MAKALAH

PENGOLAHAN CITRA DIGITAL

“ IMAGE SEGMENTATION”

DISUSUN OLEH :

1. ADNANDYA RUTH MENTARI (G1D016004)

2. AJI PAMUNGKAS TRI NUR CAHYO (G1D01600)

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS BENGKULU
2019
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Dalam melakukan suatu proses pengolahan citra (image processing), ada kalanya
kita hanya memerlukan objek tertentu saja pada sebuah gambar atau citra, tidak
semua bagian kita perlukan untuk mempercepat dan mempermudah komputasi dalam
mencapai tujuan . Dengan hanya mengolah bagian yang diinginkan saja maka proses
pengolahan citra tersebut menjadi lebih detail dan rinci serta terarah. Misalkan dalam
sebuah gambar ruangan kelas berisi bayak sekali mahasiswa dan kita hanya ingin
mendetaksi atau mengolah citra mahasiswa yang menggunakan baju putih saja.

Maka kita perlu melakukan sebuah proses yang dapat memisahkan objek tersebut
dari objek yang lain dalam sebuah citra gambar. Proses itu disebut dengan segmentasi
citra. Pada proses segmentasi citra itu sendiri terbagi dalam beberapa metode yang
tergantung dengan tujuannya yang akan dijelaskan lebih lanjut dalam makalah ini.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan segmentasi citra?
2. Apa saja metode-metode yang terdapat pada segmentasi citra?

1.3 Tujuan
1. Memahami apa itu segmentasi citra.
2. Memahami metode apa saja yang digunakan dalam proses segmentasi citra.
 BAB 2
ISI

2.1Segmentasi Citra

Segmentasi Citra ( Image Segmentation) adalah suatu proses pengolahan citra

setelah proses pra-processing. Proses segmentasi citra ini merupakan proses untuk
mempartisi citra antara objek dan backgrounnya . Artinya, proses segmentasi ini
digunakan ketika kita akan memproses sebuah citra pada objek tertentu saja.

Pada umumnya, keluaran dari segmentasi citra ini merupakan citra biner, dimana
pada objek yang dikehendaki benilai biner 1, objek yang tidak dikehendaki atau
backgroundnya bernilai 0.

(a) (b)

Gambar 2.1 (a) Citra Asli (b) Segmentasi Citra biner

Tujuan segmentasi adalah menyederhanakan gambar agar lebih mudah dianalisis.

Segmentasi citra ini biasanya digunakan untuk menemukan suatu objek batas (garis
atau kurva)

Segmentasi citra ini banyak digunakan untuk proses ekstrasi ciri pada citra
sebagai langkah awal pengenalan objek. Pada proses pengenalan objek ini,
segmentasi citra tidak bisa dilewatkan agar proses pengenalan semakin akurat.
Semakin bagus segmentasi yang dihasilkan, maka proses pengenalan objek semakin
mendekati benar.
 Untuk mendapatkan hasil segmentasi yang bagus, maka terdapat beberapa metode
segmentasi citra yang dapat digunakan dalam proses pengolahan citra Proses
segmentasi citra sendiri terbagi 2 berdasarkan nilai kecerahan citra.

a. Discontiunity, Citra dipisahkan atau dibagi atas dasar perubahan dari nilai
derajat kecerahannya. Biasanya digunakan untuk deteksi titik, garis, dan sisi.

b. Similiarity, membagi citra menjadi region-region tertentu atas dasar kesamaan

sifat. Biasanya digunakan pada thresholding, region growing, region splitting
and merging

2.1 Metode Segmentasi Citra

Ada beberapa metode yang dapat digunkan untuk melakukan segmentasi citra,
yang akan di bahas sebagai berikut :

a. Deteksi Tepi

Salah satu cara untuk melakukan segmentasi citra adalah dengan deteksi tepi.
Seperti namanya, deteksi tepi berarti mendeteksi tepian dari sebuah objek yang
membatasi dua wilayah citra homogeny yang memiliki tingkat kecerahan
berbeda. Proses ini menghasilkan tepi-tepi dari objek-objek yang bertujuan untuk
menandai bagian yang menjadi detail citra/gambar agar dapat diidentifikasi atau
dianalisis serta memperbaiki kualitas citra yang blur akibar proses akuisisi.

Berikut adalah macam-macam deteksi tepi :

1. Sobel

Metode ini mengambil prinsip dari fungsi laplace dan gaussian yang
dikenal sebagai fungsi untuk membangkitkan HPF, dan kelebihan dari metode
sobel ini adalah mengurangi noise sebelum melakukan perhitungan deteksi
tepi.

2. Prewitt

Metode Prewitt merupakan pengembangan metode robert dengan

menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini
mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk
membangkitkan HPF.
 3. Laplace

Metode Laplace adalah metode transformasi yang digunakan untuk

penyelesaian persamaan diferensial.

4. Robert

Metode Robert adalah nama lain dari teknik differensial pada arah
horisontal dan differensial pada arah vertikal, dengan ditambahkan proses
konversi biner setelah dilakukan differensial. Maksud konversi biner adalah
meratakan distribusi warna hitam dan putih.

5. Canny

Canny merupakan deteksi tepi yang optimal. Operator Canny

menggunakan Gaussian Derivative Kernel untuk menyaring kegaduhan dari
citra awal untuk mendapatkan hasil deteksi tepi yang halus.

Dari keempat metode deteksi tepi di atas, metode yang paling sering
digunakan adalah metode Sobel, dimana metode ini dapat mengurangi noise sebelum
melakukan perhitungan deteksi tepi.

Operator Sobel terdiri dari matriks Kernel 3x3 dimana ada matriks Gx dan Yx.
Matriks mask tersebut dirancang untuk memberikan respon secara maksimal terhadap
tepian objek.

Kernel di atas dirancang untuk menyelesaikan permasalahan deteksi tepi baik

secara vertikal maupun horizontal. Penggunaan kernel-kernel ini dapat digunakan
bersamaan ataupun secara tepisah

Untuk mendapatkan nilai maksimum dari operator Sobel, proses selanjutnya

adalah dengan menghitung kekuatan tepi citra terhadap warna kecerahannya dengan
cara mencari nilai magnitude yang dapat dihitung dengan persamaan sebagai berikut
 Contoh Operasi Sobel secara matematis menggunakan konvolusi dengan
menggeser kernel pixel per pixel, hasilnya kemudian disimpan dalam matriks baru.
Konvolusi pertama dilakukan terhadap piksel yang bernilai 1 (di titik pusat mask).
Operasi dapat dilihat pada Gambar

Nilai 18 pada citra hasil konvolusi diperoleh dengan perhitungan berikut :

Gx= (3)(-1) +(2)(-2) + (3)(-1) +(2)(1) +(6)(2)+ (7)(1) = 11

Gy= (3)(1) + (4)(2) +(2)(1) + (3)(-1) + (5)(-2) + (7)(-1) = -7

M= Gx  Gy  11+7 = 18

Dengan demikian, nilai 1 diubah menjadi nilai 18 pada citra keluaran. Dalam
konvolusi terdapat dua kemungkinan yang jika ditemukan, diselesaikan dengan cara
berikut, yaitu

a. . Untuk hasil konvolusi menghasilkan nilai negatif, maka nilai tersebut

dijadikan 0.

b. Jika hasil konvolusi menghasilkan nilai piksel lebih besar daripada nilai
keabuan maksimum, maka nilai tersebut dijadikan nilai keabuan
maksimum.
Contoh deteksi tepi menggunakan MATLAB

Asli Sobel

Prewitt Roberts

LoG Canny
b. Deteksi Titik
Penggunaan marking untuk melakukan deteksi titik, misalkan penggunaan
masking laplace sebagai berikut

Suatu titik dideteksi pada lokasi dimana mark terpusat apabila:

| R |≥ T
dimana, T adalah threshold non-negatif, R adalah jumlah perkalian koefisien
dengan tingkat keabuan yang ada pada daerah yang sesuai dengan mark.
Gambar berikut merupakan cintoh deteksi titik.

c. Deteksi Garis
Proses deteksi garis dilakukan melalui beberapa sisi, seperti horisontal,
vertikal, dan sudut (+/-)450

Mask horizontal akan menghasilkan respon yang maksimal apabila suatu

garis berada pada baris tengah mask dengan latar belakang konstan. Hal ini juga
similah untuk mask yang lainnya. Arah yang diinginkan dari setiap mask dibobotkan
dengan suatu koefisien yang lebih besar (yaitu 2) daripada kemungkinan arah yang
lainnya. Tahap melakukan deteksi garis adalah sebagai berikut: 1. Kalikan setiap
 masking ke citra 2. Misalakan R1, R2, R3, R4 masing-masing menyatakan response
terhadap masking horizontal, +450 vertical, dan −450 . 3. Jika pada suatu titik di citra
berlaku | Ri |>| Rj | untuk semua j 6= i, maka titik tersebut dikatakan lebih cenderung
berhubungan dengan suatu garis pada arah mask i.
Sebagai alternatif, jika kita akan mendeteksi semua garis pada suatu citra
yang sesuai dengan arah mask yang diberikan dengan menjalankan mask tersebut ke
keseluruhan citra dan threshold hasil sesuai dengan nilai absolut tertentu. Titik-titik
yang tersisa memiliki respon yang terkuat, yaitu, untuk garis-garis pada pixel tebal,
berhubungan dekat dengan arah yang didefinisikan oleh mask.

d. Thresholding

Thresholding merupakan salah satu metode segmentasi citra yang memisahkan

antara objek dengan background dalam suatu citra berdasarkan pada perbedaan
tingkat kecerahannya atau gelap terang nya. Region citra yang cenderung gelap akan
dibuat semakin gelap (hitam sempurna dengan nilai intensitas sebesar 0), sedangkan
region citra yang cenderung terang akan dibuat semakin terang (putih sempurna
dengan nilai intensitas sebesar 1). Oleh karena itu, keluaran dari proses segmentasi
dengan metode thresholding adalah berupa citra biner dengan nilai intensitas piksel
sebesar 0 atau 1.

Setelah citra sudah tersegmentasi atau sudah berhasil dipisahkan objeknya dengan
background, maka citra biner yang diperoleh dapat dijadikan sebagai masking utuk
melakukan proses cropping sehingga diperoleh tampilan citra asli tanpa background
atau dengan background yang dapat diubah-ubah.

Metode thresholding ini juga dapat disebut metode ambang batas, yang artinya
dilakukan pemetaan pixel sesuai dengan ambang batas agar mendapatkan nilai pixel
yang dikehendaki. Rumusnya sebagai berikut :
 Keterangan:
f0(x,y) : adalah citra hasil threshold
T : Nilai Pemetaan Pixel

Dimisalkan T1 =50,T2=100 T3=150, maka dapat dipetakan seluruh nilia yang berada
daro 0-50 akan diganti dengan nilai 50, yang berada antar 50 sampai 100 diganti
dengan nilai 100, yang berada antara 100 sampai 150 diganti dengan nilai 150, begitu
seterusnya sesuai dengan pemetaan yang dibuat, dan pembentukan peta harus sesuai
dengan kebutuhan, contoh operasi ambang batas tunggal.

operasi ambang batas tunggal adalah yaitu batas pembagian hanya satu,
berarti nilai pixel dikelompkan menjadi dua kelompok seperti ditunjukan pada rumus
berikut:

Piksel-piksel yang nilainya intensitasnya dibawah 128 diubah menjadi

hitam(nilai intensitas 0), sedangkan piksel-piksel yang nilai intensitanya diatas 128
diubah menjadi warna putih( nilai intensitas = 255)
 BAB 3
PENUTUP

3.1 Kesimpulan

1. Segmentasi citra adalah sebuah proses mempartisi citra menjadi region-regon

yang lebih kecil sesuai yang dibutuhkan agar lebih mudah dalam
menganalisisnya.

2. Segmentasi citra Diskontinyu membagi citra berdasarkan perubahan nilai

intensitas.Contoh metodenya adalah deteksi tepi, titik, dan garis.

3. Deteksi tepi merupakan deteksi tepian gambar yeng memiliki perbedaan

intensitas yang tinggi.

4. Segmentasi citra similaritas membagi citra sesuai kriteria yang diinginkan,

yang termasuk metode ini adalah thresholding,

5. Deteksi thresholding merupakan deteksi yang memisahkan antara objek

dengan background dalam suatu citra berdasarkan pada perbedaan tingkat
kecerahannya atau gelap terang nya.