Menerapkan K-Means Clustering untuk Segmentasi Gambar Database Berwarna
| Main Authors: | Sidik, Aryo De Wibowo Muhammad, Himawan Kusumah, Ilman , Suryana, Anang , Edwinanto, Artiyasa, Marina, Pradiftha Junfithrana, Anggy , Imamulhak, Yufriana , Putra, Yudha |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Universitas Nusa Putra
, 2020
|
| Subjects: | |
| Online Access: |
https://fidelity.nusaputra.ac.id/article/view/116 https://fidelity.nusaputra.ac.id/article/view/116/78 |
Daftar Isi:
- Segmentasi gambar sangat penting dalam pendekatan analisis gambar untuk mempelajari gambar apa pun. Teknik pengelompokan K-means adalah algoritma yang banyak digunakan dalam sistem segmentasi citra. Karya ini memanfaatkan ruang warna L*a*b* dan pengelompokan K-means untuk menawarkan segmentasi gambar berbasis warna. Penelitian ini menunjukkan segmentasi gambar database berdasarkan karakteristik warna menggunakan teknik K-means clustering unsupervised yang diimplementasikan dengan coding MATLAB. Seluruh pekerjaan dipisahkan menjadi dua fase. Pertama, augmentasi pemisahan warna dari gambar warna database ditingkatkan melalui peregangan de-korelasi. Kemudian keenam area citra database tersebut dikelompokan menjadi tiga kelompok dengan menggunakan teknik K-means clustering. Dengan menggunakan ruang warna L*a*b* dan metode pengelompokan k-means dalam gambar basis data warna, kita hanya dapat menunjukkan wilayah tengah dari gambar apa pun. Kami dapat mengisolasi daerah yang terkontaminasi dalam gambar berwarna database medis dengan pendekatan ini dan mengobati penyakitnya dengan cepat. Kami dapat menggunakan berbagai pendekatan seperti Particle swarm Optimization (PSO) untuk hasil yang lebih baik.