BAB II TINJAUAN PUSTAKA
2.3. Computer Vision
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
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 :
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
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 wilayah/area 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 :
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.
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 :
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.