Image Segmentation

Segmentasi Citra
Segmentasi Citra adalah proses analisa citra yang akan membagi citra menjadi beberapa daerah terpisah untuk analisis lebih lanjut. Daerah yang terpisah biasanya merupakan object-object yang berbeda. Proses segmentasi ini merupakan bagian yang sangat penting dan biasanya merupakan proses yang rumit dalam pemrosesan Citra Digital.

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Segmentasi Citra
Segmentasi

Deteksi Diskontinyu

Kesamaan Grayvalue

Deteksi dari: - Titik terisolasi - Garis - Tepi

- Treshold - Region Growing - Region Splitting and Merging

3

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Deteksi Diskontinyu
Umumnya dapat diselesaikan dengan meng-aplikasikan mask Output dapat dihitung dengan mengalikan semua pixel disekelilingnya termasuk pixel tersebut dengan pixel pd mask. Ketika perhitungan mencapai tepi citra, maka bagian yang diluar citra dipotong.

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Deteksi Titik
Digunakan untuk mendeteksi titik yang terisolasi pada image Graylevel dari titik tersebut jelas berbeda dengan tetangganya Dapat diselesaikan dengan mask 3x3 sbb:

Hasil output umumnya berupa threshold Titik dapat dikatakan terisolasi jika:

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Contoh Deteksi Titik

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Deteksi Garis
Digunakan untuk mendeteksi garis pada citra Dapat diselesaikan minimal dengan 4 mask:

Lakukan deteksi dengan 4 matrix secara berturut-turut, kemudian temukan nilai yang terbesar, misalnya ditemukan nilai terbesar setelah dikerjakan dengan matrix D135o, maka dapat diartikan bahwa titik tersebut dilewati garis 135o
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Contoh Deteksi Garis

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Deteksi Tepi
Dapat menggunakan Sobel atau Laplacian Operator Sobel menggunakan metode Gradient dengan persamaan:
f=|df/dx|+|df/dy| = |Gx| + |Gy| dimana:

Jika diketahui Suatu image Z=

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Deteksi Tepi (Lanjutan.. )

Operator Sobel mengacu pada filter orde 1 sedang laplacian mengacu pada filter orde 2

Punya kelemahan, yaitu saat melakukan deteksi tepi sering muncul 2 tepi karena fungsinya merupakan orde 2. Kelemahan kedua tidak bisa menentukan arah gradientnya

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

10

Contoh Deteksi Tepi

Contoh deteksi tepi adalah pemakaian matrix 3x3 Sobel:

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

11

Contoh Soal Deteksi Tepi

Hitung Deteksi tepi dari Citra dibawah ini dengan Metode Sobel dan Laplacian:

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

12

Contoh Soal Deteksi Tepi

Jawab:

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

13

Contoh Soal Deteksi Tepi

Jawab:

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

14

Penyambungan tepi
Paling sederhana dapat dilakukan dengan menganalisa pixel2 tetangga jika dianggap sama, maka pixel harus disambung. Sifat2 untuk menentukan kesamaan suatu pixel dengan tetangganya: a. Intensitas hasil deteksi tepi b. Arah Gradient

Jika sebuah pixel memenuhi keduanya baru pixel tersebut disambung

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

15

Contoh Penyambungan Tepi (1)

Diberikan sebuah citra dengan nilai graylevel sbb:
0 0
(7)

1
(2)

2
(2)

1
(5) (7) (2)

2
(5) (1) (0)

Cari pixel2 mana saja yang harus dikoneksikan dan mana yang tidak.
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

16

Contoh Penyambungan Tepi

Rumus:

Dan: H=7 (karena intensitas tertinggi =7 / pada titik 0,0 dan 1,1)

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

17

Contoh Penyambungan Tepi

C[(0,0 0,1)] = 7-(7-2)=2 C[(0,1 0,2)] = 7-(2-2)=7 C[(1,0 1,1)] = 7-(5-7)=9 C[(1,1 1,2)] = 7-(7-2)=2 C[(2,0 2,1)] = 7-(5-1)=3 C[(2,1 2,2)] = 7-(1-0)=6 C[(0,0 1,0)] = 7-(7-5)=5 C[(1,0 2,0)] = 7-(5-5)=7 C[(0,1 1,1)] = 7-(2-7)=12 C[(1,1 2,1)] = 7-(7-1)=1 C[(0,2 1,2)] = 7-(2-2)=7 C[(1,2 2,2)] = 7-(2-0)=5 C[(0,1 0,0)] = 7-(2-7)=12 C[(0,2 0,1)] = 7-(2-2)=7 C[(1,1 1,0)] = 7-(7-5)=5 C[(1,2 1,1)] = 7-(2-7)=12 C[(2,1 2,0)] = 7-(1-5)=11 C[(2,2 2,1)] = 7-(0-1)=8 C[(1,0 0,0)] = 7-(5-7)=9 C[(2,0 1,0)] = 7-(5-5)=7 C[(1,1 0,1)] = 7-(7-2)=2 C[(2,1 1,1)] = 7-(1-7)=13 C[(1,2 0,2)] = 7-(2-2)=7 C[(2,2 1,2)] = 7-(0-2)=9
18

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Contoh Penyambungan Tepi

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

19

Contoh Penyambungan Tepi

0 0
(7) (2) (2)

1
(5) (7) (2)

2
(5) (1) (0)

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

20

Contoh Penyambungan Tepi (2)

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

21

Segmentasi dengan Thresholding

Sering digunakan untuk segmentasi karena mudah dan intuitif. Diasumsikan setiap objek cenderung memiliki warna yang homogen dan terletak pada kisaran keabuan tertentu

T
Single thresholding

T1

T2

Multiple thresholding

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

22

Segmentasi dengan Thresholding

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

23

Segmentasi dengan Region Growing

Berawal dari seed points, region akan membesar dengan menambahkah piksel-piksel tetangga yang sifatnya hampir sama (pakai N8) a a b b b 0 0 5 6 7 1 0 2 0 1 1 0 1 5 6 7 5 8 7 8 6 7 7 6 5 a a a a a a a a b b b b b b b b b b b b

(3,2) (3,4) sebagai seed

Setelah proses Region Growing dgn batas gray level = 3

24

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

Segmentasi dengan Region Growing

Tentukan beberapa piksel seed. Seed bisa ditentukan manual atau secara random 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. Teruskan proses dengan mengecek tetangga dari tetangga yang sudah kita cek, dst. Tidak bisa hanya digunakan kriteria saja, tanpa melihat konektivitas ketetanggaan, karena bisa tidak membentuk daerah Stopping rule kadang tidak mencakup semua kemungkinan sehingga pada akhir region growing ada piksel yang belum dicek sama sekali.
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

25

Segmentasi dengan Region Growing

0 1 0 2 0

0 1 1 0 1

5 5 6 7 5

6 8 7 8 6

7 7 7 6 5

a a a a a

a a a a a

a a a a a

a a a a a

a a a a a

(3,2) (3,4) sebagai seed

Setelah proses Region Growing dgn batas gray level = 7

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

26

Segmentasi dengan Region Splitting & Merging

Dilakukan proses Splitting (dipecah/dibagi) menjadi 4 area yang sama Selanjutnya untuk image yang sama (Homogen) dilakukan proses merging (penggabungan) sampai tidak ada lagi image yang dapat digabungkan / dipecah.

Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011

27