SEGMENTASI OBJEK DIBAWAH
PENGARUH PENCAHAYAAN
Pratiwi, D., Putra, A.P., Sim, P.H., Kartowisastro, I.H.
Universitas Bina Nusantara, [email protected], [email protected]ABSTRAK
Segmentasi citra merupakan salah satu metode pengolahan citra dengan mengelompokkan pixel-pixel pada citra menjadi objek dan latar belakang. Penelitian ini merancang sistem dengan memakai sensor kamera untuk pengambilan citra dan menggunakan komputer sebagai perangkat lunak untuk pemrosesan citra. Pengaruh kondisi lingkungan, dalam hal ini pencahayaan, merupakan parameter yang perlu diperhatikan karena kondisi intensitas cahaya dapat berubah sesuai dengan kondisi lingkungan. Sistem yang dirancang akan diuji dengan parameter-parameter yaitu warna, tekstur dan jumlah objek serta intensitas cahaya yang dapat memberikan pengaruh keberhasilan sistem melakukan segmentasi. Objek yang digunakan pada perancangan ini yaitu cangkir, M-Key BCA, dan pena sebagai foreground dan objek buku, kotak balsam warna jingga, pemantik api dan sampul hansaplas sebagai objek background. Dengan metode edge suppressing yang digunakan untuk proses segmentasi, maka pengaruh pencahayaan memberikan citra hasil segmentasi paling baik saat menggunakan objek cangkir sebagai foreground. Pengaruh kondisi warna dan tekstur objek background memberikan pengaruh keberhasilan sistem dalam melakukan segmentasi karena pengaruh komposisi RGB yang mirip antara objek foreground dan objek background. Segmentasi dengan pencahayaan rendah didapatkan hasil yang baik walaupun masih terdapat sedikit noise.
Kata kunci: segmentasi, pencahayaan, warna
PENDAHULUAN
Robot memiliki kemampuan mengenali lingkungan melalui sistem vision yang dapat memberikan informasi kondisi lingkungan dari suatu citra. Kamera sebagai sensor yang dapat digunakan pada robot, yang memiliki kenggulan lebih fleksibel dibandingkan sensor lain dalam aplikasi input data untuk menghasilkan sebuah citra dari objek yang ditangkap (Collewet, 2011). Pengaruh perubahan lingkungan dapat membuat kamera sulit diaplikasikan pada robot karena kamera sensitif terhadap variasi pencahayaan (Kuo-Yang Tu, 2009). Segmentasi menjadi hal yang penting dalam sistem pengenalan lingkungan sekitar robot oleh kamera pada
vision disebut dengan recognition dapat diaplikasikan pada mobile robot salah satunya dengan
algoritma seed-fill (Hai-bo, Yu-Mei, Yu-Jie, 2010).Proses segmentasi dengan memisahkan objek dari latar belakang dalam suatu citra merupakan hal yang penting dalam sistem vision dan tidak mudah ketika kondisi pencahayaan tidak merata diberikan pada citra yang ditangkap kamera. Transformasi Top-Hat dengan homomorphic filtering merupakan salah satu metode
yang dapat menyelesaikan masalah segmentasi citra dalam pencahayaan yang tidak merata pada suatu citra (Cheng, Xiao-Jun, 2013). Metode segmentasi yang diperkenalkan oleh Wen-Cheng memberikan hasil dapat menghasilkan warna latar belakang seragam dengan menghilangkan kondisi warna yang tidak seragam akibat pencahayaan yang tidak merata.
Dengan memperhatikan pengaruh pencahayaan, sebuah metode segmentasi citra dengan asumsi pencahayaan terarah dapat menyelesaikan segmentasi citra dengan kondisi intensitas cahaya yang berbeda (Sato, Okabe, dan Yoichi, 2006). Dua kriteria yang digunakan pada algoritma yang diperkenalkan oleh Sato, yaitu terdiri dari kriteria single point light source dan general illumination condition. Teknik segmentasi dengan memberikan pencahayaan pada sudut dan panjang gelombang yang berbeda yang diproyeksikan pada robot, dilakukan untuk melakukan segmentasi pada berbagai objek mengidentifikasi latar belakang objek dan memisahkan antara latar belakang dan objek yang digunakan(Amr Almaddah, Yasushi Mae, Ohara, Takubo, Arai, 2011). Untuk memisahkan latar belakang dan objek, maka objek akan diberikan multiple light, yaitu memberikan cahaya dengan frekuensi yang berbeda-bedamengenalkan teknik segmentasi dengan kondisi pencahayaan yang berbeda.
Adapun segmentasi warna dengan kondisi tiga macam pencahayaan yang berbeda pada suatu citra dengan metode segmentasi watershed dan canny edge detection(Koh, Miles, Morgan, Hayes-Gill, 2007). Algoritma segmentasi yang dikembangkan oleh Koh memberikan hasil segmentasi lebih unggul dengan menghasilkan boundary yang lebih bersih dan akurat dibandingkan dengan teknik segmentasi watershed dan canny edge detection.
Melalui pengamatan yang telah dilakukan dari penelitian beberapa tahun terakhir dari jurnal lain menyangkut segmentasi, maka segmentasi merupakan tahap dasar pada pengolahan citra yang penting dan berpengaruh untuk tahap lanjut pada pengolahan citra dalam deteksi objek. Perubahan intensitas cahaya dan variasi warna objek dapat memberikan pengaruh terhadap segmentasi, sehingga perlu dilakukan penelitian mendalam mengenai proses segmentasi yang berkaitan dengan pengaruh pencahayaan serta keragaman warna dan tekstur objek yang digunakan pada perancangan sistem segmentasi.
METODE PENELITIAN
Dalam merancang sistem segmentasi, terdapat beberapa parameter yang dapat mempengaruhi keberhasilan sistem untuk melakukan segmentasi. Parameter yang akan diuji pada rancangan sistem yaitu kondisi intensitas cahaya, bentuk objek, warna dan tekstur objek yang terkandung pada citra yang ditangkap oleh kamera. Variabel yang diukur pada penelitian ini adalah jumlah pixel yang terdapat pada citra, distribusi penyebaran intensitas pixel citra, dan nilai intensitas pixel yang terkandung pada citra. Perancangan ini telah mengalami beberapa prosesperbaikan dan pengembangan sistem segmentasi dalam metode dan jenis objek yang digunakan. Proses segmentasi dari citra yang ditangkap oleh kamera bergantung pada tiga hal yaitu kondisi fisik yang terkandung pada area pengambilan citra, banyaknya cahaya yang mengenai suatu objek, dan karakteristik kamera.
Banyaknya cahaya yang dapat dipantulkan objek akan diterima oleh sensor kamera dan masuk ke komputer sebagai citra input. Kondisi fisik yang terkandung pada area pengambilan gambar, dalam hal ini adalah jenis objek-objek yang digunakan pada penelitian dapat memberikan pengaruh banyaknya pemantulan cahaya yang ditangkap oleh kamera sebagai citra. Suatu citra , yang terdiri dari dua komponen yaitu , , dan , dinyatakan dengan persamaan 1(Gonzalez, 2004) :
, , , (1)
Banyaknya pencahayaan yang mengenai suatu area pengambilan gambar yang dinyatakan oleh , , dan banyaknya pencahayaan yang dipantulkan oleh objek yang dinyatakan oleh , . Dengan memperhatikan persamaan 1 maka tekstur dan warna menjadi
parameter yang dapat mempengaruhi sistem segmentasi, karena perbedaan warna objek yang digunakan pada penelitian dapat mempengaruhi nilai , . Disamping itu dalam kehidupan sehari-hari lebih banyak dijumpai benda yang memiliki warna variatif serta memiliki bentuk tidak beraturan, sehingga perancangan ini menggunakan objek dengan bentuk tidak beraturan. Dengan mengkondisikan sistem segmentasi agar dapat dipakai pada robot RV-M1, maka digunakan objek yang dapat dijangkau oleh end effector robot RV-M1. Dengan memperhatikan parameter bentuk objek, warnadan tekstur objek, maka penelitian ini menggunakan objek M-Key BCA yang memiliki warna variatif yaitu biru, merah, putih, dan hitam. Selain itu digunakan objek cangkir yang mewakili bentuk lingkaran dengan warna putih, dan objek pena dengan warna hitam dan bentuk persegi panjang pipih.
Perancangan penelitian ini untuk kedepannya akan digunakan untuk dapat diaplikasikan pada robotRV-M1sehingga kondisi perancangan perlu disesuaikan dengan kondisi robot RV-M1 dengan memperhatikan jarak maksimal yang dapat dijangkau oleh lengan robot tersebut. Kamera diletakkan 40 cm dari dasar tempat objek diletakkan, dengan menyesuaikan jarak maksimal yang dapat dijangkau oleh end effector RV-M1 yaitu 40 cm. Karena penelitian ini hanya menggunakan satu jenis kamera, yaitu kamera web sehingga tidak ada perbandingan antara kamera web dengan kamera vision, oleh karena itu karakteristik kamera dapat diabaikan untuk penelitian ini.
Gambar 1Diagram Blok Rancangan Sistem Region growing
Percobaan segmentasi terhadap pengaruh pencahayaan awalnya dilakukan menggunakan metode region growing sebagai algoritma untuk proses segmentasi. Dengan menggunakan objek yang paling sederhana bentuknya yaitu kaleng dan kubus, disamping itu warna kedua objek tersebut memiliki perbedaan warna yang kontras yaitu warna biru untuk kaleng dan objek sebagai latar belakang adalah warna kuning untuk kubus pada gambar 2 Percobaan segmentasi objek kaleng dan kubus tersebut dilakukan dengan intensitas cahaya 1
lux sampai 100 lux. Dengan menggunakan region growing maka percobaan sederhana dengan
dua objek yaitu kubus kuning dan kaleng biru memberikan hasil segmentasi yang baik seperti pada gambar 3 sehingga kaleng dapat dipisahkan dari background yaitu kubus kuning dan karton putih.
Objek Kamera Komputer
Thresholding Region growing Image enhancement Object yang diinginkan Pencahayaan
Gambar 2 Objek kaleng dan kubus
Gambar 3Hasil segmentasi kaleng dari kubus
Percobaan segmentasi dikembangkan menjadi lebih kompleks dengan menggunakan beberapa objek sebagai background yang memiliki tekstur dan warna yang bervariasi untuk menguji keberhasilan segmentasi. Objek yang dipakai yaitu kotak persegi panjang berwarna coklat muda yang memiliki corak garis, empat buah lego yang memiliki warna berbeda yaitu kuning, coklat, abu muda dan hijau seperti pada gambar 3.12. Dengan menggunakan objek yang memiliki variasi warna maka dapat dianalisa pengaruh parameter warna terhadap keberhasilan sistem segmentasi.
Gambar 4 Objek lego
Region growing tidak dapat bekerja dengan baik untuk kondisi citra yang mengandung
objek dengan warna yang bervariasi pada gambar 3.13 sehingga dikembangkan metode segmentasi yang lain yaitu edge suppressing. Proses edge suppression menggunakan algoritma
Edge Suppression by Gradient Field Transformation using Cross-Projection Tensors yang
diperkenalkan oleh Agrawal, Raskar dan Chellapa, menggunakan pendekatan penurunan local
tensor pada satu citra citra dan tranformasikan ke gradient field ke citra yang lainnya. Image A
merupakan foreground, image B adalah background, sedangkan image A’ adalah citra hasil segmentasi berupa objek yang diingkan. Image A’’ adalah hasil bayangan objek. Setelah citra diubah dari RGB (Red Green Blue) menjadi YUV selanjutnya akan dicari nilai structurtensor, yaitu nilai .Komponen yang dibutuhkan untuk mendapatkan nilai structurtensor adalah
matriks kernel Gaussian yaitu , yang didapatkan dari persamaan 2, dan gradient citra
background dan citra foreground. Dalam mencari nilai structur tensor, kernel Gaussian akan
dikonvolusi dengan perkalian antara gradient citra dan gradient citra yang ditranspose seperti pada persamaan 3. (2) I (3)
Nilai DB menunjukkan edgebackground yang nantinya akan dihilangkan. Setelah didapat nilai DB, kemudian dengan menggunakan affine transformation dicari ′ yaitu
gradientimage A’ untuk mencari gradient objek yang diinginkan tanpa edge objek background
yaitu dengan persamaan 4.
′ · (4)
Hasil gradient yang baru yaitu ′ akan diintegral untuk mendapatkan citra objek yang diinginkan dan citra objek background telah hilang. Hasil image A’ yaitu hasil segmentasi edge
suppressing.
HASIL DAN BAHASAN
Implementasi yang dilakukan untuk menguji parameter memperhatikan beberapa kondisi yaitu kondisi objek sebagai background dengan warna, dan tekstur yang bervariasi, kondisi objek sebagai foreground dengan warna dan bentuk yang bervariasi, serta perubahan intensitas cahaya terhadap keberhasilan sistem segmentasi. Dengan melakukan implementasi terhadap sistem yang dirancang maka didapatkan hasil keberhasilan segmentasi citra untuk beberapa objek yaitu objek pena, cangkir, M-key BCA yang setiap objek mempunyai bentuk dan warna variatif yang memberikan pengaruh dalam proses segmentasi objek. Pada gambar 6 memperlihatkan bahwa objek pena yang memiliki bidang yang pipih dan gelap memiliki tingkat keberhasilan segmentasi yang rendah dibandingkan dengan objek yang memiliki permukaan lebih luas dengan warna terang. Objek M-key BCA pada intensitas tertentu memiliki tingkat keberhasilan segmentasi yang tidak terlalu tinggi dikarenakan objek yang ingin disegmentasi memiliki nilai intensitas pixel yang hampir sama dengan objek background. Pada objek cangkir didapatkan hasil segmentasi yang baik karena warna objek cangkir memiliki perbedaan warna yang kontras sehingga nilai intensitas pixel objek cangkir tidak mirip dengan nilai intensitas pixel background. Percobaan dengan intensitas cahaya kondisi saat intensitas di bawah 50 lux memiliki tingkat keberhasilan paling rendah seperti terlihat pada gambar 6 karena pencahayaan
yang gelap menimbulkan jumlah cahaya yang dipantulkan r(x, y) mendekati 0, banyak cahaya yang diserap oleh objek.
Tabel 1 menunjukkan citra
background buku dengan nilai intensitas cahaya yang diberikan yaitu 50 lux sehingga didapatkan citra objek yang disegmentasi yaitu objek cangkir.
mewakili bidang lingkaran memiliki tekstur warna putih dapat berhasil disegmentasi pada sistem.
Tabel 1Citra foreground objek cangkir dan hasil se Benda Intensitas cahaya rendah
(51 lux – 100 lux) Cangkir Hasil Segmentasi 0 10 20 30 40 50 60 70 80 90 100 %
yang gelap menimbulkan jumlah cahaya yang dipantulkan r(x, y) mendekati 0, sehingga lebih banyak cahaya yang diserap oleh objek.
Gambar 6 Hasil segmentasi
menunjukkan citra foreground dengan objek cangkir yang ingin kita pisahkan dari buku dengan nilai intensitas cahaya yang diberikan yaitu 50 lux, 500 lux
sehingga didapatkan citra objek yang disegmentasi yaitu objek cangkir. Objek cangkir yang mewakili bidang lingkaran memiliki tekstur warna putih dapat berhasil disegmentasi pada
objek cangkir dan hasil segmentasi Intensitas cahaya rendah Intensitas cahaya tengah
(501 lux – 600 lux)
Intensitas cahaya tinggi (1000 lux – Lux M-Key BCA pena cangkir sehingga lebih
dengan objek cangkir yang ingin kita pisahkan dari
lux dan 1000
Objek cangkir yang mewakili bidang lingkaran memiliki tekstur warna putih dapat berhasil disegmentasi pada
Intensitas cahaya tinggi
– 1100 lux)
Key BCA
Dengan menguji parameter background variable maka dilakukan segmentasi dengan empat macam objek sebagai background yaitu kotak balsam jingga, sampul hansaplas, pemantik api dan buku. Segmentasi objek pena dengan kondisi empat macam objek sebagai
background berhasil dilakukan walaupun masih terdapat sedikit noise dengan kondisi background dengan objek warna variatif seperti pada tabel 2.
Tabel 2 Objek pena dengan background beragam dan hasil segmentasi Benda Intensitas cahaya rendah
(51 lux -100 lux)
Intensitas cahaya tengah (501 lux – 600 lux)
Intensitas cahaya tinggi (1000 lux – 1100 lux) Pena
Hasil Segmentasi
Gambar 8 menunjukan cangkir yang disegmentasi dengan kondisi empat macam objek pada background memberikan hasil keberhasilan yang baik ketika dengan pencahayaan sampai 1100 lux. Hasil segmentasi M-Key BCA dengan empat macam objek sebagai background pada gambar 7 memberikan tingkat keberhasilan hasil segmentasi yang lebih konsisten dibandingkan dengan gambar 8 yaitu objek cangkir saat dilakukan segmentasi dengan pencahayaan tinggi yaitu 501 lux sampai 1001 lux. Perbedaan luasnya permukaan dan warna yang dimiliki oleh cangkir dan M-Key BCA menyebabkan tingkat keberhasilan segmentasi yang berbeda. Cangkir yang memiliki luas permukaan lebih besar daripada M-Key BCA menyebabkan cahaya yang dipantulkan oleh cangkir lebih banyak. Selain itu cangkir memiliki warna yang sangat terang yaitu putih sehingga warna cangkir tersebut lebih mudah memantulkan cahaya dibandingkan dengan warna M-Key BCA yang sebagian besar berwarna biru gelap. Banyaknya pemantulan cahaya oleh cangkir dapat menyebabkan perbedaan karakteristik pixel pada citra yang diambil oleh kamera sehingga memungkinkan terjadi perubahan komposisi RGB (Red Green Blue) pada citra tersebut saat intensitas cahaya tinggi. Berbeda dengan M-Key BCA yang tidak terlalu banyak memantulkan cahaya sehingga citra yang ditangkap oleh kamera memiliki karakteristik
pixel yang hampir sama saat intensitas cahaya tinggi.
Variabel distribusi penyebaran intensitas pixel pada citra yang diukur pada penelitian ini dapat memberikan karakteristik citra yang lebih mudah untuk dilakukan proses segmentasi dan rumit untuk dilakukan proses segmentasi. Disamping itu distribusi penyebaran intensitas
pixel yang dinyatakan oleh histogram dapat memberikan karateristik citra yang memberikan
hasil segmentasi yang baik dan citra hasil segmentasi kurang baik. Dengan mengukur variabel distribusi penyebaran intensitas pixel citra maka dapat dianalisa komponen RGB (Red Green
Gambar 7 Grafik hasil segmentasi
background
Gambar 8 Grafik hasil segmentasi cangkir dengan jumlah lebih dari satu objek sebagai
background
Warna variatif setiap objek yang digunakan pada perancangan ini dinyatakan dengan
histogram citra RGB pada gambar
cangkir dengan intensitas 1001 lux sampai 1100 lux pada gambar
pixel untuk komponen blue
Jika dilihat dari histogram citra dengan objek
red yang lebih banyak dibandingkan dengan komponen
cangkir pada seperti terlihat pada gambar komponen red dan blue pada citra objek M
lebih variatif dibandingkan dengan objek cangkir. Disamping itu pada gambar
histogram komponen blue terpusat pada satu daerah yang dapat menggambarkan karakteristik
intensitas pixel objek cangkir dimana sebagai besar
intensitas komponen blue yang hampir sama. Berbeda dengan pada gambar
histogram komponen blue tidak terpusat hanya pada satu daerah saja, sehingga menunj
karakteristik bahwa objek M
pixel yang beragam.
0 20 40 60 80 100 % 0 20 40 60 80 100 %
Grafik hasil segmentasi M -Key BCA dengan jumlah lebih dari satu objek sebagai
Grafik hasil segmentasi cangkir dengan jumlah lebih dari satu objek sebagai
Warna variatif setiap objek yang digunakan pada perancangan ini dinyatakan dengan citra RGB pada gambar 9, gambar 10, dan gambar 11. Histogram citra untuk objek cangkir dengan intensitas 1001 lux sampai 1100 lux pada gambar 9 memperlihatkan jumlah
pada citra lebih banyak dibandingkan komponen red dan citra dengan objek M-Key BCA pada gambar 10 memiliki komponen yang lebih banyak dibandingkan dengan komponen red pada histogram citra dengan objek cangkir pada seperti terlihat pada gambar 9. Dengan lebih banyaknya jumlah pixel
pada citra objek M-Key BCA, maka membuat warna objek tersebut lebih variatif dibandingkan dengan objek cangkir. Disamping itu pada gambar
terpusat pada satu daerah yang dapat menggambarkan karakteristik objek cangkir dimana sebagai besar pixel pada citra tersebut memiliki nilai yang hampir sama. Berbeda dengan pada gambar 10 yang bentuk
tidak terpusat hanya pada satu daerah saja, sehingga menunj
M-Key BCA mempunyai memiliki komponen blue dengan intensitas
Lux
dengan jumlah lebih dari satu objek sebagai
Grafik hasil segmentasi cangkir dengan jumlah lebih dari satu objek sebagai
Warna variatif setiap objek yang digunakan pada perancangan ini dinyatakan dengan citra untuk objek memperlihatkan jumlah dan green. memiliki komponen
citra dengan objek
pixel dengan
Key BCA, maka membuat warna objek tersebut lebih variatif dibandingkan dengan objek cangkir. Disamping itu pada gambar 9 bentuk terpusat pada satu daerah yang dapat menggambarkan karakteristik pada citra tersebut memiliki nilai yang bentuk tidak terpusat hanya pada satu daerah saja, sehingga menunjukkan dengan intensitas
Lux
Gambar 9Histogram cangkir dengan satu objek backgorund intensitas 1001 lux sampai 1100 lux
Gambar 10HistogramM-Key BCA dengan satu objek background intensitas 1001 lux sampai 1100 lux
Dengan melihat citra hasil segmentasi dengan beberapa objek yang telah diuji oleh beberapa parameter yaitu kondisi intensitas cahaya yang berbeda, bentuk, warna dan tekstur objek maka citra yang memberikan hasil segmentasi paling baik yaitu citra dengan objek cangkir dengan nilai intensitas yang tidak terlalu rendah. Intensitas cahaya yang terlalu rendah yaitu dibawah 100 lux memberikan hasil segmentasi kurang baik pada beberapa objek, sehingga parameter intensitas cahaya merupakan salah satu parameter dasar yang mempengaruhi keberhasilan sistem melakukan segmentasi.
SIMPULAN DAN SARAN
Segmentasi Objek di bawah Pengaruh Pencahayaan merupakan rancangan sistem segmentasi dengan pengujian parameter intensitas cahaya, warna, tesktur dan bentuk objek, untuk memisahkan objek yang diinginkan dari background. Rancangan awal
segmentasi dengan metode region growing memberikan hasil segmentasi kurang baik pada objek yang memiliki warna variatif. Pencahayaan dan warna objek menjadi parameter dasar yang dapat mempengaruhi keberhasilan sistem segmentasi pada penelitian ini. Penelitian ini masih terdapat kekurangan-kekurangan, saran penelitian ini dapat sebagai acuan dalam penelitian selanjutnya dalam hal kondisi pencahayaan berupa objek dan pencahayaan dengan faktor –faktor yang diperhatikan yaitu peletakkan sumber cahaya dan besarnya nilai intensitas cahaya yang digunakan.
REFERENSI
[1]Agrawal, A., Raskar, R., Chellapa, R. (2006). Edge Suppressing by Gradient Field Transformation using Cross-Projection Tensor. IEEE Conference on Computer Vision and Pattern Recognition .
[2]Almaddah, A., Mae, Y., Ohara, K., Takubo, T., Arai, T.. (2011). Visual and Physical Segmentation of Novel Objects. IEEE/RSJ International Conference on Intelligent Robots and Systems
[3]Collewet, C., Marchand, E. (2011). Photometric Visual Servoing. IEEE Transaction on Robotics , 828-834
[4]Rafael C. Gonzales, Richard E. Woods. Steven L. Eddins (2004). Digital Image Processing Using Matlab . New Jersey: Prentice Hall.
[5]Hai-bo, L., Yu-Mei, W., Yu-jie, D. (2010). Fast Recognition Based on Color Image Segmentation in Mobile Robot. Proceedings of the Third International Symposium on Computer Science and Computation Technology
[6]Koh, T.K., Miles, N., Morgan, S., Hayes-Gill, B. (2007). Image Segmentation Using Multi Coloured Illumination. Journal of Multimedia
[7]Sato, Takahiro Okabe and Yoichi. (2006). Effects of Image Segmentation for Approximating Object Appearance Under Near Lighting. P.J. Narayanan et al. (Eds.): ACCV 2006, LNCS 3851 , 764–775.
[8]Tu, K.-Y. (2009). Analysis of Camera's Images Influenced by Varying Light Illumination for Design of Color Segmentation. Journal of Information Science and Engineering
Wen-Cheng, W., Xiao-Jun, Cui. (2013). A Segmentation Method for Uneven Illumination Particle Image. Research Journal of Applied Science, Engineering and Technology
RIWAYAT PENULIS
Dini Pratiwi lahir di Jakarta pada 13 Mei 1992. Penulis menamatkan pendidikan S1 di
Universitas Bina Nusantara dalam bidang Teknik Komputer pada tahun 2014.
Alvien Permana Putra lahir di Surabaya pada 07 Desember 1991.Penulis menamatkan
pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Komputer pada tahun 2014.
Priyangkah Hartawan Simlahir di Jambi pada 02 Maret 1992. Penulis menamatkan
pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik komputer pada tahun 2014.
Iman H. Kartowisastro lahir di Surabaya pada 8 Februari 1963. Penulis menamatkan S2 di
City University dalam bidang Infomation Engineering pada tahun 1987 dan S3 di City University dalam bidang Robotic Control pada tahun 1991. Saat ini bekerja sebagai wakil rektor akademik di Universitas Bina Nusantara.
