CS 3204 Pengolahan Citra UAS CHAPTER 8 Image

CS 3204 Pengolahan Citra - UAS CHAPTER 8 Image Segmentation n. Thresholding n Region Growing n Split & Merge Departement Teknik Informatika IT Telkom

Segmentasi Citra o Proses untuk memisahkan citra menjadi bagian-bagian pembentuknya (region) n Merupakan fase penting dalam analisis citra otomatis pengenalan objek o Pendekatan algoritma segmentasi: n Berdasar discontinuity perubahan warna mendadak deteksi titik, garis, dan tepi n Berdasar similarity o Pengelompokan berdasar distribusi properti pixel (warna), contoh: thresholding o Mencari region secara langsung berdasar ‘persamaan’ karakteristik suatu area, contoh: region growing, split & merge

Thresholding o Asumsi: n antar objek yang akan dipisahkan memiliki intensitas warna yang berlainan n masing-masing objek memiliki warna yang hampir seragam o Operasi: menempatkan satu atau lebih threshold pada sumbu datar histogram untuk memisahkan kelompok warna pixel yang diduga sebagai penyusun objek

Contoh thresholding dgn g(x, y)=konstanta

Contoh thresholding dgn g(x, y)=rata-rata warna per cluster

Jenis threshold f(x, y): gray level pada titik (x, y) p(x, y): properti lokal dari titik (x, y); misal: gray level rata-rata dari area ketetanggaan yang berpusat di (x, y) o Global T hanya tergantung dari f(x, y) o Local T dipengaruhi oleh f(x, y) dan p(x, y) o Dynamic T tergantung dari koordinat spasial titik (x, y)

Kelemahan thresholding o Penentuan nilai threshold yang tepat o Bermasalah jika kemunculan tiap warna dalam citra cenderung sama tidak bisa diprediksi batas antar objek

Pendekatan lain dalam proses segmentasi o Segmentasi berorientasi daerah (region) o Jika R adalah daerah keseluruhan citra segmentasi membagi R menjadi R 1, R 2, …, Rn sedemikian sehingga tercapai syarat segmentasi:

Region Growing o Prosedur yang mengelompokkan pixel atau sub-region menjadi region yang lebih besar o Pendekatan paling sederhana: pixel aggregation n Mulai dengan sekumpulan titik ‘benih’ (seed) n Dari titik-titik tsb region diperluas dengan menambahkan titik-titik tetangganya yang memiliki properti yang sama (misal: gray level, tekstur, warna) n Jika tidak ada lagi titik tetangga yang dapat ditambahkan lagi, maka proses untuk region tersebut dihentikan

Ilustrasi

Masalah dg region growing o Penentuan lokasi seeds yang tepat n Tergantung aplikasi n Misal: warna yang sering muncul, warna terang dll o Penentuan properti yang tepat untuk mengelompokkan titik menjadi region n Tergantung masalah dan data citra yang tersedia n Misal: intensitas, tekstur, data multispektral dll o Kondisi penghenti n Dasar: jika tidak ada lagi titik tetangga yang memenuhi syarat n Tambahan: ukuran region, bentuk dll

Split & Merge o Membagi citra menjadi sekumpulan region acak yang disjoin kemudian menggabungkan atau kembali membaginya hingga terpenuhi syarat segmentasi (a) – (e) o Algoritma bersifat rekursif o Memanfaatkan quadtree

Ilustrasi

Algoritma rekursif 1. Bagi (split) setiap region Ri menjadi 4 quadran disjoin jika P(Ri)=FALSE 2. Gabung (merge) setiap region Rj dg Rk jika P(Rj Rk)=TRUE 3. Berhenti jika tidak ada split maupun merge yang bisa dilakukan

Contoh o Objek tunggal dg intensitas warna konstan o Intensitas latar belakang konstan o P(Ri)=TRUE jika semua pixel dalam Ri memiliki intensitas warna yang sama

Aplikasi segmentasi: magic wand