Ekstraksi ciri merupakan tahapan yang sangat penting dalam pengenalan pola. Tahapan ini bertujuan untuk memperoleh informasi yang terkandung dalam suatu citra untuk kemudian dijadikan sebagai acuan untuk membedakan antara citra yang satu dengan citra yang lain.

Ekstraksi ciri dapat dilakukan setelah tahapan segmentasi citra (memisahkan antara objek dengan background) maupun tanpa segmentasi citra (objek adalah background dan background adalah objek).

Berikut ini merupakan contoh aplikasi pemrograman matlab untuk melakukan ekstraksi ciri citra grayscale baik yang didahului dengan tahapan segmentasi maupun tidak.

Langkah-langkah pemrogramannya yaitu:

A. Ekstraksi ciri didahului dengan segmentasi

1. Membaca dan menampilkan citra RGB asli

clc; clear; close all; warning off all;
I = imread('candy.png');
figure, imshow(I);

2. Mengkonversi citra RGB menjadi citra Grayscale

I_Gray = rgb2gray(I);
figure, imshow(I);

3. Melakukan thresholding terhadap citra Grayscale sehingga diperoleh citra biner hasil segmentasi

I_bw = im2bw(I_Gray,.88);
figure, imshow(I_bw);

4. Melakukan komplemen citra agar objek berwarna putih (bernilai 1) dan background berwarna hitam (0)

I_bw = imcomplement(I_bw);
figure, imshow(I_bw);

5. Melakukan operasi morfologi berupa filling holes untuk menyempurnakan hasil segmentasi

I_bw = imfill(I_bw,'holes');
figure, imshow(I_bw);

6. Menampilkan citra Grayscale hasil segmentasi

I_Gray(~I_bw) = 0;
figure, imshow(I_Gray);

7. Melakukan pelabelan terhadap masing-masing objek yang tersegmentasi, melakukan ekstraksi ciri berdasarkan parameter mean, max intensity, min intensity, standard deviation, dan variance, serta menampilkan hasil ekstraksi ciri pada masing-masing objek yang terlabeli

[L,num] = bwlabel(I_bw);

for n = 1:num
    bw = L==n;
    figure, imshow(bw);
    [a,b] = find(bw==1);
    gray_level = zeros(1,numel(a),1);

    for m = 1:numel(a)
        gray_level(m) = I_Gray(a(m),b(m));
    end

    mean_gray_level = mean(gray_level);
    max_gray_level = max(gray_level);
    min_gray_level = min(gray_level);
    std_gray_level = std(gray_level);
    var_gray_level = var(gray_level);

    [B,~] = bwboundaries(bw,'noholes');
    boundary = B{1};
    position = [boundary(1,2)+40,boundary(1,1)-50;boundary(1,2)+40,boundary(1,1)-25;...
        boundary(1,2)+40,boundary(1,1);boundary(1,2)+40,boundary(1,1)+25;...
        boundary(1,2)+40,boundary(1,1)+50;boundary(1,2)+40,boundary(1,1)+75];

    text_str = cell(6,1);
    text_str{1} = ['Label: ' num2str(n)];
    text_str{2} = ['Mean: ' num2str(mean_gray_level,'%0.2f')];
    text_str{3} = ['Max: ' num2str(max_gray_level)];
    text_str{4} = ['Min: ' num2str(min_gray_level)];
    text_str{5} = ['Std: ' num2str(std_gray_level,'%0.2f')];
    text_str{6} = ['Var: ' num2str(var_gray_level,'%0.2f')];

    I_Gray2 = I_Gray;
    I_Gray2(~bw) = 0;
    figure, imshow(I_Gray2);
    RGB = cat(3,I_Gray2,I_Gray2,I_Gray*0);
    RGB2 = insertText(RGB,position,text_str,'FontSize',16,'BoxOpacity',0.8,'TextColor','black');
    figure, imshow(RGB2);
end

Label 1

Label 2

Label 3

Label 4

Label 5

Label 6

B. Ekstraksi ciri tanpa didahului dengan segmentasi

1. Membaca dan menampilkan citra RGB asli

clc; clear; close all; warning off all;
I = imread('batik.jpg');
figure, imshow(I);

2. Mengkonversi citra RGB menjadi citra grayscale

I_Gray = rgb2gray(I);
figure, imshow(I_Gray);

3. Melakukan ekstraksi ciri berdasarkan parameter mean, max intensity, min intensity, standard deviation, dan variance, serta menampilkan hasilnya pada citra grayscale

mean_gray_level = mean2(I_Gray);
max_gray_level = max(max(I_Gray));
min_gray_level = min(min(I_Gray));
std_gray_level = std2(I_Gray);
var_gray_level = var(double(I_Gray(:)));

position = [10,10;10,60;10,110;10,160;10,210];

text_str = cell(5,1);
text_str{1} = ['Mean: ' num2str(mean_gray_level,'%0.2f')];
text_str{2} = ['Max: ' num2str(max_gray_level)];
text_str{3} = ['Min: ' num2str(min_gray_level)];
text_str{4} = ['Std: ' num2str(std_gray_level,'%0.2f')];
text_str{5} = ['Var: ' num2str(var_gray_level,'%0.2f')];

RGB = cat(3,I_Gray,I_Gray,I_Gray);
RGB2 = insertText(RGB,position,text_str,'FontSize',24,'BoxOpacity',0.8,'TextColor','black');
figure, imshow(RGB2);

Ciri yang diekstrak dapat digunakan untuk tahapan selanjutnya yaitu tahapan pengenalan pola dengan mengembangkan berbagai macam algoritma.

File source code lengkap beserta citra pada pemrograman matlab di atas dapat diperoleh melalui halaman berikut ini: Source Code