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