PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA

Naser Jawas

Abstract


Segmentasi citra termasuk salah satu proses yang penting di dunia pengolahan citra dan visi komputer. Banyak metode yang telah diusulkan untuk mencoba memberikan solusi terhadap berbagai permasalahan segmentasi citra. Namun masih banyak kekurangan yang ditemui dikarenakan permasalahan segmentasi citra ini sangat kompleks dan sangat tergantung dari karakteristik data citra yang digunakan serta bagian yang diinginkan untuk disegmentasi. Salah satu permasalahan dalam segmentasi citra adalah melakukan segmentasi citra berwarna. Citra berwarna umumnya tidak hanya memiliki 1 ruang warna serperti citra grayscale, namun memiliki lebih dari 1 ruang warna. Selain itu, citra berwarna juga memiliki berbagai representasi ruang warna. Hasil segmentasi yang diharapkan pun tidak hanya terdiri dari 2 buah kelas (foreground dan background) saja seperti pada segmentasi citra grayscale, namun memiliki beberapa kelas yang merepresentasikan objek didalamnya sebagai bagian dengan warna yang serupa serta lokasi yang berdekatan atau mengelompok. Pada penelitian ini, dilakukan perbandingan segmentasi citra berwarna dengan metode Fuzzy C-Means Clustering di berbagai representasi ruang warna. Hasil yang paling baik ditunjukkan oleh hasil klusterisasi menggunakan ruang warna CIELAB. Hal ini dapat dilihat dari nilai-nilai persentase perbedaan piksel, antara citra hasil dan citra ground truth, yang paling minimum dicapai dari ruang warna CIELAB. Persentase perbedaan piksel terkecil yang didapatkan adalah 0.72%.


Full Text:

PDF

References


Y. Guo and A. Sengur, “A novel color image segmentation approach based on neutrosophic set and modified fuzzy c-means”, Circuits Syst Signal Process, vol. 32, no. 4, pp. 1699-1723, August 2013.

J. C. Bezdek, R. Ehrlich, W. Full, “FCM: the fuzzy c-means clustering algorithm”, Computers & Geosciences, vol.10, no.2-3, pp. 192-203, 1984.

K. S. Tan, and N. A. Isa, “Color image segmentation using histogram thresholding - fuzzy c-means hybrid approach”, Pattern Recognition, vol. 44, no. 1, pp. 1-15, January 2011.

D. Martin, C. Fowlkes, D. Tal, J. Malik, “A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics”, in Proc. 8th Int'l Conf. Computer Vision, vol. 2, pp. 416-423, July 2001.


Refbacks

  • There are currently no refbacks.