- tempat ngobrolin dunia pendidikan -

PENGOLAHAN CITRA

​

Condro Wibawa

PENGOLAHAN CITRA

​

Condro Wibawa

Segmentasi Citra

​

Segmentasi merupakan

proses mempartisi citra menjadi beberapa daerah atau objek.

Pemisahan ini bisa digunakan untuk :

1. Membagi citra menjadi region/obyek indepeneden
2. Memisahkan obyek utama dengan latar belakang

​

Segmentasi merupakan satu langkah penting dalam

Image preparation analysis,

Karena merupakan dasar dalam proses-proses analisis selanjutnya.

Contoh Penerapan Segmentation :

​

1. Sdasda
2. Sadaswdadas
3. Dasdasda
4. Dasda

​

Segmentasi citra pada umumnya, dibagi menjadi dua metode :

​

Menurut Rinaldi Munir :

1. Berdasar sifat discontinuity
2. Berdasar similarity dari intensitas piksel

​

Menurut Chris Solomon :

1. Edge/boundary methods
2. Region-based methods

Kedua nya hanya beda istilah saja,

Tapi pada dasarnya sama.

​

Berdasar Discontinuity:

mempartisi citra bila

terdapat perubahan intensitas secara tiba-tiba

Contoh Metode:

Edge Detection

​

​

Berdasar Similarity:

mempartisi citra menjadi daerah-daerah yang

memiliki kesamaan sifat tertentu (region based)

Contoh Metode:

Thresholding, Region Growing, Region Splitting and Merging

Berdasar Discontinuity

(Edge Based)

Berdasar Similarity

(Region Based)

Thresholding/Pengambangan

1. Segmentasi citra didasarkan pada nilai intensitas pixel-pixel dan nilai ambang T.
2. Salah satu cara untuk mengekstrak objek dari latar belakang adalah dengan memilih ambang T.
3. Setiap pixel (x, y) pada citra di mana f (x, y) > T disebut titik objek, jika tidak maka akan disebut latar belakang.
4. Hasil segmentasi adalah berupa citra biner

Thresholding/Pengambangan

Langkah-langkah menentukan nilai T :

​

1. Analisis histogram citra, lalu identifikasi puncak dan lembah.
2. Jika histogram bersifat Bimodal (punya dua puncak dan satu lembah), maka nilai T adalah nilai grayscale pada lembah terdalam diantara dua bukit.
3. Jika histogram bersifat Multimodal, maka akan terdapat beberapa

nilai T

Thresholding/Pengambangan

Terdapat beberapa teknik Thresholding :

​

1. Global thresholding

Nilai ambang bergantung pada keseluruhan nilai-nilai pixel

​

2. Local thresholding

Nilai ambang bergantung pada pixel-pixel bertetangga,

hanya untuk sekelompok pixel saja.

​

3. Adaptive thresholding

Nilai ambang berubah secara dinamis bergantung pada

perubahan pencahayaan di dalam citra

Thresholding/Pengambangan

Terdapat kekurangan dalam metode Thresholding :

​

1. Hanya bisa dilakukan pada sekelompok kecil citra, yang memiliki perbedaan intensitas besar dan hanya memiliki satu obyek dan latar belakang.
2. Hasil antar pixel belum tentu memiliki kesinambungan satu dengan yang lainnya.

​

Thresholding/Pengambangan

Thresholding/Pengambangan

Region Growing

1. Segmentasi citra didasarkan pada kelompok pixel atau sub-region yang tumbuh menjadi region yang lebih besar.
2. Algoritma: Mulai dengan “umpan (seed)” yang berisi himpunan beranggota satu atau lebih pixel dari region yang potensial, dan dari sini region berkembang dengan menambahkan pada umpan pixel-pixel tetangga yang memiliki properti yang mirip dengan umpan, lalu berhenti jika pixel-pixel tetangga tidak mirip lagi.

Region Growing

Keuntungan:

- memiliki keterhubungan yang bagus antar pixel di dalam region

​

​

Kelemahan:

• pemilihan seed/umpan dan thressholding yang salah akan menyebabkan hasil tidak maksimal
• mengkonsumsi waktu yang lama dalam pemrosesannya

Region Growing

Langkah-langkahnya :

​

1. Tentukan beberapa piksel seed. Seed bisa ditentukan manual atau secara random.
2. Untuk setiap piksel seed, lihat 4 atau 8 tetangganya, jika kriterianya sama (kriteria bisa berupa perbedaan keabuan dengan seed, dll) maka tetangga tersebut bisa dianggap berada dalam 1 region/daerah dengan piksel seed.
3. Teruskan proses dengan mengecek tetangga dari tetangga yang sudah kita cek, dst.
4. Tidak bisa hanya digunakan kriteria saja, tanpa melihat konektivitas ketetanggaan, karena bisa tidak membentuk daerah
5. Akhiri region jika kriteria tidak sesuai atau tidak ada konektifitas dengan tetangganya.

Region Growing

1. Tentukan Seed/Umpan (warna merah)
2. Tentukan Thressholding (t), misalnya : 3

3. Pixel tetangga (warna kuning),

hitung nilai x nya, kemudian

bandingkan dengan nilai t

Region Growing

5. Ulangi proses tersebut untuk semua pixel tetangga.

4. Jika tetangga terdekat sudah dihitung, lanjutkan dengan tetangga berikutnya.

Region Growing

Region Splitting and Merging

Metode Splitting and Merging,

Sesuai namanya, metode ini dimulai dengan membagi citra menjadi beberapa bagian/region. Masing-masing region diproses.

​

Kemudian setelah semua region diproses, region yang memiliki karakteristik mirip, di-Merge atau digabungkan menjadi satu region

Region Splitting and Merging

Langkah-langkahnya :

1. Split/Bagi citra menjadi empat bagian sama besar.
2. Pada Bagian 1, tentukan nilai Thressholding Pusat (tp) dengan cara :

tp = nilai maksimal – nilai

• Pada Bagian lainnya, tentukan pula nilai Thressholding Bagian (tb) dengan cara yang sama.
• Jika nilai tb <= tp, maka proses Splitting selesai untuk bagian tersebut. Namun jika tb > tp, maka harus dilakukan proses Spliting berikutnya, dan ulangi proses 3 dan 4.
• Setelah nilai tb <= tp untuk semua bagian, maka lakukan proses Merging dengan cara :�x = nilai maksimal bagian 1 – nilai minimal bagian 2

y = nilai maksimal bagian 2 – nilai minimal bagian 1

• Jika nilai x dan y <= tp, maka bagian 1 dan bagian 2 bisa di-merge.
• Lakukan untuk semua bagian

Region Splitting and Merging

1. Bagi citra ke dalam 4 bagian sama besar.
2. Hitung tp dan tb untuk masing-masing bagian.

​

Terlihat di bagian 2, nilai tb > tp (6 > 4), maka perlu di split lagi

3. Setelah semua tb <= tp, maka proses splitting selesai.

​

​

Region Splitting and Merging

4. Proses Merge dilakukan dengan menghitung nilai x dan y, dan kemudian membandingkan dengan nilai tp. Jika nilai x dan y <= tp, maka bisa di-Merge menjadi 1 region

Region Splitting and Merging

5. Hasil akhir dari proses segmentasi adalah sebagai berikut.

Referensi :

• Rinaldi Munir, Pengolahan Citra digital dengan Pendekatan Algoritmik, Penerbit Informatika Bandung, 2004
• Gonzales, Rafael C., Digital Image Processing, Second Edition, Addison-wesley publishing, 1992
• Gazali, Wikaria, Penerapan Metode Konvolusi Dalam Pengolahan Citra Digital, Jurnal Mat Stat, Vol. 12 No. 02 Juli, 2012.

​

​

​

​

​

​

​

​

​

Tugas :

Cari Jurnal/Buku/atau sumber referensi yang lainnya mengenai metode segmentasi citra selain tiga yang sudah dipelajari.

​

Deskripsikan metode tersebut, langkah-langkah, disertai dengan screenshoot citra asli dan hasil segmentasinya!

​

Tugas dalam bentuk .doc/.docx/.pdf

Disubmit pada Vclass ini

Deadline : 26 November 2020

​

​

​

​

​

​

​

​