Perancangan dan Pembuatan Aplikasi Segmentasi Gambar ...fportfolio.petra.ac.id/user_files/94-014/Perancangan dan Pembuatan... · 2.9 Pengenalan Objek Sederhana..... 21 2.9.1 Signature

PERANCANGAN DAN PEMBUATAN APLIKASI SEGMENTASI GAMBAR DENGAN MENGGUNAKAN

METODE MORPHOLOGICAL WATERSHED

Oleh:

Rudy Adipranata

Andreas Handojo

Ivan Prayogo

Oviliani Yenty Yuliana

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS KRISTEN PETRA

SURABAYA

2005

LAPORAN PENELITIAN NO: 13/Pen/Informatika/I/2005

PERANCANGAN DAN PEMBUATAN APLIKASI SEGMENTASI GAMBAR DENGAN MENGGUNAKAN

METODE MORPHOLOGICAL WATERSHED

Oleh:

Rudy Adipranata

Andreas Handojo

Ivan Prayogo

Oviliani Yenty Yuliana

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS KRISTEN PETRA

SURABAYA

2005

iii

LEMBAR IDENTITAS DAN PENGESAHAN

LAPORAN HASIL PENELITIAN

1. a. Judul Penelitian : PERANCANGAN DAN PEMBUATAN APLIKASI SEGMENTASI GAMBAR DENGAN MENGGUNAKAN METODE MORPHOLOGICAL WATERSHED

b. Nomor Penelitian : 13/Pen/Informatika/I/2005 c. Jalur Penelitian : I/ II/ III/ IV 2. Ketua Peneliti a. Nama lengkap dan Gelar : Rudy Adipranata, ST., M.Eng b. Jenis Kelamin : Laki-laki c. Pangkat/Golongan/NIP : Asisten Ahli/ IIIC/ 99015 d. Bidang Ilmu yang diteliti : Teknologi Perangkat Lunak e. Jabatan Akademik : Asisten Ahli f. Fakultas/Jurusan : Fakultas Teknologi Industri/ Teknik

Informatika g. Universitas : Universitas Kristen Petra 3. Anggota Tim Peneliti (I) : a. Nama lengkap dan Gelar : Andreas Handojo, ST. b. Jenis Kelamin : Laki-laki c. Pangkat/Golongan/NIP : Asisten Ahli/ IIIC/ 00016 d. Bidang Ilmu yang diteliti : Teknologi Perangkat Lunak e. Jabatan Akademik : Asisten Ahli f. Fakultas/Jurusan : Fakultas Teknologi Industri/ Teknik

Industri g. Universitas : Universitas Kristen Petra Anggota Tim Peneliti (II) : a. Nama lengkap dan Gelar : Ivan Prayogo b. Jenis Kelamin : Laki-laki c. Pangkat/Golongan/NIP : d. Bidang Ilmu yang diteliti : Teknologi Perangkat Lunak e. Jabatan Akademik : f. Fakultas/Jurusan : Fakultas Teknologi Industri/ Teknik

Informatika g. Universitas : Universitas Kristen Petra Anggota Tim Peneliti (III) : a. Nama lengkap dan Gelar : Oviliani Yenty Yuliana, ST., MS-CIS b. Jenis Kelamin : Perempuan c. Pangkat/Golongan/NIP : Pembina/ IVA/ 94014 d. Bidang Ilmu yang diteliti : Teknologi Perangkat Lunak e. Jabatan Akademik : Lektor f. Fakultas/Jurusan : Fakultas Ekonomi/ Program Studi

Akuntansi g. Universitas : Universitas Kristen Petra

iv

4. Lokasi Penelitian : Surabaya 5. Kerjasama dengan Instansi lain Nama Instansi : - Alamat : - 6. Tanggal Penelitian : Januari 2005 s/d Juni 2005 7. Biaya : -

Surabaya, 30 Juni 2005

Mengetahui, Ketua Jurusan/ Ka. Unit Ketua Peneliti Djoni Haryadi Setiabudi, M.Eng Rudy Adipranata, M.Eng NIP. 85-009 NIP. 99-015 Menyetujui, Dekan Fakultas Teknologi Industri Oegik Soegihardjo, M.Sc.,MA. NIP. 87-007

v

ABSTRAK

Saat ini, pengolahan gambar dapat lebih mudah dilakukan dengan menggunakan pengolahan gambar digital. Salah satu penyebabnya adalah adanya segmentasi pada gambar digital. Segmentasi dapat dikatakan memisahkan objek-objek yang ada pada gambar, sehingga pengolahan gambar digital dapat dilakukan pada masing-masing objek. Morphological watershed adalah salah satu metode dalam segmentasi. Morphological watershed memproses gambar berdasarkan tingkat warna abu-abunya. Gambar dibentuk seakan-akan menjadi topografi dengan warna paling gelap menjadi dasarnya. Sebelum segmentasi dilakukan dibutuhkan juga pre-processing. Ada banyak macam pre-processing yang dapat dilakukan dan objek yang dihasilkan oleh morphological watershed untuk sebuah gambar berbeda-beda berdasarkan pre-processing yang dilakukan. Kata kunci: Segmentasi, morphological watershed, morphological processing,

pengolahan gambar digital.

vi

ABSTRACT

In this time, image processing can be easier by using digital image

processing. One of its cause is segmentation existence of digital image. Segmentation can be told is to separate object from an image, so that the digital image processing can be done at each object. Morphological Watershed is one of method in segmentation. Morphological Watershed process image based from its gray-level. Image will formed become topography with darkest colour become its floor. Before using segmentation, pre-processing is required. There are many kinds of pre-processing which can be done and the object resulted by morphological watershed for an image are different each other based on the pre-processing. Keywords: Segmentation, morphological watershed, morphological processing,

digital image processing.

vii

KATA PENGANTAR Penulis mengucapkan syukur kepada Tuhan Yang Maha Esa atas

terselesaikannya penelitian ini. Penulis sadar bahwa hasil penelitian ini masih jauh dari sempurna, karena itu penulis mengharapkan saran dan kritik yang membangun dari berbagai pihak demi perbaikan dari penelitian ini.

Penulis berharap semoga penelitian ini dapat memberikan kontribusi bagi perkembangan bidang ilmu sistem informasi dan teknologi informasi pada umumnya.

Akhir kata, penulis mengucapkan terima kasih kepada semua pihak yang tidak dapat disebutkan satu persatu yang telah membantu terselesaikannya penelitian ini

Surabaya, Juni 2005

Penyusun

viii

DAFTAR ISI

LEMBAR IDENTITAS DAN PENGESAHAN.................................................... iii

ABSTRAK .............................................................................................................. v

ABSTRACT........................................................................................................... vi

KATA PENGANTAR .......................................................................................... vii

DAFTAR ISI........................................................................................................ viii

DAFTAR GAMBAR .............................................................................................. x

BAB 1. PENDAHULUAN ..................................................................................... 1

1.1 Latar Belakang ........................................................................................ 1

1.2 Permasalahan .......................................................................................... 1

1.3 Tujuan Penelitian .................................................................................... 1

1.4 Manfaat Penelitian .................................................................................. 2

1.5 Ruang Lingkup Pembahasan................................................................... 2

1.6 Sistematika Penyusunan Laporan ........................................................... 2

BAB 2. TINJAUAN PUSTAKA ............................................................................ 4

2.1 Digital Image Processing........................................................................ 4

2.2 Gray Level ............................................................................................... 5

2.3 Grayscaling ............................................................................................. 6

2.4 Histogram dan Histogram Equalization ................................................. 6

2.5 Thresholding ......................................................................................... 10

2.6 Morphological Processing .................................................................... 11

2.6.1 Dilation ......................................................................................... 11

2.6.2 Erosion .......................................................................................... 13

2.6.3 Opening ......................................................................................... 13

ix

2.6.4 Closing .......................................................................................... 14

2.6.5 Morphological Gradient ............................................................... 16

2.7 Segmentasi Gambar .............................................................................. 17

2.8 Morphological Watershed..................................................................... 18

2.8.1 Pembentukan Dam ........................................................................ 18

2.8.2 Algoritma Morphological Watershed ........................................... 20

2.9 Pengenalan Objek Sederhana................................................................ 21

2.9.1 Signature ....................................................................................... 21

2.9.2 Slope Histogram............................................................................ 22

BAB 3. METODE PENELITIAN ........................................................................ 24

3.1 Metodologi Penelitian ........................................................................... 24

3.2 Perencanaan Software ........................................................................... 24

3.2.2 Pre-processing pertama ................................................................ 26

3.2.3 Pre-processing kedua.................................................................... 30

3.2.4 Proses Segmentasi......................................................................... 32

3.2.5 Perencanaan User Interface .......................................................... 33

3.2.6 Proses Pengenalan Objek .............................................................. 35

BAB 4. HASIL PENELITIAN DAN PEMBAHASAN ....................................... 38

4.1 Implementasi Software.......................................................................... 38

4.2 Pengujian Software ............................................................................... 38

BAB 5. KESIMPULAN DAN SARAN ............................................................... 55

5.1 Kesimpulan ........................................................................................... 55

5.2 Saran...................................................................................................... 56

DAFTAR PUSTAKA ........................................................................................... 57

x

DAFTAR GAMBAR

Gambar 2.1 Histogram dari 4 Jenis Gambar yang Berbeda.................................... 7

Gambar 2.2 Histogram Equalization dari 4 Jenis Gambar yang Berbeda .............. 9

Gambar 2.3 Dilation A oleh B .............................................................................. 12

Gambar 2.4 Salah Satu Aplikasi Dilation yaitu Memperjelas Teks yang Rusak.. 12

Gambar 2.5 Erosion A oleh B............................................................................... 13

Gambar 2.6 Opening A oleh B.............................................................................. 14

Gambar 2.7 Closing A oleh B ............................................................................... 15

Gambar 2.8 Contoh Lain Opening dan Closing.................................................... 15

Gambar 2.9 Opening dan Closing Gambar Sidik Jadi oleh Matriks B ................. 16

Gambar 2.10 Gambar Sebelah Kanan adalah Hasil Morphological Gradient dari

Gambar Jeruk Sebelah Kiri. .......................................................................... 16

Gambar 2.11 Proses Penganalisaan Gambar......................................................... 17

Gambar 2.12 Konsep Dasar Morphological Watershed ....................................... 19

Gambar 2.13 Pembuatan Dam .............................................................................. 19

Gambar 3.1 Diagram Alir Aplikasi Secara Garis Besar ....................................... 25

Gambar 3.2 Diagram Alir Pre-Processing Pertama ............................................. 26

Gambar 3.3 Diagram Alir Proses Grayscaling ..................................................... 27

Gambar 3.4 Diagram Alir Proses Histogram Equalization .................................. 28

Gambar 3.5 Diagram Alir Proses Thresholding.................................................... 29

Gambar 3.6 Diagram Alir Proses Invert ............................................................... 29

Gambar 3.7 Diagram Alir Proses Erosion ............................................................ 30

Gambar 3.8 Diagram Alir Proses Dilation............................................................ 30

Gambar 3.9 Diagram Alir Proses Morphological Gradient.................................. 31

xi

Gambar 3.10 Diagram Alir Proses Minima Removal............................................ 32

Gambar 3.11 Diagram Proses Segmentasi / Watershed........................................ 33

Gambar 3.12 Perencanaan User Interface ............................................................ 34

Gambar 3.13 Diagram Alir Proses Signature ....................................................... 36

Gambar 3.14 Diagram Alir Pembuatan Slope Histogram..................................... 37

Gambar 4.1 Gambar Hasil Pengujian Terhadap Pre-processing 1 ....................... 39

Gambar 4.2 Gambar Hasil Pengujian Terhadap Pre-processing 2 ....................... 40

Gambar 4.3 Hasil Pengujian Terhadap Gambar Bunga ........................................ 41

Gambar 4.4 Hasil Pengujian Terhadap Gambar Sanrio ........................................ 44

Gambar 4.5 Hasil Pengujian Terhadap Gambar Sederhana.................................. 47

Gambar 4.6 Data Sumber Objek Sederhana ......................................................... 51

Gambar 4.7 Gambar yang akan Diuji Pengenalan Objek ..................................... 53

Gambar 4.8 Hasil Pengenalan Dari Objek Hasil Segmentasi Dari Gambar 4.7 ... 54

1

BAB 1. PENDAHULUAN

1.1 Latar Belakang

Penggunaan gambar digital sudah mulai menggeser penggunaan gambar

analog. Banyak orang sudah mulai menyimpan gambar-gambar ke dalam bentuk

digital. Hal ini disebabkan karena gambar digital dapat disimpan dalam jangka

waktu yang lama, tidak mudah rusak dan dapat diperbanyak sesuai keinginan

dengan mudah, cukup dengan meng-copy gambar itu. Selain itu gambar digital

dapat dilihat dahulu sebelum dicetak dan dapat diubah sesuai keinginan misalnya

untuk membuat gambar hasil dari gabungan dengan gambar lain. Untuk

kebutuhan ini dibutuhkan aplikasi yang dapat mengolah gambar. Aplikasi tersebut

sudah banyak tersedia di pasar. Banyak sekali fungsi-fungsi yang disediakan

untuk mengolah gambar antara lain : fungsi segmentasi gambar, fungsi coloring,

fungsi pengaturan brightness dan contrast, fungsi transformation seperti rotating,

scaling dan lain-lain.

Salah satu fungsi yang penting adalah fungsi untuk mensegmentasi

gambar, karena dengan segmentasi gambar, pengolahan atau pemanipulasian

dapat dilakukan lebih mudah dan lebih cepat. Segmentasi gambar membagi

sebuah gambar menjadi objek-objek berdasarkan karakteristik tertentu dan

kemudian masing-masing objek dapat diolah sendiri-sendiri. Hal ini tentunya

mempermudah dan mempercepat proses pengolahan gambar.

1.2 Permasalahan

Permasalahan yang dihadapi dan diharapkan dapat diselesaikan melalui

penelitian ini adalah

• Bagaimana menghasilkan objek-objek hasil segmentasi yang tepat dan sesuai

dengan bentuk objek aslinya.

• Bagaimana menjalankan proses pengolahan gambar dengan cepat, mengurangi

scan terhadap tiap titik pada gambar yang dilakukan berulang-ulang.

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah membuat program yang

2

mengimplementasikan metode Morphological Watershed untuk

mensegmentasikan sebuah gambar sehingga lebih memudahkan untuk

memanipulasi dan mengolah gambar.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat bermanfaat bagi perkembangan

sistem informasi serta memberikan aplikasi yang dapat digunakan oleh umum

guna melakukan memanipulasi dan mengolah gambar.

1.5 Ruang Lingkup Pembahasan

Dalam penelitian ini terdapat batasan, yaitu:

• Pembuatan aplikasi yang hanya dapat mengimplementasikan segmentasi

gamba.

• Metode segmentasi yang digunakan adalah Morphological Watershed.

• Gambar yang disegmentasi merupakan gambar yang tetap/tidak bergerak.

• Format gambar yang digunakan hanya format yang umum dipakai saja yaitu:

jpg, gif, dan bmp.

• Pembuatan aplikasi program dengan Borland Delphi 7.0.

• Dapat menghitung jumlah objek hasil dari segmentasi dan mengetahui

seberapa lama proses segmentasi dilakukan.

• Dapat mengenali objek-objek sederhana seperti persegi, persegi panjang,

segitiga, elips, dan lingkaran.

• Data sumber untuk pengenalan objek dapat ditambah, diubah dan dihapus, data

dapat berupa objek dari hasil segmentasi yang dilakukan.

1.6 Sistematika Penyusunan Laporan

Laporan penelitian ini secara keseluruhan terdiri dari lima bab, dimana

secara garis besar masing-masing bab membahas hal-hal sebagai berikut:

BAB 1

Pendahuluan: berisi latar belakang, permasalahan, tujuan

penelitian, manfaat penelitian, ruang lingkup permasalahan, dan

sistematika penyusunan laporan.

3

BAB 2

BAB 3

BAB 4

BAB 5

Tinjauan Pustaka: membahas tentang teori-teori dasar yang

relevan dan metode yang digunakan untuk memecahkan persoalan

yang dibahas pada penelitian ini.

Metode Penelitian: membahas tentang metode penelitian yang

dilakukan serta perancangan aplikasi.

Hasil Penelitian dan Pembahasan: berisi tentang hasil dari

penelitian, berupa aplikasi yang telah dikembangkan beserta dengan

pengujian aplikasi tersebut.

Kesimpulan dan Saran: berisi kesimpulan yang mencakup

beberapa hal penting pada hasil yang didapat dari penelitian dan

saran-saran yang diajukan bagi penyempurnaannya.

4

BAB 2. TINJAUAN PUSTAKA

Sebuah gambar dapat didefinisikan sebagai fungsi dua dimensi, f(x,y), di

mana x dan y adalah koordinat ruang dan amplitudo dari f dapat disebut intensitas

atau gray-level dari sebuah gambar pada titik yang terletak pada koordinat x dan y.

Jika x, y, dan nilai amplitudo dari f adalah terbatas dan dapat ditentukan nilainya

maka gambar tersebut adalah gambar digital. Gambar digital dibentuk dari

beberapa elemen, yang tiap-tiap elemennya memiliki posisi dan nilai tertentu.

Salah satu elemen yang paling sering digunakan adalah pixel. Pixel adalah titik

yang berisi nilai tertentu yang membentuk sebuah gambar yang lokasinya

ditentukan oleh kombinasi x dan y.

Dalam komputer, ada 2 macam cara penyimpanan gambar dalam memori

yaitu vector graphics, raster graphics dan kombinasi antara keduanya. Pada

vector graphics, penyimpanan gambar 2 dimensi pada komputer dilakukan secara

vektor yaitu penyimpanan posisi titik-titik yang jika dihubungkan membentuk

garis dan garis-garis tersebut kemudian membentuk gambar. Pada raster graphics,

penyimpanan gambar 2 dimensi pada komputer dilakukan secara apa adanya

dalam bentuk array atau matriks yang berisi pixel-pixel, seringkali disebut sebagai

bitmap.

2.1 Digital Image Processing

Image processing adalah suatu metode yang digunakan untuk memproses

atau memanipulasi gambar dalam bentuk 2 dimensi (Gonzalez, 2002). Image

processing dapat juga dikatakan segala operasi untuk memperbaiki, menganalisa,

atau mengubah suatu gambar. Konsep dasar pemrosesan suatu objek pada gambar

menggunakan image processing diambil dari kemampuan indera penglihatan

manusia yang selanjutnya dihubungkan dengan kemampuan otak manusia.

Dalam sejarahnya, image processing telah diaplikasikan dalam berbagai

bentuk, dengan tingkat kesuksesan cukup besar. Seperti berbagai cabang ilmu

lainnya, image processing menyangkut pula berbagai gabungan cabang-cabang

ilmu, diantaranya adalah optik, elektronik, matematika, fotografi, dan teknologi

komputer.

5

Pada umumnya, objektifitas dari image processing adalah

mentransformasikan atau menganalisis suatu gambar sehingga informasi baru

tentang gambar dibuat lebih jelas.

Ada empat klasifikasi dasar dalam image processing yaitu point, area,

geometric, dan frame.

a. Point memproses nilai pixel suatu gambar berdasarkan nilai atau posisi dari

pixel tersebut. Contoh dari proses point adalah adding, substracting, contrast

stretching dan lainnya.

b. Area memproses nilai pixel suatu gambar berdasarkan nilai pixel tersebut

beserta nilai pixel sekelilingnya. Contoh dari proses area adalah convolution,

blurring, sharpening, dan filtering.

c. Geometric digunakan untuk mengubah posisi dari pixel. Contoh dari proses

geometric adalah scaling, rotation, dan mirroring.

d. Frame memproses nilai pixel suatu gambar berdasarkan operasi dari 2 buah

gambar atau lebih. Contoh dari proses frame adalah addition, substraction,

dan and/or.

Selain itu masih ada 3 tipe image processing yaitu:

a. Low-level process: proses-proses yang berhubungan dengan operasi primitif

seperti image pre-processing untuk mengurangi noise, menambah kontras dan

menajamkan gambar. Pada low-level process, input dan output-nya berupa

gambar.

b. Mid-level process: proses-proses yang berhubungan dengan tugas-tugas

seperti segmentasi gambar (membagi gambar menjadi objek-objek),

pengenalan (recognition) suatu objek individu. Pada mid-level process, input

pada umumnya berupa gambar tetapi output-nya berupa atribut yang

dihasilkan dari proses yang dilakukan gambar tersebut seperti garis, garis

contour, dan objek-objek individu.

c. High-level process: proses-proses yang berhubungan dengan hasil dari mid-

level process.

2.2 Gray Level

Gambar digital dapat diwakili oleh format warna RGB (Red-Green-Blue)

6

untuk setiap titiknya, di mana setiap komponen warna memiliki batasan sebesar 1

byte (Gonzalez, 2002). Jadi untuk masing-masing komponen R, G, dan B

mempunyai variasi dari 0 sampai 255. Total variasi yang dapat dihasilkan untuk

sistem dengan format warna RGB adalah 256 x 256 x 256 atau 16.777.216 jenis

warna. Karena setiap komponen warna memiliki batasan sebesar 1 byte atau 8 bit,

maka total untuk mempresentasikan warna RGB adalah 8+8+8 = 24 bit.

Gray-level adalah tingkat warna abu-abu dari sebuah pixel, dapat juga

dikatakan tingkat cahaya dari sebuah pixel. Maksudnya nilai yang terkandung

dalam pixel menunjukan tingkat terangnya pixel tersebut dari hitam ke putih.

Biasanya ditetapkan nilainya antara 0 hingga 255 (untuk 256-graylevel), dengan 0

adalah hitam dan 255 adalah putih. Karena hanya terbatas 1 byte saja maka untuk

mempresentasikan nilai pixel cukup 8 bit saja. Grayscale adalah gambar yang

memiliki gray-level sebagai nilai dari tiap pixel-nya.

2.3 Grayscaling

Grayscaling adalah proses perubahan nilai pixel dari warna (RGB)

menjadi gray-level (Gonzalez, 2002). Pada dasarnya proses ini dilakukan dengan

meratakan nilai pixel dari 3 nilai RGB menjadi 1 nilai. Untuk memperoleh hasil

yang lebih baik, nilai pixel tidak langsung dibagi menjadi 3 melainkan terdapat

persentasi dari masing-masing nilai. Salah satu persentasi yang sering digunakan

adalah 29,9% dari warna merah (Red), 58,7% dari warna hijau (Green), dan

11,4% dari warna biru (Blue). Nilai pixel didapat dari jumlah persentasi 3 nilai

tersebut.

2.4 Histogram dan Histogram Equalization

Histogram adalah grafik yang menunjukkan distribusi dari intensitas

sebuah gambar (Gonzalez, 2002). Histogram dari sebuah gambar digital berupa

sebuah fungsi kk nrh =)( , dimana rk adalah nilai warna ke-k dan nk adalah jumlah

pixel dalam gambar yang memiliki nilai tersebut. Pada gray-level, rk adalah

tingkat gray-level ke-k. k=0, 1, 2, …, L-1. L adalah batas maksimum nilai.

Normalisasi dari histogram adalah dengan membagi tiap nilai nk dengan total

pixel dari gambar, p(rk)=nk/n. Jumlah total nilai ( p(rk) ) dari normalisasi

7

histogram adalah 1.

Manipulasi dari histogram dapat digunakan secara efektif untuk image

enhancement (peningkatan kualitas dari gambar). Selain itu juga berguna untuk

aplikasi image processing lainnya seperti segmentasi, kompresi, dan lain-lain.

Histogram juga mudah untuk dikalkulasikan dalam software. Hal-hal tersebut

membuat histogram menjadi sebuah tool yang populer untuk real-time image

processing.

Gambar 2.1 Histogram dari 4 Jenis Gambar yang Berbeda

Gonzalez, R.C., Woods, R.E. Digital Image Processing Second Edition (New Jersey, Prentice Hall, 2002). p. 90

Pada Gambar 2.1. sebelah kiri terdapat sebuah gambar dengan 4 macam

8

karakteristik gray-level yang berbeda: gelap, terang, low-contrast, dan high-

contrast. Di sebelah kanan adalah histogram yang berhubungan dengan gambar d

sebelah kirinya. Bagian horisontal dari histogram adalah nilai gray-level, rk.

Bagian vertikal dari histogram adalah nilai dari kk nrh =)( atau p(rk)=nk/n bila

nilai dinormalisasikan.

Pada gambar yang gelap, nilai-nilai dari histogram terkonsentrasi pada

bagian rendah (gelap) dari gray-scale. Demikian pula pada gambar yang terang,

nilai-nilai dari histogram terkonsentrasi pada bagian tinggi (terang) dari gray-

scale. Pada gambar dengan kontras yang rendah (low-contrast), nilai-nilai dari

histogram menjadi sempit dan terkonsentrasi pada bagian tengah dari histogram.

Pada gambar dengan kontras yang tinggi (high-contrast), nilai-nilai dari

histogram relatif merata pada seluruh nilai gray-level, dengan beberapa garis

vertikal saja yang jauh lebih tinggi dari garis vertikal yang lain. Gambar dengan

histogram seperti ini memiliki detil gray-level yang baik.

Ada 3 macam histogram processing :

a. Histogram equalization

b. Histogram matching (specification)

c. Local enhancement

Histogram equalization bertujuan untuk mengubah intensitas suatu

gambar menjadi sebuah gambar dengan nilai histogram yang relatif sama di setiap

levelnya. Nama lain histogram equalization adalah histogram linearization.

)()(0 0

j

k

j

k

jr

jkk rp

nn

rTs ∑ ∑= =

=== di mana 0 < rk < 1, k=0,1,2,...,L-1

Fungsi di atas menghasilkan sebuah nilai s untuk setiap nilai pixel r pada

gambar aslinya. Histogram equalization memiliki hasil yang hampir sama dengan

contrast stretching tetapi histogram equalization menawarkan kelebihan yaitu

bekerja otomatis secara penuh, karena histogram equalization menetapkan fungsi

transformasi untuk menghasilkan gambar baru dengan histogram yang uniform.

Histogram matching (specification) hampir sama dengan histogram

equalization, hanya saja pada histogram matching, dapat ditentukan sendiri

bentuk dari histogram yang akan dihasilkan. Prosedur dalam menjalankan

histogram matching yaitu :

9

Gambar 2.2 Histogram Equalization dari 4 Jenis Gambar yang Berbeda


10

a. Nilai gray-level dari gambar yang asli di-equalize dengan

∑=

==k

j

jk n

nrTs

0

)(

di mana n=total jumlah pixel, nj=jumlah pixel pada gray-level j

b. Tentukan fungsi density yang diinginkan

∑∑=

≈==z

i

iz

z nnwpzGv

00

)()( ,

pz adalah fungsi yang diinginkan untuk output

c. Gunakan fungsi transformasi invers, z=G-1(s) pada gray-level dihasilkan pada

langkah (a).

Histogram equalization dan histogram matching dilakukan pada seluruh

bagian dari gambar. Berbeda dengan local enhancement yang merupakan proses

histogram equalization atau histogram matching yang dilakukan pada

bagian/daerah kecil pada gambar.

2.5 Thresholding

Misal pada sebuah gambar, f(x,y) tersusun dari objek yang terang pada

sebuah background yang gelap (Gonzalez, 2002). Gray-level milik objek dan

milik background terkumpul menjadi 2 grup yang dominan. Salah satu cara untuk

mengambil objek dari backgroundnya adalah dengan memilih sebuah nilai

threshold T yang memisahkan grup yang satu dengan grup yang lain. Maka semua

pixel yang memiliki nilai > T disebut titik objek, yang lain disebut titik

background. Proses ini disebut thresholding. Sebuah gambar yang telah di

threshold g(x,y) dapat didefinisikan:

⎩⎨⎧

≤>

=TyxfjikaTyxfjika

yxg),(0),(1

),(

Nilai T dapat ditentukan dengan banyak cara, salah satunya adalah melalui

perhitungan dimana nilai rata-rata jumlah pixel yang memiliki nilai di bawah T

sana dengan nilai rata-rata jumlah pixel yang memiliki nilai di atas T . Untuk

perhitungan ini, nilai T yang didapat untuk gambar yang memiliki histogram yang

telah ter-equalize adalah berkisar antara 127 dan 128. Nilai maksimum dari T

11

adalah nilai tertinggi dari sistem warna yang digunakan dan nilai minimum dari T

adalah nilai terendah dari sistem warna yang digunakan. Untuk 256-graylevel

maka nilai tertinggi T adalah 255 dan nilai terendahnya adalah 0.

Jika T hanya tergantung pada f(x,y) maka disebut thresholding global.

Jika T tergantung dari f(x,y) dan p(x,y) (properti lokal milik titik tersebut, misalnya

rata-rata gray-level pada "tetangga" dari (x,y)) maka disebut thresholding local.

Jika T tergantung dari koordinat spatial x dan y maka disebut thresholding

dynamic atau adaptive.

2.6 Morphological Processing

Kata morphology menandakan cabang dari biologi yang berhubungan

dengan bentuk dan struktur hewan dan tumbuhan (Gonzalez, 2002). Kata

morphology di sini dihubungkan dengan konteks mathematical morphology yang

berarti proses yang menggunakan matematika sebagai tool untuk mengambil

komponen gambar yang berguna untuk menampilkan ulang dan deskripsi dari

region shape (seperti boundaries, skeletons dan convex hull). Juga dapat

digunakan sebagai preprocessing ataupun post processing seperti filtering,

thinning. Morphological processing yang digunakan di sini adalah dilation,

erosion, opening, closing, dan morphological gradient.

2.6.1 Dilation

Dengan A dan B terletak pada Z2, dilation A oleh B, ditandai oleh A⊕B,

didefinisikan

})ˆ(|{ ∅≠∩=⊕ ABxBA x

Persamaan ini didapat dari reflection dari B pada titik origin dan kemudian

digeser sebesar x. Dilation A oleh B adalah kumpulan dari semua pergantian x

sehingga B̂ dan A saling bertumpuk pada paling sedikit 1 elemen yang bukan 0

(nol).

12

Gambar 2.3 Dilation A oleh B


Gambar 2.4 Salah Satu Aplikasi Dilation yaitu Memperjelas Teks yang Rusak


(a) Elemen A (b) Elemen B (c) Dilation dari A

oleh B (d) Elemen B yang

baru (e) Dilation dari A

oleh B yang baru

(a) Contoh teks dengan resolusi buruk, dengan karakter yang rusak

(b) Elemen B (c) Dilation dari

(a) oleh B. Segmen yang rusak tergabung

13

2.6.2 Erosion

Dengan A dan B terletak pada Z2, erosion A oleh B, ditandai oleh AӨB,

didefinisikan

A Ө })(|{ ABxB x ⊆=

Erosion A oleh B adalah kumpulan dari semua titik x di mana B ditranslasikan

oleh x, termasuk di dalam A.

Gambar 2.5 Erosion A oleh B


2.6.3 Opening

Seperti yang telah dijelaskan pada 2.6.1. dan 2.6.2. bahwa dilation

(a) Elemen A (b) Elemen B (c) Erosion dari A oleh B (berwarna abu-abu) (d) Elemen B yang baru (e) Erosion dari A oleh B yang baru

14

memperbesar gambar dan erosion memperkecilnya. Opening adalah proses

erosion yang kemudian dilanjutkan dengan dilation. Maka opening dari A oleh B,

yang ditandai oleh A◦B dapat didefinisikan :

Opening digunakan untuk menghaluskan garis luar dari sebuah objek,

menghancurkan isthmuses yang sempit dan menghilangkan penonjolan.

Gambar 2.6 Opening A oleh B


2.6.4 Closing

Closing adalah kebalikan dari opening yaitu proses dilation yang

kemudian dilanjutkan dengan erosion. Maka closing dari A oleh B, yang ditandai

oleh A·B dapat didefinisikan :

Closing digunakan untuk menghaluskan garis luar sebuah objek tetapi kebalikan

dari opening, closing menghilangkan lubang, celah, dan lain-lain

BBABA ⊕= ) (o

BBABA )( ⊕=•

(a) Elemen B ”meluncur” pada bagian dalam garis batas dari A (b) Elemen B (c) Garis tebal adalah garis batas dari opening (d) Opening lengkap (berwarna abu-abu)

15

Gambar 2.7 Closing A oleh B


Gambar 2.8 Contoh Lain Opening dan Closing


(a) Elemen B ”meluncur” pada bagian luar garis batas dari A (b) Garis tebal adalah garis batas dari closing (c) Closing lengkap (berwarna abu-abu)

16

Gambar 2.9 Opening dan Closing Gambar Sidik Jadi oleh Matriks B


2.6.5 Morphological Gradient

Morphological gradient merupakan salah satu aplikasi morphological

processing yang melibatkan dilation dan erosion seperti halnya opening dan

closing. Morphological gradient adalah proses yang menghasilkan output berupa

gambar yang didapat dari pengurangan hasil dilation gambar asli dengan hasil

erosion gambar asli, sehingga dapat didefinisikan:

fbfg ()( −⊕= Ө b)

Gambar 2.10 Gambar Sebelah Kanan adalah Hasil Morphological Gradient dari

Gambar Jeruk Sebelah Kiri.

(a) gambar banyak noise

(b) matriks B (c) gambar yang

sudah di-erosion

(d) Opening dari A

(e) Dilation dari opening

(f) Closing dari opening

17

2.7 Segmentasi Gambar

Segmentasi gambar adalah pemisahan objek yang satu dengan objek

yang lain dalam suatu gambar (Ballerini). Ada 2 macam segmentasi, yaitu full

segmentation dan partial segmentation. Full segmentation adalah pemisahan

suatu object secara individu dari background dan diberi ID (label) pada tiap-tiap

segmen. Partial segmentation adalah pemisahan sejumlah data dari background

dimana data yang disimpan hanya data yang dipisahkan saja untuk mempercepat

proses selanjutnya.

Gambar 2.11 Proses Penganalisaan Gambar

Pada gambar di atas, sebuah gambar yang akan dianalisa dan diolah,

sebelumnya dilakukan segmentasi gambar dahulu agar objek mana saja yang akan

dianalisa dan diolah dapat diambil.

Ada 3 tipe dari segmentasi yaitu:

1. classification-based: segmentasi berdasarkan kesamaan suatu ukuran dari nilai

pixel. Salah satu cara paling mudah adalah thresholding. Thresholding ada 2

macam yaitu global dan lokal. Pada thresholding global, segmentasi

berdasarkan pada sejenis histogram. Pada thresholding lokal, segmentasi

IImmaaggee

"What are the objects to be analyzed?"

Pre-processing, image

enhancement

Segmentation

Binary

operations

Morphological operations and

feature extraction

Classification and

matching

DDaattaa Image analysis

18

dilakukan berdasarkan posisi pada gambar, gambar dibagi menjadi bagian-

bagian yang saling melengkapi, jadi sifatnya dinamis.

2. edge-based: mencari garis yang ada pada gambar dan garis tersebut digunakan

sebagai pembatas dari tiap segmen.

3. region-based: segmentasi dilakukan berdasarkan kumpulan pixel yang

memiliki kesamaan (tekstur, warna atau tingkat warna abu-abu) dimulai dari

suatu titik ke titik-titik lain yang ada disekitarnya.

2.8 Morphological Watershed

Morphological Watershed adalah salah satu pendekatan untuk

segmentasi (IDL, 1999). Konsep dari Morphological Watershed adalah

menggambarkan sebuah gambar dalam bentuk 3 dimensi dengan menganggap

tingkat warna abu-abu adalah sebagai ketinggiannya dan dianggap bahwa semakin

ke arah warna putih semakin tinggi. Jadi lebih cocok kalau dikatakan bahwa

tingkat warna abu-abu adalah sebagai tingkat kedalamannya. Prinsip dari

Morphological Watershed adalah mencari garis watershed (batas air) yaitu garis

dimana titik-titiknya merupakan titik tertinggi dari penggambaran sebuah gambar

ke dalam bentuk 3 dimensi.

2.8.1 Pembentukan Dam

Dam atau watershed line adalah hal yang paling penting dalam

morphological watershed. Pembuatan dam didasarkan pada gambar binary, yang

merupakan anggota Z2. Cara termudah untuk membuat dam adalah dengan

menggunakan morphological dilation.

19

Gambar 2.12 Konsep Dasar Morphological Watershed

Gambar 2.13 Pembuatan Dam

20

Pada Gambar 2.13 disebutkan ada 2 daerah (daerah dengan nilai

minimum) yang akan di segmentasi pada kondisi pengisian air n-1 (gambar paling

atas). Kemudian gambar selanjutnya menunjukan kondisi pada saat pengisian air

n. Pada saat ini 2 daerah tersebut menjadi 1 daerah. Pada kondisi seperti ini, dam

harus dibuat untuk mencegah 2 daerah tersebut menyatu. Gambar paling bawah

menunjukan proses pengisian air secara perlahan dengan melakukan

morphological dilation menggunakan matriks 3x3. Pada pengisian atau

morphological dilation pertama masih belum terjadi penyatuan 2 daerah

(ditunjukan pada Gambar 2.13 paling bawah dengan warna abu-abu muda).

Kemudian pada morphological dilation selanjutnya (warna abu-abu tua) terjadi

penyatuan 2 daerah, maka titik di mana 2 daerah tersebut menyatu dibangun

sebuah dam, yang ditandai dengan kotak yang berisi tanda silang. Proses ini

dilakukan berulang hingga proses pengisian air n = maks+1.

2.8.2 Algoritma Morphological Watershed

Buat M1,M2,M3, ... , MR menjadi kumpulan koordinat titik dalam daerah

dengan nilai minimum dari sebuah gambar g(x,y). Gambar di sini pada umumnya

sudah merupakan gambar yang telah diproses dengan pre-processing terlebih

dahulu. Kemudian buat C(Mi) menjadi kumpulan koordinat pada daerah pengisian

yang memiliki hubungan dengan daerah minimum Mi (dianggap daerah pengisian

dan daerah minimum membentuk komponen yang saling tersambung). Notasi min

dan max digunakan untuk menandai nilai minimum dan nilai maksimum dari

g(x,y). Kemudian buat T[n] menjadi kumpulan koordinat (s,t) di mana g(s,t) < n,

sehingga dapat didefinisikan:

T[n]={(s,t)|f(x,y)<n}

Secara geometri, T[n] adalah kumpulan koordinat dari g(x,y) yang berada di

bawah daerah g(x,y) = n.

Topografi tersebut kemudian diisi dengan penambahan integer mulai dari

n = min hingga n = max. Pada setiap penambahan n, algoritma perlu mengetahui

jumlah titik yang berada di bawah "kedalaman" n. Pada umumnya, daerah yang

berada di bawah g(x,y) = n diberi warna hitam atau nilai 0 dan yang berada di

atasnya diberi warna putih atau nilai 1.

21

Kemudian buat Cn(Mi) menjadi kumpulan koordinat titik pada daerah

pengisian yang berhubungan dengan daerah minimum Mi yang diisi pada tahap n.

Cn(Mi) dapat dilihat sebagai gambar binary bila menggunakan persamaan:

][)()( nTMCMC iin ∩=

Dengan kata lain Cn(Mi) = 1 pada lokasi (x,y) jika (x,y) ∈ C(Mi) dan (x,y) ∈T[n],

selain itu Cn(Mi) = 0. Dari sini dapat dikatakan bahwa UR

iiMnC

1n )(C][

=

= dan

UR

iiMC

1

)(C]1[max=

=+

C[n-1] adalah subset dari C[n] dan C[n] adalah subset dari T[n] maka

C[n-1] adalah subset dari T[n]. Dari sini didapatkan bahwa tiap komponen yang

terhubung dari C[n-1] memiliki 1 komponen yang terhubung dari T[n]. Jika Q

adalah kumpulan komponen yang terhubung dalam T[n], maka untuk tiap

komponen yang terhubung q∈Q[n], maka ada 3 kemungkinan:

a. ]1[ −∩ nCq adalah kosong

b. ]1[ −∩ nCq mengandung 1 komponen yang terhubung dari C[n-1]

c. ]1[ −∩ nCq mengandung lebih dari 1 komponen yang terhubung dari

C[n-1]

Jika kondisi c terjadi maka pengisian akan menyebabkan 2 daerah menjadi 1,

maka titik pada C[n-1] menjadi milik dam atau watershed line.

2.9 Pengenalan Objek Sederhana

Salah satu pengaplikasian segmentasi adalah pengenalan objek hasil

segmentasi yang telah dilakukan (Gonzalez, 2002). Pengenalan objek di sini

adalah pengenalan objek sederhana dengan menggunakan metode Signature dan

Slope Histogram untuk mengenali objek sederhana tersebut. Objek sederhana di

sini berupa lingkaran, kotak, segitiga, dan lain-lain.

2.9.1 Signature

Signature adalah sebuah representasi fungsional 1-D untuk sebuah

batasan dan dapat di-generate dalam berbagai cara. Salah satu cara yang paling

mudah adalah dengan mencari jarak titik tengah dengan pixel yang merupakan

22

batasan berdasarkan sudut mulai dari 0 hingga 359 derajat. Bentuk yang

dihasilkannya umumnya berupa garis atau dapat juga disebut waveform.

Metode ini diperlukan untuk mengenali objek–objek yang mengalami

perubahan baik ukuran maupun kemiringannya. Untuk objek yang mengalami

perubahan ukuran (diperbesar atau diperkecil), garis atau waveform yang

dihasilkan memiliki perbedaan amplitudo dengan garis atau waveform dari objek

yang sebenarnya. Untuk objek yang mengalami perubahan kemiringan (dirotasi),

garis atau waveform yang dihasilkan mengalami pergeseran titik awalnya (starting

point-nya) dengan garis atau waveform dari objek yang sebenarnya.

2.9.2 Slope Histogram

Slope Histogram adalah histogram yang mencatat gradien atau

kemiringan dari tiap pixel berwarna hitam dalam sebuah gambar. Slope Histogram

dapat digunakan untuk mengenali objek dengan cara membandingkan histogram

dari data asli dengan histogram dari objek yang ingin dikenali.

Untuk dapat menggunakan Slope Histogram, sebuah gambar sebaiknya

diubah dahulu menjadi biner. Hal ini dapat dilakukan dengan menggunakan

threshold. Setelah gambar siap, maka gradien atau kemiringan tiap pixel yang

berwarna hitam dicari. Di sini dapat digunakan matriks yang memetakan pixel

tersebut dengan pixel-pixel berwarna hitam yang ada disekelilingnya. Matriks

yang digunakan adalah 5 x 5.

Persamaan garis dalam matematika adalah sebagai berikut:

ax+by+c=0

di mana a, b, dan c adalah parameter yang menjelaskan posisi garis dan

orientasinya, dan x,y adalah koordinat horisontal dan vertikal. Nilai a dapat dicari

dengan menggunakan rumus cos( θ + π/2 ) dan b dapat dicari dengan (1 – a * a)1/2

Sedangkan konstanta c dapat dicari dari c = -ax –by. Garis yang ”terbaik” didapat

dengan mencoba semua sudut antara -90 hingga 90 derajat dengan asumsi bahwa

garis harus melalui paling sedikit satu dari pixel berwarna gelap dalam matriks

5x5. Nilai error didapatkan dari jumlah ax+by+c untuk setiap x dan y yang pixel-

nya berwarna hitam. Jika semua pixel berwarna hitam berada pada 1 garis maka

nilai error-nya adalah 0 dan dengan memilih garis dengan nilai error paling

23

minimum, maka garis yang ”terbaik” dapat dipilih. Nilai pada histogram milik

sudut dari garis yang ”terbaik” di-increment dan dengan demikian terbentuklah

Slope Histogram.

Untuk membandingkan 2 Slope Histogram dapat digunakan distance

yang didefinisikan:

D = babbaa

ba•−•+•

•

Dimana dot product dari a dan b didefinisikan:

∑−

=•N

iiibaba

1

Nilai D dapat dikatakan nilai kemiripan dari a dan b.

24

BAB 3. METODE PENELITIAN

3.1 Metodologi Penelitian

Metodologi dan langkah-langkah yang digunakan dalam penelitian ini

adalah sebagai berikut:

1. Studi literatur, yaitu pengumpulan bahan dan pembelajaran mengenai

algoritma yang diperlukan, khususnya algoritma Morphological Watershed.

2. Desain program, yaitu tampilan dari aplikasi yang akan dibuat.

3. Pembuatan program dengan menggunakan Delphi 7.0.

4. Pengujian dan analisa program

• Pengujian terhadap program yang dibuat dengan mencoba hasil segmentasi

gambar, apakah sesuai dengan perhitungan yang ada pada algoritma. Selain

itu mencoba semua tombol yang ada pada aplikasi, apakah terjadi error

atau tidak.

• Analisa hasil segmentasi gambar dari program yang dibuat, apakah sama

dengan hasil yang diharapkan dari segmentasi dengan metode

Morphological Watershed.

5. Pembuatan laporan, yaitu pembuatan laporan penelitian yang terdiri dari:

• Pendahuluan

• Tinjauan Pustaka

• Metode Penelitian

• Hasil Penelitian dan Pembahasan

• Kesimpulan dan Saran

3.2 Perencanaan Software

Agar software morphological watershed dapat mengsegmentasi gambar

dengan baik, maka diperlukan rancangan algoritma. Secara garis besar algoritma

ditunjukkankan pada Gambar 3.1.

25

Gambar 3.1 Diagram Alir Aplikasi Secara Garis Besar

Keterangan:

• Input file pertama kali adalah file yang nantinya akan disegmentasi. Setelah

nama file di-input-kan, gambar di-load dan dipersiapkan untuk segmentasi.

• Pre-processing di sini masih terdiri dari beberapa proses dan akan dibahas

lebih lanjut setelah ini.

• Gambar yang sudah disiapkan melalui proses pre-processing disegmentasi

dengan menggunakan metode morphological watershed. Kemudian dihitung

lama waktu yang dibutuhkan mulai dari pre-processing hingga selesainya

segmentasi dan jumlah objek yang dihasilkan.

• Proses dapat berhenti di sini atau dapat juga dilakukan proses lain pada objek

yang dihasilkan oleh segmentasi. Proses tersebut adalah yang biasa dikenal

sebagai copy atau cut dan kemudian objek tersebut dapat di-paste baik pada

software ini maupun pada software lainnya yang berbasis sistem operasi yang

sama.

26

3.2.2 Pre-processing pertama

Pre-processing merupakan kumpulan dari proses yang digunakan untuk

dapat menghasilkan segmentasi yang terbaik. Ada banyak sekali proses yang

dapat digunakan. Pada software ini akan digunakan 2 macam pre-processing yang

berbeda. Pre-processing yang pertama menggunakan grayscaling, histogram

equalization, thresholding, invert, erosion, dan dilation.

Gambar 3.2 Diagram Alir Pre-Processing Pertama

Gambar 3.2 menunjukkan pre-processing dapat menggunakan histogram

equalization dan invert secara opsional. Histogram equalization membuat

histogram dari suatu gambar menjadi histogram yang ter-equalize. Beberapa

objek malah terkesan menghilang atau bergabung dengan objek lainnya, sehingga

27

susah untuk disegmentasi nantinya. Kemudian untuk invert, apabila gambar

tersebut lebih didominasi oleh warna gelap maka sebaiknya tidak perlu di-invert

agar gambar tersebut dapat disegmentasi menjadi objek yang diinginkan.

Proses grayscaling adalah proses untuk mengubah gambar yang memiliki

warna menjadi gambar yang memiliki tingkat warna abu-abu (gray-level). Pada

Gambar 3.3 dijelaskan bagaimana cara kerja proses ini dalam bentuk diagram alir.

Gambar 3.3 Diagram Alir Proses Grayscaling

Gambar yang akan di-grayscaling nilai tiap titik akan disamakan nilai

Red, Green, dan Blue-nya sehingga untuk tiap titik hanya memiliki 1 nilai saja

yang disebut nilai gray-level-nya. Pada Gambar 3.3 proses grayscaling yang

digunakan mengambil persentasi tertentu dari masing-masing warna kemudian

dijumlahkan untuk mendapatkan nilai yang baru. Cara lainnya yaitu langsung

membagi sama rata ketiga nilai warna tersebut untuk mendapatkan nilai yang baru

(dicari rata-rata dari ketiga nilai warna Red, Green, dan Blue).

Proses histogram equalization seperti yang telah dijelaskan sebelumnya,

digunakan untuk mengubah intensitas suatu gambar menjadi sebuah gambar

dengan nilai histogram yang relatif sama di setiap levelnya. Pada Gambar 3.4

28

dijelaskan bagaimana cara kerja dari algoritma histogram equalization, mulai dari

pengambilan nilai untuk histogram, kemudian perhitungan histogram menjadi

histogram yang ter-equalize, hingga pengubahan pada tiap pixel pada gambar agar

histogram dari gambar tersebut menjadi histogram yang ter-equalize.

Gambar 3.4 Diagram Alir Proses Histogram Equalization

Proses thresholding adalah proses untuk mengubah gambar yang

memiliki tingkat warna abu-abu menjadi gambar biner berdasarkan suatu nilai

tertentu yang menjadi tolok ukurnya. Pada Gambar 3.5 dijelaskan bagaimana cara

kerja algoritma ini dalam bentuk diagram alir. Nilai n pada gambar tersebut

menunjukkan batas yang menjadi tolok ukur pengubahan nilai tiap pixel, apakah

menjadi 0 (hitam) atau 255 (putih).

29

Gambar 3.5 Diagram Alir Proses Thresholding

Gambar hasil proses invert ini lebih dikenal dengan istilah gambar

negatif. Pada Gambar 3.6 dijelaskan cara kerja dari algoritma proses invert. Proses

ini merupakan proses untuk mengubah nilai tiap pixel menjadi sebaliknya. Pixel

yang memiliki nilai rendah diubah menjadi pixel yang memiliki nilai yang tinggi,

begitu pula sebaliknya.

Gambar 3.6 Diagram Alir Proses Invert

30

Proses erosion dan dilation adalah proses morphological yang digunakan

untuk menghaluskan gambar sehingga lebih mudah untuk disegmentasi. Gambar

3.7 menjelaskan bagaimana cara kerja algoritma dari erosion dan Gambar 3.8

menjelaskan bagaimana cara kerja algoritma dari dilation. Kedua proses ini

memerlukan nilai yang terdapat pada histogram.

Gambar 3.7 Diagram Alir Proses Erosion

Gambar 3.8 Diagram Alir Proses Dilation

3.2.3 Pre-processing kedua

Pre-processing yang kedua terdiri dari grayscaling, morphological

gradient, dan minima removal. Pre-processing yang kedua menggunakan lebih

31

sedikit proses dan diharapkan lebih cepat dan lebih baik dari pre-processing yang

pertama. Proses grayscaling dapat dilihat pada Gambar 3.3 dan tidak dibahas di

sini.

Proses morphological gradient adalah proses di mana gambar baru yang

dihasilkan merupakan hasil selisih dari proses dilation dari gambar asli dengan

proses erosion dari gambar asli. Proses ini memerlukan hasil dari proses erosion

dan dilation. Proses erosion dan dilation dapat dilihat pada Gambar 3.7 dan

Gambar 3.8. Gambar 3.9 menjelaskan bagaimana cara kerja algoritma

morphological gradient.

Gambar 3.9 Diagram Alir Proses Morphological Gradient

Proses minima removal dapat dikatakan proses perataan dasar dari daerah

minimum sehingga daerah minimum memiliki nilai yang uniform. Gambar 3.10

menjelaskan bagaimana cara kerja algoritma ini.

32

Gambar 3.10 Diagram Alir Proses Minima Removal

3.2.4 Proses Segmentasi

Proses segmentasi dengan menggunakan Morphological Watershed

dijelaskan lengkap pada Gambar 3.11. Min dan max di sini adalah nilai minimum

dan maksimum dari pixel-pixel pada gambar. Ini digunakan untuk mempersingkat

waktu, sehingga tidak diperlukan untuk memulai dari 0 hingga 255. Penentuan

daerah dan garis dicek mulai dari pixel dengan nilai minimum hingga maksimum.

33

Seperti yang dijelaskan pada gambar jika pixel tersebut merupakan daerah

minimum atau tidak memiliki irisan dengan kumpulan pixel yang terhubung pada

n-1 maka pixel tersebut membentuk daerah baru. Jika irisan dengan kumpulan

pixel yang terhubung pada n-1 hanya 1 komponen atau daerah maka pixel menjadi

milik komponen atau daerah tersebut. Jika lebih dari 1 maka menjadi dam atau

watershed lines.

Gambar 3.11 Diagram Proses Segmentasi / Watershed

3.2.5 Perencanaan User Interface

User Interface dirancang sedemikian rupa dengan pengaksesan semua

tombol terletak pada menubar seperti yang tampak pada Gambar 3.12. Layar

dibuat maximize agar mempermudah dalam meng-edit dan memilih objek yang

ada pada gambar. Selain memilih dari menu, user juga dapat menekan tombol

34

yang merupakan icon dari menu yang ada pada toolbar untuk mempercepat

penggunaan tanpa perlu membuka menu satu per satu.

Gambar 3.12 Perencanaan User Interface

Tombol-tombol yang ada:

1. Pada menu File:

a. New: untuk membuat gambar baru. Gambar yang akan dibuat di sini hanya

berupa gambar yang merupakan gabungan objek-objek hasil segmentasi

dari gambar lain.

b. Open: untuk me-load gambar.

c. Save: untuk meng-save gambar.

d. Close: untuk menutup gambar yang sedang aktif

e. Close All: untuk menutup seluruh gambar yang sedang dibuka

f. Exit: untuk keluar dari software

2. Pada menu Edit:

a. Copy: untuk meng-copy objek hasil segmentasi dan menyimpannya pada

Clipboard

b. Cut: untuk meng-cut objek hasil segmentasi dan menyimpannya pada

Clipboard

c. Paste: untuk mem-paste objek hasil segmentasi yang ada pada Clipboard

d. Undo: untuk kembali 1 langkah sebelumnya.

3. Pada menu View:

a. Toolbar: untuk menampilkan form toolbar yang berisi posisi pointer

mouse dan nilai pixel di mana pointer tersebut berada bila pointer mouse

35

berada di atas gambar yang aktif. Form ini juga berisi histogram dari

gambar yang sedang aktif.

b. Tile, Cascade: untuk menata agar gambar yang dibuka menjadi teratur

c. Arrange Icons: untuk menata gambar yang sedang di-minimize agar tidak

bertumpukan satu dengan yang lain

4. Pada menu Tools:

a. Grayscaling: mengubah gambar dengan format warna menjadi gambar

dengan format gray-level

b. Histogram Equalization: meng-equalize-kan histogram dari sebuah

gambar

c. Thresholding: untuk mengubah gambar gray-level menjadi gambar biner

d. Invert: membalik nilai dari titik-titik pada gambar

e. Morphological Processing: terdiri dari Erosion (menjalankan

morphological processing erosion), Dilation (menjalankan morphological

processing dilation), Opening (menjalankan morphological processing

erosion kemudian dilation), Closing (menjalankan morphological

processing dilation kemudian erosion), Morphological Gradient

(menjalankan morphological processing morphological gradient) dan

Minima Removal (meratakan daerah minimum pada gambar)

f. Watershed Segmentation: menjalankan segmentasi gambar.

5. Pada menu Segmentation:

a. Watershed Segmentation Using Threshold: menjalankan segmentasi

dengan menggunakan pre-processing pertama secara lengkap.

b. Watershed Segmentation Using Threshold (without invert): menjalankan

segmentasi dengan menggunakan pre-processing pertama secara lengkap

tetapi proses invert tidak dipakai.

c. Watershed Segmentation Using Morphological Gradient: menjalankan

segmentasi dengan menggunakan pre-processing kedua secara lengkap.

3.2.6 Proses Pengenalan Objek

Proses pengenalan objek menggunakan metode Signature dan Slope

Histogram. Signature yang digunakan adalah mencari jarak titik tengah dengan

36

pixel yang merupakan batasan berdasarkan sudut mulai dari 0 hingga 359 derajat.

Gambar 3.13 menjelaskan bagaimana proses Signature dilakukan.

Gambar 3.13 Diagram Alir Proses Signature

Slope Histogram adalah histogram yang mencatat gradien atau kemiringan dari

tiap pixel berwarna hitam dalam sebuah gambar. Gambar 3.14 menjelaskan

bagaimana Slope Histogram dibentuk.

37

Gambar 3.14 Diagram Alir Pembuatan Slope Histogram

38

BAB 4. HASIL PENELITIAN DAN PEMBAHASAN

4.1 Implementasi Software

Software yang digunakan di sini adalah Borland Delphi 7 dan komponen

TGifImage Component. Alasan penggunaan Borland Delphi 7 adalah karena

Delphi mendukung proses imaging, bersifat user friendly, dan mempunyai

interface yang dapat ditata dengan baik. Selain itu Delphi 7 mempunyai performa

yang baik untuk melakukan perhitungan yang banyak dan mempunyai kuantitas

yang cukup untuk menyimpannya dalam memory komputer.

TGifImage Component adalah komponen dari Delphi yang digunakan

untuk membuka format gambar Gif. Pada umumnya, TImage yang digunakan

untuk menampilkan gambar, hanya mampu untuk membuka beberapa format

gambar saja, antara lain : bitmap, icons, metafile, dan enhanced metafile. Dengan

menggunakan TGif Component menambah format yang umum digunakan dalam

menyimpan gambar yaitu Gif. Delphi sudah menyediakan untuk JPEG dengan

menambah unit Jpeg, tetapi untuk Gif tidak tersedia. Penggunaan TGifImage

Component seperti penggunaan unit Jpeg, cukup dengan menambahkan unit

GifImage pada penulisan unit. Setelah unit ditambahkan otomatis TGifImage dan

Jpeg akan langsung terintegrasi ke dalam TImage.

4.2 Pengujian Software

Pengujian segmentasi software dilakukan terhadap beberapa gambar.

Hasil pengujian termasuk jumlah segmentasi dan waktu yang dibutuhkan mulai

dari pre-processing hingga selesainya segmentasi. Pengujian dilakukan dengan

menggunakan komputer dengan spesifikasi sebagai berikut:

• Processor Intel Pentium IV – 1,8a GHz

• Memory 256 MB DDR RAM

• VGA Card ATI Radeon 9200 128 MB

• Sistem operasi Microsoft Windows XP Service Pack 2

Perbandingan juga dilakukan terhadap besarnya ukuran gambar yang

digunakan dan waktu yang dibutuhkan untuk gambar yang serupa tetapi berbeda

ukuran gambar, juga apakah objek yang dihasilkan sama baik jumlah maupun

39

bentuknya. Pengujian dilakukan terhadap gambar jeruk dengan ukuran gambar

awal 192 x 128 pixel dan dapat dilihat pada Gambar 4.1.

Gambar asli Gambar hasil Grayscale

Gambar hasil Histogram Equalization Gambar hasil Threshold

Gambar hasil invert Gambar hasil erosion

Gambar hasil dilation Gambar hasil segmentasi

Gambar Hasil Segmentasi terhadap gambar asli.

Gambar hasil potongan

Gambar 4.1 Gambar Hasil Pengujian Terhadap Pre-processing 1

40

Gambar asli Gambar hasil grayscale

Gambar hasil morphological

processing

Gambar hasil segmentasi

Gambar Hasil Segmentasi terhadap

gambar asli.

Gambar Hasil Potongan

Gambar 4.2 Gambar Hasil Pengujian Terhadap Pre-processing 2

Gambar 4.2 menunjukkan proses segmentasi dengan menggunakan pre-

processing 1 membutuhkan waktu 6 detik menghasilkan 11 segmen. Sedangkan

proses segmentasi dengan menggunakan pre-processing 2 membutuhkan waktu 8

detik menghasilkan 219 segmen. Pengujian dilanjutkan dengan pengujian

pengaruh ukuran gambar terhadap hasil segmentasi dan waktu yang dibutuhkan

untuk melakukan proses segmentasi seperti yang tampak pada Gambar 4.3.

41

Gambar Ukuran

gambar

Pre-processing Waktu Jumlah

150 x

101

1 dengan

histogram

equalization

4 detik 10

150 x

101

1 tanpa

histogram

equalization

(threshold=115)

5 detik 5

150 x

101

1 tanpa invert 4 detik 18

150 x

101

1 tanpa invert

dan histogram

equalization

(threshold=115)

4 detik 17

150 x

101

2 5 detik 263

300 x

202

1 dengan

histogram

equalization

14

detik

16

Gambar 4.3 Hasil Pengujian Terhadap Gambar Bunga

42

300 x

202

1 tanpa

histogram

equalization

(threshold=115)

14

detik

7

300 x

202

1 tanpa invert 18

detik

34

300 x

202

1 tanpa invert

dan histogram

equalization

(threshold=115)

14

detik

17

300 x

202

2 15

detik

859

500 x

337

1 dengan

histogram

equalization

46

detik

35

500 x

337

1 tanpa

histogram

equalization

(threshold=115)

38

detik

25

Gambar 4.3. Hasil Pengujian Terhadap Gambar Bunga (lanjutan)

43

500 x

337

1 tanpa invert 35

detik

56

500 x

337

1 tanpa invert

dan histogram

equalization

(threshold=115)

34

detik

34

500 x

337

2 45

detik

2111

800 x

539

1 dengan

histogram

equalization

2 menit

3 detik

84

800 x

539

1 tanpa

histogram

equalization

(threshold=115)

1 menit

40

detik

73

800 x

539

1 tanpa invert 1 menit

39detik

72


44

800 x

539

1 tanpa invert

dan histogram

equalization

(threshold=115)

1 menit

31detik

68

800 x

539

2 1 menit

57

detik

5213


Gambar Ukuran

gambar


200 x

150

1 dengan

histogram

equalization

7 detik 34

200 x

150

1 tanpa

histogram

equalization

(threshold=184)

8 detik 26

200 x

150


Gambar 4.4 Hasil Pengujian Terhadap Gambar Sanrio

45

200 x

150

1 tanpa invert

dan histogram

equalization

(threshold=184)

7 detik 58

200 x

150

2 11

detik

397

400 x

300

1 dengan

histogram

equalization

29

detik

50

400 x

300

1 tanpa

histogram

equalization

(threshold=180)

28

detik

51

400 x

300

1 tanpa invert 27

detik

21

Gambar 4.4. Hasil Pengujian Terhadap Gambar Sanrio (lanjutan)

46

400 x

300

1 tanpa invert

dan histogram

equalization

(threshold=180)

27

detik

28

400 x

300

2 35

detik

776

800 x

600

1 dengan

histogram

equalization

1 menit

55

detik

53

800 x

600

1 tanpa

histogram

equalization

(threshold=179)

1 menit

53

detik

53

800 x

600

1 tanpa invert 1 menit

45detik

21


47

800 x

600

1 tanpa invert

dan histogram

equalization

(threshold=179)

1 menit

42

detik

26

800 x

600

2 2 menit

28

detik

5730


Gambar Ukuran

gambar


200 x

150

1 dengan

histogram

equalization

8 detik 0

200 x

150

1 tanpa

histogram

equalization

(threshold=179)

8 detik 8

Gambar 4.5 Hasil Pengujian Terhadap Gambar Sederhana

48

200 x

150


200 x

150

1 tanpa invert

dan histogram

equalization

8 detik 6

200 x

150

2 7 detik 130

500 x

375

1 dengan

histogram

equalization

44

detik

0

500 x

375

1 tanpa

histogram

equalization

(threshold=175)

41

detik

7

Gambar 4.5. Hasil Pengujian Terhadap Gambar Sederhana (lanjutan)

49

500 x

375

1 tanpa invert 41

detik

12

500 x

375

1 tanpa invert

dan histogram

equalization

(threshold=175)

42

detik

17

500 x

375

2 47

detik

245

800 x

600

1 dengan

histogram

equalization

1

menit

53

detik

0

800 x

600

1 tanpa

histogram

equalization

(threshold=173)

1

menit

43

detik

7


50

800 x

600

1 tanpa invert 1

menit

47detik

12

800 x

600

1 tanpa invert

dan histogram

equalization

(threshold=173)

1

menit

43

detik

17

800 x

600

2 2

menit

18

detik

80


Pengujian juga dilakukan dengan menggunakan hardware lama

berspesifikasi sebagai berikut:

• Processor Pentium I – 133 MHz

• Memory 32 MB RAM

• VGA 1 MB

• Sistem operasi Windows 98 SE

Pengujian dilakukan dengan menggunakan pre-processing kedua

terhadap gambar jeruk seperti yang terdapat pada Gambar 4.2 menghasilkan

jumlah objek yang sama dengan waktu 1 menit, berbeda dengan menggunakan

Pentium IV yang hanya membutuhkan waktu 6 detik untuk menyelesaikan proses.

Pengujian yang sama dilakukan terhadap gambar bunga seperti pada Gambar 4.3

51

dengan ukuran gambar 150x101, diselesaikan dengan waktu 36 detik, Pentium IV

hanya 5 detik.

Pengujian dilanjutkan dengan melakukan pengenalan terhadap objek

hasil segmentasi yang berupa objek–objek sederhana seperti yang tampak pada

Gambar 4.6. Data sumber objek sederhana diinputkan terlebih dahulu.

Nama

Objek

Gambar Objek Slope Histogram

Elips ( 63 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 44 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 72 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 92 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 54 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 103 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 63 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 )

Kotak ( 63 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 44 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 72 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 92 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 54 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 103 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 63 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 )

Gambar 4.6 Data Sumber Objek Sederhana

52

Lingkaran

( 222 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 51 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 47 212 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2015 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 211 46 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 81 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 )

Segitiga

( 89 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 49 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 90 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 79 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 86 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 53 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 45 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 )

Persegi-

panjang

( 69 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 45 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 110 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 113 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 104 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 48 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 )

Gambar 4.6. Data sumber objek sederhana (lanjutan)

Pengujian dilakukan terhadap Gambar 4.7 dengan dilakukan segmentasi

dengan pre-processing 2 terlebih dahulu.

53

Gambar 4.7 Gambar yang akan Diuji Pengenalan Objek

Berdasarkan pengujian yang telah dilakukan, dapat diketahui bahwa:

• Objek yang dihasilkan tiap pre-processing berbeda.

• Bila ingin mendapatkan hasil yang baik, nilai threshold pada pre-processing

pertama dapat diubah sesuai gambarnya karena perhitungan nilai threshold

hanya diharapkan memberikan yang terbaik tetapi belum tentu hasil

perhitungan merupakan yang terbaik.

• Ukuran gambar sangat tergantung dalam proses segmentasi ini. Hasil yang

didapat dan waktu yang digunakan tidak sama.

• Proses segmentasi tetap dapat dilakukan pada hardware dengan spesifikasi

rendah, tetapi waktu yang dibutuhkan untuk menyelesaikan proses bertambah.

• Objek dapat dikenali apabila memiliki bentuk yang serupa dengan objek

sumber, jika mengalami perubahan bentuk (bukan merupakan perbesaran,

pengecilan atau perputaran) maka objek sulit untuk dikenali.

• Jika dilakukan perubahan bentuk (perbesaran, pengecilan, dan atau

perputaran) maka objek masih dapat dikenali.

54

Objek Hasil Pengenalan

Kotak : 47.72 % Elips : 87.62 % Lingkaran : 5.90 % Segitiga : 90.26 % Persegi Panjang : 85.19 %






Gambar 4.8 Hasil Pengenalan Dari Objek Hasil Segmentasi Dari Gambar 4.7

55

BAB 5. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari keseluruhan sistem yang telah dibuat dan pengujian yang telah

dilakukan dapat disimpulkan beberapa hal dibawah ini:

1. Metode morphological watershed memiliki kelebihan dan kelemahan.

Kelebihan:

• Tidak perlu menentukan posisi awal dari daerah yang akan disegmen,

karena proses segmen telah dilakukan pada setiap bagian dari gambar.

• Noise yang ada pada gambar tidak mempengaruhi proses segmentasi

sebuah objek pada gambar.

Kelemahan:

• Seringnya timbul over segmentation, yaitu munculnya daerah yang lebih

besar dari objek yang seharusnya.

• Waktu yang dibutuhkan untuk melakukan proses mulai dari awal hingga

akhir cukup lama, karena banyak proses yang dilakukan secara berulang.

• Pemilihan pre-processing yang kurang tepat dapat mengakibatkan

pembentukan objek yang kurang tepat pula. Berdasarkan pengujian yang

dilakukan, pre-processing yang dapat menghasilkan objek yang lebih baik

adalah pre-processing kedua. Pre-processing pertama hanya cocok

digunakan untuk gambar tertentu saja dimana gambar tersebut memiliki

kontras yang tinggi dan penuh dengan objek.

2. Pada proses yang dilakukan oleh software, bila gambar yang digunakan

memiliki warna yang dominan cenderung mengakibatkan bertambahnya

waktu proses. Setiap gambar meskipun beresolusi sama belum tentu waktu

prosesnya sama.

3. Semakin besar resolusi yang digunakan, semakin besar waktu yang

dibutuhkan untuk proses dan semakin banyak over segmentation yang timbul.

56

5.2 Saran

Beberapa saran untuk pengembangan software adalah

1. Proses segmentasi yang lebih cepat lagi, misalnya dengan proses rekursi agar

gambar tidak perlu di-scan berulang-ulang, terutama untuk proses

segmentasinya.

2. Mencoba banyak pre-processing lainnya, sehingga dapat mengetahui apakah

ada pre-processing yang lebih baik lagi.

3. Menambah fungsi save dan load, sehingga hasil segmentasi juga disimpan

dalam bentuk file dan jika ingin menggunakannya lagi tidak perlu melakukan

proses segmentasi lagi.

57

DAFTAR PUSTAKA

[1] Ballerini, L. Digital Image Processing: Segmentation.

http://www.cb.uu.se/~lucia/dbb/l8.pdf

[2] Ding, M. (2004, Januari 27). Advanced Image Processing & Analysis

Morphological Watershed.

<http://www.imaging.robarts.ca/coders/content/seminars/bme519>

[3] Gonzalez, R.C., Woods, R.E. (2002). Digital Image Processing Second

Edition, Prentice Hall, New Jersey.

[4] IDL (1999). Watershed (online)

<http://idlastro.gsfc.nasa.gov/idl_html_help/W3.html>

[5] Parker, J.R. (1993). Practical Computer Vision Using C, John Wiley & Sons

Inc., New York.

[6] Wei-Cheng, Lin. (2000). Mathematical Morphology and Its Application on

Image Segmentation, Dept. of Computer Science and Information

Engineering, National Taiwan University.

Perancangan dan Pembuatan Aplikasi Segmentasi Gambar ...fportfolio.petra.ac.id/user_files/94-014/Perancangan dan Pembuatan... · 2.9 Pengenalan Objek Sederhana..... 21 2.9.1 Signature

Documents