ANALISIS DAN IMPLEMENTASI SEGMENTASI CITRA MENGGUNAKAN ALGORITMA GRAPH CUT

SITI SA'ADAH

Informasi Umum

Kode

113047379

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

612 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Segmentasi citra adalah proses membagi citra digital menjadi beberapa region (kumpulan piksel). Tujuannya adalah untuk menyederhanakan dan/atau mengubah representasi suatu citra digital menjadi sesuatu yang lebih bermakna dan mudah untuk dianalisis. Beberapa tahun belakangan ini, ditemukan sebuah metode pengembangan baru yang melakukan segmentasi berdasarkan batas thresholding, metode graph dan dipadukan dengan perhitungan matematiknya yakni metode graph cut.<br> Metode graph cut dipilih penulis, karena kesanggupannya melindungi detail wilayah citra hasil segmentasi. Berdasarkan hasil pengujian, tingkat akurasi yang dihasilkan dari metode ini tergolong sangat baik untuk citra buatan, sedangkan untuk citra foto hasil yang diperoleh dapat dikatakan cukup baik. Hal ini dapat diketahui dari hasil penilaian kulitatif melalui nilai koefisien variansi yang diperoleh dan hasil penilaian kuantitatif menggunakan Mean Opinion Score (MOS).<br>Kata Kunci : graph cut, segmentasi citra, koefisien variansi, threshold, Mean Opinion Score (MOS).ABSTRACT: Image Segmentation is a process to divide an image into several region. The purpose is to simply and/or change representation image digital being something that broadly useful. In a few year, had been found a new method which is doing segmentation based on thresholding, method graph and another mathematic computation, was called graph cut.<br> Method graph cut was chosen because its ability to preserve detail in low-variability image regions while ignoring detail in high-variability regions. Also, the algorithm runs in time nearly linear in the number of graph edges. Based on tested that had been done, could be concluded that, accuration for a result of image segmented was good for synthetic image, also for digital image. This could been known from the measurement kualitatif and kuantitatif that had been done. <br>Keyword: Graph cut, coefficient variance, threshold, Mean Opinion Score, image segmentation