commit to user
II-14
-1
2.3.5 Operasi Ambang Batas
Operasi ambang batas atau thresholding adalah metode yang paling sederhana segmentasi citra. Pada citra grayscale, thresholding digunakan
membuat citra biner. Selama proses thresholding, pixel individu dalam citra ditandai sebagai objek pixel jika nilai mereka lebih besar dari beberapa nilai
threshold asumsi benda menjadi lebih terang daripada latar belakang dan sebagai pixel latar belakang sebaliknya. Konvensi ini dikenal sebagai ambang
atas. Varian termasuk ambang bawah yang merupakan kebalikan dari ambang batas atas. Ambang batas, merupakan sebuah pixel diberi label obyek jika nilai
adalah antara dua ambang, dan di luar ambang batas, yang merupakan kebalikan dari ambang batas dalam. Sebuah pixel objek diberi nilai 1 sementara pixel latar
belakang diberikan sebuah nilai dari Akhirnya, suatu citra biner yang dibuat oleh masing-masing pixel warna putih atau hitam, tergantung pada label pixel 0.
Citra 2.8 Hasil threshold
Sumber: Bovik, 2010
Salah satu metode yang relatif sederhana, tidak memerlukan pengetahuan khusus banyak citra, dan tahan terhadap noise. Sebuah ambang batas awal T
dipilih, hal ini dilakukan secara acak atau sesuai dengan metode lainnya yang digunakan. Citra tersegmentasi ke dalam pixel objek dan latar belakang seperti
diuraikan di atas, menciptakan dua set:
G
1
= {fm,n:fm,nT} pixel Objek ………………… 2.3
commit to user
II-15 G
2
= {fm,n:fm,n= T} pixel background………… 2.4 dengan;
m = kolom posisi pixel n = baris posisi pixel
Rata-rata setiap set dihitung, T’ = m
1
+ m
2
2 T’ = Threshold
M
1
= rata-rata nilai G
1
M
2
= rata-rata nilai G
2
Operasi Thresholding mempunyai ketentuan berikut Sutoyo, 2009, nilai intensitas output f
x,y = 0, bila nilai intensitas inputnya f
i
x,y = ≤ 0, nilai f
x,y = T
1
bila T
2
f
i
x,y ≤ T
3, . . . ,
nilai f x,y = T
n-1
bila T
n-1
f
i
x,y T
n
.
2.3.6 Thinning
Thinning merupakan tahapan yang penting dalam proses image processing. Hal ini dikarenakan prosedur thinning memainkan peranan yang penting dalam
suatu ruang lingkup yang luas dari masalah yang timbul dalam image processing. Thinning merupakan metode yang digunakan dalam skeletonizing yang salah satu
penggunaanya adalah dalam aplikasi pattern recognition. Terdapat cukup banyak algoritma image thinning dengan tingkat kompleksitas, efisiensi dan akurasi yang
berbeda-beda. Thinning membahas beberapa algoritma yang tersedia. Citra yang
digunakan adalah citra biner, jika citra itu merupakan suatu citra grayscale, biasanya dilakukan thresholding terlebih dahulu sedemikian rupa sehingga citra
tersebut menjadi citra biner. Citra biner adalah citra yang memiliki 2 kemungkinan nilai pada setiap pixel, yaitu 0 atau 1. Nilai 0 adalah background
points, biasanya bukan merupakan bagian dari citra sesungguhnya. Sedangkan nilai 1 adalah region points, yaitu bagian dari citra sebenarnya bukan latar
belakang. Citra hasil dari algoritma thinning biasanya disebut dengan skeleton.
Suatu algoritma thinning yang dilakukan terhadap citra biner seharusnya memenuhi kriteria, sebagai berikut:
commit to user
II-16 1.
Skeleton dari citra kira-kira berada di bagian tengah dari citra awal sebelum dilakukan thinning.
2. Citra hasil dari algoritma thinning harus tetap menjaga struktur keterhubungan
yang sama dengan citra awal. 3.
Skeleton memiliki bentuk yang hampir mirip dengan citra awal. 4.
Skeleton smengandung jumlah pixel yang seminimal mungkin namun tetap memenuhi kriteria-kriteria sebelumnya.
2.3.7 Konvolusi
Kategori