[digital image processing] April 15, 2012

SEGMENTASI CITRA TERMAL DENGAN K-MEANS dan WARNA L*a*b

Dalam artikel ini saya akan menunjukkan bahwa citra termal bisa disegmentasi menggunakan K-Means dan dipadankan dengan warna semu (pseudo-color) L*a*b yang merupakan color space. Tidak akan saya hadirkan teori mendalam mengenai ruang warna ini, namun tentang KMeans sebagai metode klusterisasi telah dijelaskan pada artikel lain. Sifat dari K-Means adalah konvergen untuk setiap instruksi klustering, artinya klusterisasi akan terjadi namun hasilnya tidak selalu seperti yang diharapkan. Saya kebetulan menggunakan metode ini sebagai alternatif dalam salah satu penelitian dan mencoba juga segmentasi menggunakan Chan-Vesse dan Histogram Wavelet. Namun sebagai langkah awal, saya menghadirkan ini dahulu sebagai pertimbangan bahwa kita bisa memanfaatkan K-Means untuk segmentasi. Kecenderungan dari hasil K-Means adalah perubahan anggota kluster-klusternya. Hal ini bisa anda lihat pada hasil dari program ini. Bahwa kluster akan mengalami perubahan anggota, hal ini terutama disebabkan oleh nilai inisial (kondisi awal) yang merupakan nilai sembarang. Sehingga ketika mencapai fungsi tujuan (objective function) yang diinginkan lalu konvergen namun hasilnya bisa berbeda dibanding dengan nilai pada hasil klusterisasi sebelumnya. Berikut ini adalah GUI dari program saya

Pengujian dilakukan terhadap citra termal dari rangkaian elektronis hasil produksi industri elektronika. Citra diambil menggunakan kamera Fluks, kamera khusus citra termal.

janshendry@gmail.com

Page 1

[digital image processing] April 15, 2012

Berdasarkan citra di atas, tampak bahwa citra ini memiliki frekuensi yang rendah dan tepi yang tidak jelas. Sebenarnya saya pernah melakukan segmentasi dengan menggunakan Chan-Vesse dan memberikan hasil yang bagus terhadap citra awan. Ketika program digunakan untuk segmentasi, dihasilkan:

Demikian percobaan yang saya lakukan. Perbandingan dan improvisasi masih tetap dilakukan.

@ thanks...

janshendry@gmail.com

Page 2