Professional Documents
Culture Documents
BAB 2
LANDASAN TEORI
2.1 Pengertian Segmentasi
Dalam computer vision, segmentasi merukuk pada proses partisi gambar
digital menjadi beberapa bagian atau kita kenal sebagai superpixels. Tujuan
segmentasi adalah untuk memudahkan atau mengganti sebuah gambar menjadi
lebih berarti dan mudah dianalisa.
Image segmentation adalah proses pemberian label untuk setiap pixel dalam
gambar dengan pixel yang memilik label sama memiliki karakterisik yang sama.
Ada banyak sekali metode-metode segmentasi ini, contohnya ialah thresholding,
clustering, compression-based, histogram-based, edge detection, partial
differential equation-based, graph partitioning, watershed transformation, model
based segmentation, multi-scale segmentation, semi-automatic segmentation, split-
and-merge, neural networks segmentation dan region growing. Untuk kedepannya,
kami akan membahas tentang algoritma Region Growing dengan lebih jelas.
2.2 Pengertian Citra
Citra atau image (Kulkarni, 2001) adalah representasi spasial dari suatu
objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis
dalam koordinat cartesian x-y, dan setiap koordinat merepresentasikan satu
sinyal terkecil dari objek. Fungsi citra adalah model matematika yang sering
digunakan untuk menganalisis dimana semua fungsi analisis digunakan untuk
8
2.2.1
Elemen Ci
Menu
a. Kecera
Kecera
citra
citra ak
Gamba
b. Kontra
Kontra
citra d
memil
Dan se
citra d
G
itra
urut Burger
ahan (Bright
ahan pada
tersebut. S
kan semakin
ar 2.1 Eleme
as (Contrast)
as ialah seb
dikatakan m
liki komposi
ebaliknya, ji
dikatakan me
Gambar 2.2 E
et al ( 2008)
tness)
citra ialah
Semakin tin
n tampak put
en citra untu
)
aran terang
memiliki ko
isi sebagian
ika komposi
emiliki kontr
Elemen citra
), elemen c
intensitas c
nggi intensit
tih.
uk kecerahan
dan gelap d
ntras yang
besar teran
isi sebagai k
ras yang ting
a untuk kontr
citra adalah s
cahaya yan
tas cahaya p
n (brightness
dalam sebua
rendah jik
g atau sebag
kecil terang
ggi.
ras (contrast
sebagai berik
ng terdapat
pada citra, m
s)
ah citra. Se
ka citra ter
gian besar g
atau gelap m
t)
9
kut :
pada
maka
ebuah
rsebut
gelap.
maka
c. Warna
Persep
yang
terting
terend
Gam
d. Bentuk
Pada
sebena
dari c
segme
e. Tekstu
Distrib
yang b
per pi
satuan
a (Color)
psi yang dira
dipantulkan
ggi adalah
ah ialah ung
mbar 2.3 Ele
k (Shape)
citra yang
arnya objekn
citra yang d
ntasi citra.
ur (Texture)
busi spasial
bertetangga.
iksel, namun
n.
asakan mata
n objek.
merah dan
gu (violet).
emen citra u
dilihat de
nya berupa
ditangkap si
dari deraja
Sistem vis
n yang diter
a terhadap p
Warna de
n warna d
untuk warna
engan mata
3D. Inform
istem visual
at keabuan
sual manusi
rima adalah
panjang gelo
engan panj
dengan panj
(color)
a adalah ci
masi bentuk
l atau yang
didalam sek
a tidak men
h sekumpula
ombang caha
ang gelom
jang gelom
itra 2D, na
objek dipe
g disebut de
kumpulan p
nerima infor
an piksel seb
10
aya
mbang
mbang
amun
eroleh
engan
piksel
rmasi
bagai
2.2.2
f. Resolu
Resolu
menya
(Sema
inci, co
Format Ci
Menu
perusahaan
atau grafik
Rincian y
informasi
ubah sesu
harus diku
a. GIF (G
Gambar 2
usi (Resoluti
usi menunju
atakan banya
akin kecil u
ontoh : 72dp
itra
urut Shapir
nperusahaan
k; perangkat
yang diberik
praktis untu
uai dengan
uasai.
Graphics Int
Format fil
2.4 Elemen
ion)
ukkan ting
ak piksel pe
ukuran, sem
pi (Semakin
ro et al, 2
n yang me
t lunak dok
kan selanju
uk mengatas
teknologi,
terchange Fo
le GIF ini
citra untuk
kat kerinci
er satuan pa
makin tingg
besar dpi, re
2001, beber
embuat perl
kumentasi u
utnya seharu
si citra kom
ada bebe
ormat)
dirilis tahu
tekstur
an suatu c
anjang, conto
i resolusi)
esolusi juga
rapa forma
lengkapan p
umum dan k
usnya mem
mputer. Wa
rapa konse
un 1987, d
citra dan d
oh: 120 x 1
atau piksel
semakin ting
at berasal
pengolahan
konversi ters
mberikan ba
alaupun beru
ep umum
digunakan u
11
dapat
00 m
l per
ggi).
dari
citra
sedia.
acaan
ubah-
yang
untuk
12
d. Bitmap
Bitmap adalah format Windows Home, yang digunakan secara praktis
untuk semua kemungkinan penyimpanan data raster. Semua versi
BMP dirancang untuk komputer dengan prosesor Intel. Arus versi
format adalah perangkat independable (berarti Bitmap yang
menentukan warna piksel tanpa referensi ke layar perangkat) dan
memungkinkan untuk merekam gambar dari tingkat kualitas yang
berbeda (ke titik 32 bit). Setelah direvisi, format ini digunakan untuk
menahan warna dan gambar hitam dan putih, sehingga
menjadi umum. Keuntungan utama dari format dianggap kegunaan
dan dukungan perangkat lunak yang luas.
e. PNG (Portable Network Graphic)
Format file png adalah format progresif relatif baru yang awalnya
dirancang untuk menggantikan Gif. Format png telah mendapat satu
set fitur baru yang tidak ada di Gif. Format ini menangani tingkat
transparansi 256 (yang berarti bahwa gambar mungkin transparan
sebagian). Faktanya, bahwa format ini mendukung kedalaman warna
hingga 48 bit dan melakukan kompresi lossless, memungkinkan untuk
mengadakan gambar fotorealistik.
15
level) dan citra edge. Proses pembentukan suatu wilayah akan berhenti bila
menjumpai piksel edge. Kekurangan dari pendekatan ini adalah belum tentu
menghasilkan edge yang kontinu, mengakibatkan terjadinya kebocoran
wilayah (wilayah-wilayah yang tidak tertutup).
2) Pendekatan Region-Based
Pendekatan ini memerlukan criteria of uniformity, memerlukan penyebaran
seeds atau dapat juga dengan pendekatan scan line, kemudian dilakukan
proses region growing. Kekurangan dari pendekatan ini adalah belum tentu
menghasilkan wilayah-wilayah yang bersambungan.
3) Pendekatan Hybrid
Pendekatan ini melakukan proses deteksi sisi untuk menhasilkan citra sisi
(piksel edge dan piksel non-edge), melakukan pemisahan wilayah dengan
metode connected region. (Connected regions adalah set piksel 4-tetangga
yang bukan piksel edge), dan selanjutnya dilakukan proses merging regions.
Pendekatan ini bertujuan untuk mendapatkan hasil segmentasi dengan
wilayah-wilayah yang tertutup dan bersambungan.
2.4 Pengertian Multi Resolusi
Di dalam penginderaan jauh ada 4 istilah resolusi yakni:
1) Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu
sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan
17
kerincian informasi yang dapat disajikan oleh suatu sistem sensor. Ada dua
cara menyatakan resolusi spasial, yakni:
a) Resolusi citra.
Resolusi Citra (image resolution) dapat diartikan sebagai kualitas lensa
yang dinyatakan dengan jumlah maksimum garis pada tiap milimeter
yang masih dapat dipisahkan pada citra. Misal tiap garis tebalnya 0,01
mm. Ruang pemisah antara tiap garis juga sebesar 0,01 mm. Berarti tiap
garis menempati ruang selebar 0,02 mm atau pada tiap mm ada 50
garis. Dalam contoh ini berarti resolusi citranya sebesar 50
garis/mm. Secara teoritik maka resolusi citra yang terbaik 1.430 garis/mm.
b) Resolusi medan.
Resolusi Medan (ground resolution) ialah ukuran terkecil obyek di
medan yang dapat direkam pada data digital maupun pada citra. Pada
data digital resolusi medan dinyatakan dengan piksel. Semakin kecil
ukuran terkecil yang dapat direkam oleh suatu sistem sensor, berarti
sensor itu semakin baik karena dapat menyajikan data dan informasi yang
semakin rinci.
Resolusi spasial yang baik dikatakan resolusi tinggi atau halus, sedang yang
kurang baik berupa resolusi kasar atau rendah. Disamping itu dinyatakan
dengan ukuran dalam meter di lap atau dalam meter per piksel pada citra
(Rm/piksel), resolusi medan juga dapat dinyatakan dengan ukuran dalam
meter di lap yang dapat digambarkan oleh sepasang garis pada citra atau
Rm/Lp (meter per line pairs).
18
4) Resolusi Radiometrik
Resolusi radiometrik memiliki arti sebagai kepekaan sensor terhadap
perbedaan terkecil kekuatan sinyal. Dengan sensor termal misalnya, kalau
sensor 1 mampu merekam beda suhu terkecil 0,2 C dan sensor 2 mampu
merekam beda suhu terkecil 0,5 C; berarti resolusi radiometrik sensor 1 lebih
baik dari pada sensor 2.
Dari keempat jenis resolusi ini maka resolusi spasial merupakan resolusi yang
terpenting. Kalau orang menyebut resolusi tanpa diikuti keterangan apapun, maka
yang dimaksud adalah resolusi spasial.
Resolusi spasial berbanding terbalik dengan resolusi spectral dan resolusi
temporal sedangkan berbanding lurus dengan resolusi radiometrik. Hubungan
antara resolusi spasial dengan resolusi temporal menimbulkan pilihan yang tidak
mudah antara keduanya. Sulit untuk memilih antara foto udara (rinci) atau citra
satelit yang frekuensi perekaman ulangnya lebih sering. Kerincian penting untuk
studi kekotaan misalnya dan resolusi temporal yang tinggi penting untuk
memantau perubahan cepat seperti pemekaran kota, pengurangan luas hutan, dsb.
2.5 Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu
sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan kerincian
informasi yang dapat disajikan oleh suatu sistem sensor.
20
Resolusi spasial merupakan luas suatu objek di bumi yang diukur dalam
satuan piksel pada citra satelit. Apabila suatu objek dilakukan pengambilan
gambar yang mempunyai ukuran luas aslinya 30 m x 30 m ditampilkan pada citra
satelit dengan ukuran 1 piksel maka citra satelit tersebut mempunyai resolusi
spasial 30 m. Dengan kata lain apabila citra mempunyai resolusi spasial 30 m,
maka 1 piksel pada citra satelit mewakili luasan aslinya berukuran 30 m x 30 m.
Jadi semakin kecil ukuran asli suatu objek tersebut dalam 1 piksel pada citra satelit
maka semakin jelas dan detail tampilan objek tersebut pada citra satelit.
Berikut jenis-jenis dari resolusi spasial menurut Satellite Imaging
Corporation, yaitu :
1) High spatial resolution
Resolusi spasial ini biasa disebut juga dengan citra resolusi besar, dengan
jarak 0.6 m sampai dengan 4 m. Dengan jarak demikian, maka hasil citra yang
didapat akan lebih jelas. Contoh dari citra resolusi besar ini, antara lain
GeoEye, WorldView-1, WorldView-2, Aerial Photograph, Quickbird,
IKONOS, FORMOSAT-2, ALOS, SPOT-5.
2) Medium spatial resolution
Resolusi spasial ini biasa dikenal sebagai citra resolusi sedang, dimana
jaraknya antara 4 m sampai dengan 30 m. ASTER, LANDSAT-7, CBERS-2
merupakan contoh dari citra resolusi sedang ini.
21
level minimum setidaknya 85%, (2) akurasi interpretasi untuk beberapa kategori
setidaknya sama, (3) hasil yang berulang harus didapat oleh banyak interpreter dan
dari penginderaan jauh yang berbeda-beda pula, (4) sistem klasifikasi dapat di
aplikasikan pada area yang ekstensif, (5) pengkategorisasian memperbolehkan
penggunaan lahan disimpulkan dari jenis tutupan lahan, (6) sistem klasifikasi
harus cocok pada penginderaan jauh dan juga dapat dipakai untuk tahun
mendatang, (7) kategori harus dapat dibagi lagi menjadi sub kategori yang lebih
detail yang didapat dari gambar skala besar atau survey lahan, (8) pengagregasian
kateogri dimungkinkan (9) perbandingan antara penggunaan lahan dan tutupan
lahan antara yang sekarang dan yang akan datang dimungkinkan, (10)
penggunaan-penggunaan dari lahan harus bisa di ketahui jika memungkinkan.
USGS membagi tutupan lahan dan penggunaan lahan menjadi IV level
dimana level I merepresentasikan data yang diambil dari satelit dengan resolusi
rendah sampai menengah (Landsat MSS data; resolusi 20-100m ), level II dengan
foto udara skala kecil dengan resolusi menengah (Landsat TM data; resolusi 5-20
m), level III dengan foto udara skala medium; satelit dengan resolusi tinggi
(IKONOS; resolusi 1-5m) dan level IV merupakan foto udara dengan skala besar
(resolusi 0,25-1 m).
Berikut akan dijelaskan klasifikasi umum USGS dari Level I Level III,
diambil contoh perkotaan (urban) atau daerah terbangun (built-up area) (level I)
dan dibagi-bagi menjadi beberapa kategori pada level II-nya yaitu tempat tinggal,
komersial dan layanan; industri; trasnportasi, komunikasi, dan keperluan lain;
komplek industri dan komersial; gabungan perkotaan atau bangunan; perkotaan
27
lain atau lahan buatan. Dari level II tempat tinggal, dapat dibagi-bagi lagi menjadi
yang lebih kecil pada level III seperti 1 keluarga, lebih dari 1 keluarga, kelompok,
hotel, parkir mobil, penginapan sementara, dan masih banyak lagi.
Berikut sistem Klasifikasi USGS level I dan Level II
Level I Level II
1 Urban or built-up land 1 1 Residential
1 2 commercial and service
1 3 Industrial
1 4 transportation, communication, and utilities
1 5 Industrial and commercial complexes
1 6 Mixed urban or built-up land
1 7 Other urban or built-up land
2 Agricultural land 2 1 Cropland and pasture
2 2 Orchards, groves, vineyards, nurseries and
ornamental horticultural areas
2 3 Confined feeding operation
2 4 Other agricultural land
3 Range land 3 1 Herbaceous rangeland
3 2 Shrub and brush rangeland
3 3 Mixed rangeland
4 Forest Land 4 1 Deciduous forest land
4 2 Evergreen forest land
4 3 Mixed forest land
5 water 5 1 Streams and canals
5 2 Lakes
5 3 reservoirs
5 4 Bays and estuaries
6 wetland 6 1 Forested wetland
6 2 Nonforested Wetland
7 Barren Land 7 1 Dry salt flats
7 2 Beaches
7 3 Sandy areas other than beaches
7 4 Bare Exposed Rock
7 5 Strip mines, quarries, and gravel pits
7 6 transitional areas
28
hubungan antar panjang batas suatu obyek (l) dengan akar dari jumlah piksel (n)
yang menyusun obyek tersebut.
Metode region growing pertama ialah seeded region growing yang
mengambil seed sebagai input bersama dengan image. Seed ini menandai setiap
obyek yang akan di segmentasi. Region atau wilayahnya secara berulang-ulang
dikembangkan dengan membandingkan semua piksel berikutnya yang tidak
dialokasikan ke dalam region dan perbedaan antara nilai intensitas piksel dan nilai
rata-rata dari region digunakan untuk mengukur kesamaan. Piksel yang memiliki
perbedaan paling kecil setelah diukur dialokasikan ke respective region dan diulang
sampai semua piksel telah teralokasikan ke region. Seeded region growing ini
membutuhkan seed sebagai input tambahan, hasil segmentasinya dependan
tergantung dari pilihan seednya.
Noise dalam image dapat menyebabkan seed diletakkan ditempat yang
kurang baik. Unseeded region growing memiliki algoritma yang telah dimodifikasi
sehingga tidak membutuhkan explicit seeds. Semua di mulai dari single region (tidak
akan berpengaruh pada hasil segmentasi) dan setiap perulangan itu dianggap sebagai
piksel berikutnya seperti dalam algoritma region growing. Jika perbedaannya lebih
kecil dari threshold maka akan ditambah dalam respective region, jika tidak, maka
piksel itu akan dianggap sangat berbeda dan akan dibuat region baru dengan piksel
ini.
Satu varian dari teknik ini berdasar pada intensitas piksel. Rata-rata dan
sebaran region serta intensitas kandidat piksel digunakan untuk mengkomputasi
31
sebuah test statistic, jika hasilnya cukup kecil, maka piksel itu akan di tambahkan ke
dalam region dan rata-rata serta sebaran dari region itu akan dikomputasi ulang. Jika
tidak, maka akan dibuat region baru. Secara keseluruhan, proses region growing
yang kami lakukan dalam skripsi ini dapat digambarkan dengan activity diagram
berikut ini
Gambar 2.7 Proses segmentasi citra spasial multi resolusi dengan region growing