[IMAGE PROCESSING]

January 27, 2012

Minkowski-form Distance

Secara sederhana pengertian dari CBIR (content-based image retrieval) adalah proses pencarian citra
(image) dari sebuah database berdasarkan kandungan atau isi dari citra tersebut. Kandungan atau isi
tersebut biasanya merupakan ciri yang telah diekstraksi terlebih dahulu (feature extraction) lalu
disimpan dalam basisdata (database).

Dalam CBIR isu mengenai metode pengukuran kemiripan menjadi pembahasan yang masih menarik.
Sebuah metode selayaknya dapat digunakan untuk memberikan hasil pengukuran yang sangat detil
dan sebisa mungkin tidak memberikan beban komputasi yang besar. Banyak sekali metode
pengukuran kemiripan berdasarkan jarak yang telah dihasilkan. Dalam artikel ini dan beberapa artikel
selanjutnya, saya akan membahas mengenai metode-metode tersebut. Sehingga bisa menjadi
semacam referensi tentang pengukuran jarak apa saja yang telah dihasilkan. Implementasi dari metode
ini bisa dalam 1-D (satu dimensi) atau 2-D (dua dimensi).

Minkowski Distance memiliki bentuk persamaan umum:


 

 ,  =
   


Dimana  =  ,  ,   dan  =  ,  ,   dengan Q merupakan query dan T adalah
vektor target.

Jika p=1 maka
 ,  menjadi jarak Manhattan atau dalam bahasa kerennya city block
distance/Manhattan distance. Sehingga rumus nya menjadi:



,  =
|  |


Jika p=2 maka
 ,  menjadi jarak Euclidean atau Euclidean distance yang dirumuskan dengan


 

,  =
   


Jika p maka didapat:

 ,  = max |  |
"#$

[janshendry@gmail.com{EE&IT of UGM, Indonesia}] Page 1

 [IMAGE PROCESSING]
January 27, 2012

Jika rumus tersebut ingin diaplikasikan untuk per-piksel pada citra dengan P1(X1,Y1) dan P2(X2,Y2)
maka untuk Manhattan rumusnya menjadi:

= |% % | + |' ' |

Sedangkan untuk euclidean menjadi:

= % %  + ' '  /

Berhubung dalam artikel ini saya tidak sedang membahas tentang CBIR, maka saya hanya
menggunakan dua kelompok data saya sebagai representasi penggunaan metode ini. Karena jika
membahas tentang CBIR artinya kita terlebih dahulu menyiapkan data ciri hasil ekstraksi.

Program yang bisa digunakan:

% Minkowski-form Distance

clear all;
close all;
clc;

T=[1,2,3,4,3,2,1];
Q=[3,2,4,3,1,2,5;8,2,5,7,1,4,2];

p=2;
d=zeros(size(Q,1),1);
if p>1
for m=1:size(Q,1)
temp=0;
for n=1:length(T)
temp=temp+((Q(m,n)-T(n))^p);
end
d(m,1)=temp^(1/p);
end
else
for m=1:size(Q,1)
temp=0;
for n=1:length(T)
temp=temp+abs(Q(m,n)-T(n));
end
d(m,1)=temp;
end
end

disp('Hasil perhitungan jarak');

disp(d);

[janshendry@gmail.com{EE&IT of UGM, Indonesia}] Page 2

 [IMAGE PROCESSING]
January 27, 2012

@thanks

Sumber:

Dengsheng Zhang and Guojun Lu. EVALUATION OF SIMILARITY MEASUREMENT FOR IMAGE RETRIEVAL. Gippsland
School of Computing and Info Tech Monash University.

[janshendry@gmail.com{EE&IT of UGM, Indonesia}] Page 3