Segmentasi K-Means Clustering Pada Citra Menggunakan Ekstrasi Fitur Warna dan Tekstur

Abstract

Segmentasi citra menjadi landasan utama pada proses analisa dan pengenalan citra digital. Segmentasi membagi citra digital kedalam beberapa wilayah yang unik berdasarkan piksel yang homogeny. Segmentasi citra mengelompokkan piksel yang homogeny berdasarkan beberapa fitur seperti warna, tekstur dan bentuk. Warna mengandung banyak informasi dan manusia dapat melihat berjuta-juta kombinasi dan intensitas warna, dibandingkan dengan ke abu-abuan (greyscale) atau hitam putih (binary). Metode yang diterapkan adalah metode clustering. Fitur citra digital yang akan diekstraksi adalah tekstur dan warna. Untuk tekstur menggunakan filter gabor sedangkan untuk ekstraksi warna menggunakan vector ruang L*a*b. namun filter gabor mempunyai kelemahan yaitu ketika citra yang disegmentasi banyak tekstur makro, sehingga mempengaruhi akurasi dalam segmentasi citra digital. Sebagai pendukung dalam meningkatkan akurasi dalam ekstraksi tekstur makro digunakan metode k-means. Penelitian penggunaan fitur tekstur meningkat menjadi 17,5% dan ekstraksi warna keabu-abuan meningkat 16,24%. Sedangkan fitur filter gabor dapat meningkatkan akurasi segmentasi citra digital 2% pada ekstrksi warna pada ruang warna L*a*b meningkat 0.3%