Pengolahan Citra Biner

Penghitungan terhadap atribut-atribut yang melekat pada suatu objek dalam citra digital secara sederhana dapat dilakukan dengan cara mengkonversi citra asli (RGB ataupun grayscale) menjadi citra biner terlebih dahulu. Setelah diperoleh citra biner, maka selanjutnya atribut-atribut (misalnya luas dan keliling) dapat dihitung. Namun terkadang citra biner tersebut perlu diolah lebih lanjut agar citra biner benar-benar tepat merepresentasikan objek yang dimaksud.

Berikut ini merupakan contoh aplikasi pemrograman matlab untuk melakukan proses segmentasi  dan analisis citra. Langkah-langkah nya yaitu:
1. Membaca dan menampilkan citra asli. Pada contoh ini citra yang digunakan adalah citra ‘airplane.jpg’ di mana objek yang dikehendaki adalah berupa pesawat, sedangkan background adalah berupa langit.

clc; clear; close all; warning off all;

Img = imread('airplane.jpg');
figure, imshow(Img);

sehingga diperoleh tampilan

2. Melakukan segmentasi dengan metode deteksi tepi. Deteksi tepi dilakukan melalui operasi konvolusi dengan operator selisih terpusat

% Konvolusi dengan operator selisih terpusat
I = double(rgb2gray(Img));
d1x = [-1 0 1];
d1y = [-1;0;1];
Ix = conv2(I,d1x,'same');
Iy = conv2(I,d1y,'same');
J = sqrt((Ix.^2)+(Iy.^2));
figure, imshow(J,[]);

hasil deteksi tepi yaitu

3. Melakukan operasi thresholding sehingga diperoleh citra biner yang merepresentasikan luasan dari objek. Luas objek kemudian dihitung dengan cara menjumlahkan seluruh angka 1 (piksel berwarna putih) pada citra biner yang diperoleh. Luas objek dihitung dalam satuan piksel.

K = J>10;
L = imclearborder(K);
M = imfill(L,'holes');
N = bwareaopen(M,100);
figure, imshow(N);
area = sum(sum(N))

diperoleh citra biner sebagai berikut

luas objek yang diperoleh adalah

4. Melakukan operasi morfologi untuk mendapatkan boundaries dari citra biner. Kemudian dilakukan penghitungan keliling objek dengan cara menjumlahkan seluruh angka 1 (piksel berwarna putih) pada citra biner yang diperoleh. Keliling objek dihitung dalam satuan piksel.

O = bwmorph(N,'remove');
figure, imshow(O);
perimeter = sum(sum(O))

sehingga didapatkan citra biner sebagai berikut

keliling objek yang diperoleh adalah

5. Menampilkan boundaries objek pada citra asli

% Membuat Boundaries
[B,L] = bwboundaries(N,'noholes');
figure,imshow(Img)
hold on
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2), boundary(:,1), 'y', 'LineWidth', 2)
end

dihasilkan tampilan seperti pada gambar berikut

6. Menampilkan bounding box pada citra asli

% Membuat Bounding Box
[row,col] = find(N==1);
 
[a,b] = size(N);
mask = false(a,b);
mask(min(row):max(row),min(col):max(col)) = 1;

mask =  bwperim(mask,8);
mask = imdilate(mask,strel('square',4));

R = Img(:,:,1);
G = Img(:,:,2);
B = Img(:,:,3);

R(mask) = 255;
G(mask) = 255;
B(mask) = 0;

RGB = cat(3,R,G,B);
figure, imshow(RGB);

Tampilan citra yang dihasilkan adalah

7. Melakukan cropping hasil segmentasi

% Melakukan cropping hasil segmentasi
crop = imcrop(Img,[min(col) min(row) max(col)-min(col) max(row)-min(row)]);
figure, imshow(crop);

Hasil proses cropping adalah

File source code lengkap beserta citra pada pemrograman di atas dapat diperoleh melalui halaman berikut ini: Source Code