Segmentasi dan Ekstraksi citra iris mata dengan Hard K-means


Segmentasi dengan metode K-means kali ini coba saya lakukan pada sebuah dataset iris mata. Seperti diketahui, bahwa citra iris mata adalah salah satu contoh identifikasi unik pada diri manusia, sehingga proses untuk mendapatkan bagian irir menjadi penting sebelum dilakukan pada proses berikutnya seperti analisis tekstur dan pattern matching.

Metode yang umum digunakan dalam mendeteksi iris mata adalah dengan segmentasi, seperti deteksi tepi dengan filter sobel, prewitt, canny, LoG, dan sebagainya. Metode seperti watershed juga bisa menjadi alternative. Dalam tulisan ini saya coba menerapkan K-means, jika dalam tulisan sebelumnya saya lakukan pada citra lenna, bunga, dan pesawat, kali ini saya coba pada citra iris mata. Saya pilih citra iris mata yang ada gangguan. Saya lakukan percobaan dengan 3, 4, dan 6 cluster. Hasilnya, dengan 4 cluster memberikan hasil terbaik pada pengelompoka area iris. Namun saya menduga, jumlah cluster akan dipengaruhi oleh kondisi warna iris itu sendiri.

Hasil yang saya tampilkan berikut berdasarkan :

  1. Dataset citra iris dengan format warna RGB
  2. K-means yang digunakan adalah hard k-means
  3. Jumlah cluster 4
 
 Citra asli iris format RGB
 
 Hasil segmentasi dengan 4 cluster
 
 Ekstraksi region iris mata

6 Responses to Segmentasi dan Ekstraksi citra iris mata dengan Hard K-means

  1. novan says:

    3, 4, 6 cluster itu maksudnya apa pak???

    jd tertarik,….
    hohohohoooo,…

    • Eko Prasetyo says:

      Cluster adalah istilah kelompok dalam sebuah dataset. Setiap dataset kan mempunyai beberapa fitur, misalnya kalau citra RGB kan punya fitur R Red), G (Green), dan B (Blue), nah sekumpulan piksel dalam sebuah citra dengan fitur RGB, dikelompok2kan sehingga membentuk sejumlah cluster, cluster2 inilah yang yang kemudian dikeluarkan sebagai hasil segmentasi. Pada K-means clustering, jumlah cluster ini harus kita tetapkan diawal ketika melakukan pengelompokan. Dalam percobaan saya, citra tersebut saya coba menggunakan 3, 4, dan 6 cluster. Nanti diantara 3 percobaan itu, kita pakai yang memberikan hasil terbaik.

  2. Novan Ary says:

    masih bingung pak,…..
    Emmm,… citra RGB pd kuliah peng citra pert. ke-2 kalau gk salah adalah citra Red,… kemudian dilapisi Green,…. dan Blue,…

    datasheet yg dimaksud itu ap pk? apakah tingkat nilai ke-merahn, ke-hijauan, dan ke-biruan(seperti kasus citra ke-abuan) kemudian dihimpun menjadi satu dan dinamakan demikian?

    kyk’e butuh bimbingan lebih ki,…
    hehehehe,…..(intel pentium II inside),….

    • Eko Prasetyo says:

      Karena dalam artikel ini adalah mengenai K-means (clustering) maka dikaitkan dengan data set. Data set bahasa kasarnya adalah data transaksi yang berada pada sebuah tabel, setiap record adalah satu data, seluruh isi tabel diset data set. Karena segmentasi disini berbasis clusterng dengan k-means pada citra RGB, maka data setnya adalah nilai R (kolom 1), nilai G (kolom 2), nilai B (kolom 3). DImana ketiga nilai tersebut adalah representasi sebuah piksel citra berwarna RGB. Seluruh piksel dalam sebuah citra dianggap sebagai data set.

  3. ayu says:

    pak,ada contoh konversi citra RGB ke HSV gak?? klo boleh sekalian code-nya buat belajar..
    terima kasih🙂

    • Eko Prasetyo says:

      #Ayu :
      Sebenarnya dalam matlab sendiri sudah built-in dengan fungsi untuk mengonversi citra dari RGB ke HSV. Coba cek fungsi rgb2hsv(). Source codenya juga bisa dibaca kok, cari saja file rgb2hsv.m didalam matlab.

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: