Upload
sienny-angelia
View
510
Download
0
Embed Size (px)
DESCRIPTION
Mata Kuliah Semester 4 - Digital Image Processing iSTTS Surabaya
Citation preview
Image Segmentation
1
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
2
Segmentasi CitraSegmentasi
Deteksi Diskontinyu
Kesamaan Grayvalue
Deteksi dari: - Titik terisolasi - Garis - Tepi
- Treshold - Region Growing - Region Splitting and Merging3
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
4
Deteksi TitikDigunakan 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
5
Contoh Deteksi Titik
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
6
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 135oPengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
7
Contoh Deteksi Garis
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
8
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
9
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 TepiJawab:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
13
Contoh Soal Deteksi TepiJawab:
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 disambungPengolahan 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 TepiRumus:
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 TepiC[(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)=918
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
Contoh Penyambungan Tepi
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
19
Contoh Penyambungan Tepi0 0(7) (2) (2)
1
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
TSingle 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 = 324
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