SEGMENTASI CITRA RGB DENGAN K-MEANS


Segmentasi citra masih menjadi topik penelitian yang sangat menarik dan penting untuk dikembangkan. Salah satu penyebabnya adalah bahwa hasil segmentasi citra asli akan berpengaruh pada proses berikutnya yang akan dilakukan misalnya pengenalan pola karakter, klasifikasi penyakit berdasarkan citra yang didapat, pengenalan wajah, deteksi iris-bibir-telinga, dan sebagainya.

Hasil segmentasi sangat dipengaruhi oeleh beberapa faktor : pengambilan citra, noise, blurring, algoritma segmentasi. Tiga faktor pertama bisa diselesaikan dengan preprocessing seperti filter median untuk menghilangkan noise, sharpening untuk mengurangi blur, dan pengaturan posisi obyek saat pengambilan untuk memberikan hasil segmentasi yang terbaik. Sedangkan algoritma segmentasi terkait erat dengan prosedur-prosedur inti yang digunakan dalam segmentasi. Sebaik apapun citra asli jika prosedur segmentasinya kurang baik, akan memberikan hasil segmentasi yang kurang baik pula.

Beberapa metode segmentasi yang sudah lama digunakan adalah deteksi tepi seperti Sobel, Prewitt, Canny, dan sebagainya, metode yang lain seperti watershed dan varian-variannya juga bisa digunakan. Pendekatan morfologi juga sering digunakan untuk melakukan segmentasi maupun penggabungan dengan metode yang lain. Pendekatan yang baru-baru ini digunakan adalah dengan menggunakan teknik clustering pada data mining, seperti K-Means atau Hierarchical Clustering.

Seperti yang dilakukan H.P., segmentasi citra dengan menggabungkan watershed dan K-means [1]. Tatiraju melakukan pembandingan teknik segmentasu antara K-Means, Expectation Maximization (EM), dan Normalized Cuts [2], Chitade melakukan segmentasi citra berwarna dengan K-Means [3]. Muthukannan melakukan segmentasi citra berwarna dengan k-maens dan optimal fuzzy c-means [4]. Dan Maurya melakukan ekstraksi jalan dari citra dengan K-means dan operasi morfologi.

Penulis mencoba mengimplementasikan segmentasi citra RGB dengan K-means dan operasi morfologi. Ada 3 citra yang digunakan untuk uji coba : lenna, airplane, dan flower.

Hasil segmentasi pada citra lenna

•       Citra Lenna, citra dengan gray yang kontras.

•       Oversegmentasi lebih banyak terjadi pada jumlah cluster yang semakin banyak.

•       Percobaan : 2, 6, 10 cluster.

Citra Asli 2 cluster
   
6 cluster 10 cluster
   

Hasil segmentasi pada citra airplane

•       Citra Airplane, citra dengan 2 kelompok warna.

•       Oversegmentasi lebih banyak terjadi pada jumlah cluster yang semakin banyak.

•       Jumlah cluster sedikit memberikan hasil segmentasi yang lebih baik.

•       Percobaan : 2, 6, 10 cluster.

Citra Asli 2 cluster
   
6 cluster 10 cluster

Hasil segmentasi pada citra flower

•       Citra Flower, citra dengan 2 kelompok warna, ada overlay.

•       Oversegmentasi lebih banyak terjadi pada jumlah cluster yang semakin banyak.

•       Jumlah cluster sedikit memberikan hasil segmentasi yang lebih baik.

•       Jumlah cluster terbaik adalah 2 kluster.

•       Percobaan : 2, 6, 10 cluster.

Citra Asli 2 cluster
   
6 cluster 10 cluster

Sumber :

[1] H.P. Ng, Medical Image Segmentation Using K-means Clustering And Improved Watershed Algorithm, NUS Graduate School for Integrative Sciences and Engineering, Singapore, 2006

[2] Suman Tatiraju, Image Segmentation using k-means clustering, EM and Normalized Cuts, Department of EECS, University Of California – Irvine, Irvine, 2007

[3] ANIL Z CHITADE, Colour Based Image Segmentation Using K-means Clustering, International Journal of Engineering Science and Technology, 2010

[4] Muthukannan, K., Color image segmentation using k-means clustering and Optimal Fuzzy C-Means clustering, Communication and Computational Intelligence (INCOCCI), 2010 International Conference

[5] Rohit Maurya, Road Extraction Using K-Means Clustering and Morphological Operations, International Journal Of Advanced Engineering Sciences And Technologies, 2011

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: