Segmentasi Citra Warna Otomatis Rambu Lalu Lintas dengan Penerapan Mask Thresholder

Segmentasi rambu jalan dan sistem pengenalan merupakan aspek penting dan esensial untuk digunakan pada sistem autopilot, smart car atau autonomous vehicle yang memungkinkan kendaraan dapat berjalan tanpa pengemudi manusia. Namun demikian pada paper ini citra rambu jalan yang diproses dalam bentuk image dan bukan vidio/kamera. Penelitian ini bertujuan memperoleh citra warna rambu jalan dengan presisi yang tinggi. Pada penelitian ini ditawarkan metode segmentation rambu jalan dengan mengembangkan Fuzzy C-means dengan menginjeksikan teknik mask-tresholder untuk mendapatkan hasil segmentasi warna rambu jalan dengan presisi tinggi. Mula-mula citra dideteksi dalam ruang warna RGB kemudian diubah menjadi model warna L*a*b dan dilanjukan ekstraksi untuk mendapatkan komponan warna *a*. Fuzzy C-means dterapkan pada citra warna *a* untuk segmentasi foreground dan background. Proses dilanjutkan dengan operasi opening – closing dan hole filling untuk mereduksi noise pada hasil segmentasi. Sampai pada tahap ini hasil segmentasi yang diperoleh adalah citra binary dimana foreground dalam warna putih dan bacground dalam warna hitam.  Oleh karena itu untuk mendapatkan citra hasil segmentasi rambu jalan dalam ruang warna RGB maka diperlukan proses konvolusi. Teknik konvolusi yang dilakukan pada penelitian ini adalah dengan mengalikan tiap piksel citra mask tresholder dengan citra semula dalam ruang warna RGB.  Citra mask tresholder yang digunakan dalam penelitian ini adalah citra binary hasil segmentasi dengan Fuzzy Cmeans. Metode yang ditawarkan telah diuji dengan citra rambu jalan sejumlah 18 citra. Hasil yang diperoleh menunjukkan kinerja metode yang diusulkan mampu mensegmentasi citra rambu jalan dalam sesuai warna citra semula. Menggunakan metode jaccard untuk mengukur akurasi kinerja didapat tingkat akurasi adalah 97,73%.