Pengolahan Citra Digital

2010/2011

Kuliah 6

Analisis Citra 2
Segmentasi Citra
Algoritma Region Growing dan Watershed

Dr. Fitri Arnia, 2011

 Outline
Pendahuluan segmentasi citra
Jenis segmentasi citra
Metode region growing
Hasil
Metode watershed
 Pendahuluan
Bentuk suatu objek dapat diberikan oleh:
Boundary-nya memerlukan deteksi tepi
Area (region) yang dicakupinya memerlukan
segmentasi citra pada daerah homogen dari citra.
Suatu area citra biasanya memiliki karakteristik
yang homogen (misalnya intensitas, warna, dan
tekstur)
 Pendahuluan (lanjut)
Tujuan segmentasi citra adalah menemukan area
yang merepresentasikan objek atau bagian objek
yang memiliki arti. Masalah umum pada
segmentasi citra adalah noise yang ada pada citra.
Suatu citra X bisa disegmentasi menjadi sebanyak
N region yang berbeda yang dinamai R(1), ..., R(N)
Aturan segmentasi adalah predikat logis dalam
bentuk P(R)
 Pendahuluan (lanjut)
Segmentasi citra mempartisi citra X ke dalam
sub-citra R(i), i = 1,...,N yang memiliki sifat-sifat
sebagai berikut:
X = i=1,..N U R(i)
R(i) R(j) = 0 for I j
P(R(i)) = TRUE for i = 1,2,,N
P(R(i) U R(j)) = FALSE for i j
 Pendahuluan (lanjut)
Hasil segmentasi adalah predikat logis dalam
bentuk P(R,x,t)
x adalah vektor fitur yang diasosiasikan
dengan suatu piksel citra
t adalah serangkaian parameter (biasanya
threshold) . Aturan segmentasi yang
sederhana bisa dituliskan dalam bentuk:
P(R) : I(r,c) < T
 Pendahuluan
Suatu region dikatakan terkoneksi jika:
Suatu piksel (x,y) dikatakan berdampingan
dengan suatu piksel (a,b) jika piksel tersebut
bertetangga langsung dengan piksel (x,y).
4-tetangga dari piksel (x,y) adalah himpunan
yang memuat...
8-tetangga dari piksel (x,y) adalah himpunan
yang memuat...
 Region Growing
Metode sederhana untuk menyegmentasi citra
adalah memulai dengan beberapa piksel (biasa juga
disebut seed) yang merepresentasikan region-
region citra yang berbeda dan menumbuhkannya,
sampai memenuhi seluruh citra.
Untuk metode ini, kita memerlukan aturan yang
mengatur mekanisme tumbuhnya seed dan suatu
aturan lain yang menguji kehomogenan dari region
setelah satu tahap tumbuh selesai.
 Region Growing
Mekanisme tumbuh pada setiap tingkat k
dan untuk setiap region Ri(k), i=1,...,N, kita uji
apakah ada piksel yang belum terklasifikasi
pada 8-tetangga dari setiap piksel pada tepian
region.
Sebelum mengalokasikan suatu piksel x ke
region Ri(k), kita uji apakah kehomogenan
region P(Ri(k) U {x}) = TRUE , adalah valid.
 Region Growing
Mean aritmatik m dan deviasi standard s.d. dari
suatu kelompok Ri dengan n piksel:
m = (1/n)(r,c)R(i) I(r,c)
s.d = Square root((1/n)(r,c)R(i) [I(r,c)-M]2)
dapat digunakan untuk memutuskan apakah
penggabungan dua region R1, dan R2
diperbolehkan. Contohnya jika |M1 M2| <
(k)s.d(i) , i = 1, 2 , kedua region digabungkan.
 Region Growing
Uji homogenitas: jika intensitas piksel
mendekati harga rata-rata region
|I(r,c) M(i)| <= T(i)
Nilai threshold Ti bervariasi tergantung pada
region Rn dan intensitas dari piksel I(r,c).
Threshold ini dapat ditentukan dengan:
T(i) = { 1 [s.d(i)/M(i)] } T
Hasil Region Growing (1)

Gambar diambil dari http://astro.temple.edu/~siddu

Hasil Region Growing

Gambar diambil dari http://astro.temple.edu/~siddu

 Algoritma Watershed
Suatu image dengan skala keabuan dapat
diapandang sebagai suatu relif topografi,
dengan nilai keabuannya diinterpretasikan
sebagai ketinggian relief tersebut. Setetes air
yang jatuh pada relif topografi akan mengalir
ke bawah dan akhirnya akan mencapai
minimum lokal.
Algoritma Watershed (lanjut)

MRI jantung Citra gradien Relief gradien

Watershed of gradien
Watershed of gradien
Algoritma Watershed Rainfalling
Algoritma Watershed Rainfalling
Algoritma Watershed Rainfalling
Algoritma Watershed Rainfalling
Algoritma Watershed Rainfalling
 Sources
Johan De Bock, et. Al., A Fast Sequential
Rainfalling Watershed Segmentation
Algorithm, LNCS 3708, pp. 476-482, 2005.
Professor : Dr. Longin Jan Latecki, at
http://astro.temple.edu/~siddu