Segmentasi Citra Wajah dengan Implementasi Adaptif Threshold- Integral Image
DOI:
https://doi.org/10.25126/jtiik.2021853840Abstrak
Segmentasi wajah merupakan bagian penting dalam pengolahan citra digital untuk mengetahui objek wajah dalam citra sebelum dilakukan pendeteksian ekspresi wajah. Adaptif Threshold – Integral Image adalah salah satu teknik segmentasi berbasis pixel-based, yaitu local thresholding. Penelitian ini bertujuan untuk memisahkan objek wajah manusia dan background -nya. Citra wajah yang akan digunakan nanti citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) dengan resolusi gambar 300x400 piksel. Pada penelitian ini juga mencari nilai parameter S (kernel) dan T (threshold) yang terbaik dengan melakukan 16 kali percobaan. Dan didapatkan hasil terbaik, yaitu citra di dalam ruangan (indoor) nilai S=1/2 dan T=50, serta citra di luar ruangan (outdoor) nilai S=1/30 dan T=30. Segmentasi citra wajah dengan menggunakan metode Adaptif Threshold – Integral Image robust (kuat) terhadap intensitas cahaya tinggi dan rendah dengan mengatur nilai parameter S (kernel) dan T (Threshold) maka metode ini mampu memisahkan objek wajah dan background -nya. Dari hasil uji coba threshold menggunakan metode Adaptif Threshold – Integral Image terhadap citra di dalam ruangan (indoor) dan di luar ruangan (outdoor) menghasilkan thresholding yang baik dengan mempertimbangkan nilai parameter S (kernel) dan T (threshold) memberikan hasil dengan tingkat akurasi yang tinggi, yaitu citra di dalam ruangan (indoor) sebesar 96.72%, dan citra di luar ruangan (outdoor) sebesar 93.59%.
Abstract
Face segmentation is an important in digital image processing to find out the object's face in the image before detecting facial expressions. Adaptive Threshold - Integral Image is a pixel-based segmentation technique, which is local thresholding. This study is intended to split the object of a human face and its background. Face images that will be used later in indoor and outdoor with an image resolution of 300x400 pixels. This study also searched for the best S (kernel) and T (threshold) parameter values by performing 16 experiments. And the best results are obtained, name the image in the room (indoor) the value of S = 1/2 and T = 50, and the image outside the room (outdoor) the value of S = 1/30 and T = 30. Face image segmentation using the Adaptive Threshold - Integral Image robust method of high and low light intensity by setting the S (kernel) and T (Threshold) parameter values, this method is able to split the face object and its background. From the results of the threshold trial using the Adaptive Threshold - Integral Image method for indoor and outdoor images produces a good thresholding by considering the values of the S (kernel) and T (threshold) parameters to give results with a high degree of accuracy, that is indoor images of 96.72%, and outdoor images of 93.59%.
Unduhan
Referensi
AL-AIDID, S. and PAMUNGKAS, D., 2018. Sistem Pengenalan Wajah dengan Algoritma Haar Cascade dan Local Binary Pattern Histogram. Jurnal Rekayasa Elektrika. 14(1), pp. 62–67. doi: 10.17529/jre.v14i1.9799.
BRADLEY, D. and ROTH, G., 2007. Adaptive Thresholding using the Integral Image. Journal of Graphics Tools, 12(2), pp. 13–21. doi: 10.1080/2151237x.2007.10129236.
NUGROHO, H., KURNIAWAN, M. and SAIDATIN, N., 2019. Deteksi Wajah dan Mata dengan Menggunakan Metode Fitur Haar- Like pada Kamera WebCam, pp. 261–266.
PEUWNUAN, K., WORARATPANYA, K. and PASUPA, K., 2016. Modified adaptive thresholding using integral image, 2016 13th International Joint Conference on Computer Science and Software Engineering,
JCSSE 2016, pp. 2–6. doi: 10.1109/JCSSE.2016.7748917.
PRAWITASLLRI, J. E., 2016. Mengenal Emosi Melalui Komunikasi Nonverbal, Buletin Psikologi, 3(1), pp. 27–43. doi: 10.22146/bpsi.13384.
PULUNG NURTANTIO ANDONO, T. S. M., 2017. Pengolahan Citra Digital. Yogyakarta: ANDI (Anggota IKAPI). Available at: https://books.google.co.id/books?id=zUJRDwAAQBAJ&printsec=frontcover&hl=id#v=onepage&q&f=false.
PUTRI, R. E. et al., 2019. Jurnal Sustainable : Jurnal Hasil Penelitian dan Industri Terapan Sistem Deteksi Wajah Pada Camera Real Time dengan menggunakan Metode Viola - Jones’, 08(01).
SANDY., 2015. Deteksi Wajah, Jurnal Deteksi Wajah, pp. 1–13.
WELLNER, P. D., 1993. Adaptive thresholding for the DigitalDesk, Xerox, EPC1993-110, pp. 1–19. Available at: http://xrce.fr/index.php/content/download/16283/117540/file/EPC-1993-110.pdf.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
