Volume: 3, No. 1 Juni 2019
Jurnal Mantik Penusa Vol. 3, No. 1 Juni 2019, pp.43-46
Terakreditasi DIKTI No.SK 21/E/KPT/2018 43 e-ISSN 2580-9741 p-ISSN 2088-3943
SEGMENTASI RUANG WARNA L*a*b
Anita Sindar Sinaga Teknik Informatika
STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No.1, Medan, Indonesia 20154 E-mail: haito_ita@yahoo.com
Abstract
Image segmentation functions to separate one object from another object. Separation is carried out based on regional boundaries which have the same form or composition. The form of light energy is worth 0 to infinity. The function of light intensity f (x, y) indicates the position of the image coordinates.
Color segmentation is obtained through preprocessing conversions and transformations that produce color value values. The color of digital images results in light intensity, namely RGB, CMYK, HSV, Color Space. The colors R (Red) G (Green) and B (Blue) have a close degree of color correlation making it difficult to segment. each sample is converted from RGB - XYZ - Lab color. The average ratio of Red, Green and Blue in RGB and XYZ 1:10 colors. Segmentation uses the color L * a * b, showing the color composition of the sample data into six groups: background, yellow, magenta, purple, red and green using the grouping method. This work proposed the L*a*b color space chosen which is a homogeneous space for visual perception.
Keywords: RGB Color, XYZ Color, Color L *a*b, Color Space Segmentation Abstrak
Segmentasi citra berfungsi untuk memisahkan antara objek yang satu dengan objek yang lain.
Pemisahan dilakukan berdasarkan batas wilayah yang memiliki kesamaan bentuk atau komposisi.
Bentuk energi cahaya bernilai 0 sampai tidak berhingga. Fungsi intensitas cahaya f(x,y) menunjukkan posisi koordinat citra. Segmentasi warna diperoleh melalui preprosesing konversi dan transformasi yang menghasilkan nilai value warna. Warna citra digital hasil intensitas cahaya yaitu RGB, CMYK, HSV, Color Space. Warna R (Red) G (Green) dan B (Blue) memiliki tingkat korelasi warna yang dekat sehingga sulit untuk disegmentasikan sehingga perlu ditransformasi menjadi beberapa nilai value warna. setiap sampel dikonversi dari RGB - XYZ - warna Lab. Rasio rata-rata Merah, Hijau dan Biru pada warna RGB dan warna XYZ 1:10. Segmentasi menggunakan warna L*a *b, menampilkan komposisi warna data sampel menjadi enam kelompok yaitu warna latar belakang, kuning, magenta, ungu, merah dan hijau menggunakan metode pengelompokan. Karya ini diusulkan ruang warna L*a*b dipilih yang merupakan ruang homogen untuk persepsi visual.
Kata Kunci: Warna RGB, Warna XYZ, Warna L*a*b, Segmentasi Ruang Warna
1. Pendahuluan
Salah satu bentuk implementasi segmentasi citra berdasarkan tekstur yaitu bidang industri kain batik. Kain Batik dapat dikelompokan berdasarkan kesamaan pola-polannya dan kemudian dapat dilakukan proses pengenalan pola. Sebagai sumber informasi warna digital batik yang tidak dapat dilihat mata secara spesifik. Perkembangan corak kain batik hasil pewarnaan manual atau print motif menimbulkan kemudahan meniru dan memperbanyak, sehingga sulit mengidentifikasi ciri suatu kain batik [1]. Warna kontinu dihasilkan dari pantulan warna yang diserap sebuah objek sedang warna digital merupakan hasil digitalisasi warna kontinu. Ruang merupakan turunan dari
ruang warna “unggulan” CIEXYZ yang sudah sekian lama didefinisikan oleh CIE sendiri. Ruang warna paling populer dipergunakan dalam bidang Color Management System di industri grafika.
Secara visual warna alami sebuah objek dapat berubah mempengaruhi kadar warna yang dikandung. Langkah awal dalam proses analisis citra menggunakan segmentasi, bertujuan untuk memperoleh region yang didasarkan pada partisi citra. Proses segmentasi memisahkan warna background dengan true color (Red Green Blue) dan beberapa kandungan warna lainnya [2]. Mata manusia hanya mampu mengenal warna-warna umum. Proses segmentasi warna kain batik dilakukan menggunakan ruang warna L*a*b,
Vol 3, No. 1 Juni 2019
Jurnal Mantik Penusa Vol. 3, No. 1 Juni 2019, pp.43-46
Terakreditasi DIKTI No.SK 21/E/KPT/2018 44 e-ISSN 2580-9741 p-ISSN 2088-3943
berdasarkan fitur warna yaitu segmentasi warna menghasilkan enam partisi warna yaitu warna latar belakang, purple (cenderung ungu), magenta (cenderung merah muda atau pink), merah, hijau dan kuning.
Tujuan pengelompokan menggunakan segmentasi ruang warna L*a*b, mengidentifikasi kandungan warna secara digital. Ruang warna CIELAB mengekspresikan warna sebagai tiga nilai numerik, L * untuk level cahaya dan a* dan b* untuk komponen hijau-merah dan biru-kuning. Identitas suatu warna ditentukan panjang gelombang cahaya, panjang gelombang warna yang masih bisa ditangkap mata manusia berkisar antara 380-780 nanometer. Ada 12 jenis warna yang dihasilkan dalam lingkar warna, yaitu merah, kuning, hijau, cyan, biru, magenta, dengan semua warna intermediate (yang terakhir adalah warna antara magenta dan merah). Proses partisi dilakukan dengan cara mengkonversi dan transformasi ruang warna citra yang semula RGB menjadi XYZ.
Selanjutnya hasil value nilai warna RGB digunakan sebagai nilai menghitung nilai value L, a* dan b* [3].
2. Teori a. Ruang Warna
CIELAB merupakan model tiga dimensi, hanya dapat digambarkan apabila dalam ruang tiga dimensi, dan apabila diambil irisan komponen a*
dan b*, maka akan mendapatkan diagram chromaticity a* b*. Dengan CIELAB diberikan makna dari setiap dimensi yang dibentuk [4]:
a) Besaran CIE_L* untuk mendeskripsikan kecerahan warna, 0 untuk hitam dan L* = 100 untuk putih).
b) Dimensi CIE_a* mendeskripsikan jenis warna hijau-merah, angka negatif a*: warna hijau;
CIE_a* positif mengindikasikan warna merah, c) Dimensi CIE_b* untuk jenis warna biru- kuning, angka negatif b* mengindikasikan warna biru dan sebaliknya CIE_b* positif mengindikasikan warna kuning.
Pengukuran warna dengan metode ini jauh lebih cepat dengan ketepatan yang cukup baik. Pada sistem ini term penilaian terdiri atas 3 parameter yaitu L, a dan b. Lokasi warna pada sistem ini ditentukan dengan koordinat L∗, a∗, dan b∗. Notasi L*: 0 (hitam); 100 (putih) menyatakan cahaya pantul yang menghasilkan warna akromatik putih, abu-abu dan hitam. Notasi a*: warna kromatik campuran merah-hijau dengan nilai +a* (positif) dari 0 sampai +80 untuk warna merah dan nilai – a* (negatif) dari 0 sampai -80 untuk warna hijau.
Notasi b*: warna kromatik campuran biru-kuning
dengan nilai +b* (positif) dari 0 sampai +70 untuk warna kuning dan nilai –b* (negatif) dari 0 sampai -70 untuk warna biru [5].
GAMBAR 1. LABCOLOR
Ruang warna XYZ, beberapa warna direpresentasikan sebagai nilai yang selalu positif.
Perhitungan untuk transformasi dari ruang warna RGB ke XYZ (dengan nilai referensi putih), adalah melalui perhitungan matriks transformasi [6].
Konversi ruang warna (color space) dari type RGB ke CIELab.
Konversi RGB-XYZ:
[ X ] = [ 0.412453 0.357580 0.180423 ] [ R ] [ Y ] = [ 0.212671 0.715160 0.072169 ] * [ G ] [ Z ] = [ 0.019334 0.119193 0.950227 ] [ B ] Konversi XYZ - L*a*b:
L* = 116(Y/Yn)1/3 - 16 for Y/Yn > 0.008856 L* = 903.3 Y/Yn otherwise
a* = 500(f(X/Xn) - f(Y/Yn)) b* = 200(f(Y/Yn) - f(Z/Zn)) b. Segmentasi
Segmentasi citra, yaitu membagi citra menjadi segmen-segmen atau objek-objek berdasarkan homogenitas karakteristik piksel-pikselnya.
Segmen-segmen ini selanjutnya menjadi unit analisis dalam menghitung nilai value warna [7].
Segmentasi citra menghasilkan “objek”, yaitu kelompok piksel yang yang selanjutnya menjadi unit analisis klasifikasi.
a) Sistematika dalam penelitian ini menerapkan ekstraksi fitur Gambar 2.
GAMBAR 2.SEGMENTASI WARNA
Konversi RGB - L*a*b*
Nilai L Nilai a Nilai b
Proses Segmentasi Warna RGB
Hasil
Vol 3, No. 1 Juni 2019
Jurnal Mantik Penusa Vol. 3, No. 1 Juni 2019, pp.43-46
Terakreditasi DIKTI No.SK 21/E/KPT/2018 45 e-ISSN 2580-9741 p-ISSN 2088-3943 Nilai RGB yang terkandung dalam piksel dapat
diubah menjadi warna XYZ melalui proses transformasi matriks. Posisi titik dalam koordinat homogen, semua transformasi geometri dinyatakan dalam bentuk matriks. Dalam ruang warna XYZ, beberapa warna direpresentasikan sebagai nilai selalu positif. Proses segmentasi dilakukan dengan membagi data matriks gambar L * a * b * menjadi 6 bagian warna, Gambar 3.
GAMBAR 3.KONVERSI WARNA
3. Hasil
Diambil citra batik sebanyak 12 buah, akan disegmentasi berdasarkan ruang warna, Gambar 4.
GAMBAR 4.SEGMENTASI WARNA
Langkah-langkah segmentasi :
a) Gambar format file batik .jpg. Mengubah ukuran gambar dilakukan untuk ekstraksi citra.
b) Transformasi perhitungan nilai RGB:
255; B b
255; G g
255; R r
=
=
=
Indeks warna merah (Red) =
B G R
R + + Indeks warna merah (Green) =
B G R
G + Indeks warna merah (Blue) = +
B G R R B
+
= +
c) Konversi RGB ke XYZ:
𝑋=0,412453𝑅+0,357580𝐺+0,180423𝐵……….(1) 𝑌=0,212671𝑅+0,715160𝐺+0,072169𝐵……….(2) 𝑍=0,019334𝑅+0,119193𝐺+0,950227𝐵……….(3)
TABLE 2.HASIL KONVERSI RGB-XYZ
RGB XYZ
R (Red)
G (Green)
B (Blue)
X (Red)
Y (Green)
Z (Blue) 138.2469 147.0236 135.584 13.0836 13.43941 11.6887 140.6859 127.6256 189.392 57.7883 61.58716 67.2262 144.3897 127.942 137.580 33.6149 31.98253 34.7045 181.082 190.8272 189.392 44.7425 43.90312 29.1262 181.0189 190.8272 189.392 34.2011 34.11703 41.5321 181.0819 190.8272 189.392 23.2925 23.15184 25.5587 181.0819 190.8272 189.392 18.5805 16.56996 5.38659 181.0819 190.8272 189.392 33.4154 29.37717 21.3184 181.0819 190.8272 189.392 29.3236 25.63028 13.3527 181.0819 190.8272 189.392 15.9024 16.42875 23.3126 181.0819 190.8272 185.392 22.2935 21.61314 13.4876 181.0819 190.8372 189.392 28.5461 28.10560 21.6208 181.0819 190.8272 189.392 23.3535 21.13333 15.0088 181.0819 190.8372 189.392 24.3944 24.87416 32.4961 181.0819 190.8272 189.392 17.5098 18.22413 12.0171
c. Pendekatan yang dilakukan adalah memilih wilayah sampel kecil untuk setiap warna dan untuk menghitung setiap warna rata-rata wilayah sampel di ruang a* b*, menggunakan penanda warna ini untuk mengklasifikasikan setiap piksel. Warna XYZ menggunakan tiga filter X (merah), Y (hijau), dan Z (biru). L*a*b*:
−
=
−
=
−
=
zn z f xn
x f 200 b*
yn y f xn
x f 500 a*
16 yn
y 116f L*
d. Xn, Yn, dan Zn masing-masing sesuai dengan nilai putih dari parameter.
0.008856
<=
x 16/116 + 7.787x
0.008856
>
x
= X1/3 f(x)
GAMBAR 5.HASIL KONVERSI RUANG WARNA
e. Segmentasi menggunakan warna L*a *b, menampilkan komposisi warna data sampel menjadi enam kelompok : latar belakang, kuning, magenta, ungu, merah dan hijau. Hasil segmentasi, Gambar 6.
Citra RGB Konversi RGB-XYZ Konversi XYZ- L*a*b*
Hasil Segmentasi
Background Purple Magenta R G B
Vol 3, No. 1 Juni 2019
Jurnal Mantik Penusa Vol. 3, No. 1 Juni 2019, pp.43-46
Terakreditasi DIKTI No.SK 21/E/KPT/2018 46 e-ISSN 2580-9741 p-ISSN 2088-3943
GAMBAR 6.HASIL SEGMENTASI RUANG WARNA
Grafik perbandingan hasil Merah (RGB): Merah (XYZ), Hijau (RGB): Hijau (XYZ), Biru (RGB):
Biru (XYZ) untuk 15 sampel gambar batik, Gambar 7.
GAMBAR 6PERBANDINGAN MERAH (RGB):MERAH (XYZ), HIJAU (RGB):HIJAU (XYZ),BIRU (RGB):BIRU (XYZ) 4. Kesimpulan
a. Bentuk dan tekstur objek mempengaruhi nilai warna pada bagian tertentu sehingga dalam suatu objek pada citra memiliki intensitas warna dan gelap-terang yang berbeda pada bagian tertentu.
b. Proses segmentasi ruang warna dan analisa objek melalui konversi dan transformasi menghasilkan value warna RGb, XYZ dan Lab warna.
c. Objek uji menunjukkan warna XYZ menggunakan tiga filter X (merah), Y (hijau), dan Z (biru). Hasil filter berbeda dengan nilai RGB Citra semula.
Referensi :
[1] Rizky Andhika Surya, Abdul Fadlil, Anton Yudhana, “Ekstraksi Ciri Metode Gray Level Co-Occurrence Matrix (GLCM) dan Filter Gabor Untuk Klasifikasi Citra Batik Pekalongan”, Jurnal Informatika, Vol. 02, No. 02, hal 23-26, Juli 2017.
[2] Yosef Yudha, Dhesa Ardhiyanta, Laurensius Haris, dan Anastasia Rita Widiarti,
“Pengenalan Citra Warna Dasar”, Jurnal Ilmiah Widya Teknik, Volume 15 Nomor 1 hal 54-57, 2016.