STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM

Ukuran: px

Mulai penontonan dengan halaman:

Download "STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM"

Yohanes Pranata
6 tahun lalu
Tontonan:

1 PENGOLAHAN CITRA DIGITAL Segmentasi 1

2 Langkah berikutnya dari operasi atas image Image Segmentation Feature Extraction Object Classification 2

3 Image Segmentation W.G.CHO 3

4 Pengertian Segmentasi Segmentasi adalah suatu proses untuk membagi image kedalam r e g i o n a t a u o b j e k t e r t e n t u. Segmentasi akan berakhir bila objek y a n g d i k e h e n d a k i d a r i i m a g e t e r t e n t u s u d a h d i d a p a t. 4

5 Contoh Hasil Segmentasi 5

6 Pendekatan A l g o r i t m a S e g m e n t a s i u m u m n y a didasarkan pada satu dari dua sifat d a s a r n i l a i i n t e n s i t a s, y a i t u : discontinuity : melakukan partisi suatu i m a g e d i d a s a r k a n p a d a p e r u b a h a n mencolok (abrupt changes) dalam hal i n t e n s i t a s, m i s a l n y a a d a n y a e d g e s. similarity : melakukan partisi suatu image kedalam regions yang mirip dengan kriteria t e r t e n t u y a n g t e l a h d i t e t a p k a n. 6

7 Prinsip utama : Diskontinuitas Deteksi titik, garis, tepi (point, suatu image. edges) dari Similaritas line and Tresholding, region growing, region splitting and growing. 7

8 Deteksi Diskontinuitas Melakukan deteksi dari tiga tipe dasar diskontinuitas, yaitu : points, lines, edges Langkah yang paling umum ad alah m ela k uka n p ro ses m a s k i n g t e r h a d a p k e s e l u r u h a n i m a g e. 8

9 Point Detection T: nonnegative threshold: R T R w 1 z 1 w 2 z 2... w 9 z 9 w i z i i 1 Zi adalah gray level dari pixel yang berasosiasi dengan koefisien mask wi. 9 9

10 Point Detection Suatu titik akan dideteksi dari suatu posisi yang terpusat dari tanda mark bila R T Dimana T adalah nonnegative threshold R adalah sum of products dari coefficients dengan gray levels yang berada dalam region yang dicakup oleh tanda mark. Response dari mask akan tergantung dari center point dari operasi masking. Gray level dari isolated point akan benar-benar berbeda dari gray level titik d i s e k i t a r n e i g h b o r h o o d n y a 10

11 Contoh Point Detection 11

12 Line Detection Bila mask pertama digerakkan pada k e s e l u r u h a n i m a g e, m a k a a k a n menghasilkan titik-titik yang membentuk g a r i s p a d a a r a h h o r i s o n t a l. Arah garis yang terdeteksi dipengaruhi oleh posisi nilai koefisien terbesar (dalam h a l i n i n i l a i k o e f i s i e n 2 ). 12

13 Line Detection Bila pada titik tertentu R i > R j untuk j <> i, maka kondisi titik tersebut akan lebih berasosisi dengan garis pada arah mask i. Misal titik pada image R i > R j untuk j = 2,3,4 maka titik tersebut berasosiasi dengan g a r i s h o r i s o n t a l. R 1 R 2 R 3 R 4 13

14 Edge Detection Edge (a set of connected pixels): Suatu boundary antara dua region dengan yang memiliki nilai gray level secara relatif b e r b e d a. Assumsi: Regions bersifat homogen, sehingga transisi antara dua regions dapat ditentukan secara mendasar oleh diskontinuitas gray level. 14

15 Ide utama adalah komputasi dari local d e r i v a t i v e o p e r a r a t o r. Ide Dasar : Suatu profil digambarkan secara tegaklurus d e n g a n a r a h e d g e k e m u d i a n h a s i l n y a d i i n t e r p r e t a s i k a n. Bila titik berada pada posisi ramp (lereng) maka besaran dari turunan pertama digunakan untuk d e t e k s i e d g e. Tanda dari turunan kedua dapat digunakan untuk menentukan apakah pixel dari suatu edge berada daerah gelap (dark) atau terang (light) d a r i s u a t u e d g e Gambar berikut memberikan ilustrasi profile suatu garis dengan background yang b e r b e d a s e r t a s i f a t t u r u n a n n y a. 15

16 Gradient Operators Smooth edges due to blurring (result of sampling) Positive: leading Negative: trailing Zero: in constant gray levels Positive: from dark side Negative: from light side Zero: in constant gray levels 16

17 Gambar (a) Turunan pertama dari profile gray level adalah positif pada kondisi transisi leading edge dan n e g a t i f p a d a p a d a p o s i s i t r a i l i n g edge.selanjutnya bernilai zero pada gray level y a n g k o n s t a n. Turunan kedua bernilai positif pada bagian transisi yang berasosiasi dengan bagian edge yang gelap dan bernilai negatif pada transisi yang bersosiasi dengan bagian edge yang terang. Selanjutnya bernilai zero pada area gray l e v e l y a n g k o n s t a n. 17

18 Turunan pertama Digunakan untuk deteksi ada tidak nya e d g e p a d a s u a t u i m a g e. Turunan kedua Digunakan untuk menentukan apakah pixel a t a u edge berada pada bagian gelap t e r a n g d a r i e d g e t e r s e b u t. 18

19 Edge Types Step Ridge Roof 19

20 20

21 21

22 Tipe dari Operator Edge Operators approximating derivatives differences. directional: Roberts, Prewitt, DoG, etc. Rotationally invariant: Laplacian (sum of derivatives) Operators based on the zero crossing second derivative (e.g. Canny). using second of the 3. Operators that attempt to match a specific image profile. 22

23 f(x,y) Gradient Mask f e (x,y)

24 Gradient Operators Gradien dari suatu image f(x,y) pada lokasi (x,y) dinyatakan dengan v e k t o r b e r i k u t : F G x G y f x f y 24

25 Gradient Operators Untuk kepentingan deteksi edge maka yang penting untuk diperhatikan adalah magnitude dari vektor yang secara sederhana sering dikenal dengan g r a d i e n d a n d i n y a t a k a n d e n g a n : Gradient: f mag( F ) [G 2 G 2 ] 1/ 2 x y (maximum rate of increase of f(x,y) f G x per G y unit distance) 25

26 Besaran yang penting juga adalah direction dari dari gradien vektor. Dan dinyatakan dengan bentuk : Direction angle of f at (x,y): a(x, y) tan 1 G y G x 26

27 Gradient Operators Penyederhanaan dari gradien operator dapat diimplementasikan lewat sifat-sifat dari s e j u m l a h o p e r a t o r m a s k i n g. Operator Sobel lebih cocok digunakan untuk edge detection dengan bentuk masking : G x (z 7 2z 8 z 9 ) (z 1 2z 2 z 3 ) G y (z 3 2z 6 z 9 ) (z 1 2z 4 z 7 ) 27

28 Gradient Operators G x G y 28

29 29

30 30

31 31

32 Image Segmentation Image Preprocessing - remove distracting and useless infor mation from image - image enhancement operations - background subtraction operation - filtering and oth er group processing W.G.CHO 32

33 Image Segmentation Initial Object Discrimination - separate image objects into rough grou like characteristics - image enhancement operations ps with W.G.CHO 33

to u ching each Dila ti on: in combining objects that are

34 Image Segmentation Bin ary Morphological Proces sing Eros i on and Dilation Er osi on: separating objects that are to u ching each Dila ti on: in combining objects that are divided because of clutter and debris in a n image other W.G.CHO 34

35 Image Segmentation B inary Morphological Processin g - Opening and Closing - Opening : remove noise - Opening : erosion -> dilation - Closing : small holes and gap - Closing : dilation -> erosion W.G.CHO 35

36 Image Segmentation Binary Morphological Proces sing - Outlining W.G.CHO 36

37 Image Segmentation Binary Morphological Proces sing - Skeletonization W.G.CHO 37

38 38

dokumen-dokumen yang mirip

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL 1 2 Representasi Image 1 bit 8 bits 3 24 bits 4 Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. 5 Hi s togr a m dar i i ma ge