BAB I

PENDAHULUAN
1.1 Latar Belakang
Dalam matematika dan ilmu komputer, teori graf adalah cabang kajian yang
mempelajari sifat-sifat graf. Secara informal, suatu graf adalah himpunan benda-
benda yang disebut simpul (vertex atau node) yang terhubung oleh sisi (edge) atau
busur (arc). Biasanya graf digambarkan sebagai kumpulan titik-titik
(melambangkan simpul) yang dihubungkan oleh garis-garis (melambangkan sisi)
atau garis berpanah (melambangkan busur). Suatu sisi dapat menghubungkan
suatu simpul dengan simpul yang sama. Sisi yang demikian dinamakan gelang
(loop).
Secara kasar, graf adalah suatu diagram yang memuat informasi tertentu jika
diinterpretasikan secara tepat. Dalam kehidupan sehari-hari, graf digunakan untuk
menggambarkan berbagai macam struktur yang ada. Tujuannya adalah sebagai
visualisasi obyek-obyek agar lebih mudah dimengerti. Beberapa contoh graf yang
sering dijumpai dalam kehidupan sehari-hari antara lain: struktur organisasi,
bagan alir pengambilan mata kuliah, peta, rangkaian listrik, dan lain-lain.
Lintasan Euler ialah lintasan yang melalui tiap sisi dalam graf tepat sekali.
Sirkuit Euler ialah sirkuit yang melalui tiap sisi dalam graf tepat satu kali. Graf
yang mempunyai sirkuit Euler disebut graf Euler, sedang graf yang mempunyai
lintasan Euler disebut semi Euler. Oleh karena itu, kami memilih untuk membuat
makalah dengan judul Gambar Segmentasi Menggunakan Graf Euler.

1.2 Batasan Masalah

Adapun batasan masalah dari makalah ini adalah sebagai berikut :
1. Apa itu graf.
2. Apa saja pendekatan graf.
3. Apa definisi basic.
4. Apa Ekstraksi / Pengembangan graf Euler dari graf non-Euler.
5. Bagaimana gambar segmentasi menggunakan graf euler.

1.3 Rumusan Masalah

 Adapun rumusan masalah dari makalah ini adalah sebagai berikut:
1. Apa itu graf?
2. Apa saja pendekatan graf?
3. Apa definisi basic?
4. Apa Ekstraksi / Pengembangan graf Euler dari graf non-Euler?
5. Bagaimana gambar segmentasi menggunakan euler?

1.4 Tujuan Penulisan

Tujuan dari pembuatan makalah ini adalah sebagai berikut :
1. Untuk mengetahui definisi graf.
2. Untuk mengetahui pendekatan graf.
3. Untuk mengetahui definisi basic.
4. Untuk mengetahui ekstraksi/pengembangan graf Euler dari graf non-Euler.
5. Untuk mengetahui gambar segmentasi menggunakan euler.
 BAB II
TINJAUAN PUSTAKA
2.1 Graf
Definisi 2.1.1
Suatu graf G adalah pasangan (V,E) yang mana V adalah himpunan tak kosong
yang anggotanya disebut vertex dan E adalah himpunan yang anggotanya adalah
pasangan pasangan tak berurut dari vertex V dan disebut edge.
Secara umum graf diartikan sebagai diagram, yang mana vertex ditampilkan
berupa titik dan dinotasikan dengan vi, i = 1,2,3, , p dan edge ditampilkan
berupa garis yang menghubungkan dua vertex (vi,vj) dan dinotasikan dengan ek, k
= 1,2,3, ,q. vi dan vj disebut vertex vertex ujung dari edge e k. Contohnya di
bawah ini

Gambar 2.1.1 Graf dengan 6 vertex dan 6 edge

Definisi 2.1.2
Suatu edge yang menghubungkan pasangan vertex yang sama, yaitu (v i,vi) disebut
loop. Dua buah edge atau lebih yang mempunyai vertex ujung yang sama disebut
paralel edge (multiple edge). Pada Gambar 2.1.1 e4 adalah loop dan e1, e2
merupakan paralel edge.

Definisi 2.1.3
Suatu graf yang mengandung loop dan paralel edge seperti contoh pada gambar
2.1.1 disebut graf semu ( pseudo graf ) dan graf yang mengandung paralel edge
tanpa loop disebut multiple graf. Gambar 2.1.1 merupakan multiple graf jika e4
dihilangkan.
Definisi 2.1.4
Suatu graf yang tidak memuat loop dan paralel edge disebut simple graf. Contoh
Simple graf pada gambar 2.1.1

Gambar 2.1.4 Simple graf dengan 4 vertex dan 4 edge

Definisi 2.1.5
Suatu graf dengan jumlah vertex dan jumlah edge yang berhingga disebut finite
graf (graf berhingga), sebaliknya jika jumlah vertex dan edge tak berhingga
disebut infinite graf (graf tak berhingga).

Definisi 2.1.6
Vertex vi dalam graf disebut insident terhadap edge ek jika dan hanya jika edge
tersebut merupakan penghubung dari vertex vi. Dua buah vertex vidan vj disebut
saling adjacent jika kedua vertex tersebut dihubungkan oleh suatu edge yang
sama. Dua buah edge ek dan el yang non paralel disebut adjacent jika kedua edge
tersebut insident pada suatu vertex persekutuan.

Definisi 2.1.7
Degree atau derajat dari vertex vi adalah banyaknya edge yang insident pada
vertex vi dalam graf G dan loop dihitung dua kali.Dinotasikan dengan d(vi).
Vertex yang berderajat 1 disebut end vertex (pendant vertex) sedangkan vertex
yang berderajat nol disebut dengan isolated vertex (vertex terasing). Dari gambar
1 diperoleh bahwa : d(v1) = d(v5) = 1, d (v2) = 3, d (v3) = 4, dan d (v4) = 2 , v1 dan
v5 merupakan dan vertex dan v6 merupakan isolated vertex dari graf.

Definisi 2.1.9
Suatu graf G yaitu (V,E) dengan E suatu himpunan kosong, sehingga graf tersebut
tanpa edge, disebut null graf. Dengan kata lain null graf adalah suatu graf dengan
semua vertex nya berderajat nol. Akibatnya setiap vertex pada null graf adalah
isolated vertex.
 Gambar 2.1.9 Nuul Graf dengan 4 vertex
Definisi 2.1.10
Suatu simple graf yang mana setiap dua vertex yang berlainan dihubungkan oleh
suatu edge maka graf itu disebut graf lengkap (komplit graf). Komplit graf dengan
n vertex dinotasikan dengan Kn. Pada bab selanjutnya karena keterbatasan penulis,
perangkat lunak yang dirancang hanya mampu menampilkan hingga K 20 meskipun
secara konsep dasar graf minimum spanning tree dapat diperoleh hingga ke K n
dan komplit graf yang ditampilkan adalah komplit graf yang tak berarah dan
terboboti.

Gambar 2.1.10 Graf Lengkap dengan 4 vertex

Definisi 2.1.11
Graf beraturan (Regular Graf) adalah suatu simple graf yang semua vertexnya
mempunyai derajat yang sama. Jika graf G adalah simple graf yang mana setiap
vertexnya berderajat r, maka graf tersebut dinamakan reguler graf berderajat r.
Setiap komplit graf dengan n vertex merupakan regular graf dengan derajat ( n1).

Gambar 2.1.11 Regular Graf dengan 3 vertex dan berderajat 2

Definisi 2.1.12
Graf S disebut subgraf dari graf G jika semua vertex dan edge di S termuat di
dalam G, dan edge dari S mempunyai vertex ujung yang sama dengan edge dari
G. (a) (b)

Gambar 2.1.12 Gambar (b) merupakan subgraf dari graf (a)

Definisi 2.1.13
Walk dalam suatu graf G adalah suatu deretan berhingga dari vertex dan edge
secara bergantian yang diawali dan diakhiri dengan vertex sedemikian hingga
setiap edge yang insident dengan dua vertex yang berdekatan.
Suatu walk dapat ditulis dengan atau tanpa mengikutsertakan edgenya. Apabila
walk dengan vertex awal dan vertex akhir yang sama maka walk tersebut disebut
closed walk (walk tertutup). Bila vertex awal dan vertex akhir berbeda maka
disebut open walk (walk terbuka).
Pada gambar 2.1.6 (a) dapat diambil beberapa walk antara lain adalah :
v1 e1 v2 e5 v5 e6 v6 (open walk)
v3 e3 v4 e4 v5 e5 v2 e2 v3(closed walk)
Walk di atas dapat juga ditulis tanpa mengikutsertakan edgenya menjadi :
v1 v2 v5 v6
v3 v4 v5 v2 v3

Defenisi 2.1.14
Path adalah suatu walk yang semua vertex yang dilaluinya berbeda, dan path
dengan vertex awal sama dengan vertex akhir disebut dengan circuit (cycle). Loop
bukan merupakan path atau circuit karena loop menghubungkan dua vertex yang
sama. Banyaknya edge yang terdapat dalam suatu path disebut lenght dari path.
Definisi 2.1.15
Distance antara 2 vertex vi dan vj diartikan sebagai panjang path yang terpendek
dari vi dan vj. Dinotasikan sebagai d ( vi,vj ). Length atau panjang suatu graf adalah
bilangan yang menyatakan banyaknya edge yang muncul dalam suatu walk.
d(v3,v5) pada graf 6 (a) adalah 2 yaitu : v3 v2 v5 dan v3v4 v5
Pada graf 2.1.6 ( a ) v3 v4 v5 v2 v3 adalah walk dengan length 4.

2.2 Pendekatan Graf

Baru-baru ini gambar segmentasi telah menarik minat berdasarkan graf. Teori
graf dan konsep-konsep yang telah mendominasi dalam penelitian pengolahan
gambar. Konsep teori graf seperti maksimum flow, maksimum clique, jalur
terpendek, minimum spanning tree dll telah digunakan untuk masalah pengolahan
gambar. Membahas berbagai jenis algoritma grafik dalam visi komputer. Sebuah
edisi khusus pada pengolahan citra berdasarkan grafik diterbitkan. Metode graf
berbasis awal, formulasi lebih baru dalam hal pemotongan graf, dan metode
spektral. Gagasan graf konektivitas diperkenalkan untuk memungkinkan
pengolahan gambar pada sensor foveal. Gagasan ini diperkenalkan secara khusus
untuk model sampling dari retina monyet. Karya Zahn (1971) menyajikan metode
segmentasi berdasarkan pohon spanning minimum (MST) dari graf. Kriteria
segmentasi dalam metode Zahn adalah untuk memecah MST tepi dengan bobot
yang besar. Algoritma diusulkan oleh Urquhart (1982) untuk menormalkan berat
tepi menggunakan insiden berat terkecil di simpul menyentuh tepi itu. Wu dan
Leahy (1993) memperkenalkan suatu kriteria dipotong, tapi itu condong ke
penemuan komponen kecil. Bias ini ditujukan dengan kriteria cut dinormalisasi
dikembangkan oleh Shi dan Malik (2000), yang memperhitungkan kesamaan
daerah. Pendekatan cutbased untuk segmentasi menangkap sifat non-lokal
gambar, berbeda dengan awal metode berbasis graf. Weiss (1999) telah
menunjukkan bagaimana perkiraan berbasis vektor eigen yang dikembangkan
oleh Shi dan Malik berhubungan dengan lebih standar metode partisi spektral
pada graf. Namun, semua metode tersebut terlalu lambat untuk banyak aplikasi
praktis. Sebuah alternatif untuk pendekatan grafik dipotong adalah untuk mencari
siklus dalam grafik tertanam dalam bidang gambar. Menggambarkan kualitas
setiap siklus dinormalisasi dengan cara yang berkaitan erat dengan pendekatan
pemotongan dinormalisasi. Menggambarkan sebuah segmentasi berbasis grafik
yang efisien di mana mereka didefinisikan predikat untuk mengukur bukti untuk
batas antara dua daerah. Menggunakan predikat itu, algoritma dikembangkan
dengan membuat keputusan untuk menghasilkan segmentasi yang memenuhi sifat
global.
Sastra di zaman terbaru mengungkapkan banyak perbaikan atas metode ini ada
tetapi untuk perbandingan dan evaluasi, metode oleh Shi dan Malik, Pedro F.
Felzenzwalb dll diperlakukan sebagai patokan. Sebuah metode untuk membangun
hirarki partisi dari suatu gambar diperkenalkan di mana mereka membangun
hirarki partisi dari suatu gambar dengan membandingkan secara berpasangan
perbedaan sepanjang batas dari dua komponen relatif terhadap perbedaan-
perbedaan internal komponen. Mereka menyatakan kelemahan dari metode ini
sebagai kriteria maksimum dan minimum diperkenalkan sangat sensitif terhadap
suara, meskipun dalam prakteknya memiliki dampak kecil. Sebuah segmentasi
MST piramida berdasarkan dilakukan dengan menggunakan grafik kontraksi
ganda. Untuk mengevaluasi hasil segmentasi metode yang diusulkan dengan
metode lain yang sudah ada, Precision, Recall dan F-ukuran telah dilaksanakan
sejak Berkeley Gambar untuk segmentasi telah dievaluasi dengan menggunakan
tiga langkah-langkah ini. Metode dipertimbangkan untuk perbandingan.

2.3 Definisi Basic

Ambil G (V, E) adalah graf yang diberikan dengan V dan E mewakili
himpunan titik dan tepi ditetapkan masing-masing.
Definisi 2.2.1
Sebuah jejak yang melintasi setiap tepi G disebut lintasan Euler. Hal ini disebut
sebagai lintasan Euler karena Euler adalah yang pertama untuk menyelidiki
keberadaan jalan tersebut dalam graf.
Definisi 2.2.2
Sebuah lintasan Euler adalah lintasan yang mencakup semua tepi G.

Definisi 2.2.3
Sebuah graf adalah graf Euler atau lintasan Euler jika mengandung lintasan Euler.
Euler membuktikan teorema berikut dan melalui graf dapat ditentukan yang
memiliki lintasan Euler. Karakterisasi berikut ini diambil karena didefinisikan dan
terbukti di Bondy dan Murty (1982).
Teorema 2.2.4
Sebuah graf terhubung non-kosong Euler jika dan hanya jika tidak memiliki
simpul berderajat ganjil.
Akibat:
Sebuah graf terhubung memiliki lintasan Euler jika dan hanya jika memiliki
paling banyak dua simpul berderajat ganjil.

2.4 Ekstraksi / Pengembangan graf Euler dari graf non-Euler

Jika graf tidak memiliki sirkuit Euler, masih mungkin tertarik untuk
mengetahui bagaimana hal itu bisa melintasi tepi (mulai dan berakhir pada simpul
yang sama). Euler dapat diperoleh dengan dua cara :
1. Dengan menambahkan satu atau beberapa tepi palsu yang menggabungkan
dua simpul berderajat ganjil yang berdekatan
2. Dengan menghapus dua simpul tepi bergabung berderajat ganjil yang
berdekatan.

2.5 Metode
Graf Euler dan sifat-sifatnya yang digunakan untuk memecahkan masalah
gambar segmentasi. Ide dasarnya adalah bahwa graf Euler diurai menjadi siklus
tepi menguraikan. Langkah-langkah metode yang diberikan adalah sebagai
berikut:
Langkah-1: Representasi gambar sebagai graf kotak
Langkah-2: Konversi graf jaringan ke Euler
Langkah-3: Prosedur Segmentasi
Langkah-4: Perbaikan segmen
Tahap ini dibahas secara rinci dalam sub-bagian berikut.
2.5.1 Representasi gambar sebagai graf kotak
 gambar yang akan tersegmentasi diwakili sebagai graf G(V , E) .

Untuk melakukannya, setiap pixel diperlakukan sebagai simpul dari grafik.

Ujungnya didefinisikan berdasarkan 8-konektivitas dari simpul

lingkungan. Tepi (v i , v j) E sesuai dengan sepasang simpul tetangga.

Graf G , yang diperoleh adalah tertimbang grafik non-planar diarahkan.

2
Jelas, gambar berukuran N N mengandung N simpul,

( N1)N tepi vertikal, N (N1) tepi horisontal dan 2(N1)2

tepi diagonal. Dengan demikian, total ada

( N1 ) N + N ( N 1 ) +2(N 1)2=4 N 26 N +2 tepi. Diberikan graf

2
M =4 N 6 N +2 yang terbentuk divisualisasikan sebagai grid dan

karenanya disebut sebagai graf jaringan. Sebuah graf sampel jaringan dari

ukuran 8 8 ditunjukkan pada Gambar 2.4.1. Bobot ditugaskan ke tepi

dengan menggunakan perbedaan intensitas mutlak antara piksel yang

berdekatan.

Gambar 2.4.1 Gambar grid graf

2.5.2 Konversi graf jaringan ke Euler

Grid graf yang diperoleh adalah terhubung non-Euler karena beberapa
simpul memiliki derajat ganjil. Prosedur untuk konversi ke Eulerian
menjamin pembentukan siklus meliputi semua tepi karena semua simpul
yang bahkan tepi. Simpul perbatasan adalah simpul pada baris pertama,
baris terakhir, kolom pertama dan kolom terakhir. Untuk alasan ini, grid
graf dapat dikonversi ke Euler sehingga semua simpul bahkan tepi. Hal ini
dapat dicapai dengan dua cara. Dalam kasus pertama yaitu, dengan
menambahkan satu beberapa tepi ekstra untuk setiap pasangan
menguraikan simpul derajat ganjil yang berdekatan. Berat yang sama
dialokasikan untuk kedua tepi digandakan dan asli untuk menghindari
ambiguitas. Proses ini diulang sampai tidak ada pasangan seperti itu. Pada
Gambar 2.4.2, (a) dan (d) menunjukkan dua graf grid masing-masing

ukuran 44 dan 5 4 . Gambar 2.4.2 (b) dan (c) merupakan dua

grafik Euler kemungkinan (a), (e) dan (f) mewakili grafik Euler dari (d).

Gambar 2.4.2 Graf Grid dan sesuai graf eulernya

Dalam kasus kedua, bukan menambahkan duplikat tepi ke pasangan
simpul yang berdekatan derajat ganjil, tepi alternatif dikeluarkan pada
batas untuk mempertahankan bahkan derajat. Hal ini ditemukan bahwa
tidak ada kehilangan informasi dari gambar dengan menghapus tepi seperti
itu karena semua tepi dihapus karena simpul perbatasan. Dalam
prakteknya, tidak banyak informasi yang tersedia di simpul perbatasan dan
eksperimen ditemukan bahwa tidak ada variasi dalam segmen dibentuk
dengan cara baik.

2.5.3 Prosedur Segmentasi

 Setelah gambar diberikan direpresentasikan sebagai Euler, prosedur
segmentasi dilakukan selama Eulerian. Algoritma untuk gambar
segmentasi dan segmen yang dibentuk diberikan di bawah ini:
1. Warna semua tepi putih.
2. prosedur segmen dibentuk.
3. prosedur daerah penyempurnaan.
1. Pilih sewenang-wenang tepi berwarna putih.
2. tepi yang dipilih termasuk dalam vektor tumbuh sementara jika
memenuhi ambang batas.
3. Jika vektor tumbuh sementara membentuk siklus maka lintasan
tertutup disimpan dalam siklus dibentuk vektor.
a. Siklus terbentuk diperlakukan sebagai suatu wilayah. Di wilayah
terbentuk, tepi dalam lintasan tertutup mewakili tepi batas wilayah.
Tepi hadir di dalam wilayah yang tepi internal wilayah itu. Itu
simpul sesuai disebut simpul batas dan simpul internal yang
masing-masing.
b. Tepi batas wilayah berwarna tepi hitam dan internal berwarna abu-
abu.
4. Jika vektor tumbuh sementara tidak memiliki siklus kemudian memilih
minimum putih tepi yang berdekatan berwarna tertimbang berikutnya
memuaskan ambang dan kembali ke langkah-2.
a. Jika tidak ada tepi tersedia atau yang memenuhi ambang batas
maka mundur induknya dan selanjutnya mencari putih tepi yang
berdekatan berwarna memuaskan ambang batas.
b. Jika tidak ada orang tua keluar maka vektor berkembang sementara
disimpan dalam vektor jalur terbuka. Mewarnai semua tepi di jalur
terbuka seperti hitam.
c. Lainnya
d. menghapus tepi termasuk terakhir dalam vektor tumbuh sementara.
e. memilih putih tepi yang berdekatan berwarna berikutnya dan
kembali ke langkah-2.
5. Jika semua simpul tidak ditutupi atau semua tepi tidak berwarna abu-
abu atau hitam kemudian kembali ke langkah-1.
6. Jika semua simpul tercakup dalam wilayah baik sebagai batas atau
sebagai simpul internal yang kemudian menginduksi segmentasi awal
untuk ambang diberikan.
7. Jika semua ujung-ujungnya berwarna abu-abu atau hitam mewakili tepi
internal maupun batas maka segmentasi dikenakan untuk perbaikan.
Algoritma ini menggunakan struktur warna yang label tepi seperti
yang diberikan di bawah ini:
Awalnya semua tepi dalam warna PUTIH
tepi yang dikunjungi adalah warna abu-abu
Keunggulan dalam warna hitam menunjukkan bahwa itu adalah bagian
dari batas suatu daerah.
Tepi HITAM berwarna ditandai secara permanen sehingga mereka
tidak dianggap untuk kembali fi nement. Hanya PUTIH dan GRAY
berwarna tepi dikenakan untuk ulang fi nement. Kriteria yang dikenakan
pada setiap sisi untuk membentuk segmen yang didefinisikan dalam
persamaan (1). Persamaan (1) mengacu pada perbedaan maksimum dan
titik minimum label dalam siklus terbentuk. Dalam hal ini, digunakan
sebagai perbedaan dari label simpul maksimum dan minimum dalam
vektor tumbuh sementara.
maxvminv
T= (1)
2

Algoritma ini dimulai dengan memilih secara acak tepi berwarna putih.
Pada fi eksekusi pertama, tepi subisidi termasuk langsung dalam vektor
tumbuh sementara. Karena siklus tidak dapat dibentuk dengan satu ujung,
line 4 dijalankan di mana algoritma mencoba untuk memilih tepi berwarna
putih yang berdekatan dengan tepi yang dipilih sebelumnya. Tepi yang
dipilih berdasarkan kriteria ambang batas. Jika tidak ada minimum
berbobot, putih tepi yang berdekatan berwarna tersedia kemudian,
algoritma backtracks ke induknya dan mencari putih tepi tertimbang lain
minimum berwarna yang berdekatan. Jika fi nds, maka tepi termasuk
terakhir dalam vektor tumbuh sementara dihapus karena algoritma tidak
bisa melintasi dari tepi itu dan menambahkan tepi baru yang dipilih ke
vektor tumbuh sementara.
 Baris 3 dari cek algoritma untuk setiap siklus dalam vektor tumbuh
sementara. Untuk memeriksa ini, algoritma BFS digunakan. Setiap siklus
diperlakukan sebagai satu wilayah. Jika siklus terbentuk, maka lintasan
tertutup disimpan dalam siklus dibentuk vektor. Tepi jalan tertutup
berwarna hitam menunjukkan bahwa mereka adalah simpul batas. tepi ini
tidak dipilih untuk membentuk setiap siklus lainnya. Tepi hadir di dalam
wilayah ini berwarna abu-abu. tepi ini dapat digunakan untuk membentuk
siklus sekali tepi berwarna putih habis. Hal ini akan membantu dalam
menghindari pembentukan wilayah yang tumpang tindih diri yang berarti
bahwa traversal dimulai dari tepi internal dan melintasi ke luar daerah
disebut sebagai tumpang tindih diri. tumpang tindih diri dihindari pada
tahap awal untuk mendapatkan jumlah maksimum daerah non-tumpang
tindih tetapi dilakukan di wilayah ulang tahap fi nement, jika perlu.
Selama eksekusi algoritma, jika memilih tepi berwarna putih di luar
kawasan manapun dan pada traversal nya, tumpang tindih wilayah yang
ada, maka diperbolehkan karena tepi internal satu tindakan daerah seperti
tepi batas daerah lain.
Kemungkinan lain selama traversal adalah bahwa vektor berkembang
sementara tidak dapat tumbuh lebih lanjut karena tidak lebih tepi terpenuhi
es kriteria di tingkat manapun (baik di tepi saat atau setiap tepi induknya),
maka vektor tumbuh sementara berhenti melintasi. Secara alami, Euler
menjamin pembentukan siklus namun karena kriteria ambang batas, hal itu
mungkin tidak membentuk siklus semua kasus. Dalam hal demikian,
vektor tumbuh sementara berisi jalan terbuka dan jalan tersebut disimpan
secara terpisah dalam vektor jalur terbuka.
Dengan cara ini, algoritma mencoba untuk melintasi sampai menutupi
semua simpul. Ini melengkapi tahap pertama di mana, itu menginduksi
segmentasi awal gambar.