15 piksel yang memiliki nilai diatas T. Untuk perhitungan ini, nilai T yang didapat
untuk gambar yang memiliki histogram yang telah ter-equalize adalah berkisar antara 127 dan 128. Nilai dari maksimum T adalah nilai tertinggi dari system
warna yang digunakan dan nilai minimum dari T adalah nilai terendah dari system warna yang digunakan. Untuk 256 graylevel maka nilai tertinggi T adalah 255 dan
nilai terendahnya adalah 0.
2.3.3. Image Segmentaion
Menurut penjelasan Shapiro dan Stockman 2001, p279, image segmentation merupakan partisi atau pembagian suatu image menjadi sejumlah
region daerah yang membangun image tersebut. Segmentation ini dilakukan dengan tujuan:
o untuk membagi image menjadi bagian-bagian untuk analisis lebih
lanjut, artinya suatu lingkungan menjadi lebih terkendali sehingga proses segmentasi hanya mengambil bagian yang ingin
dianalisis saja. o
melakukan perubahan representasi, pixel-pixel dari image harus disusun dalam unit yang lebih tinggi yang lebih berarti atau lebih
efisien untuk analisis lebih lanjut. Region suatu image berdasarkan Jain, Kasturi dan Schunck 1995, p73
adalah kumpulan pixel –pixel yang saling berhubungan yang memiliki kesamaan
sifat. Region penting untuk pengenalan suatu image karena berhubungan dengan objek tertentu pada lingkungan. Suatu image mungkin mengandung beberapa
objek dan tiap objek mungkin mengandung beberapa region berhubungan dengan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16 bagian objek. Supaya suatu image dapat diartikan dengan benar, maka harus
dibagi menjadi region-region yang berhubungan dengan objek atau bagian dari objek.
Salah satu teknik segmentasi adalah sebagai berikut :
1 Edge based segmentation
Pendekatan ini melakukan segmentasi dengan mencari pixel-pixel yang berada pada batas region. Pixel-pixel ini disebut edge garis tepi, dapat
ditemukan dengan melihat pixel-pixel tetangga. Karena pixel-pixel batas ada di tepi, dan region pada dua sisi dari batas mungkin memiliki nilai keabuan yang
berbeda, batas region dapat ditemukan dengan mengukur perbedaan antara pixel- pixel yang bersebelahan. Dasar yang sering digunakan untuk menemukan edge
adalah sifat intensitas, walaupun sifat turunan seperti tekstur dan motion juga bisa digunakan. Jain, Kasturi dan Schunck, 1995, p75
Menurut Jain, Kasturi dan Schunck 1995, p140, edge adalah perubahan lokal yang mencolok pada intensitas image, biasanya dihubungkan dengan
diskontinuitas pada intensitas image atau pada turunan pertama intensitas image. Teknik-teknik yang digunakan dalam mendeteksi edge sering
dibedakan berdasarkan operator dari edge detector yang digunakan. Edge detector adalah suatu algoritma yang menghasilkan sejumlah edge dari suatu
image. Jain, Kasturi dan Schunck, 1995, p143 Edge detector ini akan melakukan
filtering pada image dengan operator tertentu.
Filter image adalah program yang menerapkan metode atau algoritma tertentu di dalam sebuah image. Filter Sobel adalah termasuk filter image. Filter
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17 Sobel merupakan algoritma Sobel edge detection di dalam image. Operasi filter
ini akan bekerja mendeteksi semua piksel image, mencari batasan warna antara piksel didalam image. Batasan warna yang dimaksud disini adalah perbedaan nilai
warna di tepi antara kelompok warna satu dengan yang lain. Selisih perbedaan nilai warna ini yang kemudian yang akan dipertimbagkan sebagai piksel-piksel
tepi. Kumpulan piksel ini akan membentuk sutau garis atau edge. Di dalam operasi filter Sobel tidak hanya memperhitugkan nilai warna dari piksel yang
diperiksa, akan tetapi juga memperhitugkan nilai piksel sekitar.
Algoritma Sobel
Algoritma Sobel merupakan salah satu pengembangan dari teknik edge detection sebelumnya, juga pengembangan dari operator Prewit. Algoritma ini
termasuk algoritma pemrograman yang berfungsi sebagai filter image. Filter ini mendeteksi keseluruhan edge yang ada. Dalam prosesnya filter ini menggunakan
sebuah operator, yang dinamakan operator Sobel. Operator Sobel menggunakan matriks N x N dengan berordo 3 x 3, 5 x 5, 7 x 7, dan sebagainya. Matriks seperti
ini digunakan untuk mempermudah mendapatkan piksel tengah sehingga menjadi titik tenagah matrik aij. Piksel tengah ini merupakan piksel yang akan diperiksa.
Cara pemanfaatan matrik ini sama seperti pemakaian sebuah grid, yaitu dengan cara memasukkan piksel-piksel disekitar yang sedang diperiksa piksel tengah ke
dalam matrik. Cara yang demikian disebut spatial filtering
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
Gambar 2.1 Matrik 3x3 pada area image
Didefenisikan Gy sebagai arah penelusuran secara vertical : .............................................2.10
..............................................2.11 dan Gx sebagai penulusuran arah secara horizontal :
.............................................2.12 ..............................................2.13
definisi menggunakan nilai mutlak diberikan : | | | |...........................................................................................2.14
Membandingkan area diatas dari persamaan 2.1 kita lihat bahwa Gy adalah berbeda antara baris pertama dan ketiga, dimana elemen terdekat aij
yakni a1 dan a5 lebih besar dua kali dibanding nilai yang disekelilignya hal ini berdasarkan intusi wilayaharea 0 juga pada persamaan 2.2, Gx adalah
berbeda antara kolom a3 dan a7. Gx adalah arah dari x dan Gy adalah merupakan arah dari y. persamaan dari 2.1 dan 2.2 dapat diimplementasikan
dari operasi sobel didapat nilai hasil dari persamaan 2.3. Teknik spatial filtering menggunakan lagi sebuah matrik yang dinamakan mask. Ukuran
matrik mask sama besar dengan matrik piksel yaitu N x N. Didalam mask ini intinya disimpan jenis operasi yang akan dilakukan terhadap matrik piksel,
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19 akan tetapi tidak semua filter spatial filtering menggunakan mask untuk
menyimpan operasinya. Sobel operator diterapkan dalam dua buah mask, untuk itu perlu diperhatiakn terlebih dahulu
Gambar 2.2 mask vertical Gambar 2.3 mask horizontal
Mask pertama yaitu mask a digunakan untuk mengitung selisih titik pada sisi vertical sehingga dihasilkan titik penelusuran arah vertical. Mask
kedua yaitu mask b digunakan untuk menghitung selisih titik pada sisi horizontal sehingga dihasilkan titik hasil penelusuran arah horizontal.
Hasil akhir filter operator sobel adalah ditemukannya beberapa piksel dengan intensitas yang lebih besar atau tajam. Dan juga ukuran tepi objek yang
jauh lebih besar dari ukuran sebelumnya. Keadaan ini dikarenakan titik-titik yang lebih dekat dengan titik tengah terperiksa diberi harga yang lebih
dominan dalam perhitungan. Perhatikan gambar 2.4, terbukti pada awalnya intensitas piksel image mempunyai range intensitas nomor warna antara 0
sampai 4, setelah dilakukan proses filtering maka terjadi pergeseran intensitas antar 2 samapi 20. Bila piksel-piksel ini terseleksi dengan menggunakan
ketentuan seperti operasi thresholding, maka setiap piksel kemugkinan hanya mempunyai dua warna dominan yaitu warna hitam dan putih.Warna hitam
diibaratkan sebagai background permukaan image, dan warna putih memunculkan piksel-piksel signifikan tersebut.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20 Edge atau garis di tepi objek terlihat lebih terang dari sebelumnya.
Warna grayscale merupakan perpaduan warna dari dua warna dominan, yaitu perpaduan antara warna minimum dan maksimum. Perpaduan warna yang
dimaksud disebut sebagai warna medium atau setengah terang atau warna menegah. Bila image menggunakan perpaduan antara warna hitam dan putih,
maka warna yang demikian dikenal dengan sebutan warna medium gray atau grayscale. Dengan demikian setiap piksel yang dihasilkan akan disesuaikan
dengan set warna medium ini. Set warna ini dimulai dari warna hitam sebagai warna minimum dan naik secara perlahan-lahan menjadi lebih terang dari
sebelumnya sampai pada warna maksimal yaitu berwarna. Bila edge yang ditemukan merupakan sekumpulan piksel signifikan yang membentuk objek
image, maka warna piksel tersebut akan dipertegas kembali, artinya piksel ini akan diperbesar intensitasnya sehingga warna edge ini akan tampak jelas.
Keadaan edge yang demikian nantinya akan memeperlihatkan suatu objek dalam image.
Gambar 2.4 Sobel edge detection
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21 Pada model 256 warna, intensitas warna untuk setiap piksel mempunyai
variasi berkisar antara 0 sampai 255. Di dalam operasi filter sobel, setiap komponen warna RGB adalah merupakan komponen-komponen warna dengan
intensitas warna medium masing-masing yaitu 128. Untuk mendapatkan intensitas warna medium dimasing-masing piksel, maka ditambahkannya
intensitas warna medium ini ke dalam intensitas warna setiap piksel, akan tetapi intensitas warna tetap berada di dalam lingkup range warna antara 0
sampai 255. Bila intensitas warna piksel dimisalkan adalah 4, maka intensitas warna piksel tersebut menjadi : 4 + 128 = 132
Gambar 2.5 Medium warna piksel image baru
Ternyata nilai 132 masih dibawah lingkup intensitas warna maksimum yaitu 255. Apabila nilai yang didapat melebihi 255, maka piksel tersebut akan
tetapi mempunyai intensitas warna 255. Intensitas piksel pada mode 256 warna sebenarnya tidak lagi menunjukkan intensitas warna piksel tersebut, akan tetapi
sebanarnya menunjukkan nomor warna yang dipilih pada sebuah tabel berukuran 256.
2.3.4. Operasi pada Binary Image
