Segmentasi Citra

Segmentasi CitraPendahuluanSegmentasi 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 :

Global Thresholding :Metode HistogramNilai T ditentukan berdasarkan histogram dari citra yang akan diambangkan.

Contoh:Single Thresholding

Citra Sel darah merahHasil Segmentasi dg T = 160Histogram Citra Contoh:Multiple Thresholding

Citra Pulsar X-rayHistogram Citra Hasil Multiple Thresholding

Lokal Adaptif ThresholdingMotivasi : 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 :

Contoh:Lokal Adaptif Thresholding

Citra grayscale eritrositHistogram Citra Hasil Global ThresholdingHasil Lokal Adaptif ThresholdingConnected Component LabellingDilakukan dengan memeriksa suatu citra dan mengelompokkan setiap pixel ke dalam suatu komponen terhubung menurut aturan keterhubungan ( 4,8, atau m-connectivity)Setiap komponen terhubung yang saling tidak terhubung (disjoin) pada suatu citra akan diberi label berbeda.4-connectedScan 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 pBilai kedua pixel tetangga bernilai 1 dan memiliki tanda sama maka berilah label dari pixel tetangga tersebut pada pBilai kedua pixel tetangga bernilai 1 dan memiliki tanda berbeda maka berilah label dari salah satu pixel tetangga tersebut pada p.Contoh :

Citra GrayscaleHasil Connected Component LabellingSegmentasi Berbasis Clustering :Metode IterasiPilih nilai T awal, biasanya dipakai nilai rata-rata dari intensitas citraSegmentasi 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)/2Hitung nilai T baru dengan rumus T=(r1 + r2)/2Ulangi 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