Materi 7 ekstraksi ciri

1. Ekstraksi Ciri
Dedi Darwis, M.Kom.

2. Konsep Dasar
• Ekstraksi ciri citra merupakan tahapan mengekstrak
ciri/informasi dari objek di dalam citra yang ingin
dikenali/dibedakan dengan objek lainnya.
• Ciri yang telah diekstrak kemudian digunakan sebagai
parameter/nilai masukan untuk membedakan antara objek
satu dengan lainnya pada tahapan identifikasi/ klasifikasi.

3. Ekstraksi Ciri Ukuran
• Untuk membedakan ukuran objek satu dengan objek lainnya
dapat menggunakan parameter luas dan keliling.
• Luas merupakan banyaknya piksel yang menyusun suatu
objek. Sedangkan keliling merupakan banyaknya piksel yang
mengelilingi suatu objek.

4. Ekstraksi Ciri Geometri
• Ciri geometri merupakan ciri yang didasarkan pada hubungan
antara dua buah titik, garis, atau bidang dalam citra digital.
• Ciri geometri di antaranya adalah jarak dan sudut.
• Jarak antara dua buah titik (dengan satuan piksel) dapat
ditentukan menggunakan persamaan euclidean, minkowski,
manhattan, dll.
• Jarak dengan satuan piksel tersebut dapat dikonversi menjadi
satuan panjang seperti milimeter, centimeter, meter, dll
dengan cara membaginya dengan resolusi spasial.
• Sedangkan sudut antara dua buah garis dapat ditentukan
dengan perhitungan trigonometri maupun dengan analisis
vektor.

5. Ekstraksi Ciri Geometri

6. Ekstraksi Ciri Warna
• Untuk membedakan suatu objek dengan warna tertentu dapat
menggunakan nilai hue yang merupakan representasi dari
cahaya tampak (merah, jingga, kuning, hijau, biru, ungu).
• Nilai hue dapat dikombinasikan dengan
nilai saturation dan value yang merupakan tingkat kecerahan
suatu warna. Untuk mendapatkan ketiga nilai tersebut, perlu
dilakukan konversi ruang warna citra yang semula RGB (Red,
Green, Blue) menjadi HSV (Hue, Saturation, Value) melalui
persamaan berikut:

7. Ekstraksi Ciri Statistik Orde Pertama
• Metode ekstraksi ciri statistik orde pertama memanfaatkan
sifat-sifat statistik dari histogram citra.
• Berdasarkan histogram tersebut lalu dihitung besaran-besaran
statistik, seperti rata-rata µ (mean), standar deviasi dan lain-
lain.
• Contoh :
• Diketahui citra M berikut ini
•
0 0 1 1 1
0 0 1 1 1
0
2
2
2
2
2
2
3
3
2
3
3
2
3
3
F(x,y) 0 1 2 3
Jumlah 5 6 8 6
P(F(x,y)) 0,2 0,24 0,32 0,24
N = 25, untuk mencari p(f(x,y)) = f(x,y)/N

8. Mean

9. Variance

10. Skewness

11. Kurtosis

12. Entropy
• Entropy digunakan untuk menunjukkan ukuran ketidak aturan
bentuk dari suatu citra

13. Latihan
• Hitunglah citra berikut ini menggunakan statistik orde pertama
untuk mendapatkan nilai Mean, Variance, Skewnes, Kurtosis
dan Entropy.
•
1 3 4 1 5 3
2 2 5 2 4 1
5 2 1 5 3 5
3 2 4 3 1 3
1 5 5 1 5 2
4 2 3 1 2 4