Morphology
COMPUTER VISION – TK44019
PENDAHULUAN
• Merupakan teknik pengolahan citra berdasarkan
bentuk segmen citra.
• Tujuan: memperbaiki hasil segmentasi.
• Umumnya digunakan pada citra biner.
OPERASI MORFOLOGI
• Secara umum, pemrosesan citra secara morfologi
dilakukan dengan cara mem-passing sebuah
structuring element terhadap sebuah citra dengan
cara yang hamper sama dengan konvolusi.
• Structuring element dapat diibaratkan dengan mask
pada pemrosesan citra biasa (bukan secara
morfologi).
STRUCTURING ELEMENT
• Structuring element dapat berukuran sembarang.
• Structuring element juga memiliki titik poros (disebut
juga dengan titik origin / titik asal / titik acuan).
• Contoh structuring element dengan titik poros di (0,0).
BEBERAPA OPERASI MORPHOLOGY
• Dilasi
• Erosi
• Opening (Pembukaan)
• Closing (Penutupan)
I
M
P
L
E
M
E
N
T
A
S
I
DILASI D( A, S ) = A Å S
• Dilasi merupakan proses penggabungan titik-titik
latar (0) menjadi bagian dari objek (1), berdasarkan
structuring element S yang digunakan.
• Cara dilasi adalah:
Untuk setiap titik pada A, lakukan hal berikut:
- Letakkan titik poros S pada titik A tersebut.
- Beri angka 1 untuk semua titik (x,y) yang terkena /
tertimpa oleh struktur S pada posisi tersebut.
D
I
L
A
S
I
Structuring Element
DILASI Input
Original
Dilation
Output
Process
Original
Erosi
Output
Process
Rika Onasie
535160059
1
UNSTAINED STAINED
2
TUJUAN
UNSTAINED STAINED
3
BATASAN RANCANGAN
Deteksi Sel Darah Menggunakan kamera
Putih tanpa Perbesaran lensa 1000 kali
Pewarnaan
Posisi sama
CITRA UJI Perbesaran sama CITRA VERIFIKASI
1944 piksel
1944 piksel
2592 piksel .JPEG 2592 piksel
4
Start
T Input Citra
A
Mikrospik Sel
Darah tanpa
Pewarnaan
H
Pre-Processing
Smoothing
A HSV Gaussian
Filter
Sharpening
P
A
Thresholding Grayscaling
N Citra
Biner Sel Opening 1
Darah
5
C Start
O Input Citra
Mikrospik Sel
Darah tanpa
N Pewarnaan
Pre-Processing
T HSV
Smoothing
Median Sharpening Grayscaling
.
Filtering
Citra
Seed Region Penentuan Koordinat
Biner Sel
Growing Nilai (X,Y)
Darah
Segmentation Threshold Seed
Merah
1
6
1
C Citra Citra
Tanpa Sel Dugaan
O
Pengurangan Dilasi
Darah Sel Darah
Merah Putih
N Hitung Nilai
Ciri Ya Iterasi Setiap Area Tidak
Citra Hasil
Deteksi Sel
Berdasarkan (Area != 0)
T
Darah Putih
Luas Area
Ya
Tandai Posisi
Area pada Citra
Masukan
(Rectangle Box)
7
SMOOTHING
54
43 43
65 65
101 12 1
123 123
58 3
123 123
65 65
54
Original Median Filter
ASCENDING
1 43
2 54
3 58
43 65
54 65 101
65 123 123
54 43 65 54
101 43 65 101
54 43 65 101
Original
2 1 123 258 1 123 258 54 65 58
54 43 65 101 54 43 65 101
3 123 65 354 123 65 354 65 58 54
2 1 123 58 2 54 65 58
96 76 23 96
49 76 23 9649 76 23 49
3 123 65 54 3 54
= tepi citra
96 76 23 49 96 76 23 49
8
SHARPENING
9
𝑟+𝑔+𝑏
GRAYSCALING 𝑠=
3
10
Original 45 32 12 86
Output
45
1 32
1 12
1 86
0 72 21 202 32
72
0 21
1 202
0 32
1 95 101 73 54
95
0 101
0 73
0 54
0 24 54 153 32
86
12
452 ≤ 50
24
1 54
0 153
0 2
1
FALSE
TRUE
1, 𝑓 𝑥, 𝑦 ≤ 𝑇
𝑓 𝑥, 𝑦 = &
0, 𝑒𝑙𝑠𝑒
11
Satu= Connectivity
Seed yang dipilih
wilayah = | pixel – seed | ≤ threshold
Satu= Wilayah
wilayah1 = | pixel
6
7 – 6 –=|Connectivity
≤ 2 | ≤ threshold
seed = Wilayah 2
= TRUE
12
Structuring Element
MORPHOLOGY Input
Original
Dilation
Output
Process
13
MODUL
Utama (Home)
About Help
16
MODUL PROCESS
Process x
Ok
Contoh Aplikasi (2)
Pengenalan Plat Mobil
dengan Bahasa
Mandarin
Kelompok 5 :
Prima Shella (535120084)
Meriana (535120097)
Debora Melinda (535129202)
Mengapa memilih pengenalan plat mobil
berbahasa mandarin?
Karena pada plat mobil china terdapat karakter
mandarin ,huruf latin, dan angka.
Huruf latin
Karakter
mandarin
Angka
Langkah-langkah Pengenalan
Smoothing Gambar
Edge Detection
Binarization
Pengambilan Gambar Plat
Kamera
Mobil Datang Deteksi Radar mengambil
gambar plat mobil
Gambar asli
Gambar setelah
dismoothing
Edge Detection
§ Mendapatkan batas area plat mobil , perubahan
tekstur
§ Menggunakan operasi sobel
Binarization
Proses Threshold
Langkah-langkah:
Caranya :
• Dengan membandingkan karakter yang sudah
disegmentasi dengan karakter awal
Character Thinning Processing
Contoh : P1 = 1
• Hapus P1 jika:
• Banyak nilai 1 di P1-P9 antara 2-6
• P2 *P4*P8 = 0
• P2 *P4*P6 = 0
P1 tidak dihapus jika dalam 3 kondisi ini
Character Recognition
Karakter diextract,
Dilakukan template Karakter
dianalisis kemudian
matching dikenali
dikelompokkan
3. Character Recognition
Feature extraction
Mengekstrak internal
structure characteristics :
• -> Karena beberapa karakter memiliki
kesamaan(cth: B dan 8)
3.2. Character Classifier design
X1 : kode propinsi
1 : Chinese
Characters
2: Latin Letter
3: Numbers and
Letters
3.3 Building Character Model Library
Karakter dideskripsikan dengan rata-rata dan standar deviasi
P : kumpulan sampel
n : kumpulan karakteristik
α(k) : metrik
8%
Berhasil
Tidak
92%