SEGMENTASI CITRA

Dwi Harini Sulistyawati

Pengertian
 Segmentasi citra merupakan proses untuk mendapatkan
objek-objek yang terkandung di dalam citra atau
membagi citra ke dalam beberapa daerah dengan setiap
objek atau daerah memiliki kemiripan atribut.
 Pada citra yang mengandung hanya satu objek, objek
dibedakan dari latarbelakangnya.
 Aplikasi segmentasi pada citra
Objek Citra Kegunaan Acuan yang
Segmentasi Digunakan
Mobil Mobil, jalan, dan Pelacakan mobil Gerakan dan
latarbelakang warna
Struktur Foto satelit Pengklasifikasian Tekstur dan
permukaan bumi area warna

Wajah orang Kerumunan Pengenalan wajah Warna,

orang di pasar bentuk, dan
tekstur
Apel Kumpulan apel Pemilahan buah Bentuk,
pada ban apel berdasarkan warna, ukuran
berjalan ukuran
Fungsi Segmentasi
 Segmentasi dilakukan sebagai langkah awal
untuk melaksanakan klasifikasi objek.
 Setelah segmentasi citra dilakukan, fitur yang
terdapat pada objek diambil.
 Selanjutnya dapat digunakan dalam tahap
klasifikasi.
 Citra masukan

Segmentasi
Citra

Objek daun
Ekstraksi
Fitur

Fitur-fitur
pada daun
Pengklasifikasi

Jenis tanaman
Segmentasi Citra
Teknik segmentasi citra didasarkan pada dua
properti dasar nilai aras keabuan (grayscale):
1. Ketidaksinambungan, pemisahan citra
didasarkan pada perubahan mendadak pada
aras keabuan. Contoh yang menggunakan
pendekatan seperti itu adalah detektor garis
dan detektor tepi pada citra.
2. Kesamaan antarpiksel.
Segmentasi Citra
1. Ketidaksinambungan
 Deteksi garis
 Deteksi tepi
2. Kesamaan antarpiksel (Acharya dan Ray, 2005).
 peng-ambangan berdasarkan histogram;
 pertumbuhan area;
 pemisahan dan penggabungan area;
 pengelompokan atau pengklasifikasian;
 pendekatan teori graf;
 pendekatan yang dipandu pengetahuan atau berbasis
aturan.
Deteksi Tepi ( Edge Detection)
 Deteksi tepi berfungsi untuk memperoleh tepi
objek.
 Deteksi tepi memanfaatkan perubahan nilai
intensitas yang drastis pada batas dua area.
 Tepi-tepi ini akan menandai bagian detail citra.
 Tepi-tepi pada gambar tersebut terletak pada
titik-titik yang memiliki perbedaan tinggi.
 Dengan perbedaan tinggi tersebut tercipta suatu
pola atau guratan yang membentuk suatu objek
Metode Deteksi Tepi
1. Metode Roberts
2. Metode Prewitt
3. Metode Sobel
4. Metode Frei-Chen
Metode Roberts
 Pertama kali dipublikasikan pada tahun 1965
 Terdiri atas dua filter berukuran 2x2.
 Ukuran filter yang kecil membuat komputasi
sangat cepat.
 Namun, kelebihan ini sekaligus menimbulkan
kelemahan, yakni sangat terpengaruh oleh
derau.
 Selain itu, metode Roberts memberikan
tanggapan yang lemah terhadap tepi, kecuali
kalau tepi sangat tajam
 Metode Roberts

𝒓 𝒚, 𝒙 = 𝒛𝟏 − 𝒛𝟒 𝟐 + 𝒛𝟑 − 𝒛𝟐 𝟐

z1 = f(y, x), z2 = f(y, x+1), z3 = f(y+1, x), dan z4 = f(y+1, x+1).

Source Code Metode Roberts
% Pemerolehan tepi objek pada citra F melalui metode Roberts
% Hasil: citra G
clear all
F = rgb2gray(imread('badut.jpg'));
[m, n] = size(F);

F=double(F);
for y=1 : m-1
for x=1 : n-1

G(y, x) = sqrt((F(y,x)-F(y+1,x+1))^2 + ...

(F(y+1,x)-F(y,x+1))^2) ;
end
end

G = uint8(G);
imshow(G)
Hasil Deteksi Tepi Metode Roberts

Input

Output
Metode Prewitt

 Operator Prewitt dikemukakan oleh Prewitt

pada tahun 1966.
 Untuk mempercepat komputasi, bagian yang
bernilai nol tidak perlu diproses. Oleh karena
itu, perhitungan dengan operator Prewitt ditulis
menjadi:
Metode Prewitt

𝒓 𝒚, 𝒙 = sqrt((f(y-1,x-1)+f(y,x-1)+f(y+1,x-1) -
f(y-1,x+1)-f(y,x+1)-f(y+1,x+1))^2 +
(f(y+1,x-1)+ f(y+1,x) + f(y+1,x+1) -
f(y-1,x-1) - f(y-1,x) - f(y-1,x+1))^2))
Source Code Metode Prewitt
clear all
F = rgb2gray(imread('badut.jpg'));

[m, n] = size(F);

F=double(F);
G=zeros(m,n);
for y=2 : m-1
for x=2 : n-1
G(y, x) = sqrt((F(y-1,x-1) + F(y,x-1) + F(y+1,x-1) - ...
F(y,x) - F(y,x+1) - F(y+1,x+1))^2 + ...
(F(y+1,x-1)+ F(y+1,x) + F(y+1,x+1) - ...
F(y-1,x-1) - F(y-1,x) - F(y-1,x+1))^2) ;
end
end

G = uint8(G);
imshow(G)
Hasil Deteksi Tepi Metode Prewitt

Input

Output
Metode Sobel

 Operator Sobel lebih sensitif terhadap tepi

diagonal daripada tepi vertikal dan horizontal
Hal ini berbeda dengan operator Prewitt, yang
lebih sensitif terhadap tepi vertikal dan
horizontal (Crane, 1997).
Metode Sobel

G(y, x) = sqrt(...
(F(y-1,x+1)+2*F(y,x+1)+F(y+1,x+1) - ...
F(y-1,x-1)-F(y,x-1)-F(y+1,x-1))^2 + ...
(F(y-1,x-1)+2*F(y-1,x)+F(y-1,x+1) - ...
F(y+1,x-1)-2*F(y+1,x)-F(y+1,x+1))^2) ;
Source Code Metode Sobel
clear all
F = rgb2gray(imread('badut.jpg'));

[m, n] = size(F);

F=double(F);
G=zeros(m,n);
for y=2 : m-1
for x=2 : n-1
G(y, x) = sqrt(...
(F(y-1,x+1)+2*F(y,x+1)+F(y+1,x+1) - ...
F(y-1,x-1)-F(y,x-1)-F(y+1,x-1))^2 + ...
(F(y-1,x-1)+2*F(y-1,x)+F(y-1,x+1) - ...
F(y+1,x-1)-2*F(y+1,x)-F(y+1,x+1))^2) ;
end
end

G = uint8(G);
imshow(G)
Hasil Deteksi Tepi Metode Sobel

Input

Output
Metode Frei-Chen

 Operator Frei-Chen (kadang disebut

operator isotropik).
 Operator ini mirip dengan operator Sobel,
dengan setiap angka 2 diganti menjadi 2.
Metode Frei-Chen

G(y, x) = sqrt(...
(F(y-1,x+1)+akar2*F(y,x+1)+F(y+1,x+1) - ...
F(y-1,x-1)-F(y,x-1)-F(y+1,x-1))^2 + ...
(F(y-1,x-1)+akar2*F(y-1,x)+F(y-1,x+1) - ...
F(y+1,x-1)-akar2*F(y+1,x)-F(y+1,x+1))^2) ;
Source Code Metode Frei-Chen
clear all
F = rgb2gray(imread('badut.jpg'));

[m, n] = size(F);

akar2 = sqrt(2);
F=double(F);
G=zeros(m,n);
for y=2 : m-1
for x=2 : n-1
G(y, x) = sqrt(...
(F(y-1,x+1)+akar2*F(y,x+1)+F(y+1,x+1) - ...
F(y-1,x-1)-F(y,x-1)-F(y+1,x-1))^2 + ...
(F(y-1,x-1)+akar2*F(y-1,x)+F(y-1,x+1) - ...
F(y+1,x-1)-akar2*F(y+1,x)-F(y+1,x+1))^2) ;
end
end

G = uint8(G);
imshow(G)
Hasil Deteksi Tepi Metode Frei-Chen

Input

Output