JUDUL
THRESHOLDING
THRESHOLDING DENGAN PEMILIHAN WINDOW SECARA DENGAN PEMILIHAN WINDOW SECARA ADAPTIVE ADAPTIVE
BERBASIS PENGUKURAN TINGKAT KETAJAMAN CITRA
BERBASIS PENGUKURAN TINGKAT KETAJAMAN CITRA
PRESENTASI TESIS
OLEH
I Made
I Made DarmaDarma SusilaSusila
5108.201.014
PEMBIMBING
Dr. Agus Zainal, SKom., M.Kom. Isye Arieshanti, Skom., M.Phil.
L A T A R B E L A K A N G
Permasalahan Segmentasi
Segmentasi citra iluminasi, gradasi warna,
dan efek shadow.
Sensor Pasif.
Sensor Aktif.
L A T A R B E L A K A N G
Qingming Huang
Segmentasi dengan partisi window.
Teknik thresholding dengan cara pemilihan
window secara adaptive.
Lorenz Information Measure dan Otsu.
L A T A R B E L A K A N G
Qingming Huang
Segmentasi dengan partisi window.
Teknik thresholding dengan cara pemilihan
window secara adaptive.
Lorenz Information Measure dan Otsu.
L A T A R B E L A K A N G
Penelitian
Penelitian
Pendukung
Pendukung
Kelemahan metode
Otsu
yang bias dalam
mendeteksi letak lembah (Hou Z., dkk, 2006).
Memperhatikan fitur ketajaman citra antar batas
region
, memudahkan segmentasi (M.Spann.,
dkk, 1988).
Membandingkan lima jenis perhitungan
ketajaman citra berbasis
spatial
yaitu MV, MG,
L A T A R B E L A K A N G
Usulan Penelitian
Thresholding pemilihan window secara
adaptive berbasis tingkat ketajaman citra.
Fitur Tingkat Ketajaman Citra
Metode threshold
MCVT
T U J UA N D A N MA N F A A T P E N E L I T I A N
Tujuannya adalah mengembangkan teknik
pemilihan window secara adaptive
berdasarkan tingkat ketajaman citra.
Mensegmentasi citra memiliki iluminasi,
efek shadow, dan gradasi warna akibat efek
cahaya.
Mensegmentasi citra medis yang gelap
terang akibat kerja sensor aktif pada Xray.
METODA PENELITIAN
Langkah
Langkah
Teknik
Teknik
Thresholding
Thresholding
yang
yang
di
di
Usulkan
Usulkan
1. Inputkan citra.
2. Partisi image sesuai dengan ukuran window. 3. Hitung nilai sharpness masing-masing window.
4. Buat fitur f’(x,y), window sebagai pixel dan nilai sharpness sebagai nilai grayvaluenya.
5. Hitung nilai threshold T’ untuk f’(x,y) dengan MCVT
6. Periksa apakah pixel f’(x,y) lebih besar T’. Jika ya, maka ke langkah 7. Jika tidak, maka ke langkah 9.
7. Threshold pixel f’(x,y) dengan nilai threshold MCVT.
8. Periksa apakah keseluruhan image telah di threshold. Jika ya, maka berhenti.
9. Periksa apakah ada pixel f’(x,y) graylevel valuenya lebih kecil sama dengan T’. Jika ya growing ukuran window.
10. Periksa apakah ukuran window lebih besar dari ukuran citra. Jika ya, maka ke langkah 11. Jika tidak, maka ke langkah 12.
11. Threshold window dengan nilai threshold citra f(x,y).
12. Periksa apakah ada ukuran window ukuran window lebih kecil dari f(x,y). Jika ya, maka ke langkah 3. Jika tidak berhenti.
METODA PENELITIAN
Langkah
Langkah
Mendapatkan
Mendapatkan
Nilai
Nilai
Threshold MCVT
Threshold MCVT
1. Inputkan citra.
2. Simpan intensitas pixel yang berbeda pada citra. 3. Hitung jumlah pixel yang berbeda pada citra. 4. Buat variabel k dan isikan dengan nilai 0.
5. Hitung probabilitas class grup A (0 <= x <= k ) dan hitung probabilitas class grup B (k+1<= x <= m-1).
6. Hitung mean class grup A dan grup B. 7. Hitung nilai class varian grup A dan B.
8. Hitung probabilitas class grup A’ (0<= x <=k-1) dan hitung probabilitas class grup B’ (k <= x <= m-1).
9. Hitung nilai class varian class grup A’ dan B’. 10. Hitung biaya pemisah class grup A’ dan B’. 11. Incremenet nilai k.
12. Periksa apakah k lebih besar sama dengan intensitas pixel terbesar dalam citra. Jika ya, maka ke langkah 5.
METODA PENELITIAN
Partisi
Partisi
Window
Window
14 pixel 14 pixel 3 7 11 12 14 Kolom Baris 3 6 9 12 14 1 1,1 1,2 2,1 2,2
Tipe data cell ukuran 2x2
100 200
0 255
125
75
25 120 20
METODA PENELITIAN
Pembuatan
METODA PENELITIAN
Beberapa
METODA PENELITIAN
Mendapatkan
Mendapatkan
Nilai
Nilai
Error ME (
Error ME (
Missclassification
Missclassification
Error)
Error)
perhitungan ME-nya adalah 1-((3+4)/(5+4)) = 0,222.
O O T O T O
F
B
F
F
B
B
ME
+
∩
+
∩
−
= 1
Uji Coba
Pemilihan
Pemilihan
Metode
Metode
Ketajaman
Ketajaman
Citra
Citra
Ori Blur Mask 2 Blur Mask 4
Uji Coba
Pemilihan
Uji Coba
Citra Real
Citra Real
glassHour party party2
Uji Coba
Citra
Citra
Medis
Medis
akarGigiKanan akarGigiKiri tulangEngkel
Uji Coba
Citra
Citra
Landsat
Landsat
AmazonRiver garda EcumbeneRiver
Uji Coba
Pemilihan
Pemilihan UkuranUkuranWindow Error Minimum Window Error Minimum UntukUntuk TeknikTeknikThresholdingThresholding yang
yang diusulkandiusulkan QingmingQingming Huang Huang PadaPada Citra RealCitra Real
Uji Coba
Pemilihan
Pemilihan UkuranUkuranWindow Error Minimum Window Error Minimum UntukUntuk TeknikTeknikThresholdingThresholding yang
yang diusulkandiusulkan QingmingQingming Huang Huang PadaPada Citra Citra MedisMedis
Uji Coba
Pemilihan
Pemilihan UkuranUkuranWindow Error Minimum Window Error Minimum UntukUntuk TeknikTeknikThresholdingThresholding yang
yang diusulkandiusulkan QingmingQingming Huang Huang PadaPada Citra Citra LandsatLandsat
Uji Coba
Pemilihan
Pemilihan UkuranUkuranWindow Error Minimum Window Error Minimum UntukUntuk TeknikTeknikThresholdingThresholding yang
yang DiusulkanDiusulkan DalamDalamPenelitianPenelitian IniIniUntukUntuk Citra RealCitra Real
Uji Coba
Pemilihan
Pemilihan UkuranUkuranWindow Error Minimum Window Error Minimum UntukUntuk TeknikTeknikThresholdingThresholding yang
yang DiusulkanDiusulkanDalamDalam PenelitianPenelitian IniIni UntukUntuk Citra Citra MedisMedis
Uji Coba
Pemilihan
Pemilihan UkuranUkuranWindow Error Minimum Window Error Minimum UntukUntuk TeknikTeknikThresholdingThresholding yang
yang DiusulkanDiusulkanDalamDalam PenelitianPenelitian IniIni UntukUntuk Citra Citra SatelitSatelit
HASIL UJI COBA
Hasil
Hasil UjiUjiCobaCoba PadaPada KategoriKategori Citra RealCitra Real
HASIL UJI COBA
Hasil
Hasil UjiUjiCobaCoba PadaPada KategoriKategori Citra Real (2)Citra Real (2)
HASIL UJI COBA
Hasil
Hasil UjiUji CobaCoba PadaPada KategoriKategori Citra Citra MedisMedis
HASIL UJI COBA
Hasil
Hasil UjiUji CobaCobaPadaPada KategoriKategori Citra Medis(2)Citra Medis(2)
HASIL UJI COBA
Hasil
Hasil UjiUjiCobaCoba PadaPada KategoriKategori Citra Citra LandsatLandsat
HASIL UJI COBA
Hasil
Hasil UjiUji CobaCobaPadaPada KategoriKategori Citra Landsat(2)Citra Landsat(2)
ANALISA HASIL UJI COBA
Citra Real
ANALISA HASIL UJI COBA
Citra
ANALISA HASIL UJI COBA
Citra
KESIMPULAN
Teknik thresholding yang diusulkan dalam penelitian ini sebagianTeknik thresholding yang diusulkan dalam penelitian ini sebagian
besar menghasilkan hasil yang memuaskan dalam mensegmentasi
besar menghasilkan hasil yang memuaskan dalam mensegmentasi
citra medis. Karena gradasi warna terang pada akarGigiKiri. Oleh
citra medis. Karena gradasi warna terang pada akarGigiKiri. Oleh
karena itu fitur sharpness pada teknik thresholding yang di usul
karena itu fitur sharpness pada teknik thresholding yang di usulkan kan memilih window yang gradasi warnanya cerah dan warna gelap,
memilih window yang gradasi warnanya cerah dan warna gelap,
sehingga warna gradasi tersebut pada saat di segmentasi dianggap
sehingga warna gradasi tersebut pada saat di segmentasi dianggap
sebagai intensitas pixel objek jika dibandingkan dengan hasil da
sebagai intensitas pixel objek jika dibandingkan dengan hasil dari ri teknik yang diusulkan oleh Qingming Huang.
teknik yang diusulkan oleh Qingming Huang.
Teknik thresholding yang diusulkan tidak bisa bekerja dengan baiTeknik thresholding yang diusulkan tidak bisa bekerja dengan baik k
pada image real yang citranya gelap seperti pada citra Chinese.
pada image real yang citranya gelap seperti pada citra Chinese. Nilai Nilai ketajaman citra Chinese pada teknik thresholding yang diusulkan
ketajaman citra Chinese pada teknik thresholding yang diusulkan
fokus pada bagian tengah image yang terang dan bagian yang lain
fokus pada bagian tengah image yang terang dan bagian yang lain
windownya membesar sampai memenuhi window, sehingga window
windownya membesar sampai memenuhi window, sehingga window
tersebut di segmentasi menggunakan nilai threshold global.
tersebut di segmentasi menggunakan nilai threshold global.
Teknik thresholding yang diusulkan dapat bekerja dengan baik pada
citra satelit yang memiliki iluminasi warna seperti pada citra garda, riverLandsat, dan EcumbeneRiver karena pada citra tersebut terdapat iluminasi warna akibat pencahayaan matahari dibandingkan dengan teknik thresholding yang diusulkan oleh Qingming Huang.
D A F T A R P U S T A K A
•
• CaoCao, L., Shi, Z.K., Cheng, E.K.W. (2002). , L., Shi, Z.K., Cheng, E.K.W. (2002). Fast Automatic Multilevel Fast Automatic Multilevel ThresholdingThresholding Method,
Method, Electron, Electron, vol. 38, 868vol. 38, 868--870.870.
•
• ChongChong--Yaw, W., Yaw, W., ParamesranParamesran, R., (2006). , R., (2006). Measure of Image Sharpness Using Measure of Image Sharpness Using Eigenvalue
Eigenvalue. . Information ScienceInformation Science.. •
• Gonzales, R.C., Woods, E.W (2008), Gonzales, R.C., Woods, E.W (2008), Digital Image ProcessingDigital Image Processing, 3rd edition, Pearson , 3rd edition, Pearson
Education, Inc., New Jersey.
Education, Inc., New Jersey.
•
• HouHou, Z., , Z., HuHu, Q., , Q., NowinskiNowinski, W.L. (2006), , W.L. (2006), On Minimum Variance On Minimum Variance ThresholdingThresholding, ,
Pattern
Pattern RecognationRecognation, vol. 27, hal.1732, vol. 27, hal.1732--1743.1743. •
• MacmurrayMacmurray, T., Pearce, J.A. (1994) IEEE, , T., Pearce, J.A. (1994) IEEE, ThreoreticalThreoreticaland Experimental and Experimental Comparison of t
Comparison of t he Lorenz Information Measure, Entropy, and the Mean he Lorenz Information Measure, Entropy, and the Mean Absolute Error
Absolute Error, , Biomedical Biomedical EngineeringEngineering. . •
• M.SpannM.Spann., ., C.HornetC.Hornet (1988), (1988), Image Segmentation Using A Dynamic Image Segmentation Using A Dynamic ThresholdingThresholding Pyramid
Pyramid, , Pattern Pattern RecognationRecognation, , volvol22, 22, halhal 719719--732.732. •
• PradhanPradhan, S.S., , S.S., PatraPatra, D., , D., NandaNanda, P.K. (2008) IEEE, , P.K. (2008) IEEE, Adaptive Adaptive ThresholdingThresholdingBased Based Image
Image Segmentation with Uneven Lighting ConditionSegmentation with Uneven Lighting Condition. . Sahoo
Sahoo, P.K., , P.K., SoltaniSoltani, S., Wong, A.K.C. (1988). , S., Wong, A.K.C. (1988). Survey of Survey of ThresholdingThresholding TechniqueTechnique. .
Computer Vision
Computer Vision GraphichsGraphichsImage ProcessImage Process, vol. 41, , vol. 41, halhal. 233. 233--260.260. •
• QingmingQingming, H., , H., WenWen, G., , G., WenjianWenjian, C. (2005), , C. (2005), ThresholdingThresholding Technique with Adaptive Technique with Adaptive
Window Selection for Uneven Lighting Image
Window Selection for Uneven Lighting Image, , Pattern Pattern RecognationRecognation, , vol. 26, hal.801
