A. variabel A memiliki ukuran matriks kolom dari satu sampai ukuran matriks
maksimal kolom pada citra tersebut dan ukuran matriks baris dari satu sampai matriks total baris dibagi tiga, kemudian ukuran dari panjang dan
lebar variabel A disimpan kedalam variabel x1 dan y1. B.
variabel B memiliki ukuran matriks kolom dari satu sampai ukuran matriks maksimal kolom pada citra tersebut dan ukuran matriks baris dari matriks
total baris dibagi tiga lalu ditambah satu sampai dua kali ukuran matriks total ukuran maksimal baris pada citra tersebut yang dibagi tiga, kemudian
ukuran dari panjang dan lebar variabel B disimpan kedalam variabel x2 dan y2.
C. variabel C memiliki ukuran matriks kolom dari satu sampai ukuran matriks
maksimal kolom pada citra tersebut dan ukuran matriks baris dari dua kali ukuran total matriks maksimal baris pada citra tersebut yang dibagi tiga
sampai ukuran matriks maksimal baris pada citra tersebut lalu ditambah satu, kemudian ukuran dari panjang dan lebar variabel C disimpan kedalam
variabel x3 dan y3.
4.3. Implementasi Proses
Local Thresholding
Pada tahap
Local Thresholding
dilakukan perhitungan standar deviasi dan mean untuk setiap window citra HSV yang akan di binerisasikan, nilai standar
deviasi dan mean dari masing-masing window akan disimpan di
variabel
S_kuadran untuk masing-masing standar deviasi dan M_kuadran untuk masing- masing mean.
4.3.1. Local Threshold Gambar Nol Bagian
Pembagian
local window
dibagi menjadi nol potongan, sehingga nilai standar deviasi dan rata-rata didapatkan dari seluruh blok piksel yang ada pada
suatu citra, kemudian nilai standar deviasi dan rata-rata tersebut digunakan untuk menghitung nilai
threshold
-nya. Berikut adalah contoh hasil kalkulasi
local threshold
gambar nol bagian : PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4. 8 Contoh Hasil Kalkulasi
Local Threshold
Nol Bagian
function [S_kuadran1,M_kuadran1]=hitSTDdanMean0A
S_kuadran1=std2A:; M_kuadran1=meanA:;
assignin base
, std_LocThres1
,S_kuadran1; assignin
base ,
mean_LocThres1 ,M_kuadran1;
[S_kuadran1,M_kuadran1]=hitSTDdanMean0A; value_kuadran1=M_kuadran1+ variabelS_kuadran1;
assignin base
, Threshold_1
,value_kuadran1;
4.3.2. Local Threshold Gambar Empat Bagian
Pembagian
local window
dibagi menjadi empat bagian yang sama rata antara matriks baris dan kolomnya, hasil dari pembagian
local windowing
tersebut menghasilkan empat blok
local window
yang sama rata, dari setiap blok tersebut dilakukan kalkulasi rata-rata, standar deviasi, dan
local threshold
-nya. Berikut adalah contoh hasil kalkulasi
local threshold
gambar empat bagian : PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4. 9
Contoh Hasil Kalkulasi
Local Threshold
Empat Bagian
function [S_kuadran1,S_kuadran2,S_kuadran3,S_kuadran4,M_kuadran1,M_kuadra
n2,M_kuadran3,M_kuadran4]=hitSTDdanMeanA,B,C,D S_kuadran1=std2A:;
M_kuadran1=meanA:; assignin
base ,
std_LocThres1 ,S_kuadran1;
assignin base
, mean_LocThres1
,M_kuadran1; S_kuadran2=std2B:;
M_kuadran2=meanB:; assignin
base ,
std_LocThres2 ,S_kuadran2;
assignin base
, mean_LocThres2
,M_kuadran2;
S_kuadran3=std2C:; M_kuadran3=meanC:;
assignin base
, std_LocThres3
,S_kuadran3; assignin
base ,
mean_LocThres3 ,M_kuadran3;
S_kuadran4=std2D:; M_kuadran4=meanD:;
assignin base
, std_LocThres4
,S_kuadran4; assignin
base ,
mean_LocThres4 ,M_kuadran4;
[S_kuadran1,S_kuadran2,S_kuadran3,S_kuadran4,M_kuadran1,M_kuadra n2,M_kuadran3,M_kuadran4]=hitSTDdanMeanA,B,C,D
value_kuadran1=M_kuadran1+ variabelS_kuadran1; assignin
base ,
Threshold_1 ,value_kuadran1;
value_kuadran2=M_kuadran2+ variabelS_kuadran2; assignin
base ,
Threshold_2 ,value_kuadran2;
value_kuadran3=M_kuadran3+ variabelS_kuadran3; assignin
base ,
Threshold_3 ,value_kuadran3;
value_kuadran4=M_kuadran4+ variabelS_kuadran4; assignin
base ,
Threshold_4 ,value_kuadran4;
4.3.3. Local Threshold Gambar tiga Bagian