Penting di AI, Apa itu Image Segmentation dan Contohnya?

Updated

April 6, 2023

• Waktu baca 4 Menit

Gambar Penting di AI, Apa itu Image Segmentation dan Contohnya?

Reading Time: 4 minutes

Image segmentation atau juga disebut segmentasi citra adalah teknologi yang berfokus pada gambar di latar depan. Penggunaan image segmentation sangat luas, termasuk dalam bidang kesehatan modern, keamanan, hingga kriptografi. Selengkapnya mengenai apa itu image segmentation, fungsi dan contohnya akan dijelaskan oleh tim Pintu Blog dalam artikel berikut ini!

Apa itu Image Segmentation?

Image segmentation adalah proses penentuan label setiap piksel dalam sebuah gambar, sehingga piksel yang sama memiliki citra yang sama pula. Secara sederhana, image segmentation atau segmentasi citra adalah teknik yang digunakan untuk menentukan tipe objek tertentu di dalam gambar.

Objek utama yang berada di bagian depan akan tampil dalam satu warna, sementara latar belakang umumnya akan berwarna hitam. Segmentasi citra akan menghasilkan kumpulan segmen kolektif yang menutupi seluruh citra objek. Atau tampilan lainnya adalah kumpulan garis kontur atau garis tepi sebuah objek. Citra yang tampak akan mirip dengan citra objek saat ditangkap menggunakan sinar infra merah.

Fungsi dan Tujuan Image Segmentation

Tujuan image segmentation adalah menentukan latar depan dimana objek utama gambar berada, dan memunculkannya dalam gambar satu warna. Dengan penampilan yang lebih tersegmen, user akan mudah menganalisa objek. Misalnya menentukan letaknya, menemukan garis, kurva, dll. Segmen-segmen yang tampil juga dapat dijadikan citra gambar tiga dimensi menggunakan aplikasi tertentu.

Metode-Metode Image Segmentation

Metode thresholding adalah metode paling simpel. Thresholding akan mengubah objek berwarna abu-abu menjadi objek binari.
Metode clustering adalah teknik umum untuk meningkatkan tampilan objek yang besar. Caranya dengan mengecilkan gambar terlebih dahulu. Setelah itu menghitung klaster dan kemudian menetapkan kembali nilai akhir ke gambar yang lebih besar, jika diperlukan.
Metode segmentasi semantik. Metode ini melabeli setiap piksel gambar yang sama sesuai kategori yang ditetapkan. Caranya dengan menyatukan piksel-piksel yang identik ke dalam kategori yang sama, tanpa membedakan tiap individunya.
Metode segmentasi panoptik. Metode ini dapat membedakan objek dan mengidentifikasinya secara terpisah pada setiap kategori. Metode ini akan mengelompokkan semua objek di dalam gambar, membedakannya dengan warna masing-masing. Termasuk latar belakang.
Metode kompresi. Metode ini mendeskripsikan setiap segmen berdasarkan tekstur dan garis tepinya. Metode kompresi akan mencari objek yang paling pendek kodenya, lalu memunculkan citranya.

Contoh Image segmentation

Beberapa contoh penerapan image segmentation dalam berbagai bidang dan profesi adalah sebagai berikut.

Visi pada mesin dan satelit, seperti Google Maps
Bidang kesehatan, seperti USG dan pencitraan untuk mencari lokasi tumor dan penyakit lainnya. Juga mengukur volume jaringan, mendiagnosis penyakit, mempelajari struktur anatomi tubuh, dll.
Pendeteksian objek, seperti mendeteksi lokasi, wajah, dll.
Pengenalan suatu objek seperti pendeteksi sidik jari dan iris mata.
Pengontrol sistem lalu lintas
Dalam kriptografi, image segmentation digunakan sebagai teknik untuk melindungi informasi rahasia atau untuk memastikan keaslian dari data digital.

Image Segmentation dengan Python

Image segmentation juga dapat dilakukan menggunakan Python. Secara umum, ada empat sesi image segmentation dengan Phyton yang dapat dilakukan. Masing-masing memiliki coding yang berbeda. Keempatnya adalah:

Image Segmentation Berbasis Thresholding. Jenis segmentasi ini tergolong sederhana, yang membagi gambar menjadi bagian hitam dan putih dengan memilih nilai ambang tertentu untuk piksel pada gambar grayscale. Dalam Python, kamu dapat menggunakan fungsi cv2.threshold pada OpenCV untuk melakukan thresholding.
Image Segmentation Berbasis Warna. Jenis segmentasi ini membagi gambar berdasarkan warna, yang mana dapat digunakan jika kamu ingin memisahkan objek pada gambar yang memiliki warna yang berbeda. Dalam Python, kamu dapat menggunakan teknik clustering seperti k-means atau Gaussian Mixture Model (GMM) untuk melakukan segmentasi berdasarkan warna.
Image Segmentation Berbasis Tepi. Jenis segmentasi ini memisahkan objek pada gambar berdasarkan tepi atau garis. Dalam Python, kamu dapat menggunakan operator Sobel atau Canny pada OpenCV untuk mendeteksi tepi pada gambar.
Image Segmentation Berbasis Region. Jenis segmentasi ini memisahkan objek pada gambar berdasarkan properti seperti tekstur, bentuk, atau ukuran. Dalam Python, kamu dapat menggunakan teknik seperti region growing atau watershed untuk melakukan segmentasi berbasis region.
Image Segmentation Berbasis Deep Learning. Jenis segmentasi ini memanfaatkan model deep learning, seperti Convolutional Neural Network (CNN), untuk melakukan segmentasi. Dalam Python, kamu dapat menggunakan library deep learning seperti Keras atau TensorFlow untuk membuat model CNN dan melakukan segmentasi.

Image segmentation dengan Matlab

Selain Python, kamu juga dapat membuat image segmentation dengan Matlab (Matrix Laboratory). Matlab dapat menganalisis data dan melakukan prototyping matematis, serta memvisualisasikan tools dengan dukungan operasi matrik.

Di Matlab, semua data dianggap matriks. Program ini mengembangkan algoritma dengan menyediakan antarmuka command line. Pada operasi image segmentation, Matlab dapat menghasilkan fungsi plotting 2D dan 3D. Juga membuat tampilan GUI atau Graphical User Interface secara singkat.

Perbedaan Image Segmentation dan Object Detection

Walaupun sekilas terlihat sama, tetapi ada perbedaan mendasar di antara keduanya. Algoritma pada objek detection bertindak sebagai kombinasi klasifikasi gambar dengan lokalisasi objek. Sebelumnya, gambar harus diinput, lalu algoritma akan memproduksi satu atau lebih kotak-kotak yang saling terhubung. Setiap kotak memiliki label yang terhubung satu sama lain.

Algoritma object detection juga bisa mengklasifikan dan melokalisasi objek berdasarkan beberapa segmen yang ditentukan. Sementara itu, algoritma segmentasi citra sedikit lebih canggih dalam mendeteksi objek, di mana teknologi ini dapat menandai suatu objek berdasarkan piksel yang serupa.

Teknik ini membantu user melihat lebih jelas bentuk objek karena alih-alih menggambar bentuk kotak di sekitarnya, segmentasi citra langsung membentuk sesuai karakter asli objek.

Secara umum, berikut perbedaan image segmentation vs object detection.

Aspek	Image Segmentation	Objek Detection
Definisi	Pembagian atau pemisahan gambar menjadi beberapa bagian atau segment	Identifikasi dan lokalisasi objek spesifik pada gambar
Tujuan	Memisahkan objek dari latar belakang atau memisahkan objek satu sama lain	Mengenali dan mengidentifikasi objek dalam gambar, serta menentukan posisi dan ukuran objek tersebut
Jenis Algoritma	Thresholding, Segmentasi Berdasarkan Warna, Segmentasi Berdasarkan Tepi, Segmentasi Berbasis Region, Segmentasi Berbasis Deep Learning	R-CNN, Fast R-CNN, Faster R-CNN, YOLO, SSD
Keluaran	Gambar hasil segmentasi	Gambar hasil deteksi dengan kotak pembatas (bounding box) yang menunjukkan posisi objek
Fungsi dalam Aplikasi	Identifikasi fitur, ekstraksi ciri, dan preprocessing gambar	Pengenalan objek dalam aplikasi kecerdasan buatan, pengawasan kamera, kendaraan otonom, deteksi wajah dan objek dalam sistem keamanan, dan sebagainya
Kompleksitas	Relatif mudah dan cepat	Tergolong kompleks dan memerlukan banyak sumber daya

perbedaan image segmentation dan object detection — *(analyticsvidhya.com)*

Itu dia penjelasan lengkap tentang apa itu image segmentation, fungsi serta perannya dalam AI. Semoga informasi ini bermanfaat!

Kamu dapat menemukan informasi lain seputar teknologi dan AI di Pintu Blog. AI sendiri kini tengah membantu banyak hal dalam aspek kehidupan termasuk di industri crypto. Beberapa koin AI seperti The Graph (GRT) dan Fetch. AI (Fet) juga mengalami peningkatan drastis hingga ratusan persen dalam waktu kurang dari sebulan saja. Buat kamu yang tertarik dengan aset-aset crypto AI yang tengah populer tersebut, download aplikasi crypto Pintu sekarang!

Referensi: