Description

mengimpor library cv2 dan numpy lalu mengupload file image

Segmentasi Berbasis Tresholding: 

Segmentasi berbasis ambang (thresholding) memisahkan gambar menjadi dua bagian berdasarkan nilai ambang yang diberikan. Piksel dengan nilai di atas ambang akan menjadi putih, dan yang di bawah ambang akan menjadi hitam. Ini berguna untuk pemisahan objek dari latar belakang dengan kontras tinggi.

Segmentasi Berbasis Kontur: 

Menggunakan deteksi kontur untuk menemukan tepi atau garis objek dalam citra.

Segmentasi Berbasis Cluster (K-Means): 

Segmentasi berbasis clustering K-Means membagi gambar menjadi beberapa cluster berdasarkan kesamaan warna. Ini berguna untuk mengelompokkan piksel yang mirip dan memisahkan objek yang berbeda berdasarkan fitur warna.

Segmentasi berbasis kontur: 

digunakan untuk mendeteksi tepi atau kontur objek dalam gambar. Ini berguna untuk menemukan dan memvisualisasikan batas objek dalam gambar.

Segmentasi berbasis watershed: 

memperlakukan gambar sebagai peta topografi dan menggunakan konsep aliran air untuk memisahkan objek. Ini sangat efektif untuk memisahkan objek yang tumpang tindih.

Segmentasi Berbasis Tekstur (Laplacian Edge Detection): 

Segmentasi berbasis tekstur memisahkan objek berdasarkan perbedaan tekstur dalam gambar. Ini berguna untuk mendeteksi pola tekstur yang berbeda dalam gambar.

Edge-based Segmentation (Canny Edge Detection): 

Segmentasi berbasis tepi menggunakan deteksi tepi untuk menemukan garis tepi yang memisahkan objek dalam gambar. Metode ini efektif untuk menemukan batas objek dalam gambar.

Graph-based Segmentation (Felzenszwalb method): 

Segmentasi berbasis grafik menggunakan representasi grafis dari gambar dan algoritma segmentasi grafis untuk memisahkan objek berdasarkan hubungan dan koneksi antara piksel. Metode ini efektif untuk segmentasi objek kompleks.

Morphological Segmentation: Menggunakan operasi morfologi seperti dilasi dan erosi untuk mengekstraksi fitur-fitur objek.