MAKALAH PENGOLAHAN CITRA DIGITAL

“Metode Segmentasi Citra”

Disusun Oleh:
Fadhil Yahya Makarim (3319110012)

PRODI PENDIDIKAN INFORMATIKA

FAKULTAS SAINTEK
UNIVERSITAS IVET SEMARANG
2021
 KATA PENGANTAR

Puji dan syukur saya ucapkan kepada Allah SWT., yang telah memberikan rahmat serta
hidayah-Nya, sehingga saya dapat menyelesaikan makalah ini yang disusun sebagai salah satu
syarat untuk memenuhi tugas Mata Kuliah Pengolahan Citra Digital

Saya mengucapkan terima kasih kepada Ibu Handini A.D.R, M.Kom., selaku dosen Mata
Kuliah Pengolahan Citra Digital yang telah membantu untuk menyelesaikan makalah ini.
Penyusun menyadari dalam penyusunannya, makalah ini masih terdapat banyak kesalahan dan
jauh dari sempurna, untuk itu penyusun mengharapkan kritik dan saran yang membangun guna
sempurnanya makalah ini. Penyusun berharap semoga makalah ini dapat bermanfaat bukan saja
bagi penyusun tetapi juga bagi pembaca

Semarang, 14 Desember 2021

 DAFTAR ISI

KATA PENGANTAR...............................................................................................................................2
DAFTAR ISI..............................................................................................................................................3
BAB I
PENDAHULUAN......................................................................................................................................4
1. Latar Belakang..............................................................................................................................4
2. Rumusan Masalah.........................................................................................................................4
3. Tujuan............................................................................................................................................4
BAB II
PEMBAHASAN.........................................................................................................................................5
A. Segmentasi Citra............................................................................................................................5
B. Metode – Metode Segmentasi Citra..............................................................................................6
BAB III
PENUTUP................................................................................................................................................14
1. Kesimpulan..................................................................................................................................14
2. Saran............................................................................................................................................14
 BAB I

PENDAHULUAN

1. Latar Belakang
Penggunaan citra di dunia modern bukanlah hal yang baru. Saat ini sudah banyak
sekali penggunaan citra untuk membantu kebutuhan manusia. Untuk perkembangan ilmu
pengetahuan, citra juga sudah sangat sering digunakan untuk menyimpan data-data yang
mengandung informasi penting untuk diteliti. Selain untuk menyimpan data, citra itu
sendiri dapat diolah sehingga dapat menghasilkan informasi yang lebih baik dan proses
ini biasa disebut pengolahan citra. Pengolahan citra merupakan proses memperbaiki
kualitas citra agar mudah diinterpretasikan oleh manusia dan komputer.
Segmentasi citra merupakan salah satu proses dari pengolahan citra. Segmentasi citra
adalah langkah mendasar dalam analisis citra. Hal ini dianggap sebagai andalan untuk
teknik interpretasi citra lain seperti analisis isi dan ekstraksi informasi. Tujuan definitif
segmentasi citra adalah untuk mengekstrak dan memisahkan isi gambar menjadi daerah
yang sama berdasarkan beberapa kriteria. Semua piksel dalam wilayah yang sama
memiliki karakteristik dan fitur yang sama dan secara signifikan berbeda dari piksel
lainnya di daerah yang berdekatan (AlAyyoub, et al., 2015) sehingga dengan
menggunakan segmentasi citra dapat mengambil obyek dari sebuah citra yang diinginkan
dengan mengesampingkan komponen yang tidak diperlukan.

2. Rumusan Masalah
a. Bagaimana implementasi segmentasi citra?
b. Metode apa saja dalam segmentasi citra?
3. Tujuan
a. Mengetahui berbagai metode dalam segmentasi citra
b. Memahami cara kerja metode dalam segmentasi citra
c. Mampu mengimplementasikan metode segmentasi citra dalam kehidupan sehari - hari
 BAB II

PEMBAHASAN

A. Segmentasi Citra
Segmentasi citra akan membagi-bagi suatu citra menjadi daerah-daerah atau obyek-
obyek yang dimilikinya. Menurut Castleman (1996) segmentasi citra merupakan suatu
proses memecah suatu citra digital menjadi banyak segmen/bagian daerah yang tidak
saling bertabrakan (nonoverlapping). Dalam konteks citra digital daerah hasil segmentasi
tersebut merupakan kelompok piksel yang bertetangga atau berhubungan.
Segmentasi citra dapat dilakukan melalui beberapa pendekatan, menurut Castleman
(1996) terdapat 3 macam pendekatan, antara lain:
 Pendekatan batas (boundary approach), pendekatan ini dilakukan untuk
mendapatkan batas yang ada antar daerah.
 Pendekatan tepi (edge approach), pendekatan tepi dilakukan untuk
mengidentifikasi piksel tepi dan menghubungkan piksel-piksel tersebut menjadi
suatu batas yang diinginkan
 Pendekatan daerah (region approach), pendekatan daerah bertujuan untuk
membagi citra dalam daerah-daerah sehingga didapatkan suatu daerah sesuai
kriteria yang diinginkan.
Proses segmentasi digunakan dalam berbagai penerapan, meskipun metode yang
digunakan sangat bervariasi, semuanya memiliki tujuan sama: mendapatkan representasi
sederhana yang berguna dari suatu citra. Terdapat berbagai macam metode dalam
melakukan
segmentasi, cukup sulit untuk menentukan metode yang komprehensif, oleh karena itu
pemilihan metode bergantung pada pendekatan yang akan digunakan dan fitur yang ingin
diperoleh dari citra
B. Metode – Metode Segmentasi Citra
1. Metode Thresholding
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.
 Pada hasil ujicoba diatas dapat dilihat bahwa hasil thresholding citra
menggunakan beberapa level yang berbeda. Nilai dari cpu time berbanding lurus
dengan nilai penambahan kelas. Tetapi hal tersebut berbeda dengan nilai hamming
distance yang semakin kecil bila jumlah kelas semakin besar.
2. Metode Active Contour
Metode Active Contour adalah metode segmentasi yang menggunakan model
kurva tertutup yang dapat bergerak melebar ataupun mengecil. Active contour dapat
bergerak melebar ataupun mengecil dengan cara meminimalkan energi citra
menggunakan energi dari luar, serta dipengaruhi oleh ciri-ciri dari citra tersebut
seperti garis atau tepi (edge).

Data sampel yang digunakan pada penelitian ini adalah data citra CT-Scan Paru-
paru berekstensi .dcm sebanyak 15 data. Dicom adalah pencitraan digital dan
komunikasi dalam bidang kedokteran. Pengolahan data pada penelitian ini
menggunakan metode segmentasi active contour. Dari segmentasi yang dilakukan,
diperoleh hasil yaitu area/luas dan perimeter/keliling dari daerah yang dipilih untuk
 disegmentasi. Berikut adalah citra asli, citra memilih bagian yang akan disegmentasi,
citra hasil segmentasi, dan citra biner dari salah satu sampel CT Scan Paru-paru.
Berikut ini adalah hasil yang diperoleh dari proses segmentasi CT scan paru-paru
diatas:
Area = 410.3784
Perimeter = 141.0604
3. Segmentasi Warna berdasarkan komponen Hue
Segmentasi warna merupakan proses segmentasi dengan pendekatan daerah yang
bekerja dengan menganalisis nilai warna dari tiap piksel pada citra dan membagi citra
tersebut sesuai dengan fitur yang diinginkan. Segmentasi citra dengan deteksi warna
HSV menurut Gunanto (2009) menggunakan dasar seleksi warna pada model warna
HSV dengan nilai toleransi tertentu. Pada metode segmentasi dengan deteksi warna
HSV menurut Giannakupoulos (2008), dilakukan pemilihan sampel piksel sebagai
acuan warna untuk membentuk segmen yang diinginkan. Citra digital menggunakan
model warna RGB sebagai standar acuan warna, oleh karena itu proses awal pada
metode ini memerlukan konversi model warna RGB ke HSV. Untuk membentuk
segmen sesuai dengan warna yang diinginkan maka ditentukan nilai toleransi pada
setiap dimensi warna HSV, kemudian nilai toleransi tersebut digunakan dalam
perhitungan proses adaptive threshold. Hasil dari proses threshold tersebut akan
membentuk segmen area dengan warna sesuai toleransi yang diinginkan. Secara garis
besar, gambaran proses segmetnasi dapat dilihat pada Gambar 1 dan berikut ini
merupakan proses segmentasi menurut Giannakupoulos (2008). • Tentukan citra RGB
yang menjadi obyek deteksi, nilai warna HSV yang menjadi acuan (hasil proses
pelatihan data) dan nilai toleransi HSV yang digunakan. • Transpose citra RGB ke
HSV • Lakukan filter warna pada citra berdasarkan nilai acuan (T) dan nilai toleransi
(tol). Dengan x sebagai warna HSV pada piksel yang ada maka warna yang tidak
termasuk dalam rentang T-tol < x < T+tol diberi warna hitam. • Transpose kembali
citra ke RGB, tampilkan hasil filter.
 4. Metode Deteksi Tepi
Deteksi Tepi (Edge Detection) pada suatu citra adalah suatu proses yang
menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah Untuk menandai
bagian yang menjadi detail gambar/citra untuk memperbaiki detail dari gambar/citra
yang blur, yang terjadi akrena adanya efek dari proses akuisisi citra Suatu titik (x,y)
dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan
yang tinggi dengan tetangganya. Berikut adalah macam-macam metode deteksi tepi
(edge detection methods) dan pengertian dari beberapa metode deteksi tepi seperti
Sobel, Prewitt, Laplace, Robert, dan Canny.
a. 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.
b. 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.
c. Laplace
Metode Laplace adalah metode transformasi yang digunakan untuk penyelesaian
persamaan diferensial.
d. 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.
e. 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 hasil gambar diatas gambar yang paling bagus adalah gambar Canny karena
deteksi tepi nya lebih jelas dan noise nya lebih sedikit. Sedangkan gambar yang
paling buruk adalah gambar Laplace karena terdapat banyak noise.

5. Metode Transformasi Hough

Transformasi Hough menspesifikasikan kurva dalam bentuk parametrik. Kurva dinyatakan
sebagai bentuk parametrik (Rinaldi Munir, 2004) : (x(u), y(u)) Dari parametrik u. Bentuk
parametrik tersebut menspesifikasikan titik-titik sepanjang kurva dari titik awal kurva p1 =
(x(u1), y(u1)) ke titik p2 = (x(u2), y(u2)). Transformasi Hough menggunakan mekanisme
voting untuk mengestimasi nilai parameter. Setiap titik di kurva menyumbang suara untuk
beberapa kombinasi parameter. Parameter yang memperoleh suara terbanyak terpilih sebagai
pemenang.
Mendeteksi Garis Lurus
Transforamasi Hough mengurangi kompleksitas komputasi dengan menggunakan
bentuk parametrik dan menggunakan mekanisme pemungutan suara terbanyak
(voting). Untuk menentukan parameter yang tepat. Tinjau persamaan garis lurus : y =
mx + c (2.1) Dalam bentuk parametik, setiap garis dinyatakan sebagai (m’, c’) di
dalam ruang parameter m-c. Persamaan 2.1 dapat ditulis menjadi :
c = y – mx (2.2)
prosedur mendeteksi garis lurus adalah sebagai berikut :
1. Ruang parameter didiskritkan sebagai matriks P(m, c), yang di dalam hal ini m1 ≤
m ≤ mk dan c1 ≤ c ≤ cL. Untuk k adalah banyaknya m yang didapat, untuk l adalah
banyaknya c yang didapatkan.
2. Tiap elemen pada ruang parameter diasumsikan sebagai akumulator. Inisialisasi
setiap elemen P(m, c) dengan 0.
3. Untuk setiap piksel tepi (xi, yi) – piksel tepi dicirikan mempunyai nilai intensitas
putih (1) dalam skala (0 – 1) – hitung nilai c = y1- mxi . Untuk setiap nilai parameter
m, m1 ≤ m ≤ mk, yang berkoresponden dengan nilai c, maka elemen matriks P(m,c)
yang bersesuaian dinaikkan satu :
P(m, c) = P(m, c) + 1 (2.3)
Dengan kata lain, tambahkan satu suara pada ruang parameter m-c

4. Ulangi langkah 3 sampai seluruh piksel di dalam citra tepi ditelusuri

5. Pada akhir prosedur, tiap elemen matriks P (m, c) menyatakan jumlah piksel tepi
yang memenuhi persamaan (2.1). Tentukan elemen matriks yang memiliki
penumpukan suara cukup besar (yang nilainya di atas ambang tertentu). Misalkan
tempat- tempat itu adalah {(m1, c1), (m2, c2), ....., (mk, ck)} Hal ini berarti terdapat k
garis lurus yang terdeteksi pada citra.
Tingkat ketelitian dari Transformasi Hough bergantung pada ukuran matriks P(m,c),
yaitu K x L. Model parametrik pada persamaan 2.1 tidak dapat digunakan untuk
mendeteksi garis vertikal atau hampir vertikal karena gradiennya (m) menuju nilai tak
terhingga. Kerena itu garis dinyatakan dalam representasi polar :
 r =x cosθ + y sinθ (2.4)

6. Metode Watershed
Watershed merupakan salah satu metode yang digunakan untuk segmentasi
sebuah gambar. Konsep yang terdapat pada watershed ini memvisualisasikan sebuah
gambar dalam tiga dimensi: dua koordinat ruang versus tingkat keabuan (gray level)
[4]. Koordinat ruang merupakan posisi x dan y pada bidang datar dan tingkat keabuan
merupakan ketinggiannya, semakin ke arah warna putih maka ketinggiannya semakin
besar. Dengan anggapan bentuk topografi tersebut, maka di didapatkan 3 macam titik
yang dipertimbangkan dalam metode ini :
1. Titik yang merupakan regional minimum.
2. Titik yang merupakan tempat dimana jika setetes air dijatuhkan, maka air tersebut
akan jatuh hingga ke sebuah posisi minimum tertentu.
3. Titik yang merupakan tempat di mana jika air dijatuhkan, maka air tersebut
mempunyai kemungkinan untuk jatuh ke salah satu posisi minimum (tidak pasti jatuh
ke sebuah titik minimum, tetapi dapat jatuh ke titik minimum tertentu atau titik
minimum yang lain). Untuk sebuah regional minimum tertentu, sekumpulan titik
yang memenuhi kondisi (b) disebut sebagai catchment basin, sedangkan sekumpulan
titik yang memenuhi kondisi(c) disebut sebagai garis watershed [5]. Inti dari metode
watershed yaitu bagaimana menentukan garis wateshed, dimana garis watershed
merupakan garis pembatas antar obyek dengan background. Pembentukan garis
watershed atau dam dam didasarkan pada citra biner, yang merupakan anggota dari
ruang integer dua dimensi Z2 . Cara termudah untuk membangun dam adalah dengan
menggunakan operasi morfologi dilatasi (morphological dilation)
 Salah satu aplikasi dasar dari segmentasi watershed adalah ekstraksi dari objek
yang memiliki nilai dekat dan seragam terhadap background. Bagian citra yang
mempunyai sifat variasi kecil di tingkat keabuan mempunyai nilai gradien yang kecil.
Akan tetapi, pada kenyataannya kita sering melihat segmentasi watershed
diaplikasikan ke gradien dari sebuah citra pada citra itu sendiri. Pada perumusan ini,
regional minima dari kolam penangkapan berhubungan dengan nilai kecil dari
gradien yang berhubungan ke objek yang diamati (Syamsa A. M. 2002).
Contoh ilustrasi dapat dilihat pada Gambar 1. Gambar 1(a) adalah citra asli
sedangkan Gambar 1(b) adalah citra topografi. Citra topografi adalah bentuk citra tiga
dimensi jika dilihat dari atas. Gambar 1(c)-(g) adalah tahapan ketika terjadi proses
flooding. Gambar 1(h) dan 1(i) menunjukkan ilustrasi ketika dibangun dam agar dua
buah catchment basin tidak bergabung.Gambar 1(j) adalah hasil akhir dimana garis
watershed telah diperoleh.
 BAB III

PENUTUP

1. Kesimpulan
Segmentasi citra akan membagi-bagi suatu citra menjadi daerah-daerah atau obyek-
obyek yang dimilikinya. Menurut Castleman (1996) segmentasi citra merupakan suatu
proses memecah suatu citra digital menjadi banyak segmen/bagian daerah yang tidak
saling bertabrakan (nonoverlapping). Dalam konteks citra digital daerah hasil segmentasi
tersebut merupakan kelompok piksel yang bertetangga atau berhubungan.

Segmentasi citra memiliki beberapa metode, diantaranya yaitu :

1. Thresholding
2. Active Contour
3. Segmentasi Warna berdasarkan komponen Hue
4. Deteksi Tepi
5. Transformasi Hough
6. Watershed

2. Saran
Dengan adanya makalah Segmentasi Citra ini penyusun berharap agar dapat
memberikan manfaat kepada pembaca agar mengetahui dan memahami tentang
segmentasi citra dan metode serta implementasinya. Pada mata kuliah ini, penyusun
juga berharap agar pembaca dapat memanfaatkan makalah ini sebaik mungkin untuk
kepentingan bersama.