih kuat pada garis dengan ketebalan satu piksel dan berorientasi horisontal. Koefisien mask jika dijumlahkan adalah nol. Hal ini menunjukkan bahwa respon mask adalah nol pada area dengan tingkat keabuan konstan.

10 Deteksi Garis Misalkan R1, R2, R3, dan R4, menyatakan respons dari mask. Anggaplah bahwa setiap mask dijalankan sendiri-sendiri pada suatu citra. Jika, pada satu titik citra, |Ri|>|Rj|, untuk semua ji, titik tersebut dikatakan lebih berasosiasi dengan garis dengan arah mask i. Jika kita ingin mendeteksi garis dengan arah yang sudah ditentukan, kita bisa menggunakan mask yang sesuai dengan arah tersebut dan melakukan thresholding terhadap outputnya.

11 Deteksi Garis

12 Deteksi Tepi Tepi (edge) adalah himpunan piksel terhubung yang terletak pada boundary di antara dua region. Tepi ideal seperti diilustrasikan pada gambar 10.5.a adalah himpunan piksel terhubung (dalam arah vertikal), masing-masing terletak pada transisi step orthogonal dari tingkat keabuan. Pada prakteknya, ketidaksempurnaan optik, sampling, dan proses pengambilan data citra, akan menghasilkan tepi-tepi yang kabur, dengan derajat kekaburan ditentukan oleh faktor-faktor seperti kualitas peralatan yang digunakan untuk mengambil data citra, rata-rata sampling, dan kondisi pencahayaan. Akibatnya, tepi lebih banyak dimodelkan seperti “ramp” (lihat gambar fig 10.5.b). Ketebalan tepi ditentukan oleh panjang ramp. Panjang ramp ditentukan oleh kemiringan (slope), dan slope ditentukan oleh derajat kekaburan. Tepian yang kabur cenderung lebih tebal, dan tepian yang tajam cenderung lebih tipis.

13 Deteksi Tepi

14 Deteksi Tepi

15 Deteksi Tepi Magnitude dari turunan pertama bisa digunakan untuk mendeteksi keberadaan edge pada suatu titik dalam citra (misalnya, menentukan apakah suatu titik berada pada ramp atau tidak). Tanda dari turunan kedua bisa digunakan untuk menentukan apakah suatu piksel edge terletak pada sisi gelap atau sisi terang dari edge. Property zero-crossing (garis lurus imajiner yang menghubungkan nilai ekstrim positif dan negatif dari turunan kedua akan melintasi nol di pertengahan edge) cukup berguna untuk menentukan pusat dari edge yang tebal.

16 Deteksi Tepi

17 Deteksi Tepi Agar dapat diklasifikasikan sebagai titik tepi, transisi tingkat keabuan pada titik tersebut harus cukup kuat dibandingkan background di sekitarnya. Untuk menentukan apakah suatu nilai “cukup signifikan” atau tidak, bisa digunakan threshold. Jadi, suatu titik di dalam citra merupakan bagian dari edge, jika turunan pertama 2-D nya lebih besar dari threshold. Himpunan titik-titik yang terhubung menurut kriteria keterhubungan tertentu didefinisikan sebagai edge. Istilah segmen edge digunakan jika ukuran edge relatif pendek dibanding ukuran citra. Permasalahan dalam segmentasi adalah bagaimana cara merangkai segmen-segmen edge ini menjadi edge yang lebih panjang. Edge juga bisa ditentukan menggunakan property zero crossings dari turunan kedua.

18 Operator Gradient Turunan pertama citra digital bisa menggunakan berbagai aproksimasi dari gradien 2-D. Gradien suatu citra f(x,y) pada lokasi (x,y) didefinisikan sebagai vektor : Magnitude vektor adalah : Arah gradien pada (x,y) adalah :

19 Operator Gradient Perhitungan gradien citra dilakukan dengan menghitung turunan parsial pada setiap lokasi piksel. Misalkan area 3x3 pada gambar 10.8.a menyatakan tingkat keabuan neighborhood suatu citra. Cara paling sederhana untuk mengimplementasikan turunan parsial order pertama pada titik z5 adalah dengan menggunakan operators gradient Roberts : Gx=(z9-z5) dan Gy=(z8-z6) Mask berukuran 2x2 menyulitkan untuk diimplementasikan karena tidak memiliki titik pusat. Pendekatan yang lebih sering digunakan adalah menggunakan mask berukuran 3x3.

20 Operator Gradient

21 Operator Gradient Hasil penjumlahan semua koefisien dalam mask adalah nol, yang menunjukkan bahwa mask akan memberikan respon 0 pada area dengan tingkat keabuan konstan. Pendekatan berikut sering digunakan untuk mengaproksimasi magnitude dari gradient : f|Gx|+|Gy| Mask memberikan hasil yang invariant hanya untuk edge vertikal dan horisontal, tetapi tidak isotropic (invariant terhadap rotasi) Dimungkinkan untuk memodifikasi mask berukuran 3x3 sehingga mask memiliki respon paling kuat pada arah diagonal.

22 Operator Gradient

23 Operator Gradient

24 Operator Gradient

25 Operator Gradient

26 Laplacian Laplacian fungsi 2-D f(x,y) adalah turunan kedua yang didefinisikan sebagai berikut : Mask Laplacian pada gambar bersifat isotropic untuk pertambahan rotasi 90 dan 45. Laplacian biasanya tidak digunakan dalam bentuk aslinya untuk deteksi tepi karena : Sangat sensitif terhadap noise Magnitude dari Laplacian menghasil tepi ganda, hal ini adalah efek yang tidak diinginkan karena menjadikan proses segmentasi semakin kompleks

27 Laplacian Peranan Laplacian pada proses segmentasi adalah :
Penggunaan “property zero crossing” untuk mendeteksi lokasi edge Untuk mengetahui apakah suatu piksel berada pada sisi gelap atau sisi terang dari edge

28 Laplacian Pada kategori pertama, Laplacian dikombinasikan dengan proses penghalusan untuk menemukan edge dengan menggunakan property zero crossing. Fungsi Gaussian berikut : r2=x2+y2 dan  is deviasi standard. Mengkonvolusikan fungsi Gaussian dengan citra akan mengaburkan citra, dengan derajat pengkaburan yang ditentukan oleh nilai . Laplacian dari h (turunan kedua dari h berkaitan dengan r) adalah : Fungsi di atas disebut dengan “Laplacian of a Gaussian” (LoG).

29 Laplacian

30 Laplacian Karena turunan kedua adalah operasi linier, maka mengkonvolusikan citra dengan 2h sama halnya dengan mengkonvolusikan citra dengan fungsi penghalusan, diikuti dengan menghitung Laplacian dari hasil penghalusan.

31 Laplacian

32 Referensi Bab 10, “Image Segmentation”, Digital Image Processing, edisi 2, Rafael C. Gonzales dan Richard E. Woods, Prentice Hall, 2002