Segmentasi Citra

Segmentasi citra merupakan suatu proses pengelompokkan citra menjadi beberapa region berdasarkan kriteria tertentu.

Secara umum ada beberapa pendekatan yang banyak digunakan dalam proses segmentasi antara lain :

a) teknik threshold, yaitu pengelompokan citra sesuai dengan distribusi properti pixel penyusun citra.

b) teknik region-based, yaitu pengelompokkan citra kedalam region-region tertentu secara langsung berdasar persamaan karakteristik suatu area citranya.

c) edge-based methods, yaitu pengelompokkan citra kedalam wilayah berbeda yang terpisahkan karena adanya perbedaan perubahan warna tepi dan warna dasar citra yang mendadak.

Pendekatan pertama dan kedua merupakan contoh kategori pemisahan image berdasarkan kemiripan area citra, sedangkan pendekatan ketiga merupakan salah satu contoh pemisahan daerah berdasarkan perubahan intensitas yang cepat terhadap suatu daerah.

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).

CBIR

Pada dasarnya CBIR (Content-Based Image Retrieval) merupakan suatu teknik pencarian suatu data gambar yang diinginkan oleh pengguna terhadap beberapa data gambar, dalam skala yang besar.



Gambaran umum CBIR adalah sebagai berikut,

User terlebih dahulu memasukkan formasi query yang berupa gambar --> kemudian query tersebut di ekstraksi --> sehingga menghasilkan vektor ciri (ciri khusus suatu gambar), begitu pula data-data gambar yang tersimpan dalam database akan mengalami struktur yang sama seperti formasi query sehingga ditemukan vektor ciri --> kemudian akan dibandingkan satu sama lain untuk mencari kesamaannya.

Setelah proses pembandingan tersebut, maka akan terpilih beberapa gambar yang memiliki nilai-nilai vektor yang sama atau hampir sama --> kemudian dilakukan indexing dan retrieval data yang telah terpilih tadi --> sehingga ditemukan urutan gambar yang (dalam database) yang memiliki kesamaan dengan formasi gambar (sesuai keinginan user).

Key word :
Indexing : merupakan proses pengelompokan data-data sehingga dapat mempermudah penggalian dan pemanggilan data dalam proses pencarian.
Retrieval : pengambilan kembali.

misal

image bebek yang memiliki ciri bentuk yang sebagaimana bebek, dan memiliki ciri warna dimana bebek memiliki warna putih serta memiliki tekstur bulu.

Cara Menghitung Euclidean Distance

Euclidean distance adalah perhitungan jarak dari 2 buah titik dalam Euclidean space. Euclidean space diperkenalkan oleh seorang matematikawan dari Yunani sekitar tahun 300 B.C.E. untuk mempelajari hubungan antara sudut dan jarak.  Euclidean ini biasanya diterapkan pada 2 dimensi dan 3 dimensi. Tapi juga sederhana jika diterapkan pada dimensi yang lebih tinggi.

1 dimensi

Semisal ingin menghitung jarak Euclidean 1 dimensi. Titip pertama adalah 4, titik kedua adalah -10. Caranya adalah kurankan -10 dengan 4. sehingga menghasilkan -14. Cari nilai absolut dari nilai -14 dengan cara mempangkatkannya sehingga mendapat nilai 196. Kemudian diakarkan sehingga mendapatkan nilai 14. Sehingga jarak euclidean dari 2 titik tersebut adalah 14.

2 dimensi

Caranya hampir sama. Misalkan titik pertama mempunyai kordinat (3,5). Titik kedua ada di kordinat (5,-3). Caranya adalah kurangkan setiap kordinat titik kedua dengan titik yang pertama. Yaitu, (5-3,-3-5) sehingga menjadi (2,-8). Kemudian pangkatnya sehingga memperoleh (4,64). Kemudian tambahkan semuanya sehingga memperoleh nilai 64+4 = 68. Hasil ini kemudian diakarkan menjadi 8.25. Sehingga jarak euclideannya menjadi 8.25.