SEGMENTASI CITRA MENGGUNAKAN WATERSHED DAN ITENSITAS FILTERING SEBAGAI PRE PROCESSING

dokumen-dokumen yang mirip
BAB II TEORI DASAR. Analisis Kelompok

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

Created by Simpo PDF Creator Pro (unregistered version)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

BAB 2 LANDASAN TEORI

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

BAB II DIMENSI PARTISI

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

Bab III. Plant Nonlinear Dengan Fase Nonminimum

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Pengolahan lanjut data gravitasi

Karakterisasi Matrik Leslie Ordo Tiga

EKSPEKTASI SATU PEUBAH ACAK

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

Histogram Citra. Bab Membuat Histogram

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

Implementasi Metode Backpropagation untuk Mengenali Teks pada Natural Scene Image

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

KAJIAN METODE SUMBER EKIVALEN TITIK MASSA PADA PROSES PENGANGKATAN DATA GRAVITASI KE BIDANG DATAR

Pengenalan Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Two-Dimensional Linear Discriminant Analysis

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

Restorasi Citra Dengan Menggunakan Metode Iteratif Lanczos Hybrid Regularization

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

Pemodelan Anomali Magnetik Berbentuk Prisma Menggunakan Algoritma Genetika Antonius a, Yudha Arman a *, Joko Sampurno a

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB IV HASIL ANALISIS

PROSES UP-SCALING CITRA DIGITAL PADA DOMAIN FREKUENSI DENGAN MENGGUNAKANMETODE DISCRETE WAVELET TRANSFORM

Analisis Persebaran Seismisitas Wilayah Sumatera Selatan Menggunakan Metode Double Difference

SEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

SEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

Algoritma Clustering Fuzzy Hibrida untuk Klasifikasi Citra Inderaja

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

BAB 2 LANDASAN TEORI

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Perbandingan Penggunaan Beberapa Metode Deteksi Tepi Pada Pengolahan Citra Radiologi Fraktur Tulang

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

PRESENTASI TUGAS AKHIR KI091391

ALGORITMA THRESHOLDING ADAPTIF UNTUK BINERISASI CITRA DOKUMEN BERWARNA

IMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL

BAB III METODE PENELITIAN

SEGMENTASI BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE WAVELET HIDDEN MARKOV TREE PADA CITRA BATIK. Murinto 1, Eko Aribowo 2

III FUZZY GOAL LINEAR PROGRAMMING

Analisis Variasi Parameter Backpropagation Artificial Neural Network dan Principal Component Analysis Terhadap Sistem Pengenalan Wajah

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB II LANDASAN TEORI

Perbandingan Masalah Optimasi TSP dengan Menggunakan Algoritma Ant Colony dan Jaringan Hopfield

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

ANALISIS REGRESI. Catatan Freddy

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

Bab 2 AKAR-AKAR PERSAMAAN

BAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.

BAB 2 LANDASAN TEORI

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

Implementasi Algoritma Radix Sort dalam Berbagai Kasus Bilangan Dibandingkan Algoritma Pengurutan yang lain

IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

(M.5) PEMBENTUKAN FAST ALGORITHM FUZZY C-MEANS CLUSTER DENGAN INDEKS VALIDITAS XIE DAN BENI (XB) DAN PROPORSI EIGEN VALUE DARI MATRIKS SIMILIARITY

Bab III Model Estimasi Outstanding Claims Liability

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

KLASTERISASI SINYAL SUARA MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION PADA PENGEMBANGAN SISTEM PENGENALAN INDIVIDU BERBASIS SUARA UCAPAN

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB II TINJAUAN PUSTAKA. Control chart pertama kali dikenalkan oleh Dr. Walter Andrew Shewhart dari

Simulasi Numerik Perambatan Banjir Akibat Keruntuhan Bendungan dengan Metode Volume Hingga-Cell Center

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB III MODUL INJEKTIF

PENGENALAN WAJAH BERBASIS METODE TWO-DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

BAB IV PENGUJIAN DAN ANALISA

SEGMENTASI CITRA GIGI BERBASIS THRESHOLD DAN INTEGRAL PROJECTION Agus Zainal Arifin 1, Dini Adni Navastara 1, Prambhudi Lesmonoi.

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil

ANALISA UNJUK KERJA SISTEM V-BLAST PADA KANAL FREQUENCY SELECTIVE FADING DALAM RUANGAN DENGAN MENGGUNAKAN MODULASI J-ary QAM

Estimasi Reliabilitas Pengukuran Dalam Pendekatan Model Persamaan Struktural

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

STUDI PERBANDINGAN PENGENALAN CITRA SENYUMAN BERDASARKAN AESTHETIC DENTISTRY MENGGUNAKAN METODE 2D-PCA DAN METODE 2D-LDA

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

Transkripsi:

SEGMENTASI CITRA MENGGUNAKAN WATERSHED DAN ITENSITAS FILTERING SEBAGAI PRE PROCESSING Murnto 1), Agus Harjoo 2) 1) Mahasswa S3 Ilmu Komputer UGM, Dosen jurusan Ten Informata UADYogyaarta 2) Dosen Faultas MIPA UGM Yogyaarta e-mal : 1) murntousno@yahoo.com 2) e-mal : aharjoo@ugm.ac.d Abstra Segmentas merupaan langah pertama dan menjad unc. Segmentas ctra merupaan suatu ten pengelompoan (clusterng) untu ctra. Dengan ata lan, merupaan suatu proses pembagan ctra e dalam wlayah (regon) yang mempunya esamaan ftur antara lan : tngat eabuan (gray scale), testure(texture), warna(color), geraan)moton).metode yang termasu dalam segmentas ctra antara lan : transformas watershed (Watershed Transformato). Metode yang ddasaran pada watershed telah dembangan dalam beberapa tahun belaangan n. Secara umum, transformas watershed dapat delompoan dalam segmentas sebaga metode yang ddasaran pada wlaya (regon). Transformas watershed merupaan salah satu metode yang cuup ba untu mendapatan suatu obje hasl segmentas. Tetapa metode n mempunya satu elemahan yatu adanya segmentas yang berlebhan (over segmentaton). Maa dar tu sebelum melauan transformas perlu dlauan suatu pre processng dan salah satu ten yang dgunaan adalah nose reducton. Nose Reducton merupaan suatu proses mengurang nose dar suatu sgnal, basanya muncul sebaga abat adanya pensamplngan yang urang bagus atau abat saluran transms pada saat pengrman data. Beberapa jens nose yang basanya djumpa adalah salt and pepper, mpulse, dan Gaussan. Terdapat dua macam nose reducton pada ntensty flterng, yatu hgh pass flterng dan low pass flterng.dalam peneltan n dembangan suatu penggabungan antara ntenstas flterng sebaga preprocessng ctra dan transformas watershed untu menghaslan segmentas dengan ualtas yang lebh ba. Dar hasl peneltan ddapatan bahwa penggunaan pre processng sebelum tranformas watershed dapat mengurang over segmentas yang berlebhan. Kata unc : Intenstas Flterng,, Segmentas Ctra, Transformas Watershed. 1. PENDAHULUAN Pemrosesan ctra dgtal memerluan satu proses pre processng yang selanjutnya aan dgunaan untu proses yang lan. Proses tersebut adalah segmentas. Segmentas merupaan langah pertama dan menjad unc yang pentng dalam suatu pengenalan obje (object recognton). Proses segmentas merupaan suatu proses untu memsahan antara satu obye dengan obye lannya. Dengan proses segmentas masng-masng obye pada ctra dapat dambl secara terpsah sehngga dapat dgunaan sebaga masuan proses yang lan. Segmentas ctra merupaan suatu ten pengelompoan (clusterng) untu ctra. Dengan ata lan, merupaan suatu proses pembagan ctra e dalam wlayah (regon) yang mempunya esamaan ftur antara lan : tngat eabuan (gray scale), testure(texture), warna(color), geraan)moton). Pengelompoan vsual manusa sudah dpelajar secara ntensf oleh psolog Gestalt ( Werthemer, 1938). Ada beberapa fator yang menjadan pengelompoan perceptual manusa yatu : smlarty, proxmty, contnuty, symmetry, parallelsm, closure, dan famlarty. Dalam Computer Vson beberapa fator tersebut djadan sebaga panduan untu beberapa metode pengelompoan. Pengelompoan dalam Computer Vson palng banya dpelajar adalah dalam hal segmentas ctra. Segmentas ctra merupaan peerjaan dasar yang pentng, dlauan untu memsahan obje, yang selanjutnya aan dgunaan dalam proses analss ctra. Beberapa metode yang termasu dalam segmentas ctra yatu : metode pengelompoan (Clusterng Methods), Hstogram-Based Methods, Edge Detecton Methods, Regon Growng Methods, Level Set Methods, Graph Parttonng Methods, Watershed Transformaton, Model based segmentaton, Mult-scale segmentaton, Semautomatc segmentaton. Metode yang ddasaran pada watershed telah dembangan dalam beberapa tahun belaangan n. Secara umum, transformas watershed dapat delompoan dalam segmentas sebaga metode yang ddasaran pada wlaya (regon). Transformas watershed merupaan salah satu metode yang cuup ba untu mendapatan suatu obje hasl segmentas. Tetapa metode n mempunya satu elemahan yatu adanya segmentas yang berlebhan (over segmentaton) dar yang dharapan. Maa dar tu sebelum melauan transformas perlu dlauan suatu pre processng dan salah satu ten yang dgunaan adalah nose reducton. Segmentas berlebhan merupaan masalah utama yang dhadap pada segmentas dengan menggunaan algortma watershed. Segmentas berlebhan berart hasl yang ddapatan terlalu banya fragmen. Nose reducton merupaan suatu proses mengurang nose dar suatu sgnal, basanya muncul sebaga abat adanya pensamplngan yang urang bagus atau abat saluran transms pada saat pengrman data. Beberapa jens nose A-43

yang basanya djumpa adalah salt and pepper, mpulse, dan Gaussan. Nose adalah tt-tt pada ctra yang sebenarnya buan merupaan bagan dar ctra, melanan ut tercampur pada ctra arena suatu sebab. Terdapat dua macam nose reducton pada ntenstas flterng, yatu hgh pass flterng dan low pass flterng. Dalam peneltan n dembangan suatu penggabungan antara nose reducton sebaga preprocessng ctra dan transformas watershed untu menghaslan segmentas dengan ualtas yang lebh ba. 2. TINJAUAN PUSTAKA 2.1. Segmentas Ctra ( Image Segmentaton) Terdapat dua pendeatan utama dalam segmentas ctra yatu ddasaran pada tep (edge-based) dan ddasaran pada wlayah (regon-based). Segmentas ddasaran pada tep membag ctra berdasaran dsontnutas d antara sub-wlayah (sub-regon), sedangan segmentas yang ddasaran pada wlayah beerjanya berdasaran eseragaman yang ada pada sub-wlayah tersebut. Hasl dar segmentas ctra adalah seumpulan wlayah yang melngup ctra tersebut, atau seumpulan ontur yang destra dar ctra (pada detes tep). Contoh segmentas dapat dlhat dalam gambar 1. Tap psel dalam suatu wlayah mempunya esamaan araterst atau propet yang dapat dhtung (computed property), sepert : warna (color), ntenstas (ntensty),dan testur (texture). Gambar 1. Ctra asl dan Hasl Segmentas Ctra Segmentas wlayah merupaan pendeatan lanjutan dar detes tep. Dalam detes tep segmentas ctra dlauan melalu dentfas batas-batas obje (boundares of object). Batas merupaan loas dmana terjad perubahan ntenstas. Dalam pendeatan ddasaran pada wlayah, maa dentfas dlauan melalu wlayah yang terdapat dalam obje tersebut. Salah satu cara untu mendefnsan segmentas ctra adalah sebaga berut. Seumpulan wlayah R, R,..., R } merupaan suatu segmentas ctra R e dalam n wlayah ja : n U = = 1 1. R R 2. R I R = φ, { 1 2 n 3. R terhubung, =1,2,,n 4. Terdapat suatu predat P yang merupaan uuran homogentas wlayah (a) P( R ) = TRUE, = 1,2,..., n (b) P RU R ) = FALSE, ( dan R adjacent R 2.2. Transformas Watershed Konsep transformas Watershed adalah dengan menganggap sebuah ctra merupaan bentu tga dmens yatu poss x dan y dengan masng-masng tngatan warna yang dmlnya. Poss x dan y merupaan bdang dasar dan tngat warna pxel, yang dalam hal n adalah ctra abu (gray level) merupaan etnggan dengan anggapan bahwa nla yang man mendeat warna puth mempunya etnggan yang seman tngg. Dengan anggapan bentu topograf tersebut, maa terdapat tga macam tt yatu : 1. Tt yang merupaan mnmum regonal 2. Tt yang merupaan tempat dmana ja setetes ar djatuhan, maa ar tersebut aan jatuh hngga e sebuah mnmum tertentu A-44

3. Tt yang merupaan dmana ja ar djatuhan, maa ar tersebut mempunya emungnan untu jatuh e salah satu poss mnmum(tda past jatuh e sebuah tt mnmum, tetap dapat jatuh e tt mnmum tertentu atau tt mnmum yang lan). Untu sebuah mnmum regonal tertentu, seumpulan tt yang memenuh onds (2) dnamaan dengan catchment basn, sedangan seumpulan tt yang memenuh onds (3) dnamaan sebaga gars watershed. Msalan suatu ctra gray level f(x,y) d anggap sebaga permuaan topograf S, d mana tap gray level danggap danggap sebaga emrngan daerah (terran elevaton), dan daerah but bersesuaan dengan wlayah yang dmasud, serta lembah atau basn yang menunjuan suatu mnmum. Msalan tap mnmum ( f ) penuh dengan lubang-lubang dan permuaan topograf S dgambaran secara vertcal e dalam suatu danau, dasumsan dengan ecepatan onstan. Ar aan mengalr dan memenuh permuaan. Selama proses pengsan n, ar aan datang dar dua atau lebh mnma yang berbeda. Bendungan (dam) terbentu apabla ar yang memenuh dar dua catchment basn aan bergabung menjad satu. Ar mengalr mencapa tngat yang dngnan dan berhent mengalr eta bagan atas dar dam terlhat. Gambar berut memperlhatan dua mnma yang dgambaran sebaga dua basn. Dam dtunjuan dengan warna terang d tengah antara dua basn. m Gambar.2. Pengsan permuaan topograf dan pembuatan dam 2.3. Itenstas Flterng Dengan metode ntenstas, nose aan d redus dengan mendetes ntenstas dar setap tt d layar. Cara n aan efetf apabla banya tt nose yang meml warna sama pada tt-tt pada gambar asl. Intenstas flterng aan bagus dgunaan apabla terdapat sedt tt-tt nose yang meml warna sama dengan gambar asl. Terdapat dua macam nose reducton pada ntenstas flterng, yatu hgh pass flterng dan low pass flterng (Nalwan, A., 1997). Hgh pass ntenstas flterng dgunaan ja nose detahu meml ntenstas warna tngg. Msalnya nose berwarna 220-255, maa dlauan pendetesan untu setap tt yang meml warna antara 220 hngga 255 aan dtanda sebaga nose. Low pass ntenstas flterng dgunaan pada gambar yang meml ntenstas warna yang rendah. Karena leta nose berada d ntenstas rendah, maa dlauan pencaran pada tt-tt gambar dan emudan aan dtanda sebaga nose. Selanjutnya tt tersebut aan dgant dengan mencar warna rata-rata d setar tt tersebut. 3. METODE PENELITIAN Subje peneltan n adalah melauan proses segmentas menggunaan transformas watershed dan ntenstas flterng sebaga pre processng pada ctra dgtal. Dalam peneltan n menggunaan data ctra berupa fle ctra berestens *.bmp, *.jpg. Metode yang dgunaan untu melauan pre processng adalah nose reducton dengan menggunaan ntenstas flterng. Intenstas flterng yang dgunaan dsn adalah lowpass flterng dan hghpass flterng. Transformas watershed selanjutnya dgunaan untu proses segmentas ctra.secara gars besar proses segmentas ctra menggunaan transformas watershed dan ntenstas flterng sebaga pre processng adalah sebaga berut : A-45

Input Ctra Pre Processng Intenstas FIlterng Transformas Watershed Ctra Segmentas Gambar 3. Segmentas ctra ddasaran pada Watershed Input ctra merupaan ctra yang aan dsegmentas. Intenstas flterng merupaan ten nose reducton yang aan dpaa untu menngatan ualtas segmentas. Transformas Watershed. Merupaan metode yang aan dpaa dalam melauan proses segmentas ctra nputan. Ctra Hasl Segmentas. Merupaan hasl dar operas segmentas ctra menggunaan transformas watershed, haslnya aan dlhat apaah menggunaan transformas watershed dan ntenstas flterng aan lebh ba dbandngan dengan hanya menggunaan transformas watershed untu proses segmentas ctra yang dlauan. 4. HASIL DAN PEMBAHASAN Dar peneltan yang dlauan maa terlhat sepert gambar 2 menunjuan proses segmentas menggunaan watershed tanpa ddahulu dengan pre processng, gambar 3 menunjuan proses watershed yang ddahulu dengan proses lowpass flterng, sedangan gambar 4 menunjuan proses segmentas yang ddahulu dengan proses hghpass flterng. Gambar 2. (a). Ctra Lena Asl (b). Ctra Lena Transfomas watershed tanpa pre processng (over segmentas) Gambar 3. (a). Ctra Lena Lowpass (b). Ctra Lena Transfomas watershed dengan pre processng (Lowpass Flterng) A-46

Gambar 4. (a). Ctra Lena Hghpass (b). Ctra Lena Transfomas watershed dengan pre processng (Hghpass Flterng) Dar hasl peneltan yang dlauan, terlhat bahwa dengan menggunaan ntenstas flterng sebaga pre processng hasl segmentas ctra lebh ba darpada proses segmentas tanpa menggunaan pre processng. Hal n terlhat dar berurangnya segmen-segmen yang berlebhan sebaga abat dar proses segmentas menggunaan transformas watershed. 5. KESIMPULAN Dar hasl peneltan yang telah dlauan menunjuan bahwa dengan menggunaan transformas watershed, ddapatan hasl segmentas yang berlebhan, untu tu perlu durang segmentas yang berlebhan dengan ddahulu menggunaan proses pre processng. Salah satu proses pre processng yang denalan adalah dengan menggunaan ntenstas flterng, yan hghpass flterng dan lowpass flterng. 6. DAFTAR PUSTAKA Adpranoto, P. 2005. Kombnas Metode Morphologcal Gradent dan Transformas Watershed pada Proses Segmentas Ctra Dgtal. UK Petra, Surabaya. F. Meyer. Topographc dstance and watershed lnes. Sgnal Processng, 38:113 125, 1994. F. Meyer and S. Beucher. Morphologcal segmentaton. Journal of Vsual Communcatons and Image Representaton, 1(1):21 46, 1990. Sumengen, B., Manjunath, B,S,.2005, Mult-scale Edge Detecton and Image Segmentaton. ECE Department, UC, Santa Barbara, CA, USA. S. Beucher and C. Lantuejoul. Use of watersheds n contour detecton. In Internatonal Worshop on Image Processng, Real-Tme Edge and Moton Detecton/Estmaton, Rennes, France, June 26-28 1979. Werthemer,M.1938. Laws of organzatons n perceptual forms(partal translaton). In A Sourceboo of Gestalt Psychology, W.Ells (Ed). Harcourt Brace and Company, pp. 71-88. A-47