SEGMENTASI CITRA WAJAH DENGAN MENGGUNAKAN METODE K-MEANS – L*A*B

Ahmad Fawaz, Maftahatul Hakimah, Muchamad Kurniawan

Abstract

Segmentasi adalah salah satu teknik yang digunakan untuk memisahkan antara object dengan background. Objek yang digunakan dalam penelitian ini adalah objek wajah manusia. Dengan segmentasi, citra wajah manusia dapat terpisah dengan backgroundnya. Teknik segmentasi yang digunakan adalah metode clustering k-means. K-means merupakan salah satu algoritma yang dapat menyelesaikan masalah clustering, selain dengan metode k-means dibutuhkan juga proses perpindahan dari citra yang diambil berupa warna RGB menjadi warna L*a*b. Ruang warna L*a* b merupakan sebuah ruang warna yang terdiri dari tiga nilai numerik,yaitu L* untuk level cahaya dan a*  b* itu untuk komponen hijau-merah dan biru kuning. Keberagaman background pada suatu citra wajah merupakan sebuah tantangan tersendiri dalam melakukan proses pemisahan wajah yang menggunakan metode k-means. Pengambilan citra wajah dilakukan dengan 2 tempat yaitu ruangan dalam (indoor) dan luar ruangan (outdoor). Hasil akurasi terbaik didalam ruangan (indoor) sebesar 99,64% dan citra diluar ruangan (outdoor) sebesar 99,29%

Keywords

Segementasi; Wajah; K-means; L*a*b; Deteksi; Citra Wajah

Full Text:

PDF

References

M. U. Habibah, M. Kurniawan, P. Studi, T. Informatika, and I. Image, “IMPLEMENTASI ADAPTIVE THRESHOLD – INTEGRAL IMAGE IMPLEMENTATION OF ADAPTIVE THRESHOLD – INTEGRAL IMAGE,” vol. x, no. 51, pp. 1–9, 2019.

N. Dhanachandra, K. Manglem, and Y. J. Chanu, “Image Segmentation Using K -means Clustering Algorithm and Subtractive Image Segmentation using K -means Clustering Algorithm and Subtractive Clustering Algorithm,” Procedia - Procedia Comput. Sci., vol. 54, no. December, pp. 764–771, 2015, doi: 10.1016/j.procs.2015.06.090.

X. Zheng, Q. Lei, R. Yao, Y. Gong, and Q. Yin, “Image segmentation based on adaptive K-means algorithm,” Eurasip J. Image Video Process., vol. 2018, no. 1, 2018, doi: 10.1186/s13640-018-0309-3.

A. S. R. Sinaga, “Implementasi Teknik Thresholding pada Segmentasi Citra Digital,” Mantik Penusa, vol. 1, no. 2, p. 49, 2017.

I. P. Ihsan and M. Sakir, “Clustering Dan Segmentasi Gambar Menggunakan Algoritma Fuzzy C-Means,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 4, no. 1, pp. 9–12, 2019, doi: 10.51876/simtek.v4i1.41.

A. S. R. Sinaga, “Color-based Segmentation of Batik Using the L*a*b Color Space,” SinkrOn, vol. 3, no. 2, p. 175, 2019, doi: 10.33395/sinkron.v3i2.10102.

S. I. Syafi’i, R. T. Wahyuningrum, and A. Muntasa, “Segmentasi Obyek Pada Citra Digital Menggunakan Metode Otsu Thresholding,” J. Inform., vol. 13, no. 1, pp. 1–8, 2016, doi: 10.9744/informatika.13.1.1-8.

D. J. Bora, A. K. Gupta, and F. A. Khan, “Comparing the Performance of L*A*B* and HSV Color Spaces with Respect to Color Image Segmentation,” no. June, 2015.

Ketutrare, “Algoritma K-Means Clustering dan Contoh Soal,” 2018, [Online]. Available: https://www.ketutrare.com/2018/11/algoritma-k-means-clustering-dan-contoh.html

M. Orisa and T. Hidayat, “Analisis Teknik Segmentasi Pada Pengolahan Citra,” J. Mnemon., vol. 2, no. 2, pp. 9–13, 2019, doi: 10.36040/mnemonic.v2i2.84.

R. A. Heriana O, “Segmentasi Berbasis Warna pada Citra Termografi Kanker Payudara Menggunakan Ruang Warna L * a * b *,” vol. 3, no. January , pp. 175–179, 2016.

Refbacks

  • There are currently no refbacks.