SEGMENTASI GAMBAR SKELETONISASI LANDASAN TEORI

commit to user II-5 trimatra tiga dimensi. Informasi bentuk objek dapat diekstraksi dari citra pada permulaan prapengolahan dan segmentasi citra. 6. Tekstur Tekstur diartikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel yang bertetangga. Jadi tekstur tidak dapat didefinisikan untuk sebuah piksel. Sistem visual manusia menerima informasi citra sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala pada mana tekstur tersebut dipersepsi. 7. Waktu dan Pergerakan Respon suatu sistem visual tidak hanya berlaku pada faktor ruang, tetapi juga pada faktor waktu. Sebagai contoh, bila citra-citra diam ditampilkan secara cepat, akan berkesan melihat citra yang bergerak. 8. Deteksi dan Pengenalan Dalam mendeteksi dan mengenali suatu citra, ternyata tidak hanya sistem visual manusia saja yang bekerja, tetapi juga ikut melibatkan ingatan dan daya pikir manusia.

2.4 SEGMENTASI GAMBAR

Segmentasi gambar merupakan sebuah proses dimana dalam proses tersebut terjadi pemisahaan objek-objek pada suatu gambar yang telah dipilih. Secara umum segmentasi dapat dibagi menjadi tiga kelompok yaitu: 1. Segmentasi berdasar klasifikasi classification based segmentation, segmentasi ini merupakan segmentasi yang dilakukan dengan mencari kesamaan dari ukuran tertentu pada nilai piksel yang terdapat pada suatu gambar. 2. Segmentasi berdasar tepi edge base segmentation, sedangkan untuk segmentasi berdasarkan tepi bertujuan untuk mendapatkan batas tepi antar objek yang berguna sebagai pembatas antar segmen. 3. Segmentasi berdasar daerah region based segmentation, untuk segmentasi berdasarkan daerah dilakukan untuk mencari daerah yang di duga sebagai commit to user II-6 objek berdasarkan kumpulan piksel yang memiliki kesamaan yang dimulai dari suatu titik ketitk yang lain yang ada di sekitarnya. Berikut merupakan beberapa contoh pendeteksian yang terdapat pada segmentasi gambar, diantaranya: 1. Deteksi Tepi Deteksi tepi merupakan sebuah operasi yang di jalankan untuk mendeteksi garis tepi atau batas untuk segmentasi atau identifikasi objek. 2. Deteksi Garis. Terdapat 4 buah karateristik gari yang dapat di proses untuk dideteksi pada citra, diantaranya: garis horizontal 0 , garis miring ke atas 45 , garis vertika 90 , atau garis miring ke bawah 45 . 3. Deteksi Titik Deteksi titik merupakan metode deteksi yang dilakukan dengan cara menghitung harga piksel pusat pada suatu daerah, dengan mengevaluasi beberapa piksel di sekelilingnya pada seluruh citra. Bila citra memiliki derajat kecerahan yang sama maka akan bernilai nol.

2.5 Citra Biner

Citra biner binary image adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih kaya daripada citra biner, namun tidak membuat citra biner mati.

2.5.1 Konversi Citra Hitam-Putih ke Citra Biner

Pengkonversian citra hitam-putih grayscale menjadi citra biner dilakukan untuk alasan-alasan berikut : 1. Untuk mengidentifikasi keberasaan objek, yang direpresentasikan sebagai daerah region di dalam citra. Misal kita ingin memisahkan objek dari latar belakangnya. Piksel-piksel objek ini dinyatakan dengan nilai 1 sedangkan piksel lainnya dengan 0. Objek ditampilkan seperti gambar siluet. Untuk memperoleh siluet yang bagus, objek harus dapat dipisahkan dengan mudah dari latar belakangnya. commit to user II-7 2. Untuk lebih memfokuskan pada analisis bentuk morfologi yang dalam hal ini intensitas pikselnya tidak terlalu penting dibandingkan dengan bentuknya. 3. Untuk menampilkan citra piranti keluaran yang hanya mempunyai resolusi intensitas satu bit, yaitu piranti penampilan dua aras atau biner seperti pencetak printer 4. Mengkonversi citra yang telah ditingkatkan kualitas tepinya edge enhancement ke penggambaran garis-garis tepi. Ini perlu untuk membedakan tepi yang kuat yang berkoresponden dengan batas-batas objek dengan tepi lemah yang berkoresponden dengan perubahan illumination, bayangan dan lain-lain.

2.6 Deteksi Tepi Edge Detection

2.6.1 Prinsip-Prinsip Deteksi Tepi

Deteksi tepi Edge Detection pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah : 1. Untuk menandai bagian yang menjadi detail citra 2. Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi citra suatu titik x,y dikatakan sebagai tepi edge dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh. Gambar 2.1 Proses deteksi tepi citra Sumber : Sutoyo 2009 commit to user II-8 Perhatikan hasil deteksi dari beberapa citra menggunakan model differensial di atas: Gambar 1 Gambar 2 Gambar 1 Gambar 2 Gambar 2.2 Hasil beberapa deteksi tepi Deteksi tepi ini mempunyai 4 macam metode dalam pembuatannya. Yaitu metode robert, canny, prewitt dan sobel. Pada penelitian ini, akan membuat aplikasi deteksi tepi dengan 2 metode, karena mengingat batasan masalah yang ada. Metode yang digunakan adalah metode prewitt dan metode canny.

1. Metode Prewitt

Pengembangan dari gradient operator dengan menggunakan 2 mask horisontal dan vertikal ukuran 3x3. Pada operator ini kekuatan gradient ditinjau dari sudut pandang horisontal dan vertikal memperhatikan titik disekitar pada posisi horisontal dan vertikal. Selain itu metode Prewitt merupakan pengembangan metode Robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kernel fillter yang digunakan dalam metode Prewitt ini adalah: commit to user II-9 Gambar 2.3 Contoh gambar metode prewitt kernel

2. Metode Canny

Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny: a. Mendeteksi dengan baik kriteria deteksi Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan. b. Melokalisasi dengan baik kriteria lokalisasi Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli. c. Respon yang jelas kriteria respon Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil dari tepian yang dihasilkan. Beberapa parameter tersebut antara lain : • Nilai Standar Deviasi Gaussian • Nilai Ambang commit to user II-10

2.7 SKELETONISASI

Skeletonisasi adalah proses merubah bentuk dari citra hasil restorasi yang berbentuk citra biner menjadi citra yang menampilkan batas-batas objek yang hanya setebal satu piksel. Untuk melakukan proses skeletonisasi dipergunakan algoritma thinning. Algoritma ini secara iteratif menghapus piksel-piksel pada citra biner, dimana transisi dari 0 ke 1 atau dari 1 ke 0 pada konvensi lain terjadi sampai dengan terpenuhi suatu keadaan dimana satu himpunan dari lebar perunit satu piksel terhubung menjadi suatu garis Marvin, 2007. Tujuan thinning pada proses skeletonisasi adalah untuk menghilangkan piksel-piksel yang berada di dalam obyek depan foreground object pada citra biner. Thinning dalam skeletonisasi berfungsi untuk merapikan atau menyempurnakan hasil output proses edge detection dengan cara mengurangi lebar sisi ataupun batas. Dan sebagai tambahan untuk melakukan proses skeletonisasi maka hindari citra yang memiliki tingkat erosi yang tinggi karena akan sedikit sulit melakukan proses skeleton sebab erosi berfungsi untuk mengurangi nilai piksel dan merubah hingga menjadi beberapa garis-garis. Sehingga dikhawatirkan akan menimbulkan kekancuan pada tahap skeletonisasi.

2.8 ALGORITMA THINNING