Segmentasi Citra File
Download
Report
Transcript Segmentasi Citra File
Segmentasi Citra
Pendahuluan
Segmentasi merupakan proses mempartisi citra menjadi
beberapa daerah atau objek, berdasarkan sifat-sifat tertentu
dari citra.
Beberapa teknik segmentasi citra :
Thresholding (global thresholding dan lokal adaptif thresholding)
Connected Component labelling
Segmentasi Berbasis Clustering (Iterasi, K-means, fuzzy C-means,
SOM)
Pengambangan(Thresholding)
Proses pengambangan akan menghasilkan citra biner, yaitu
citra hitam dan putih.
Secara umum proses pengambangan citra grayscale adalah sbb
:
1, f ( x, y) T
g ( x, y)
0, f ( x, y) T
Global Thresholding :
Metode Histogram
Nilai T ditentukan berdasarkan histogram dari citra yang akan
diambangkan.
Contoh:
Single Thresholding
Histogram Citra
Citra Sel darah merah
Hasil Segmentasi dg T = 160
Contoh:
Multiple Thresholding
Histogram Citra
Citra Pulsar X-ray
Hasil Multiple Thresholding
Lokal Adaptif Thresholding
Motivasi : Citra dengan lembah histrogram yang tinggi/tanpa
lembah.
Prinsip dasar :
Citra dibagi menjadi blok-blok kecil dan kemudian dilakukan
pengambangan lokal pada setiap blok dengan nilai T yang berbeda.
Nilai ambang lokal dapat dihitung dengan salah
satu dari tiga cara berikut :
T
f ( x, y)
( x , y ) W
NW
C
T median f ( x, y), ( x, y) W
max f ( x, y ), ( x, y ) W min f ( x, y ), ( x, y ) W
T
2
Contoh:
Lokal Adaptif Thresholding
Citra grayscale eritrosit
Hasil Global Thresholding
Histogram Citra
Hasil Lokal Adaptif Thresholding
Connected Component Labelling
Dilakukan dengan memeriksa suatu citra dan
mengelompokkan setiap pixel ke dalam suatu komponen
terhubung menurut aturan keterhubungan ( 4,8, atau mconnectivity)
Setiap komponen terhubung yang saling tidak terhubung
(disjoin) pada suatu citra akan diberi label berbeda.
4-connected
Scan citra dengan bergerak sepanjang baris sampai menemukan
pixel p. Bila p sudah ditemukan maka periksa nilai pixel tetangga
dari p yaitu pixel diatas dan di kiri dari p kemudian lakukan
pemeriksaan berikut :
Bila kedua pixel tetangga bernilai 0 maka berilah label baru pada p.
Jika hanya satu saja dari pixel tetangga tersebut bernilai 1maka berilah label dari pixel
tetangga tersebut pada p
Bilai kedua pixel tetangga bernilai 1 dan memiliki tanda sama maka berilah label dari
pixel tetangga tersebut pada p
Bilai kedua pixel tetangga bernilai 1 dan memiliki tanda berbeda maka berilah label dari
salah satu pixel tetangga tersebut pada p.
Contoh :
Citra Grayscale
Hasil Connected Component Labelling
Segmentasi Berbasis Clustering :
Metode Iterasi
1.
2.
3.
4.
5.
Pilih nilai T awal, biasanya dipakai nilai rata-rata dari intensitas citra
Segmentasi citra menjadi dua daerah, misalnya R1 dan R2 dengan
menggunakan nilai T awal sebelumnya.
Hitung nilai rata-rata intensitas pada daerah R1 dan R2. Kedua nilai
rata-rata tersebut berturut-turut disebut (r1 + r2)/2
Hitung nilai T baru dengan rumus T=(r1 + r2)/2
Ulangi langkah 2 sampai 4 sampai nilai T tercapai. Nilai T dikatakan
te;ah tercapai bila nilai T tidak mengalami perubahan nilai T lagi.
Contoh:
K-Means Clustering