Segmentasi Citra Distinguish Object From Background Menggunakan Metode Homotopy Tree

Authors

  • Yoze Rizal Universitas Dharmawangsa
  • Amru Yasir Universitas Dharmawangsa
  • Welnof Satria Universitas Dharmawangsa

Keywords:

Homotopy, Tree segmentasi, CorelDraw X7

Abstract

Segmentasi adalah salah satu metode yang penting untuk mengubah citra input menjadi citra output berdasarkan atribut yang diambil dari citra tersebut. Segmentasi citra membagi citra ke dalam daerah intensitas masing-masing sehingga bisa membedakan antara objek dengan background-nya. Ada banyak metode untuk segmentasi citra salah satunya adalah homotopy tree.Homotopy Tree adalah metode yang membagi objek berdasarkan kesamaan topologi dengan menggunakan struktur seperti pohon, terdapat akar (root), node dan bercabang. Kesamaan topologi pada homotopy tree diperoleh dengan melakukan klasifikasi derajat keabuan pada suatu citra, kemudian itu mengidentifikasi nilai piksel dan mengklasifikasikannya.Dalam aplikasi ini objek yang digunakan adalah hasil dari pembuatan dengan menggunakan Aplikasi Desain Grafis, yaitu software CorelDraw X7. Pengenalan objek dengan menggunakan metode homotopy tree ini dilakukan dengan cara input citra dalam bentuk RGB, setelah itu diproses menjadi grayscale kemudian di segmentasi dengan mengenali nilai piksel- piksel dari objek tersebut, hasilnya dalam mengenali objek cukup bagus, dan terbentuk tree dengan baik.

References

Munir, Rinaldi. 2004. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung: Informatika Bandung.

Prasetyo, Eko. 2011. Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab: Yogyakarta : ANDI Yogyakarta.

Sutoyo,T. Mulyanto, edy. Suhartono, Vincent. Dwi Mulyati, Oky. Wijanarto. Teori Pengolahan Citra Digital, Yoyakarta: ANDI Yogyakarta.

Kiptiyah, M. Si. 2007. Embriologi Dalam Al-Qur’an ”Kajian Pada Proses Penciptaan Manusia”. Malang, UIN-Malang Press.

Wijaya, Marvin CH dan Prijono, Agus. 2007. Pengolahan Citra Digital Menggunakan Matlab. Bandung : Informatika Bandung.

Van Ginneken, B. 2001. Computer-Aided Diagnosis in Chest Radiography. Belanda.

Gonzalez Rafael C and Richard E. Woods. 2009. Digital Image Processing Using MATLAB. Amerika : Gatesmark Publishing.

Pierre J. Garrigues and Laurent El Ghaoui Robin Strand. An Homotopy Algorithm for the Lasso with Online Observations. Digital Geomethry and Mathematical Morphology.

Karl Schmedders. Homotopy Path-Following with Easy Homotopy : Solving Nonlinear Equations for Economic Model.

Nicholas Sven Shorter. Unsupervised Building Detection From Irregularly Spaced Lidar and Aerial Imagery.

Ranwez Vincent and Soille Pierre. 2001. Order Independent Homotopic Thinning for Binary and Grey Tone Anchored Skeletons. LIRMM, Dpt. Informatique Fondamentale et Applications 161 rue Ada, F- 34392 Montpellier. France and Italy.

Keshet Renato. 2004. Homotopy Semilattices. Journal of HP Laboratories Israel.

R. M. Noorullah and A. Damodaram, Innovative Thinning And Gradient Algorithm For Binary And Grey Tone Images Using First In First Out Linear Data Structure.

Soille, P. 2004, Morphological Image Analysis : Principle and Application, Springer-Verlag, Berlin and New York.

Deschenes, F., dan Ziou, D., 2003, Homotopy-Based Computation of Defocus Blur and Affine Transform, Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’03).

Dasgupta, N., Ji, S., Carin, L., 2006, Homotopy-Based Semi Supervised Hidden Markov Tree For Texture Analysis, in Proc. of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).

Downloads

Published

2023-08-15