Perbaikan Variasi Pencahayaan pada Citra Tomat Menggunakan Metode Segmentasi Marker Controlled Watershed dan Arimoto Entropy

Riska, Suastika Yulia (2015) Perbaikan Variasi Pencahayaan pada Citra Tomat Menggunakan Metode Segmentasi Marker Controlled Watershed dan Arimoto Entropy. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 5113201019-Master _Thesis.pdf - Accepted Version Download (18MB)

Abstract

Variasi pencahayaan merupakan salah satu masalah dalam pemrosesan citra tomat karena mengakibatkan hilangnya nilai warna yang dimiliki area yang terkena variasi pencahayaan. Tujuan penelitian ini adalah untuk memperbaiki citra tomat yang terdeteksi memiliki variasi pencahayaan pada tahap preprocessing. Metode segmetasi yang diusulkan pada penelitian ini adalah marker controlled watershed dengan arimoto entropy. Metode segmentasi marker controlled watershed mampu mengatasi masalah oversegmentation pada watershed tradisional. Arimoto entropy memiliki keunggulan dalam mendeteksi empat region, yaitu object, background, edge, dan noise. Arimoto entropy digunakan untuk mendapatkan threshold yang optimal, sehingga menghasilkan segmentasi yang baik. Setelah menghilangkan area yang terdeteksi memiliki pencahayaan, citra tomat diperbaiki dengan cara mengganti nilai dari piksel di sekitar area pencahayaan tomat. Pengujian segmentasi area yang terdeteksi sebagai cahaya dilakukan pada dua jenis dataset, yaitu dataset citra tomat dan citra bola. Pada dataset citra tomat persentase eror segmentasi dengan metode yang diusulkan sebesar 36,67%. Pada dataset citra bola persentase eror menggunakan metode yang diusulkan sebesar 38,73%. Pengujian perbaikan citra tomat dilakukan dengan tiga cara yaitu perbaikan dengan rata-rata RGB, perbaikan dengan mengganti nilai piksel empat ketetanggaan dengan pencarian indeks piksel, dan perbaikan secara moving window dengan berbagai ukuran kernel. Hasil dari perbaikan dengan menggunakan rata-rata RGB mampu menutup sebagian besar area yang terdeteksi sebagai variasi cahaya, namun secara visual hasil citra kurang bagus. Hasil perbaikan dengan penggantian piksel melalui pencarian indeks piksel dari dataset citra tomat, rata-rata perbaikan yang dicapai sebesar 78,45%. Pada dataset bola rata-rata perbaikan yang dicapai sebesar 78,67%. Secara visual hasil perbaikan dengan pencarian indeks piksel cukup baik, namun belum mampu menutup keseluruhan area pencahayaan. Hasil perbaikan dengan moving window yang terbaik adalah dengan menggunakan kernel ukuran 15xl5
===================================================================================================================================
Lighting variation is one of the problems in tomato image processing because it causes the loss of color values ​​in the area affected by lighting variation. The purpose of this study is to improve tomato images that are detected to have lighting variation at the preprocessing stage. The segmentation method proposed in this study is marker controlled watershed with Arimoto entropy. The marker controlled watershed segmentation method is able to overcome the problem of oversegmentation in traditional watersheds. Arimoto entropy has the advantage of detecting four regions, namely object, background, edge, and noise. Arimoto entropy is used to obtain the optimal threshold, resulting in good segmentation. After removing the area detected to have lighting, the tomato image is improved by replacing the value of the pixels around the tomato lighting area. Testing the segmentation of the area detected as light was carried out on two types of datasets, namely tomato image dataset and ball image dataset. In the tomato image dataset, the percentage of segmentation error with the proposed method was 36.67%. In the ball image dataset, the percentage of error using the proposed method was 38.73%. Tomato image repair testing was carried out in three ways, namely repair with RGB average, repair by replacing the four neighboring pixel values ​​with pixel index search, and repair using moving window with various kernel sizes. The results of repair using RGB average were able to cover most of the areas detected as light variations, but visually the image results were not good. The results of repair by replacing pixels through pixel index search from the tomato image dataset, the average improvement achieved was 78.45%. In the ball dataset, the average improvement achieved was 78.67%. Visually, the results of repair with pixel index search were quite good, but were not able to cover the entire lighting area. The best repair results with moving window were using a kernel size of 15xl5

Item Type:	Thesis (Masters)
Additional Information:	RTIf 621.367 Ris p-1 2015
Uncontrolled Keywords:	arimoto entropy, marker controlled watershed. perbaikan citra, preprocessing, segmentasi; arimoto entropy, image enhancement, marker controlled watershed, preprocessing. segmentation
Subjects:	Q Science > QA Mathematics > QA76.6 Computer programming.
Divisions:	Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	14 Apr 2025 06:33
Last Modified:	14 Apr 2025 06:33
URI:	http://repository.its.ac.id/id/eprint/119016

Actions (login required)

View Item