Lecture - 6 Pixel Relationships III

Tuesday, February 08, 2011 8:08 PM

By Jans Hendry / S2 TE 09 UGM Ref: - video lecture IIT Madrash - digital image processing by Gonzalez, Woods.

Jika pada lecture sebelumnya kita telah membahas mengenai penggunaan konsep adjaceny untuk menentukan grup piksel yang merupakan milik dari objek atau region tertentu, maka sekarang kita akan mencoba untuk mengembangkan suatu algoritma pendukung berdasarkan konsep tersebut. Kemudian akan diikuti contoh implementasi dari algoritma tersebut.

Perhatikan gambar diatas, misalkan sebuah citra grid dimana grid tersebut menyatakan piksel-piksel penyusun citra. Ada 3 buah piksel yakni r,t dan p. Lalu kita melakukan pemayaran grid-grid tersebut dari kiri-kanan lalu atas-bawah. Anggaplah p merupakan piksel tengah atau piksel acuannya. Dalam hal ini diasumsikan bahwa kita menggunakan 4-connectivity. Sebenarnya posisi p bisa dimana saja, namun dalam contoh ini kita menetapkan posisi seperti ini. Dengan proses pemayaran (scanning), diperoleh bahwa sebelum piksel p ketemu, maka yang terlebih dahulu dijumpai adala piksel r (diatas) lalu piksel t (dikiri). Dengan demikian kita bisa menentukan algoritma yang digunakan untuk menentukan nomor identifikasi (identification number) untuk tiap-tiap piksel yang merupakan komponen terkoneksi (connected component) yang diperlukan untuk identifikasi piksel-piksel yang termasuk ke dalam region tertentu. Algoritma ini dikembangkan berdasarkan kepada penjelasan diatas, sehingga bisa disimpulkan bahwa nomor identifikasi p tergantung pada nilai identifikasi piksel-piksel yang ketemu saat pemayaran sebelum ketemu dengan titik p. INGAT! Titik p bisa terletak di posisi mana saja. Langkah-langkah dibawah ini merupakan algoritmanya: Asumsikan bahwa: I(p) = nilai piksel/intensitas pada posisi p L(p) = label yang diberikan untuk posisi p Jadi, - Jika I(p) = 0, lalu kita bergerak ke scanning posisi berikutnya - Jika I(p) = 1 dan I(r) = I(t) = 0 lalu berikan label baru ke posisi p - Jika I(p) = 1 dan hanya ada 1 buah tetangga yang bernilai 1 lalu berikan label dari tetangga tersebut ke posisi p - Jika I(p) = 1 dan kedua tetangga r,t=1 maka Jika L(r) = L(t) maka L(p) = L(r) Jika L(r) L(t) maka berikan salah satu label ke p dan catat bahwa kedua label tersebut adalah sama. Hal ini mungkin terjadi karena pada dasarnya r,t dan p merupakan adjacency. Sehingga anomali dalam kasus ini bisa dihindari. Berikut ini adalah aturan pelabelan dari komponen-kompenen yang saling terkoneksi. - Jadi diakhir scanning semua piksel yang bernilai 1 akan memiliki beberapa jenis label, dan beberapa jenis label memiliki ekuivalensi atau sama. - Pada tahap kedua kita mengelompokkan pasangan ekuivalen menjadi kelas-kelas ekuivalen. - Setelah mendapatkan kelas-kelas ekuivalen itu, maka kita memberikan label berbeda untuk tiap kelas. Kemudian pada tahap akhir scanning kita ganti label pada tiap kelas sesuai dengan label berbeda yang telah kita berikan tadi. Untuk lebih jelas, mari kita lihat contoh berikut ini.

Gambar diatas menunjukkan ada 2 buah region dalam sebuah citra yang akan kita analisa. Untuk memudahkan indetification number maka citra diatas kita beri warna berbeda untuk kemungkinan label yang berbeda. Perhatikan gambar dibawah ini.

Image Processing Page 1

Dengan menggunakan algoritma diatas maka hasil nya adalah sebagai berikut:

Penjelasan untuk beberapa titik: (perhatikan baris ketiga) warna kuning diberi identification number 1, sementara connected component yang berwarna biru muda diberi nomor 2 karena saat scanning tidak ditemukan connectivity dalam 4-neighborhood nya. (perhatikan baris keempat) warna hijau diberi nomor 3 karena merupakan region yang berbeda. Pada gambar tampak ada nya anomali ketika label 1 dan 2 bertemu sebagai 4-connectivity dengan titik yang diberi label 1. kita memutuskan pemberian label 1 sesuai dengan algoritma, namun perlu diingat untuk segera membuat catatan bahwa (1,2) merupakan pasangan ekuivalen. Demikian juga dengan pasangan (3,4) dan (1,5) keduanya merupakan pasangan ekuivalen. Lalu untuk pasangan ekuivalen kita kelompokkan dalam kelas dan diberi nilai yang sesuai dengan label yang telah ada pada region tersebut (label ini bisa apa saja tapi yang terbaik adalah memilih label yang nilainya terkecil, dalam hal ini saya memilih 1 dan 3): (1,2) dan (1,5) = 1 (3,4) = 3

Kemudian sebagai tahap akhir adalah mengganti label pada masing-masing region sesuai dengan label yang telah diberikan sebagai label pengganti untuk label-label yang berbeda tadi. Sehingga gambar diatas menunjukkan hasil akhir dari proses ini. Tampak bahwa kita berhasil membedakan dua buah region berdasarkan piksel-piksel yang terkoneksi satu sama lain di dalam region.

~~ TERIMA KASIH ~~

Image Processing Page 2