Anda di halaman 1dari 4

Lecture - 4 Pixel Relationships I

Sunday, February 06, 2011 11:37 PM

By Jans Hendry / S2 TE 09 UGM Ref: - video lecture IIT Madrash - digital image processing by Gonzalez, Woods.

1. 2. 3. 4. 5.

Pada topik Pixel Relation ini akan dibahas mengenai 5 topik penting, yakni: Apa itu Pixel Neighborhood dan jenis-jenis dari neighborhood. Apa itu Connectivity Mempelajari algoritma connected labeling algorithm Apa itu Adjacency dan jenis-jenis dari adjacency Mengerti akan beberapa teknik pengukuran jarak Pixel Neighborhood Sebelum kita mempelajari lebih dalam tentang Pixel neighborhood, ada baiknya kita terlebih dahulu mengenal istilah neighborhood. Bayangkan bila anda tinggal disebuah lingkungan yang dipadati oleh masyarakat. Rumah anda berdampingan atau bersebelahan dengan rumah lainnya. Maka orang yang menghuni rumah yang persis berada didekat rumah anda (baik di depan, belakang atau pun kiri dan kanan) adalah tetangga anda. Jadi bisa disimpulkan bahwa neighborhood anda adalah rumah yang terdekat dengan rumah anda. Tolong diingat, bahwa bukan hanya rumah yang ada disamping kiri-kanan saja, tapi juga depan dan belakang (jika ada). Berlatar belakang penjelasan diatas, maka analogi nya berlaku juga untuk piksel. Ingat bahwa piksel atau pel merupakan titik-titik koordinat yang terletak pada citra (ada pada lecture 1). Dengan demikian, pixel neighborhood merupakan piksel-piksel yang terdekat dengan piksel utama atau piksel acuan. Perhatikan gambar dibawah:

Dari gambar diatas tampak bahwa piksel acuan adalah P pada koordinat (x,y). Sedangkan piksel-piksel tetangganya ada 4 buah piksel, yakni piksel yang berada di kiri-kanan-atas-bawah. Dengan demikian kita mengatakan bahwa piksel P memiliki 2 tetangga horisontal dan 2 tetangga vertikal. Susunan ketetanggaan ini dituliskan dengan: P = N4(P) yang artinya adalah bahwa piksel P memiliki 4 buah tetangga disekitarnya. Bila ternyata P berada di daerah pinggir atau batas, maka tentu jumlah tetangga nya tidak lagi 4 tapi kurang dari 4. Perhatikan gambar dibawah ini:

Tampak bahwa P berada di daerah pinggir, sehingga dia tidak memiliki tetangga di atas maupun di kirinya. Sehingga jumlah piksel yang menjadi tetangga ada 2 yakni di kanan dan di bawah. Perlu diingat juga bahwa tetangga itu adalah berjarak 1 unit. Apa yang telah dijelaskan diatas menunjukkan tetangga P secara horisontal dan vertikal saja. Sehingga disebut juga dengan 4 tetangga atau 4-neighborhood. Tapi kita tidak bisa menutupi bahwa fakta nya piksel ini memiliki tetangga secara diagonal. Tentu diagonal ini berjarak 1 unit. Perhatikan gambar dibawah ini:

Bisa dicermati bahwa piksel P memiliki tetangga sebanyak 4 buah piksel, 2 buah piksel diatas, dan 2 buah piksel di bawah. Secara matematis, fakta ini di nyatakan sebagai:

Image Processing Page 1

P = ND(P) dengan D=diagonal Bila piksel-piksel tetangga tersebut kita gabungkan, maka jumlah piksel tetangga nya menjadi 8 buah piksel. Secara matematis dinyatakan dengan: P8 = N4(P) U ND(P) Dengan demikian piksel P tidak lagi hanya memiliki 4 tetangga melainkan 8 tetangga yang dikenal dengan 8-neighborhood. Begitu juga bila piksel P berada di batas atau pinggir maka jumlah ND(P) atau N8(P) akan lebih sedikit. Logika ini sama dengan pembahasan sebelumnya. Maka penjelasan di atas sudah menjelaskan segala hal tentang Pixel Neighborhood.

Connectivity Dalam pengolahan citra connectivity antar piksel merupakan konsep yang sangat penting dan harus dipahami karena akan berguna dalam menentukan properti dari region tertentu. Beberapa fungsi dari connectivity adalah: 1. Menentukan batas atau boundary dari objek 2. Menentukan komponen atau region dari citra. 3. Dan lain-lain Perhatikan gambar dibawah ini yang akan menjelaskan salah satu fungsi dari connectivity.

F(X,Y) merupakan intesitas dari citra asli atau original. Dalam hal ini kita memberikan nilai 1 atau 0xffffff pada objek sehingga objek akan berwarna putih. Sedangkan untuk latarbelakang atau background diberi nilai 0 atau 0x000000 sehingga objek akan berwarna hitam. Perhatikan! Bahwa nilai tertulis 0x melambangkan nilai hexadecimal. Contoh lainnya adalah pada gambar berikut:

Pada kotak kuning besar, terdapat dua buah objek yang ukuran dan bentuknya berbeda. Saya ingin menjadikan kedua objek tersebut memiliki intensitas yang sama (bernilai 1) seperti gambar dibawah ini.

Image Processing Page 2

Tapi hal tersebut tidak semudah itu, karena kedua objek sudah memiliki nilai intensitas tertentu yang berbeda. Sehingga bisa dikatakan kedua objek tersebut sangat berbeda. Untuk itu kita harus menentukan terlebih dahulu piksel mana yang saling terkoneksi dan piksel mana yang tidak. Jadi piksel yang bernilai 1 dan terkoneksi dengan piksel lain pada region 1 dikatakan berada dalam 1 objek. Sedangkan piksel yang bernilai 1 tapi tidak terkoneksi dengan region 1 maka merupakan objek yang berbeda. Logika ini bisa diaplikasikan pada contoh segmentasi diatas dengan menggunakan nilai THRESHOLD itu. Perlu diingat dengan menggunakan nilai THRESHOLD berarti anda telah membuat objek memiliki 2 intesitas yakni HITAM dan PUTIH. Setelah pemberian THRESHOLD akan menjadikan seolaholah piksel yang lama memiliki properti piksel baru, sehingga mereka akan salaing terkoneksi. Bisa anda perhatikan pada contoh segmentasi tampak bahwa warna objek PUTIH pada citra ORIGINAL TIDAK BENAR-BENAR PUTIH. Namun dengan menggunakan THRESHOLD maka objek bisa dipisahkan dan dikoneksikan. Jadi bisa disimpulkan bahwa konektifitas merupakan teknik yang sangat berguna untuk menentukan properti dari piksel dan objek. Dua buah piksel disebut terhubung (to be connected) apabila mereka terhubung dengan aturan sebagai berikut: - Mereka adalah tetangga dalam bentuk (N4, N8, atau ND) dan - Nilai intensitas mereka (gray level) adalah sama. Contohnya diperlihatkan pada gambar dibawah:

(a)

(b)

(c)

Dua buah piksel disebut terkoneksi bila p N(q) atau q N(p). Selain itu intensitas kedua piksel harus sama - yakni B(p) = B(q). Dari gambar (a) diatas tampak bahwa p N4(q) dan sebaliknya, gambar (b) menunjukkan p ND(q) dan sebaliknya. Secara umum connectivity dirumuskan dengan aturan sebagai berikut: Misalkan V adalah level intensitas yang digunakan untuk menentukan konektifitas intensitas p (f(p)) dan intensitas q (f(q)) V. Lihat kembali aturan konektifitas nomor 2 diatas. Ada 3 jenis konektifitas, yakni: a. 4-connectivity => p,q V dan p N4(q) b. 8-connectivity => p,q V dan p N8(q) c. M-connectivity => mixed connectivity - p,q adalah m-connected jika q N4(p) atau q ND(p) dan N4(p) N4(q) = Yang dimaksud dengan pernyataan N4(p) N4(q) = adalah sekumpulan piksel yang merupakan tetangga 4-neighborhood dari piksel p dan piksel q yang nilai intensitasnya berada di V. Mengapa harus ada M-connectivity? Karena untuk menghindari adanya masalah yang timbul ketika menggunakan 8-connectivity. Masalah tersebut adalah ambiguitas yang terjadi ketika timbulnya multipath pada 8-connectivity. Berikut ini saya beri contoh tentang permasalahan tersebut dan penyelesaiannya. Misalkan V={1}. Artinya bahwa kita akan mencari konektifitas piksel-piksel HANYA yang memiliki nilai INTENSITAS 1. Selain dari itu, di acuhkan saja. Perhatikan gambar dibawah ini.

(a)

(b)

(c)

Misalkan bahwa gambar diatas merupakan citra biner yang artinya hanya memiliki nilai 1 dan 0, ukuran 8 Byte. Pada gambar (a) merupakan jenis konektifitas 4-connectivity. Kita misalkan bahwa titik tengah dari citra ini adalah piksel p. Yang terhubung dengan piksel p adalah piksel yang berada diatas nya (piksel q) karena mereka 4-neighborhood. Lalu piksel di KANAN ATAS, akan terhubung ke PIKSEL TENGAH BARIS PERTAMA, karena PIKSEL KANAN ATAS itu merupakan 4-neighborhood dari PIKSEL TENGAH BARIS PERTAMA. Pertanyaan nya adalah MENGAPA PIKSEL TERAKHIR BARIS KETIGA tidak terhubung ke piksel mana pun? Jawabannya adalah karena PIKSEL TERAKHIR BARIS KETIGA bukan merupakan tetangga 4neighborhood dengan piksel manapun. Ingat kembali pengertian dari 4-neighborhood. Pada gambar (b) merupakan jenis konektifitas 8-connectivity. Bisa dilihat bahwa ada 4 piksel yang memiliki intensitas sama (1). Bila titik tengah citra merupakan piksel p maka dia akan terhubung ke piksel kanan bawah (baris ketiga) berarti piksel q dalam bentuk diagonal neighborhood (ND(q)). Lalu sama dengan gambar (a) dia terhubung dengan piksel tengah atas secara 4-neighborhood. Lalu piksel tengah atas terhubung dengan piksel kanan atas (baris pertama) secara 4-neighborhood. Yang perlu

Image Processing Page 3

tengah atas terhubung dengan piksel kanan atas (baris pertama) secara 4-neighborhood. Yang perlu diperhatikan adalah ternyata aturan 8-neigborhood menyebabkan piksel tengah terhubung juga dengan piksel kanan atas secara ND(q). Hal ini menyebabkan terjadi nya multipath sehingga terjadi ambiguitas pada 8-connectivity. Hal inilah yang menyebabkan timbulnya mix-connectivity atau M-connectivity. Pada gambar (c) merupakan jenis konektifitas m-connectivity. Tugas kita adalah untuk membuah salah satu path yang tidak perlu. Menurut aturan m-connectivity, piksel p dan q terkoneksi secara mix bila: - q N4(p) atau - q ND(p) dan N4(p) N4(q) = Perhatikan aturan kedua, tampak bahwa piksel kanan atas (baris pertama) terkoneksi secara diagonal dengan piksel tengah ND(p). Lalu piksel tengah atas (baris pertama) merupakan 4-neighborhood dari piksel kanan atas dan piksel tengah. Sehingga diagonal neighborhood pada piksel tengah dan piksel kanan atas tidak lagi terhubung karena mereka sama-sama memiliki anggota piksel yang terhubung secara 4-neighborhood. Namun bila mereka tidak memiliki nilai yang sama pada 4-neighborhood nya, tentu kedua piksel tersebut bisa langsung terhubung dengan diagonal connectivity. Sehingga tampak bahwa permasalahan yang dialami oleh 8-connectivity bisa diselesaikan dengan menggunakan mconnectivity. Pertanyaan untuk anda: Bagaimana dengan sebuah gambar yang piksel-pikselnya membentuk susunan segienam. Apakah akan menemukan ambiguitas juga seperti yang dialami bila menggunakan 8connectivity? Jawabannya adalah Iya, Ambiguitas tetap akan ditemukan. Jelaskan!!!! (Semoga bisa memicu logika anda dan memahami teknik ini lebih dalam) Dengan demikian penjelasan tentang connectivity dan algoritma pelabelan terkoneksi (connected labelling algorithm) telah dihadirkan. Algoritma yang dimaksud diatas adalah teknik penentuan piksel p dan q dan koneksi mereka.

~~ TERIMA KASIH ~~

Image Processing Page 4