Image Processing merupakan salah satu bidang minat yang saat ini saya tekuni. Entah datangnya dari mana kog tiba-tiba menyukai bidang yang sebetulnya jauh dari apa yang sebelumnya aku pelajari, banyak alasan yang mendasari. Salahsatunya adalah saat saya mengambil mata kuliah : Pengolahan Citra di Postgraduate Computer Science UGM, saya ketemu dengan Pengajar yang memberikan banyak pengetahuan tentang Disiplin ilmu ini (Agus hardjoko. Ph.D). Dengan kesabarannya mengajarkan kepada mahasiswanya. Dengan sifat humble dan profesionalitasnya, sehingga banyak student nya yang akhirnya tertarik dengan disiplin ilmu ini. Image processing memang tidak berdiri sendiri. Di back up oleh pengetahuna lain, akhirnya menjadikan penemuan-penemuan baru dalam algoritma maupun aplikasi dalam bidang ini menjadi berkembang. Penguasaan tentang Matriks dan Aljabar linier, Calculus baik basic maupun advance, pemrograman yang mumpuni, serta kesangkut pautannya dengan : Fuzzy Logic, Expert System, COmputer Graphics, Neural Network, Computer Vision, menjadikan bidang ini sangat luas untuk dikembangkan. Sangat terbuka untuk perbagai penelitian. Beberapa topik penelitian yang bisa dikerjakan antara lain:

• Segmentasi Citra

Latar Belakang

Terdapat dua pendekatan utama dalam segmentasi citra yaitu didasarkan pada tepi (edge-based) dan didasarkan pada wilayah (region-based). Segmentasi didasarkan pada tepi     membagi citra berdasarkan diskontinuitas di antara sub-wilayah (sub-region), sedangkan segmentasi yang didasarkan pada wilayah bekerjanya berdasarkan keseragaman yang ada pada sub-wilayah tersebut. Dalam computer vision, segmentasi mengacu pada proses pembagian citra digital ke dalam multiple region (himpunan pixel). Tujuan akhir dari segmentasi adalah menyederhanakan dan atau merubah representasi suatu citra ke dalam gambaran yang lebih mempunyai arti dan lebih mudah untuk di analisa. Segmentasi citra secara khusus digunakan untuk melokalisasi objek atau batas ( bisa berupa garis, kurva, dll) dalam citra.Hasil dari segmentasi citra adalah sekumpulan wilayah yang melingkupi citra tersebut, atau sekumpulan kontur yang diekstrak dari citra (pada deteksi tepi). Contoh segmentasi dapat dilihat dalam gambar berikut :  Tiap piksel dalam suatu wilayah mempunyai kesamaan karakteristik atau propeti yang dapat dihitung (computed property), seperti : warna (color), intensitas (intensity),dan tekstur (texture).

                 Citra Asli                                             Citra Hasil Segmentasi  

Segmentasi wilayah merupakan pendekatan lanjutan dari deteksi tepi. Dalam deteksi tepi segmentasi citra dilakukan melalui identifikasi batas-batas objek (boundaries of object). Batas merupakan lokasi dimana terjadi perubahan intensitas. Dalam pendekatan didasarkan pada wilayah, maka identifikasi dilakukan melalui wilayah yang terdapat dalam objek tersebut. Adapun beberapa teknik atau algoritma yang termasuk dalam segmentasi citra yaitu :

1. Metode pengelompokkan (Clustering Methods).
2. Histogram-Based Methods.
3. Edge Detection Methods.
4. Region Growing Methods.
5. Level Set Methods
6. Graph Partitioning Methods
7. Watershed Transformation
8. Model based segmentation
9. Multi-scale segmentation
10. Semi-automatic segmentation
11. Neural Networks Segmentation 

Segmentasi berusaha memisahkan suatu citra ke dalam kelompok piksel-piksel homogen ke dalam satu himpunan yan sesuai dengan masing-masing kriterianya. Tiap kelompok tersebut dinamakan dengan segmen. Pengelompokkan (clustering) digunakan sebagai teknik segmentasi menggunakan keseragaman predikat. Segmen yang dihasilkan dari  algortima clustering  biasanya dinamakan dengan cluster-cluster.Global segmentasi berhubungan dengan segmentasi dalam keseluruahn citra. Sedangkan lokal segmentasi berhubungan dengan segmentasi sub-citra yang merupakan bagian kecil dari keselruhan citra tersebut. Biasanya bekerjanya dalam window-window berukuran kecil yang mewakili keseluruhan citra.

Terdapat tiga masalah utama yang berhubungan dengan tekstur yaitu :

1.      Segmentasi Tekstur (Texture segmentation): merupakan masalah yang memecah suatu citra ke dalam beberapa komponen dimana tekstur dianggap konstan. Segmentasi tekstur melibatkan representasi suatu tekstur, dan penentuan dasar dimana batas segmen akan ditentukan.

2.      Sintesis Tekstur (Texture synthesis) berusaha untuk membangun region tekstur besar yang berasal dari contoh citra kecil yang ada. Dengan menggunakan contoh citra akan dibangun model probabilitas tekstur tersebut, dan kemudian menggambarkannya pada model probabilitas untuk menentukan tekstur citra.

 

 

 

 

3.      Bentuk Tekstur (Shape from Texture) melibatkan perbaikan orientasi permukaan atau bentuk permukaan dari tekstur. Di sini diasumsikan bahwa tekstur “kelihatan sama” pada titik-titik yang berbeda pada suatu permukaan, ini artinya bahwa deformasi tekstur dari titik ke titik adalah petunjuk  bentuk permukaan.

Kerangka Berpikir / Logika Penelitian

Penelitian ini mengenalkan metode untuk segmentasi citra yang didasarkan pada fitur warna dan tekstur dari citra asli yang ada. Dari sini kita bisa mengambil salah satu topiknya : apakah hanya berdasarkan fiutr warna ataukah berdasarkan tekstur dari citra tersebut. Gambar berikut menjelaskan skema tahapan-tahapan secara umum dalam segmentasi citra yang merupakan gabungan dari segmentasi citra berdasarkan warna dan segmentasi citra berdasarkan tekstur.

 

 Bahasa Pemrograman yang di gunakan :

Matlab (GUI), C++ (C++ Cuilder), Java (Builder Java)

 

 

 

 

 

PUSTAKA

 Beberapa Pustaka yang mungkin bisa di pakai antaral lain:

Adipranoto, P. 2005. Kombinasi Metode Morphological Gradient dan Transformasi Watershed pada Proses Segmentasi Citra Digital. UK Petra, Surabaya.

Belongie, S., Carson, C., Greenspan, H., and Jitendra,M. 1998.  Colour and Texture-Based Image Segmentation Using EM and Its Application to Content-Based Image Retrieval. Computer Science Division, University of California at Bekerley, USA.

Forssen, P.E.. 2004. Low and Medium Level Vision Using Channel Representation.  Dept. of Electrical Engineering, Linkoping University, Sweden.

Forsyth, P. 2004. Computer Vision : A Modern Approach. Prentice-Hall, 2001.

Herbulot, A., Besson, S,J., Aubert, G. 2004. Information Theory for Image Segmentation Using Shape Gradient. Laboratorie CNRS, Universite nice Sophia-Antipolis, Cedex, France

Hernandez, O, J., Khotanzad, A. 2004.Color Image Segmentation Using Multispectral Random Field Texture Model and Color Content Features. Dept. of Electrical and Computer Engineering, The College of New Jersey.

Kim, J, S., Hong, K, S,. 2007. Colour-Texture Segmentation using Unsupervised Graph Cuts. Proc. Of The 7^th POSTECH-KYUTECH, Workshop on Neouroinformatics, Pohang, Korea.

Kokkinos, I., Evangelopolous, G., and Maragos, P. 2004. Modulation-Feature Based Textures Image Segmentation Using Curve Evaluation. Proc. Int’l Conf. Image Processing (ICIP-2004) Singapore, pp. 1201-1204.

Malik,J., Belongie,S., Leung,T., and Shi, J. 2001.Contour and Texture Analysis for Image Segmentation, Computer Science Division, University of California at Bekerley, USA.

Mustafa, O., Polat, E. 2004. Image Segmentation using Colour and Texture Features. Dept. of Electrical and Electronics Engineering, Kirikkale University Turkey.

Nalwan, A.1997. Pengolahan Gambar Secara Digital.  Elex Media Komputinod, Jakarta.

Pujol, M,X,. 2003. Image Segmentation Integrating Colour, Texture and Boundary Information. Universite de Girona.

Seemann, T. 2002. Digital Image Processing Using Local Segmentation. School of  Computer Science and Software Engineering, Monash University, Australia.

Snyder, W. 2005. Active Contours for Multispectral Images with Non-homogeneous Sub-regions. Dept. of Electrical and Computer Engineering North Carolina State University.

 Storring, M. 2004. Computer Vision and Human Skin Colour. Computer Vision and Media Technology Laboratory, Faculty of Engineering and Science, Aalborg University, Denmark.

Sumengen, B., Manjunath, B,S,. Multi-scale Edge Detection and Image Segmentation. ECE Department, UC, Santa Barbara, CA, USA.

Shah,M,. 1997. Fundamental of Computer Vision,,University of Central Florida.