Modul Segmentasi. Modul Pelabelan Citra

C. Perancangan Proses Sistem

Rancangan proses sistem menggambarkan hubungan antara elemen- elemen modul pada sistem yang dikembangkan. Prototipe sistem dan interface sistem dikembangkan dengan menggunakan perangkat lunak Matlab Versi 7.1. Sistem ini terdiri dari empat modul yaitu : modul segmentasi, modul pelabelan region, modul temu kembali dan modul kinerja Gambar 15. Keempat modul tersebut digunakan dalam pengerjaan penelitian ini. Gambar 15 . Arsitektur Sistem Pelabelan Otomatis

1. Modul Segmentasi.

Modul segmentasi berfungsi untuk melakukan segmentasi, penarikan ciri serta clustering citra sumber. Modul ini bekerja dengan memanfaatkan algoritma Normalized Cuts untuk segmentasi. Penarikan ciri berdasarkan warna dan tekstur serta FCM untuk clustering, hasil akhirnya akan terbentuk region-region pada citra sumber beserta matrik ciri. Secara umum algoritma segmentasi Normalized Cuts seperti berikut Shi Malik, 2000 : 1. Mendefinisikan sekumpulan matrik dari citra yang akan di segmentasi 2. Menentukan bobot graf G=V,E, lalu menghitung bobot edge dan menyimpan informasi dalam W dan D. 3. Menghitung Dx x W D λ = − untuk mendapatkan nilai eigen vektor dengan nilai eigen terkecil. 4. Menggunakan nilai eigen vektor tersebut untuk mempartisi graf menjadi 2 dengan membagi masing-masing titik menjadi NCut yang minimum. 5. Membaca nilai NCut yang dihasilkan, lalu mengulangi partisi ke langkah 2. 6. Jika NCuts untuk setiap segmen nilai maksimum dari Ncuts yang didefinisikan maka proses dihentikan. 2. Modul Clustering Modul ini berfungsi untuk mengelompokkan data ciri yang telah tersedia dalam bentuk matrik menjadi kelompok-kelompok berdasarkan kemiripannya. Pengelompokkan data ciri tersebut menggunakan algoritam FCM. Tingkat kemiripan tersebut ditentukan dengan mengukur jarak euclid point data ke pusat cluster. Hasil dari modul ini adalah berupa matrik U yang merepresentasikan derajat keanggotaan data dan titik pusat cluster. Matrik keanggotaan U yang dihasilkan berdimensi k x n, dimana k adalah jumlah cluster dan n adalah jumlah data yang digunakan sebagai masukan. Matrik Keanggotaan hasil clustering terlihat seperti pada tabel 3. Tabel 3. Matrik Keanggotaan U Hasil Clustering Jumlah Data Cluster 1 Cluster 2 ..... Cluster k 1 11 U 12 U ... k U 1 2 21 U 22 U ... k U 2 ... .... ... ... ... ... ... ... ... ... n 1 n U 2 n U ... nk U Dalam proses pengelompokkan titik pusat cluster yang dihasilkan algoritma FCM akan mengalami perbaikan selama proses iterasi.

3. Modul Pelabelan Citra

Pada suatu citra terdapat lebih dari satu objek, maka perlu dibedakan antara sebuah objek dengan objek lain yang terdapat pada citra tersebut. Proses pelabelan menggunakan teknik rekursi. Mula-mula dideteksi lokasi sebuah titik yang merupakan bagian dari sebuah objek, lalu dengan rekursi dilakukan pengisian dengan suatu nilai label terhadap objek tersebut dari lokasi tersebut sampai menemui batas luarnya menabrak titik latar. Kemudian dilanjutkan mendeteksi lokasi yang merupakan titik objek yang belum terisi oleh proses tadi atau belum diberi label dengan kata lain merupakan bagian dari objek yang lain. Lakukan pengisian lagi dengan nilai label yang berbeda. Ulangi sampai semua titik dalam citra tersebut diperiksa. Secara umum algoritma pelabelan citra adalah sebagai berikut : 1. Menentukan titik awal pengisian pada objek yang akan diisi. 2. Menentukan titik tersebut menjadi titik objek 2.1. Memeriksa apakah titik tetangga atasnya adalah titik latar. a. Jika ya maka lakukan hal yang sama untuk titik tersebut. b. Jika tidak maka lanjutkan. 2.2. Memeriksa apakah titik tetangga kanannya adalah titik latar. a. Jika ya maka lakukan hal yang sama untuk titik tersebut. b. Jika tidak maka lanjutkan. 2.3. Memeriksa apakah titik tetangga bawahnya adalah titik latar. a. Jika ya maka lakukan hal yang sama untuk titik tersebut. b. Jika tidak maka lanjutkan. 2.4. Memeriksa apakah titik tetangga kirinya adalah titik latar. a. Jika ya maka lakukan hal yang sama untuk titik tersebut. b. Jika tidak maka lanjutkan. Algoritma labeling reuse untuk pemetaan id region memanfaatkan data hasil cluster. Id region kemudian dipetakan pada region citra sumber sesuai dengan data kelas yang ada. Algoritma labeling reuse sebagai berikut : 1. Membaca region setiap citra. 2. Memetakan setiap region yang terbaca dengan id region yang bersesuaian 3. Mengulangi langkah 1 dan 2 sampai semua region terbaca.

4. Modul Temu Kembali