MENGHITUNG OBYEK 2D MENGGUNAKAN CONNECTED COMPONENT LABELING
Keywords:
connected component labeling, adjacency, 2D object countingAbstract
Perhitungan obyek dalam bentuk 2 dimensi (2D) sering dilakukan pada sebuah citra foto. Contoh kasus yang membutuhkan deteksi dan perhitungan obyek pada sebuah citra foto adalah obyek sel tubuh seperti sel darah serta sel tubuh lainnya, kontur sebuah wilayah dan obyek biji-bijian. Tahap deteksi obyek pada sebuah citra harus terlebih dahulu dilakukan. Pada umumnya obyek dalam sebuah citra memiliki keseragaman warna piksel. Algoritma connected component labeling (CCL) adalah metode yang dapat digunakan untuk mengklasifikasikan region atau objek dalam citra digital. Algoritma ini menerapkan teori connectivity piksel dari citra. Seluruh piksel pada sebuah region disebut connected atau memiliki hubungan bila mematuhi aturan adjacency atau “kedekatan” piksel. Aturan kedekatan piksel ini memanfaatkan ketetanggaan antara piksel satu dengan piksel yang lainnya. Citra yang dapat diolah dengan menggunakan algoritma CCL adalah citra biner atau citra monokrom. Paper ini juga menggunakan metode image preprocessing lain seperti binary thresholding dan median filter sebelum dilakukan CCL agar hasil deteksi dan perhitungan dapat mencapai akurasi di atas 80%.
References
Wei Jiang, Kin-Man Lam & Ting-Zhi Shen. (2009). Efficient Edge Detection Using Simplified Gabor Wavelets, IEEE Transactions on Systems, Man and Cybernetics-Part B: Cybernetics, Vol.39, No.4, pp.1036-1047.
Wei Jiang, Ting-Zhi Shen, Yu Hu & Xin-Yi Wang. (2008). Gabor wavelets for Image Processing, IEEE International Colloquium on Computing, Communication, Control, and Management, Vol.1.pp.110—114.
Selvathi, D., Sujatha, C. (2012). An Optimal Solution For Image Edge Detection Problem Using Simplified Gabor Wavelet, International Journal of Computer Science, Engineering and Information Technology, Vol.2, No.3, pp. 99-115.
Song-Iin Liu, Zhao-dong Niu, Gang Sun, & Zeng-ping Chen. (2014). Gabor Filter- Base Edge Detection: A Note, Elsevier, Optik 125, pp.4120-4123.
Serrano, A., Diego, I.M., Conde, C., & Cabello, E. (2010). Recent Advances in Face Biometrics with Gabor Wavelets, Elsevier Pattern Recognition Letters, Vol. 31, pp. 372-381.
Tai Sing Lee. (1996). Image Representation Using 2D Gabor Wavelets, IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol 18, No. 10.
Grigorescu, S.E., Petkov, N., & Kruizinga, P. (2002). Comparison of Texture Features Based on Gabor Filters, IEEE Transactions on Image Processing, Vol. 11, Nol. 10, pp. 1160-1167.
Yiming Ji, Kai H. Chang, & Chi-Cheng Hung. (2004). Efficient Edge Detection and Object Segmentation Using Gabor Filters, ACMSE, pp. 454-459.
Jian-Jun Hao, Qiang Jiang, Jian-Wei Wei, & Lin Mi. (2010) Research of Edge Detection Based on Gabor Wavelet, IEEE International Conference on Measuring Technology and Mechatronics Automation, Vol. 2, pp.1083-1086.
Gonzalez. R & Woods R.E. (1992). Digital Image Processing, Addision- Wesley Publishing Co.Inc.
Jun Li. (2003). A Wavelet Approach to Edge Detection. Thesis The Department of Mathematics and Statistics Sam Houston State University.
Daugman, J.G. (1988). Complete Discrete 2- D Gabor Transforms by Neural Network for Image Analysis and Compression, IEEE Transaction On Acoustics, Speech, And Signal Processing, Vol. 36, No. 7, pp. 1169-1179.
Fu Chang, Chun-Jen Chen, & Chi-Jen Lu. (2003). A Linear-time Component-Labeling Algorithm Using Contour Tracing Technique, Elsevier, Computer Vision and Image Understanding
