Analisis Tekstur pada Citra Digital menggunakan Metode Gray-Level Co-Occurrence Matrix (GLCM)
Analisis tekstur pada citra digital adalah salah satu aspek penting dalam pengolahan citra untuk memahami karakteristik dan pola yang terdapat pada citra. Salah satu metode yang sering digunakan dalam analisis tekstur adalah Gray-Level Co-Occurrence Matrix (GLCM). GLCM adalah representasi matematis yang mampu mengekstrak informasi tekstur dari citra dengan menggambarkan hubungan spasial antara pasangan piksel dengan intensitas level tertentu. Artikel ini akan membahas konsep dasar GLCM dan penerapannya dalam analisis tekstur pada citra digital.
1. Konsep Dasar Gray-Level Co-Occurrence Matrix (GLCM)
GLCM adalah suatu matriks dua dimensi yang merepresentasikan distribusi relatif dari pasangan piksel dengan intensitas level tertentu dalam citra digital. GLCM menghitung kemunculan dan hubungan spasial antara pasangan piksel dengan intensitas level yang didefinisikan oleh sudut dan jarak tertentu. Dengan menggunakan GLCM, kita dapat menggambarkan tekstur citra berdasarkan perbedaan intensitas dan hubungan spasial antara piksel-piksel.
2. Penerapan Metode Gray-Level Co-Occurrence Matrix (GLCM)
Berikut adalah langkah-langkah penerapan metode GLCM dalam analisis tekstur pada citra digital:
a. Konversi Citra ke Skala Keabuan
Langkah pertama adalah mengonversi citra berwarna menjadi citra skala keabuan. Hal ini dilakukan agar analisis tekstur dapat dilakukan pada intensitas piksel yang tunggal, tanpa mempertimbangkan informasi warna.
b. Pemilihan Jarak dan Sudut
Selanjutnya, kita harus memilih jarak dan sudut untuk menghitung GLCM. Jarak menggambarkan seberapa jauh jarak antara dua piksel yang akan dihitung hubungan spasialnya, sedangkan sudut menentukan arah relasi antara dua piksel.
c. Perhitungan GLCM
Setelah memilih jarak dan sudut, langkah selanjutnya adalah menghitung GLCM pada citra skala keabuan. Untuk setiap piksel dalam citra, kita akan mencari piksel tetangga dengan jarak dan sudut yang telah ditentukan, kemudian mengisi matriks GLCM dengan frekuensi kemunculan pasangan piksel intensitas yang bersesuaian.
d. Normalisasi GLCM
Matriks GLCM yang telah dihitung perlu dinormalisasi untuk mendapatkan distribusi probabilitas relatif dari pasangan piksel. Hal ini dilakukan untuk memastikan bahwa nilai GLCM dapat dibandingkan dengan citra lainnya dengan ukuran yang berbeda.
e. Ekstraksi Fitur
Setelah mendapatkan matriks GLCM yang dinormalisasi, berbagai fitur tekstur dapat diekstraksi dari GLCM. Beberapa fitur yang umum diekstraksi adalah energi, kontras, homogenitas, entropi, dan korelasi.
3. Aplikasi Metode Gray-Level Co-Occurrence Matrix (GLCM)
Penerapan GLCM dalam analisis tekstur memiliki berbagai aplikasi dalam pengolahan citra, seperti:
- Identifikasi objek dan pengenalan pola berdasarkan karakteristik tekstur yang khas.
- Segmentasi citra berdasarkan perbedaan tekstur untuk memisahkan area atau objek yang berbeda dalam citra.
- Deteksi anomali dan penandaan citra berdasarkan tekstur yang tidak biasa atau penting.
- Pengklasifikasian citra berdasarkan fitur tekstur untuk keperluan pengenalan dan kategorisasi.
Kesimpulan
Gray-Level Co-Occurrence Matrix (GLCM) adalah metode yang efektif dalam analisis tekstur pada citra digital. Dengan menggunakan GLCM, kita dapat menggambarkan informasi tekstur dalam citra berdasarkan hubungan spasial dan distribusi intensitas piksel. Penerapan GLCM memiliki berbagai aplikasi yang penting dalam pengolahan citra, termasuk identifikasi objek, segmentasi, deteksi anomali, dan pengklasifikasian citra. Dengan memahami dan menerapkan GLCM, analisis tekstur pada citra digital menjadi lebih akurat dan bermanfaat dalam berbagai bidang seperti kedokteran, industri, dan analisis data visual.
Contoh penerapan analisis tekstur menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM) dapat dilihat pada video berikut ini:
Posted on August 8, 2023, in Pengenalan Pola, Pengolahan Citra and tagged analisis tekstur, Citra Digital, Deteksi Anomali, ekstraksi fitur, glcm, Gray-Level Co-Occurrence Matrix, Identifikasi Objek, Metode Analisis Citra, Pengenalan Pola, Pengklasifikasian Citra, pengolahan citra, segmentasi citra, Visualisasi Data. Bookmark the permalink. 2 Comments.
















































izin bertanya, saya ingin membuat tugas akhir analisis tekstur motif batik denngan CNN dan ekstraksi ResNet, apakah itu memungkinkan untuk dihubungan? saya masih bingung menghubungan analisis tekstur dengan CNN dan ResNet, mohon bantuannya pak terimakasih
Bisa dilakukan ekstraksi fitur menggunakan resnet
Source code eksklusif resnet bisa dibeli melalui tokopedia