Torkis Nasution
Program Studi Teknik Informatika, STMIK-AMIK Riau
torkisnasution@stmik-amik-riau.ac.id
torkisnasution.com
Abstrak Abstract
Dalam proses analisis citra digital, In the process of digital image analysis,
segmentasi merupakan salah satu proses yang segmentation is one of the important processes.
penting. Segmentasi digunakan untuk membagi Segmentation is used to split the image into
citra ke dalam beberapa bagian atau region several parts or homogeneous regions based on
yang homogen berdasarkan kriteria kemiripan its similarity (region based segmentation). One
tertentu (region based segmentation). Salah satu of the methods used to perform segmentation
metode yang dapat digunakan untuk melakukan based area (region based) is the clustering. In
segmentasi berbasis area (region based) adalah this research, the clustering methods applied is
clustering. Dalam penelitian ini metoda edge detection uses Sobel Method. Sobel method
clustering yang digunakan adalah deteksi tepi detects pixels from an image using sobel Matrix.
menggunakan metoda sobel. Metoda sobel, Matrix operation will result in a digital image of
mendeteksi piksel dari sebuah gambar dengan an object that is already segmented. In testing
menggunakan matrik sobel. Operasi matrik ini process, an application will be built with
akan menghasilkan objek dalam citra digital Microsoft Visual Basic. The first step in object
yang sudah tersegmentasi.Pada proses segmentation of digital image is choosing color,
pengujian akan dibuat aplikasi dengan bahasa then converting the image into binary, binary
pemrograman Microsoft Visual Basic. Langkah image will be filtered with low pass filter
pertama dalam segmentasi objek pada ctra method, and next the image will be edge-
digital adalah meneteapkan citra warna, detected by using Sobel method, objects that
kemudian mengkonversi ke dalam citra biner, have been produced was already identified
citra biner akan di filter dengan metoda low through the edges of an object, and then
pass filter, selanjutnya citra akan di di deteksi sharpening of the boundaries to define the result
tepi menggunakan metoda Sobel, objek yang di of the object segmentation.
hasilkan sudah teridentifikasi melalui batas-
batas tepi objek. Selanjutnya penajaman atas Keywords : edge detection, sobel, binary
batas tersebut untuk menetapkan objek hasil image, gray scale
segmentasi
1. Pendahuluan
Kata Kunci : deteksi tepi, sobel, citra biner,
gray scale Penggunaan citra digital sudah mulai
menggeser penggunaan citra analog. Banyak
16 Jurnal Sains dan Teknologi Informasi, Vol. 1, No. 2, Desember 2012
orang sudah mulai menyimpan gmabar-gambar Citra digital merupakan citra yang berbentuk
ke dalam bentuk digital. Hal ini disebabkan array dua dimensi yang terdiri dari blok-blok
karena citra digital dapat disimpan dalam jangka kecil yang disebut piksel. Piksel merupakan
waktu yang lama, tidak mudah rusak dan dapat elemen penyusun warna terkecil yang menyusun
diperbanyak dengan mudah sesuai dengan suatu citra. Citra dibentuk dari kota-kotak
keinginan, cukup dengan meng-copy. Selain itu persegi yang teratur sehingga jarak horizontal
citra digital dapat dilihat dahulu sebelum di dan vertikal antara piksel adalah sama pada
cetak dan dapat diubah, hal ini tidak dapat seluruh bagian citra. Setiap piksel diwakili oleh
dilakukan pada citra analog. bilangan bulat (integer) untuk menunjukkan
Cukup banyak metoda dan algoritma yang lokasinya dalam bidang citra. Sebuah bilangan
tersedia untuk mengolah citra digital, antara lain bulat juga digunakan untuk menunjukkan cahaya
thresholding, shapebased, region growing, dan atau keadaan terang atau gelap piksel tersebut.
clustring masing-masing metoda memiliki
kelebihan dan kelemahan tergantung pada Kolom -----------
karakteristik dari citra yang akan di segmentasi.
Satu diantara tujuan utama pengolah citra digital
adalah untuk segmentasi objek, karena dengan
segementasi objek, pengolahan atau
pemanipulasian dapat dilakukan lebih mudah
dan lebih cepat. Segemntasi Objek adalah
pemisahan objek yang satu dengan objek yang
lain dalam suatu gambar. Secara umum, proses
segmentasi dikenal sebagai full segmentation dan
partial segmentation. Full segmentation adalah Gambar 1. Deskripsi piksel
pemisahan suatu object secara individu dari
background dan diberi ID (label) pada tiap-tiap di representasikan ke dalam matrik berukuran
segmen. Partial segmentation adalah pemisahan n x m menjadi :
sejumlah data dari background dimana data yang
disimpan adalah data yang dipisahkan saja untuk
mempercepat proses. Mengenal objek secara i (1,1) i(1, 2) i (1, M )
otomatis dapat menggunakan deteksi tepi, dalam i (2,1) i (2,2) i (2, M )
penelitian menggunakan metoda sobel. i
Keunggulan metoda ini, adalah kemampuannya
dalam mempertajam tepi dari masing-masing i ( N ,1) i ( N ,2) i ( N , M )
objek, dengan demikian akan diperoleh hasil yang
jelas.
Citra yang di segmentasi dengan metoda sobel Untuk menunjukkan lokasi piksel,
adalah citra biner, hal ini akan lebih memperoleh koordinat (x,y) berfungsi untuk menunjukkan
hasil yang optimal. Untuk pengujian akan posisi sudut kiri atas pada citra, indeks x
dilakukan pada objek yang mudah di kenali, yaitu bergerak ke kanan dan indeks y bergerak ke
benda-benda kubus, balok, bola dengan format bawah. Koordinat (x-1,y-1) diguanakn untuk
yang berdiri sendiri, tidak ada overload masing- menunjukkan posisi kanan bawah dalam citra
masing objek. berukuran m x n piksel. Untuk menunjukkan
tingkat pencahayaan suatu piksel, digunakan
bilangan bulat yang besarnya 8 bit (1 byte) untuk
2. Citra Digital setiap piksel, dengan lebar selang antara 0 – 255,
di mana 0 untuk warna hitam, 255 untuk warna
putih dan tingkat keabuan ditandai dengan nilai 0
Torkis Nasution
17
Segmentasi Citra Digital Berbasis Clustering Menggunakan Deteksi Tepi Sobel
-255. Berdasarkan sifat dari nilai Dan kekurangannya adalah tidak dapat
terkuantisasinya, citra digital dapat menampilkan citra secara realistis
diklasifikasikan sebagai berikut :
1. Citra binar, yaitu citra digital yang tiap 2.2. Citra Biner
pikselnya hanya memiliki dua kemungkinan Citra Biner adalah citra yang hanya
nilai, yaitu 0 dan 1. mempunyai dua nilai derajat keabuan : hitam dan
2. Citra crayscale, yaitu citra yang setiap piksel putih. Citra biner banyak digunakan pada citra
merupakan sampel tunggal, yaitu informasi logo instansi (yang hanya memiliki warna hitam
intensitas. Citra jenis ini terbentuk hanya dari dan putih), citra kode batang (bar code), citra
warna abu-abu pada tingkatan yang berbeda- hasil pemindaian (scanner). Tujuan penggunaan
beda, mulai dari warna hitam pada tingkat citra biner untuk keperluan pattern recoginition
intensitas terendah hingga warna putih pada yang sederhana, pengenalan angka, pengenalan
tingkat intensitas tertinggi. Citra ini disebut huruf, pengenalan objek. Untuk memperoleh hasil
juga citra hitam putih atau citra yang optimal di sarankan untuk mengubah citra
monokromatik. gray scale menjadi citra biner, bukan dari citra
3. Citra warna, adalah citra digital yang setiap warna menjadi citra biner. Hal ini di dasarkan
pikselnya mengandung informasi warna.. pada proses penetapan derajat keabuan yang
informasi warna ini biasanya dibentuk dari mengambil nilai tengah. Untuk citra dengan
paling sedikit 3 sampel (saluran warna). derajat keabuan 256, maka nilai tengah nya
Saluran warna yang umum dipakai dalam adalah 128 sehingga untuk mengubah menjadi
komputer adalah Red-Green-Blue (RGB), citra biner dapat di tuliskan :
tetapi dalam konteks lain sering juga Jika x < 128 maka x = 0, jika x>=128 maka x =
digunakan warna lain seperti Cyan-Magenta- 255. Hasil dari konversi, pada citra biner akan
Yellow-Black memiliki karakteristik sebagai berikut :
1. Citra biner hanya mempunyai dua nilai
2.1. Jenis Citra Digital derajat keabuan, yaitu hitam dan putih.
Jenis citra digital dapat dibedakan menjadi 2. Pixel-pixel objek bernilai 1 dan pixel-pixel
dua tipe yaitu : latar belakang bernilai 0.
a. Tipe raster, merupakan suatu struktur dat 3. Pada waktu menampilkan gambar, 0 adalah
yang berbentuk dalam persegi-persegi kecil putih dan 1 adalah hitam.
(piksel), yang memiliki warna tersendiri. 4. Jadi pada citra biner, latar belakang berwarna
Raster dapat disimpan dalam suatu tipe data putih, sedangkan objek berwarna hitam.
dengan berbagai macam format (PSD, JPG,
GIF, TIF, BMP). Kelebihan dari tipe raster
adalah dapat menampilkan suatu citra secara
lebih realitstis yang membutuhkan variasi
warna yang kompleks. Dan kekurangannya
adalah apabila ukurannya diperbesar maka
ketajamannya akan hilang dan akan terlihat
balok-balok piksel
b. Tipe vector, adalah citra yang mengandung
vektor atau titik-titik yang telah disusun dan
terhubung untuk membneutk suatu objek.
(a) Citra digital
Kelebihannya adalah dapat dibentuk secara
matematis, sehingga dapat diperbesar atau
diperkecil tanpa mengurangi kualitas citra.
18 Jurnal Sains dan Teknologi Informasi, Vol. 1, No. 2, Desember 2012
dengan 0. Citra Biner umumnya dikodekan dimanipulasi dalam komputer diturunkan dari
dengan metode Run-length encoding (RLE), teknologi televisi, yang pertama kali
yaitu panjang run, dimulai panjang run 1. mengaplikasikannya untuk tampilan grafis
Contoh : Misalkan citra binernya adalah sebagai komputer. Jika dilihat dengan kaca pembesar,
berikut : tampilan monitor komputer akan terdiri dari
sejumlah triplet titik warna merah (RED), hijau
1110001100011110110111 (GREEN) dan biru (BLUE). Tergantung pada
0000111111111111101111 pabrik monitornyauntuk menentukan apak titik
1110000000000000111111 tersebut merupakan titik bulat atau kotak kecil,
tetapi akan selaluterdiri dari 3 triplet red, green
Hasil pengkodean adalah : dan blue.
Citra dalam komputer tidak lebih dari
3, 3, 2, 3, 4, 1, 2, 1, 3 sekumpulan sejumlah triplet dimana setiap triplet
0, 4, 13, 1, 4 terdiri atas variasi tingkat keterangan (brightness)
3, 13, 6 dari elemen red, green dan blue. Representasinya
dalam citra, triplet akan terdiri dari 3 angka yang
2.3. Citra Gray Scale mengatur intensitas dari Red (R), Green (G) dan
Blue (Blue) dari suatu triplet. Setiap triplet akan
Dalam komputasi, suatu citra digital merepresentasikan 1 pixel (picture element).
grayscale atau greyscale adalah suatu citra Suatu triplet dengan nilai 67, 228 dan 180
dimana nilai dari setiap pixel merupakan sample berarti akan mengeset nilai R ke nilai 67, G ke
tunggal. Citra yang ditampilkan dari citra jenis nilai 228 dan B k nilai 180. Angka-angka RGB
ini terdiri atas warna abu-abu, bervariasi pada ini yang seringkali disebut dengan color values.
warna hitam pada bagian yang intensitas Pada format .bmp citra setiap pixel pada citra
terlemah dan warna putih pada intensitas terkuat. direpresentasikan dengan dengan 24 bit, 8 bit
Citra grayscale berbeda dengan citra ”hitam- untuk R, 8 bit untuk G dan 8 bit untuk B, dengan
putih”, dimana pada konteks komputer, citra pengaturan seperti pada gambar 1.
hitam putih hanya terdiri atas 2 warna saja yaitu
”hitam” dan ”putih” saja. Pada citra grayscale .
warna bervariasi antara hitam dan putih, tetapi
variasi warna diantaranya sangat banyak. Citra
grayscale seringkali merupakan perhitungan dari
Gambar 3. Gambar true color
intensitas cahaya pada setiap pixel pada
spektrum elektromagnetik single band.
Citra grayscale disimpan dalam format 8 bit 4. Segmentasi Citra Digital
untuk setiap sample pixel, yang memungkinkan
sebanyak 256 intensitas. Format ini sangat Proses awal yang dilakukan dalam
membantu dalam pemrograman karena menganalisis objek di dalam citra biner adalah
manupulasi bit yang tidak terlalu banyak. Pada segmentasi objek. Proses segmentasi bertujuan
aplikasi lain seperti pada aplikasi medical mengelom-pokkan pixel-pixel objek menjadi
imaging dan remote sensing biasa juga wilayah (region) yang merepresentasikan objek.
digunakan format 10,12 maupun 16 bit. Pendekatan yang digunakan, adalah segmentasi
berdasarkan batas wilayah (tepi dari objek).
3. Citra Warna Pixel-pixel tepi ditelusuri sehingga rangkaian
pixel yang menjadi batas (boundary) antara objek
Suatu citra biasanya mengacu ke citra RGB. dengan latar belakang dapat diketahui secara
Sebenarnya bagaimana citra disimpan dan keseluruhan, dengan cara kerja :
20 Jurnal Sains dan Teknologi Informasi, Vol. 1, No. 2, Desember 2012
6. Pengujian
6.1. Konversi Citra Bitmap ke Gray Scale
Proses konversi citra Bitmap ke dalam
grayscale akan menggunakan citra warna dapat Gambar 6. Desain tampilan konversi dari citra
diubah menjadi citra keabuan dengan cara warna ke citra grayscale
menghitung rata-rata setiap elemen warna, yaitu
Red, Green, dan Blue. Secara matematis, 3. Klik Command1, isikan program berikut:
perhitungan untuk konversi citra warna menjadi
citra keabuan dapat dirumuskan sebagai berikut: Private Sub Command1_Click()
For i = 1 To Picture1.Width Step 15
For j = 1 To Picture1.Height Step 15
Warna = Picture1.Point(i, j)
r = Warna And RGB(255, 0, 0)
= Derajat keabuan o di titik (x,y)
g = Int((Warna And RGB(0, 255, 0)) /
= Nilai komponen warna merah pada 256)
derajat keabuan i di titik (x,y) b = Int(Int((Warna And RGB(0, 0,
= Nilai komponen warna hijau pada 255)) / 256) / 256)
derajat keabuan i di titik (x,y) x = (r + g + b) / 3
Picture2.PSet (i, j), RGB(x, x, x)
= Nilai komponen warna biru pada
Next j
derajat keabuan i di titik (x,y)
Next i
End Sub
Berikut implementasi pengubahan citra warna ke
citra gray scale.
4. Pada Command2, isikanlah program berikut
:
1. Buat form baru dengan ketentuan sebagai
Private Sub Command2_Click()
berikut :
End
Objek Property Nilai
End Sub
Form Name CitraBiner
Caption Konversi Ke
Citra Biner 5. Pada Picture2, event MouseDown, ketik
Picture1 Picture Nama file source code berikut :
Appereance gambar
Flat
Torkis Nasution
23
Segmentasi Citra Digital Berbasis Clustering Menggunakan Deteksi Tepi Sobel
Private Sub Picture2_MouseDown(Button Jika x<128 maka x=0, jika tidak maka x=255
As Integer, Shift As Integer, X As Single, Y
As Single) Untuk membuat program Konversi ke citra biner,
Dim Psn As Byte langkahnya adalah sebagai berikut :
w = Picture1.Point(X, Y) 1. Buat form baru dengan ketentuan sebagai
r = w And RGB(255, 0, 0) berikut :
g = Int((w And RGB(0, 255, 0)) / 256)
b = Int(Int((w And RGB(0, 0, 255)) / 256) / Objek Property Nilai
256) Form Name CitraBiner
txtr = r Caption Konversi Ke
txtg = g Citra Biner
txtb = b Picture1 Picture Nama file
Psn = MsgBox("Warna Merah adalah " & Appereance gambar
Flat
txtr & vbCrLf & "Warna Kuning adalah "
Picture2 Appereance Flat
& txtg & vbCrLf & "Warna Biru adalah "
Command1 Caption Konversi Ke
& txtb, vbInformation + vbOKOnly,
Citra Biner
"Hasil") Command2 Caption Selesai
End Sub
2. Setelah dilakukan penyesuaian terlihat
6. Jalankanlah program diatas sehingga terlihat seperti berikut :
hasil sebagai berikut :
4. Pada general, ketik source code berikut : 'Proses filter prewitt dengan konvulasi
Dim h1(3, 3), h2(3, 3) As Single
For i = 1 To n1
5. Klik Command1, isikan program berikut: For j = 1 To n2
z1 = 0
Private Sub Command1_Click() z2 = 0
Dim i As Integer, j As Integer For u1 = -1 To 1
Dim X As Double, r As Double, g As For u2 = -1 To 1
Double, b As Double z1 = z1 + h1(u1 + 2, u2 + 2) *
For i = 1 To Picture1.Width Step 15 X(i + u1, j + u2)
For j = 1 To Picture1.Height Step 15 z2 = z2 + h2(u1 + 2, u2 + 2) *
Warna = Picture1.Point(i, j) X(i + u1, j + u2)
r = Warna And RGB(255, 0, 0) Next u2
g = Int((Warna And RGB(0, 255, 0)) / Next u1
256) z = Int(Abs(z1 + z2))
b = Int(Int((Warna And RGB(0, 0, If z > 255 Then z = 255
255)) / 256) / 256) Picture3.PSet ((i - 1) * 15 + 1, (j - 1) *
X = (r + g + b) / 3 15 + 1), RGB(z, z, z)
If X < 128 Then X = 0 Else X = 255 Next j
Picture2.PSet (i, j), RGB(X, X, X) Next i
Next j End Sub
26 Jurnal Sains dan Teknologi Informasi, Vol. 1, No. 2, Desember 2012
7. Kesimpulan
Referensi
Setelah dilakukan pengujian program dalam
[1] Wan-Ting Lin, Chuen-Hong Lin, Tsung-Ho Wu,
bentuk training atas data, maka dapat di tarik Yung-Kuan Chan, Image Segmentation Using
kesimpulan sebagai berikut : the K-means Algorithm for Texture Features,
1. Sumber citra digital akan mempengaruhi World Academy of Science, Engineering and
Technology, Volume 41, 2010, pp 612-615
hasil pada deteksi sobel, citra digital harus [2] Pushpa. R. Suri, Mahak, Image Segmentation
bersumber dari citra biner. With Modfied K-Means Clustering Method,
International Journal of Recent Technology and
2. Penelitian ini masih dapat di kembangkan Enineering, ISSN 2277-3878, Volumen-1, Issue-
kedalam penerapan K-Mean sebagai 2, June 2012
algoritma segmentasi citra digital. [3] Albar, Ismail, Fibriyanti, Identifikasi dengan
Menggunakan Algoritma K-Means pada Plat
3. Kerumitan objek yang di segmentasi sangat Kenderaan, Poli Rekayasa ISSN: 1858-3709,
menentukan terhadap hasil akhir yang Volume 6, Nomor 1, Oktober 2010
diperoleh, semakin sederhana objek tersebut [4] Identifikasi dengan Menggunakan Algoritma K-
Means pada Plat Kenderaan
maka akan semakin mudah untuk dikenali, [5] Yiu-Ming Cheung, k-Means: A new
dan objek yang rumit akan semakin susah di generalized k-means clustering algorithm,
kenali. Pattern Recognation Letters, Elsevier, 2003