Image Segmentation

  • 0

Image Segmentation

Category : Uncategorized

Definisi

Segmentasi merupakan suatu proses yang membagi image menjadi unsur-unsur pokok image. Algoritma segmentasi berdasarkan pada perubahan gray level yang berlangsung secara tiba-tiba (diskontinuitas dan kesamaan).

Tujuan utama pada segmentasi adalah untuk mendeteksi garis dan sisi/edge untuk memisahkan bagian yang diinginkan. Segmentasi dapat dilakukan pada static image dan time varying dynamic image. Segmentasi dapat menggunakan analisa sisi, garis, gradien image, bentuk, tekstur, dan lain-lain.

 

Diskontinuitas

Diskontinuitas dideteksi untuk mendapatkan titik-titik, garis atau batas/sisi. Penggunaan mask merupakan teknik standar yang digunakan untuk tujuan ini.

R=S wtzt

 

Point Detection

Mask yang digunakan untuk point detection:

 

Mask di atas digunakan untuk mengukur perbedaan bobot antara titik tengah dengan tetangganya. Jika pada mask menunjukkan , dengan T adalah threshold, maka titik yang diinginkan akan dapat dideteksi.

 

Line Detection

Line mask dapat ditunjukkan:

 

Horizontal                          +45°                      vertical                      -45°

R1, R2, R3, R4 menunjukkan mask. Jika titik pada image, untuk semua j¹ i, titik diasosiasikan sebagai garis pada mask j.

 

Edge Detection

Sisi/batas sering dianalisa dengan membandingkan antara titik-titik atau garis. Sisi merupakan batas antara dua daerah dengan perbedaan relatif dari properti gray level.

Asumsi: Daerah cukup homogen sehingga transisi antara dua daerah dapat ditentukan berdasarkan diskontinuitas pada gray level.

Teknik deteksi sisi berdasarkan pada operator derivative local.

Gradian image f(x,y) pada posisi (x,y) merupakan vector.

Magnitude sama dengan rate maksimum kenaikan f(x,y) per unit jarak dari arah Ñf.

Gradien dapat didekati dengan:

Ñf=|Gx|+Gy|

Arah sudut vector Ñf. pada (x,y).

Contoh: Untuk operator Sobel,

mask pada arah x=

mask pada arah y=

 

Laplacian dari fungsi 2D (x,y) merupakan derivative orde 2 yang didefinisikan sebagai berikut:

 

Untuk mask 3×3, kita dapat menggunakan operator :

Ñf=4x5-(x2+x4+x6+x8)

Jumlah koefisien adalah 0; koefisien inner pixel positif; dan outer pixel negatif)

Kekurangan dari operator Laplacian adalah:

  • Sensitif terhadap noise
  • Menghasilkan sisi ganda
  • Tidak dapat digunakan untuk mendeteksi edge direction

Kegunaan dari operator Laplacian:

digunakan untuk menemukan lokasi sisi.

 

Proses pada operator Laplacian:

  • Image dikonvolusi dengan laplacian dari fungsi 2D gaussian

Metode Proses local

  • Menggunakan mxm neighbourhood
  • Analisa kesamaan dari pixel-pixel sisi dengan berdasarkan:
    • Daya respon dari gradient operator digunakan untuk mendapatkan pixel sisi. Pixel pada (x’,y’) memiliki magnitude sama dengan pixel (x,y)

|Ñf(x,y)- Ñf(x’,y’)|£T

untuk T merupakan threshold non negatif.

    • Arah gradient. (x’,y’) dan (x,y) merupakan tetangga dengan sisi yang sama jika

|a(x,y)-a(x’,y’)|<A

dimana A adalah sudut threshold. Titik A pada definisi ketetanggaan (x,y) dihubungkan dengan pixel (x’,y’) jika kedua magnitude dan criteria direction memenuhi.

 

Referensi : [pdf]

Facebook Comments

-- Download Image Segmentation as PDF --



Leave a Reply

Archives