Segmentasi citra
Segmentasi citra - merupakan tahapan penting dalam proses pengenalan pola. Setelah objek berhasil tersegmentasi, maka kita dapat melakukan proses ekstraksi ciri citra. Ekstraksi ciri merupakan tahapan yang bertujuan untuk mengekstrak ciri dari suatu objek di mana ciri tersebut digunakan untuk membedakan antara objek satu dengan objek lainnya.
Segmentasi merupakan salah satu proses untuk memisahkan citra menjadi beberapa region berdasarkan kriteria tertentu. Berdasarkan pengertian tersebut, dapat dikatakan bahwa tujuan utama dari proses semgentasi adalah menemukan atau menyaring daerah (wilayah) citra menjadi bagian-bagian wilayah yang lebih kecil agar mudah dikenal dan dapat dianalisis kegunaan atau arti setiap wilayah tersebut. Banyak sekali manfaat yang dapat diperoleh dari hasil segmentasi, salah satunya untuk mengekstraksi ciri yang dapat digunakan sebagai langkah awal pengenalan objek. Dalam pengenalan objek, proses segmentasi ini merupakan suatu tahapan yang sangat penting dan tidak bisa dilewatkan agar menghasilkan pengenalan objek yang lebih akurat.Semakin baik segmentasi yang dihasilkan maka hasil performansi pengenalan objek akan semakin mendekati benar.
Metode Segmentasi Citra
Adapun beberapa metode untuk melakukan segmentasi citra adalah sebagai berikut.
1.Ambang batas
Thresholding merupakan salah satu metode segmentasi citra di mana prosesnya didasarkan pada perbedaan derajat keabuan citra. Dalam proses ini dibutuhkan suatu nilai batas yang disebut dengan taman batas nilai. Nilai intensitas citra yang lebih dari atau sama dengan nilai threshold akan diubah menjadi 1 (berwarna putih) sedangkan nilai intensitas citra yang kurang dari nilai threshold akan diubah menjadi 0 (berwana hitam). Sehingga citra keluaran dari hasil thresholding adalah berupa citra biner. jual yang digunakan untuk mengkonversi nilai piksel citra grayscale menjadi biner pada ,etode thresholding adalah:
Dimana
f(x,y) adalah citra grayscale
g(x,y) adalah citra biner
T adalah taman batas nilai
Latihan Aktif
Active contour adalah metode segmentasi menggunakan model kurva tertutup yang dapat bergerak melebar ataupun menyempit. Fungsi segmentasi citra pada metode ini adalah untuk memisahkan antara objek dengan background. Objek yang dimaksud adalah region pesawat sedangkan background adalah region langit. Proses segmentasi dapat dikembangkan lebih lanjut menggunakan metode pengolahan citra lainnya seperti thresholding, k-means, k-nn, svm, dll sehingga diperoleh hasil segmentasi yang lebih baik.
2.Segmentasi Warna
Segmentasi warna merupakan salah satu metode segmentasi citra yang dipisahkan antara objek dengan latar belakang berdasarkan ciri warna tertentu dari objek tersebut. Proses segmentasi warna, salah satunya dapat dilakukan dengan cara mengkonversi ruang warna citra yang semula RGB (Red, Green, Blue) menjadi ruang warna HSV (Hue, Saturation, Value). Komponen Hue merupakan komponen yang merepresentasikan warna dari berbagai panjang gelombang cahaya. Komponen Hue dari ruang warna HSV kemudian diekstrak dan dibagi-bagi
3. Deteksi Tepi
Merawat tepian suatu objek dalam citra merupakan salah satu wilayah pengolahan citra digital yang paling awal dan paling banyak diteliti. Proses ini seringkali ditempatkan sebagai langkah pertama dalam aplikasi segmentasi citra, yang bertujuan untuk mengenali objek-objek yang terdapat dalam citra ataupun konteks citra secara keseluruhan.
Tepian dapat dilihat sebagai lokasi piksel dimana terdapat nilai perbedaan intensitas citra secara ekstrim. Sebuah edge detector bekerja dengan cara mengidentifikasi dan menonjolkan lokasi-lokasi piksel yang memiliki karakteristik tersebut.
4.Transformasi Hough
Transformasi Hough merupakan salah satu metode image processing yang dapat digunakan untuk mendeteksi garis dan lingkaran pada suatu citra digital. Transformasi Hough bekerja dengan cara mencari hubungan ketetanggaan antar piksel menggunakan persamaan garis lurus untuk mendeteksi garis dan persamaan lingkaran untuk mendeteksi lingkaran. Berikut ini merupakan contoh aplikasi pemrograman matlab untuk melakukan deteksi lingkaran pada citra digital menggunakan Transformasi Hough.
Pemrograman yang dilakukan merupakan modifikasi source code yang sebelumnya telah dikembangkan oleh David Young. Modifikasi dilakukan pada pengolahan akhir citra sehingga objek dapat dipisahkan dengan background dan dapat dihitung luas dan kelilingnya.
5.batas udara
Metode watershed merupakan salah satu metode dalam segmentasi citra yang membagi citra menjadi wilayah yang berbeda dengan menggambarkan citra sebagai relief topografi. Metode DAS menghasilkan terlalu banyak wilayah yang menyebabkan bagian penting objek terpisah atau disebut oversegmentasi, sehingga perlu dilakukan pengembangan metode. Cara mengurangi oversegmentasi pada metode watershed dapat mencakup watershed dengan memanfaatkan perbedaan gradien untuk menentukan arah dari kemiringan topografi, penambahan marker yang dapat digunakan untuk mensegmentasi sebagian objek yang dipilih, serta menggunakan multiresolusi yang mengurangi oversegmentasi dengan skala ruang.Tujuan dari penelitian ini adalah mengembangkan perangkat lunak yang mampu melakukan proses segmentasi citra dengan menggunakan metode watershed beserta perbedaannya dengan morfologi watershed, marker watershed, dan multiresolusi watershed. Hasil dari perangkat lunak adalah tampilan segmen dari citra awal dan waktu yang dibutuhkan untuk mendapatkan hasil segmentasi
Berikut adalah fungsi dan hasil dari segmentasi :
1. Segmentasi Warna
clc; jernih; tutup semua ; peringatan dari semua ;
% Membaca citra asli
RGB = imread( 'foto fikri.jpeg' );
angka, imshow(RGB);
% Melakukan transformasi ruang warna citra yang semula RGB menjadi HSV
HSV = rgb2hsv(RGB);
gambar, imshow(HSV);
% Melakukan segmentasi terhadap warna biru (nilai Hue 100-250)
H = HSV(:,:,1);
rentang = [100 250]/360;
topeng = (H>rentang(1)) & (H<rentang(2));
gambar, imshow (topeng)
% 1. Mengubah warna background menjadi grayscale
H = HSV(:,:,1);
S = HSV(:,:,2);
V = HSV(:,:,3);
S = S.*topeng;
HSV1 = kucing(3,H,S,V);
RGB1 = hsv2rgb(HSV1);
gambar, imshow(RGB1);
% 2. Mengubah warna objek menjadi merah
H = HSV(:,:,1);
S = HSV(:,:,2);
V = HSV(:,:,3);
H(topeng) = H(topeng)+.4;
HSV2 = kucing(3,H,S,V);
RGB2 = hsv2rgb(HSV2);
gambar, imshow(RGB2);
% 3. Mengubah warna objek menjadi merah & warna background menjadi grayscale
H = HSV(:,:,1);
S = HSV(:,:,2);
V = HSV(:,:,3);
H(topeng) = H(topeng)+.4;
S = S.*topeng;
HSV3 = kucing(3,H,S,V);
RGB3 = hsv2rgb(HSV3);
gambar, imshow(RGB3);
% 4. Mengubah warna objek menjadi ungu & warna background menjadi hijau
H = HSV(:,:,1);
S = HSV(:,:,2);
V = HSV(:,:,3);
H(topeng) = H(topeng)+.33;
H(~topeng) = H(~topeng)+.2;
HSV4 = kucing(3,H,S,V);
RGB4 = hsv2rgb(HSV4);
gambar, imshow(RGB4);
Komentar
Posting Komentar