V. HASIL DAN PEMBAHASAN
A. Karakteristik Citra Masukan
Sebanyak 300 citra yang digunakan pada penelitian ini dikelompokkan menjadi 3 subjek : pemandangan 100 citra, bangunan 100 citra, alam 100
citra. Masing-masing subjek terdiri dari 4 sampai dengan 6 objek Tabel 4.
Tabel 4.
Subjek, jumlah, serta objek citra sumber
Subjek Citra
Jumlah Citra
Objek yang terkandung
Sumber
Pemandangan 100
langit1, awan2, rumput3, pohon4,
matahari5, gunung6
Bangunan 100 rumah7, jalan8,
batu9, langit10
Alam 100 batu11, air12,
pohon13,awan14, langit15
http:www.alipr.com
B. Pengindeksan Citra
1. Segmentasi Warna Citra
Pada tahapan segmentasi ini, setiap citra disegmentasi untuk mengelompokkan warna yang dikandung oleh setiap piksel dari citra ke
beberapa segmen cluster yang sudah ditentukan jumlahnya, yaitu dua, tiga, empat, dan lima. Cluster ini merupakan representasi warna-warna
dominan citra. Tahapan segmentasi ini bertujuan mendapatkan kelompok- kelompok warna dominan dan mengurangi jumlah warna citra asli seperti
yang terlihat pada Gambar 18.
Gambar 18. Contoh citra sebelum dan sesudah segmentasi menggunakan
algoritma EM. Selanjutnya dilakukan pemilihan keempat hasil segmentasi tersebut
secara manual untuk dijadikan masukan pada tahap ekstraksi warna. Berdasarkan Gambar 18, dapat dilihat bahwa hasil segmentasi keempat
adalah hasil segmentasi yang paling baik. Hal ini dikarenakan citra hasil segmentasi tersebut paling mirip dengan citra aslinya. Hasil segmentensi
yang sudah terpilih sebagai masukan pada tahap ekstraksi warna untuk seluruh citra di dalam basis data dapat dilihat pada lampiran 1
4 Cluster 3 Cluster
2 Cluster
5 Cluster
2. Format Tekstur Citra
Sedangkan untuk proses ekstraksi ciri tekstur, citra sumber perubahan format dari format RGB ke format gray scale. Hasilnya
seperti terlihat pada Gambar 19.
Citra RGB ke Gray
Gambar 19. Contoh citra RGB ke citra gray scale
3. Segmentasi Region
Semua citra sumber di segmentasi untuk menghasilkan region- region
yang bersesuaian dengan objek yang ada dalam citra. Jumlah region
untuk setiap citra masukan ditentukan sebanyak 6 region. Penentuan enam region ini dilakukan berdasarkan asumsi jumlah
maksimum objek yang terkandung dalam citra.
a Citra Sumber
b Citra Hasil Segmentasi
Gambar 20 . Contoh citra sebelum dan sesudah segmentasi
menggunakan algoritma Normalized Cuts Selanjutnya citra hasil segmentasi dilakukan pemisahan region.
Pemisahan region dilakukan dengan membaca setiap piksel yang memiliki nilai batasan garis putih. Region yang diinginkan disimpan
dalam file dengan format JPG, sedangkan untuk region yang lain komponen-komponen pikselnya digantikan dengan warna putih.
Proses dilakukan berulang untuk region – region yang lain. Gambar 21
merupakan contoh citra sumber yang telah dilakukan pemisahan region
. Pemisahan region digunakan untuk pengenal objek.
Gambar 21. Contoh citra hasil pemisahan citra menjadi 6 region
Hasil pemisahan region citra menjadi masukan untuk tahap ekstraksi ciri. Seluruh citra hasil segmentasi region dalam basis data
dapat dilihat pada Lampiran 2.
4. Ekstraksi Ciri Warna