4. 01
02
03
0
Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang
sangat luas dalam berbagai bidang kehidupan antara lain bidang
arkeologi, astronomi, biomedis, bidang industri dan penginderaan jauh
yang menggunakan teknologi citra satelit.
Segmentasi ini akan mengubah suatu citra masukan yang kompleks
menjadi citra yang lebih sederhana, berdasarkan peninjauan terhadap
komponen citra. Dengan demikian akan memudahkan pengamat citra
untuk melakukan analisis.
Latar Belakang
6. Pengertian Segmentasi Citra
Segmentasi citra adalah metode memecah gambar digital menjadi
beberapa sub kelompok yang disebut sebagai segmen. Biasanya
proses pemecahan atau pengelompokan didasarkan pada karakteristik
piksel dalam citra. Segmentasi citra dapat berupa pemisahan latar
depan dari latar belakang atau pengelompokan wilayah piksel
berdasarkan kesamaan warna atau bentuk.
Proses segmentasi citra membantu untuk mengurangi kompleksitas
gambar ketika dilakukan pemrosesan lebih lanjut. Dengan memisah
kannya menjadi segmen, maka analisis citra dapat menjadi lebih
mudah, cepat, dan efisien.
Contoh pengaplikasian segmentasi citra banyak dijumpai di dunia
medis, misalnya untuk mendeteksi dan memberi label piksel dalam
gambar atau voxel volume 3D yang mewakili tumor di otak atau
organ lain dari pasien. Selain itu, pengaplikasian lainnya pada smart
city yang dapat mendeteksi pengunjung, menganalisis arus lalu lintas
, serta mendeteksi plat kendaraan melalui CCTV.
7. Fungsi Dan Kegunaan Segmentasi Citra
Deteksi objek adalah bagian terpenting pada visi komputer yang digunakan untuk
menemukan objek visual dari kelas tertentu pada gambar (misalnya, manusia, hewan,
mobil, atau bangunan).
Tujuan dari deteksi objek adalah untuk mengembangkan model komputasi dasar yang
dibutuhkan oleh aplikasi visi komputer. Misal pada gambar di bawah ini ingin
mendeteksi objek seperti orang, rumput, pohon, dll.
Deteksi Objek
9. Klasifikasi Gambar
Klasifikasi gambar adalah proses pelabelan dan pengkategorian pada sekelompok piksel atau vektor dari
gambar berdasarkan aturan tertentu.
Untuk melakukan klasifikasi dibutuhkan satu atau lebih karakteristik (fitur) untuk mengidentifikasi jenis
kelas atau kategori. Pada umumnya terdapat 2 metode pengklasifikasian yakni supervised dan unsupervised
Contoh klasifikasi gambar ditunjukkan pada ilustrasi di bawah ini: yakni misalnya orang dan bukan orang.
Untuk pengklasifikasian kategori orang dapat dilihat pada hasil bounding box-nya.
11. Jenis – jenis Segmentasi Citra
Segmentasi
citra
Terdapat beberapa jenis segmentasi citra yang biasanya digunakan pada
deep learning diantaranya yaitu semantic segmentation, instance
segmentation, dan panoptic segmentation.
Ketiga jenis segmentasi ini didasarkan pada output yang dihasilkan.
Di bawah ini adalah penjelasan jenis metode segmentasi tersebut:
12. 1. Semantic Segmentation
Semantic segmentation atau segmentasi semantik adalah teknik yang melibatkan proses deteksi
objek di dalam citra dan mengelompokkannya berdasarkan kategori yang ditentukan.
Segmentasi ini memberi label setiap piksel gambar yang memiliki kelas yang sama sesuai
kategori yang diberikan. Segmentasi semantik tidak mengenali individu objek dalam kategori
yang sama pada suatu gambar.
Pada intinya segmentasi ini hendak menyatukan piksel-piksel objek yang identik ke dalam
kategori yang sama menjadi satu segmen tanpa membedakan tiap-tiap individu objek.
Misalnya setiap piksel diberi label ke dalam dalam kategori gambar orang (merah), pohon
(hijau tua), rumput (hijau muda), dan langit (biru). Ilustrasinya dapat dilihat pada gambar di
bawah.
14. 2. Instance Segmentation
Segmentasi instance merupakan pengembangan dari segmentasi semantik. Pada segmentasi ini.
beberapa objek dari kelas yang sama diperlakukan sebagai instance individu yang berbeda.
Misalnya, metode segmentasi instance ini dapat dimanfaatkan untuk mengidentifikasi objek
manusia pada gambar di bawah. Metode ini tidak hanya akan mengenali sekelompok orang teta
pi juga membantu dalam membedakannya secara terpisah.
Tidak seperti segmentasi semantik, pada segmentasi ini semua orang memiliki warna atau label
yang berbeda.
16. 3. Panoptic Segmentation
Segmentasi panoptik merupakan pengembangan segmentasi citra dengan mengombinasikan segmentasi
semantik dan segmentasi instance. Segmentasi panoptik secara semantik membedakan objek yang berbeda
serta mengidentifikasinya secara terpisah dari setiap jenis atau kategori objek.
Dengan kata lain, segmentasi panoptik memberikan dua label untuk masing-masing piksel gambar yakni
label semantik, dan ID instance. Piksel yang memiliki label yang sama dianggap memiliki kelas semantic
k yang sama dan ID instance yang membedakan instance-nya.
Tidak seperti segmentasi instance, setiap piksel dalam segmentasi panoptik memiliki label unik yang sesuai
dengan instance-nya untuk menghindari kesalahan interpretasi informasi.
Segmentasi instance hanya mendeteksi dan membagi objek pada citra (seperti orang pada gambar di atas)
dan membedakannya menggunakan warna yang berbeda.
Namun, segmentasi panoptik akan mendeteksi dan mengelompokkan semua objek dalam gambar, termasuk
latar belakang (background), dan membedakannya dengan warna yang berbeda.
18. Penutup
Sebagai kesimpulan, segmentasi citra berguna untuk mengelompokkan wilayah atau
segmen yang serupa dari suatu citra di bawah label kelasnya masing-masing. Dengan
begitu kita dapat menggunakannya untuk tugas-tugas lanjutan seperti klasifikasi gambar
dan deteksi objek.
Untuk memilih jenis segmentasi citra yang hendak digunakan, kita perlu mendefinisikan
tujuan segmentasi terlebih dahulu. Misalkan Anda memiliki input gambar berupa
tampilan jalan yang terdiri dari beberapa orang, mobil, dan bangunan. Jika Anda hanya
ingin mengelompokkan objek yang termasuk dalam kategori yang sama, misalnya
membedakan mobil dan bangunan, maka segmentasi semantik mungkin pilihan yang
cocok.
Kesimpulan