Analisis segmentasi citra menggunakan algoritma k-means, mean shift, dan normalized cut
| Main Author: | Panjaitan, Jhon Hendro |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/1310/1/HALAMAN%20AWAL.pdf http://kc.umn.ac.id/1310/2/BAB%20I.pdf http://kc.umn.ac.id/1310/3/BAB%20II.pdf http://kc.umn.ac.id/1310/4/BAB%20III.pdf http://kc.umn.ac.id/1310/5/BAB%20IV.pdf http://kc.umn.ac.id/1310/6/BAB%20V.pdf http://kc.umn.ac.id/1310/7/DAFTAR%20PUSTAKA.pdf http://kc.umn.ac.id/1310/8/LAMPIRAN.pdf http://kc.umn.ac.id/1310/ |
Daftar Isi:
- Segmentasi citra menggunakan algoritma K-Means, Mean Shift, dan Normalized Cut pada penelitian ini melakukan segmentasi citra berbasis clustering. Penelitian ini melakukan segmentasi pada tiga citra berwarna yaitu citra buah dengan jumlah variasi warna sedikit, citra buah dengan jumlah variasi warna banyak, dan citra konstruktif dengan posisi warna yang lebih banyak. Analisa tingkat keberhasilan segmentasi di ukur menggunakan histogram. Dari hasil pengujian yang dilakukan, algoritma K-Means lebih baik digunakan jika jumlah variasi pada gambar sedikit yaitu antara 4-6 warna, sehingga pengguna dapat menentukan langsung jumlah cluster yang diinginkan. Sementara itu, untuk algoritma Mean Shift lebih baik digunakan jika jumlah cluster yang digunakan tidak di ketahui. Semetara itu, segmentasi citra menggunakan Normalized Cut hasilnya kurang baik karena algoritma Normalized Cut melakukan segmentasi citra berdasarkan graph cut pada citra.