Teknik Segmentasi Gambar Berwarna Menggunakan Algoritma Watershed: Metodologi dan Penerapannya
Keywords:
Foreground Extraction, Segmentasi gambar, Watershed Algorithm, OpenCVAbstract
Segmentasi gambar dan evaluasi kinerjanya merupakan masalah yang sangat sulit namun penting dalam bidang penglihatan komputer. Tantangan utama dalam evaluasi segmentasi muncul dari konflik mendasar antara generalitas dan objektivitas. Tujuan dari segmentasi gambar adalah mengelompokkan piksel menjadi daerah gambar yang menonjol, yaitu daerah yang sesuai dengan permukaan individu, objek, atau bagian alami dari objek. Dengan peningkatan kemampuan pemrosesan komputer dan peningkatan penggunaan gambar berwarna, segmentasi gambar berwarna semakin banyak diperhatikan oleh para peneliti. Metode segmentasi gambar berwarna dapat dilihat sebagai perpanjangan dari metode segmentasi gambar abu-abu pada gambar berwarna, tetapi banyak dari metode segmentasi gambar abu-abu asli tidak dapat diterapkan langsung pada gambar berwarna. Ini memerlukan perbaikan metode segmentasi gambar abu-abu asli sesuai dengan gambar berwarna yang memiliki fitur informasi yang kaya atau meneliti metode segmentasi gambar baru yang khusus digunakan dalam segmentasi gambar berwarna. Artikel ini mengusulkan metode segmentasi gambar berwarna dengan penumbuhan wilayah benih otomatis berdasarkan wilayah dengan kombinasi algoritma watershed dengan algoritma penumbuhan wilayah benih yang didasarkan pada algoritma penumbuhan wilayah benih tradisional.
References
Dzaky N.A, Rio A.P, Dimas A, M. Adi S, and Perani Rosyani, “Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis,” in Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem , vol. 1, pp. 54-63 , 2023.
Perani Rosyani, A Suhendi, D. H. Apriyanti, and A .A Waskita, “Color Features Based Flower Image Segmentation Using K-Means and Fuzzy C-Means,” in Bits, vol.3, pp. 253−259, 2021.
Perani Rosyani, and Resti Amalia, “Segmentasi Citra Tanaman Obat dengan metode K-Means dan Otsu,” in Jurnal Informatika Universitas Pamulang, vol. 6, pp. 246-251, 2021.
Rekha V, and Natarajan K, “Foreground algorithms for detection and extraction of an object in Multimedia,” in IJECE, vol. 10, pp. 1849-1858, 2019.
K. HE, D. WANG,B. WANG, B. FENG, and C. LI, “Foreground Extraction Combining Graph,” in IEEE, vol. 7, pp.176248-176256, 2019.
M. Fajar E.N, Nurlana S, Ayu S.T, M. Rayhan R.S, and Chaerur R, “Foreground Extraction pada Citra Daun Melon dengan Bantuan Deep Neural Network,” in JIP, vol. 7, pp. 17-22, 2021. Implementing the "GrabCut" Segmentation Technique as a. (t.thn.). Diambil kembali dari GRNBCUT: https://www.cs.ru.ac.za/research/g02m1682/
Rosebrock, A. (2020, Juli 27). OpenCV GrabCut: Foreground Segmentation and Extraction. Diambil kembali dari pyimagesearch: https://pyimagesearch.com/2020/07/27/opencv-grabcut-foreground-segmentation-and-extraction/
