Image Segmentation.

Presentasi berjudul: "Image Segmentation."— Transcript presentasi:

1 Image Segmentation

2 Key Stages in Digital Image Processing
Image Restoration Morphological Processing Image Enhancement Segmentation Image Acquisition Object Recognition Representation & Description Problem Domain Colour Image Processing Image Compression

3 Key Stages in Digital Image Processing: Segmentation
Image Restoration Morphological Processing Image Enhancement Segmentation Image Acquisition Object Recognition Images taken from Gonzalez & Woods, Digital Image Processing (2002) Representation & Description Problem Domain Colour Image Processing Image Compression

4 Image Segmentation Segmentasi merupakan proses partisi citra digital ke beberapa daerah (region). Tujuan untuk : membagi citra menjadi beberapa daerah (Region of Interest (ROI)) yang homogen berdasarkan kriteria kemiripan tertentu menyederhanakan ataupun mengubah representasi citra menjadi sesuatu yang lebih bermakna dan mudah dianalisa. Kesalahan pada proses segmentasi akan mempengaruhi proses pengenalan dan pemahaman citra pada tingkat yang lebih lanjut.

5 Region of Interest Processing (ROI)
memungkinkan pengguna untuk mengakses bagian tertentu dari sebuah citra digital untuk diolah secara berbeda. Fitur ini menjadi sangat penting, apabila terdapat bagian atau area tertentu dari citra digital yang dianggap lebih penting dari area yang lainnya.

6 Region of Interest Processing (ROI)
Process image only in the predefined area. The predefined area is called “Region Of Interest” (ROI). Function is the same as before but applied to only ROI.

7 Metoda Segmentasi Region based: Thresholding Region Growing
Region Merging and Splitting Clustering

8 Thresholding Metode ini didasarkan pada pemisahan pixel ke dalam kelas yang berbeda tergantung pada tingkat keabuan masing-masing pixel. Intensitas citra medis seperti tumor dan jaringan pada otak sangat rumit dan memiliki tingkat keabuan yang sangat dekat sehingga sulit menentukan nilai ambang batas (threshold). Metode ini tidak bisa diterapkan untuk citra dengan tingkat keabuan yang berdekatan sehingga biasanya dikombinasikan dengan metode lain.

9 ROI Selection: MATLAB Command: roipoly Syntax: roipoly(im);
roipoly(im, [x0 x1 …xm], [y0 y1 …ym]; im : input image (x0, y0), (x1, y1), …, (xm, ym) : coordinate of the polygon covering region of interest. E.g. roi = roipoly(im, [ ], [ ]);

10 Mask for ROI Mask coordinate: (222, 21) (272, 21) (300, 75)
Binary image with the white (1) indicating ROI. Mask coordinate: (222, 21) (272, 21) (300, 75) (270, 121) (221, 121) (191, 75)

11 ROI Filtering: MATLAB TRY !! Command: roifilt2
Syntax: roifilt2(filter, image, roi); filter : 2D linear filter image : input image roi : region of interest (1: ROI, 0: not ROI) TRY !!

12 Effect of ROI Filtering
ROI at this coin Unsharp masking in ROI.

13 TAKE HOME QUIZ

14 QUIZ TAKE HOME Sistem pengenalan dan klasifikasi sebuah penyakit melalui ekstraksi ciri pola tepi

15 QUIZ TAKE HOME Citra biomedik di samping ini mengalami degradasi dan noise sehingga butuh dipulihkan untuk diproses lebih lanjut. Proses pemulihan ini masuk ke dalam tahap pre-processing dari sebuah sistem pengenalan dan klasifikasi sebuah penyakit melalui ekstraksi ciri pola tepi. Proses-proses pemulihan (diurutkan secara acak) yang disyaratkan pada tahap pre-processing sistem adalah sebagai berikut : Perbaikan kontras citra dengan histogram stretching dan histogram equalization Menghilangkan/mengurangi noise pada citra (pilihlah tipe filter yang tepat untuk jenis noise tsb) Perbaikan pencahayaan (brightness) citra dengan operasi titik Deteksi tepi (edge detection) dengan menggunakan image gradient, dengan operator Sobel berikut :

16 Kuis Praktek Yang perlu dikerjakan :
Susun tahap-tahap pada pre-processing dengan tepat agar citra dapat dipulihkan Buatlah kode program dengan matlab sesuai dengan urutan tahap yang telah disusun Masukkan kode program dan citra keluaran dari masing-masing tahap ke dalam file .doc/.docx Kirim file .doc/.docx ke yang telah ditentukan