Kuantisasi Warna Segmentasi Citra Kuantisasi Warna Segmentasi Citra Menggunakan Algoritma JSEGMenggunakan Algoritma JSEG

Ega Kamalludinkamalludinega@gmail.com

Segmentasi Citra adalah salah satu bagian dari pemrosesan citra. Segmentasi citra mengubah citra menjadi beberapa region yang homogen atau mempunyai banyak kemiripan berdasarkan kemiripan tertentu. terdapat beberapa metode untuk melakukan segmentasi citra salah satunya adalah menggunakan algoritma JSEG yang terdiri dari dua tahap yaitu kuantisasi warna dan segementasi spasial.Pada tahap kuantisasi warna, semua warna pada citra dikuantisasi dan dikelompokan menjadi bagian-bagian yang tiap bagiannya memiliki karakteristik mendekati sama. Bagian-bagian ini dapat digunakan untuk membedakan region dalam citra.Segmentasi citra berwarna sangat bermanfaat dalam berbagai aplikasi. Dari hasil segmentasi bisa diidentifikasi region-region yang terdapat di dalamnya dan dari region-region tersebut dapat dilakukan analisis citra.

Kuantisasi WarnaKuantisasi warna adalah proses mengurangi jumlah warna berbeda yang digunakan dalam sebuah citra dengan harapan secara kasat mata citra baru secara visual mirip dengan gambar asli.Kuantisasi warna dilakukan pada citra tanpa mengurangi kualitas warna secara signifikan dan hasil dari kuantisasi warna ini berupa colormap citra berikut adalah proses kuantisasi warna dalam algoritma JSEG :

1. Konversi ruang warna dari RGB ke LUVKomunitas eLearning IlmuKomputer.ComCopyright © 2003-2007 IlmuKomputer.Com

1

Lisensi Dokumen:Copyright © 2003-2007 IlmuKomputer.ComSeluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial (nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari IlmuKomputer.Com.

Pada tahap ini citra yang masih dalam format atau ruang warna RGB dikonversi menjad LUV yang merupakan ruang warna perseptual yang digunakan dalam komputer grafik.

2. Proses Peer Group FilteringPada tahap Peer Group Filtering dilakukan pemrosesan smoothing dan penghapusan noise impulse pada citra menggunakan algoritma nonlinear. Algoritma ini mengganti pixel yang ada dengan warna rata-rata anggota kelompok pixel tersebut yang dikelompokan berdasarkan kesamaan warna pixel disekitarnya. Hasil dari Peer Group Filtering ini menunjukan bahwa efektif menghapus noise dan menghaluskan warna citra tanpa mengaburkan(blur) tepi citra dan kedetailannya.Peer Group Filtering digunakan sebagai preprocessing dari kuantisasi warna. Hasil statistik dari Peer Group Filtering digunakan sebagai bobot dalam kuantisasi untuk memasukan color cluster yang berada di noise region, karena penglihatan manusia kurang sensitif dalam membedakan perbedaan-perbedaan di tiap region dalam citra. Hasilnya kuantisasi kasar dapat diperoleh dan informasi warna dalam citra dapat terjaga. Hal ini berguna untuk segmentasi warna.

3. Proses Clustering dengan algoritma Generalized Llyod Algorithm(GLA)

Pada tahap ini Generalized Llyod Algorithm digunakan untuk menandai piksel-piksel yang berbobot rendah dengan cluster yang lebih sedikit untuk mengurangi jumlah cluster warna pada detailed region (region yang telah didetailkan). Hasil dari proses ini adalah centroid tiap cluster.

4. Penggabungan class-classPada tahap ini digabungkan class-class yang jarak centroid kurang dari Threshold. Threshold adalah nilai ambang yang disesuaikan dengan citra yang akan dilakukan proses segmentasi.

5. Klasifikasi pikselPada tahap ini setiap piksel yang ada di dalam citra di klasifikasikan ke dalam cluster warna yang centroidnya terdekat dengan intensitas piksel tersebut.

6. Konversi ruang warna LUV ke RGBSetelah semua proses diatas dilakukan citra kembali dikonversikan ruang warnanya menjadi RGB.

Contoh Kuantisasi Warna

Komunitas eLearning IlmuKomputer.ComCopyright © 2003-2007 IlmuKomputer.Com

2

Gambar 1 Kuantisasi Warna 32 warna menjadi 7 warna

Pada citra diatas terlihat suatu citra yang diproses dengan proses kuantisasi warna menghasilkan warna yang lebih sedikit dari warna citra asli.

Gambar 1.2 Citra 24 bit

Gambar 1.3 Citra 16 bit

Komunitas eLearning IlmuKomputer.ComCopyright © 2003-2007 IlmuKomputer.Com

3

Pada citra kucing citra awal memiliki bit berjumlah 24 setelah dilakukan proses kuantisasi warna bit berubah menjadi 16 dan jumlah warna menjadi lebih sedikit.

Gambar 1.4 Citra Colorful

Pada gambar 1.4 terlihat citra colorful yang diproses dengan proses kuantisasi warna dan hasilnya citra menjadi hanya memiliki 4 warna.

Referensi[1].Color Quantization – Wikipedia, the free encyclopedia, <URL:

http://en.wikipedia.org/wiki/Color_quantization >[2].Peer Group Filtering and Perceptual Color Quantization – Y. Deng, Charles Kenney,

B.S. Manjunath, <URL: http://vision.ece.ucsb.edu/segmentation/PGF.html>[3].Sample Quantization – Jason Summers <URL:

http://entropymine.com/imageworsener/quantization/>

Komunitas eLearning IlmuKomputer.ComCopyright © 2003-2007 IlmuKomputer.Com

4

[4].Color Image Segmentation Using Adaptive Color Quantization and Multiresolution Texture Characterization - Ning-Yu An, Chi-Man Pun <URL: http://link.springer.com/article/10.1007%2Fs11760-012-0340-2>

Biografi Penulis

Ega Kamalludin. Mahasiswa Semester 6 yang sedang melakukan studi di Jurusan Teknik Komputer Politeknik Negeri Bandung Angkatan 2011.

Komunitas eLearning IlmuKomputer.ComCopyright © 2003-2007 IlmuKomputer.Com

5