MODUL 14 Segmentasi Citra Nana Ramadijanti Ahmad Basuki

MODUL 14 Segmentasi Citra Nana Ramadijanti, Ahmad Basuki, Hero Yudho Martono POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

Materi Kuliah Bottom Up : Histogram Bottom Up : Clustering Top Down : Aturan Fitur

Teknik Segmentasi citra : membagi suatu citra menjadi wilayah-wilayah yang homogen (Sumber: Anil K. Jain, Michigan State University) Teknik Segmentasi Citra Membagi Ruang Citra Region Growing Region Splitting Ruang Fitur Clustering Split and Merge Tiap pixel diberi index warna yang menunjukkan keanggotaannya dalam suatu cluster

Segmentasi Citra Berbasis Histogram (1) Histogram dari Dua Kelas Obyek (Images from Rafael C. Gonzalez and Richard E. Wood, Digital Image Processing, 2 nd Edition)

Segmentasi Citra Berbasis Histogram (2) Histogram dari Banyak Obyek (Images from Rafael C. Gonzalez and Richard E. Wood, Digital Image Processing, 2 nd Edition)

Segmentasi Citra dengan Clustering (Unsupervised Classification) K-Mean Clustering Lecture Notes : Prof. Dr. Aniati Murni, Dina Chahyati, SKom, Fasilkom UI

Segmentasi Citra dengan Clustering (Unsupervised Classification) K-Mean Clustering Lecture Notes : Prof. Dr. Aniati Murni, Dina Chahyati, SKom, Fasilkom UI

Segmentasi Citra dengan Rule-Based (1) (Sumber: S. H. Purwadhi, LAPAN RI) Features: Bentuk (Tajuk berbentuk bintang) KELAPA SAWIT NIPAH Pola Ukuran Sites (Tidak teratur) (Tinggi > 10 m) (Air payau) Hanya perlu persyaratan bentuk NIPAH ENAU SAGU Perlu syarat bentuk dan pola ENAU SAGU

Segmentasi Citra Berbasis Pengetahuan (2) (Sumber: J. Ton, Michigan State University) • Fitur : indeks vegetasi dan intensitas keabuan Land Cover Non-vegetation Water -Forest Vegetation Built-up Forest Non Open Area Clear-Up Type-1 Type-2 Agriculture Bushes 9

Permasalahan Dua Kelas dan Banyak Kelas (2) • Permasalahan Kelas : • Citra terdiri dari wilayah-wilayah obyek yang jumlahnya lebih dari 2 • Segmentasi bisa dengan teknik: • • • Clustering (unsupervised classification – akan dipelajari pada topik klasifikasi citra) Region Growing (wilayah tumbuh – bottom-up approach) Region Splitting (quadtree - top-down approach) Split and Merge (bottom-up and top-down approach) Decision Theory 10

Region Growing • Ditentukan sejumlah seed pixels (random atau regular) • Cek homogenitas melalui 4 -tetangga atau 8 -tetangga • Memerlukan criteria of uniformity Bila: Criteria of uniformity: seed 11

Region Splitting • Menggunakan quadtree approach • Memerlukan criteria of uniformity – bisa menggunakan varian, bila varian tinggi (tidak uniform) suatu wilayah di-splitted 12

Split and Merge • Prosedur sama dengan region splitting • Pada akhir proses ditambah dengan proses merging (menjadikan beberapa region yang dianggap sama menjadi satu). Bisa dilakukan secara semi-otomatis atau secara otomatis. Pendekatan secara otomatis bisa menggunakan merging criteria berupa suatu nilai ambang dari perbedaan mean (intensitas rata) dari wilayah-wilayah yang akan digabungkan. 13

Teknik Segmentasi Citra • Pendekatan Edge-Based • Pendekatan Region-Based • Pendekatan Hybrid 14

Pendekatan Edge-Based • Kekurangannya: belum tentu menghasilkan edge yang kontinue, mengakibatkan terjadinya kebocoran wilayah (wilayah-wilayah yang tidak tertutup) • Prosedur: • Melakukan proses deteksi sisi dengan operator gradient. Masukannya citra gray level dan keluarannya citra edge (biner) Citra Masukan Deteksi Sisi Citra Edge • Selanjutnya dilakukan proses region growing dengan masukan citra asli (gray-level) dan citra edge. Proses pembentukan suatu wilayah berhenti bila menjumpai piksel edge. Keluarannya merupakan hasil segmentasi. 15

Pendekatan Region-Based • Kekurangannya: belum tentu menghasilkan wilayah-wilayah yang bersambungan • Prosedur: • Memerlukan criteria of uniformity • Memerlukan penyebaran seeds atau dapat juga dengan pendekatan scan line • Dilakukan proses region growing unidentified region 16

Pendekatan Hybrid Edge- & Region-Based (1) • Bertujuan untuk mendapatkan hasil segmentasi dengan wilayah yang tertutup dan bersambungan • Prosedur: • Lakukan proses deteksi sisi untuk menhasilkan citra sisi (piksel edge dan piksel non-edge) • Lakukan pemisahan wilayah dengan metode connected region. Connected regions adalah set piksel 4 -tetangga yang bukan piksel edge. • Selanjutnya dilakukan proses merging regions dengan rumusan-rumusan berikut (next slide). 17

Pendekatan Hybrid Edge- & Region-Based (2) • pi adalah perimeter dan ni adalah luas wilayah Ri. Bij adalah panjang garis batas antar wilayah Ri dan Rj. Eij adalah jumlah piksel edge pada garis batas antar wilayah Ri dan Rj. (Eij biasanya < dari Bij karena edge yang tidak kontinue). • Untuk setiap pasang region Ri dan Rj dihitung tiga besaran / kriteria: boundary strength (bila tinggi – makin kuat garis batas, Ri dan Rj disatukan), similarity measure (bila besar – salah satu wilayah terlalu kecil, dapat disatukan) dan connectivity measure (bila besar – makin panjang garis batasnya, tidak disatukan). 18

Pendekatan Hybrid Edge- & Region-Based (3) • Boundary strength • Similarity measure factor scaling • Connectivity measure 19

Pendekatan Hybrid Edge- & Region-Based (4) • Selanjutnya dapat dirumuskan bahwa region Ri dan Rj dapat dijadikan satu bila memenuhi tiga kondisi berikut: • ni > nj (satu wilayah jauh lebih kecil – similarity measure) • (40% piksel edge berada pada garis batas yang sebenarnya – boundary strength) • Rk telah memenuhi kedua kondisi diatas, Kondisi ketiga: mencari pasangan wilayah Rk yang paling memenuhi kedua kondisi diatas untuk disatukan dengan Ri. 20

Terima Kasih POLITEKNIK ELEKTRONIKA NEGERI SURABAYA 21