commit to user
II-12 terhadap proses pengenalan. Obyek tersebut cukup dapat dideskripsikan dengan
struktur yang disusun dari garis-garis yang terhubung.
2.9 PRUNING
Bisa dianggap salah satu aplikasi thinning. Ditujukan untuk menghilangkan spur akibat ketidakteraturan pada daerah batas dari gambar asli.
Pruning diterapkan pada sejumlah terbatas iterasi tidak sampai konvergen untuk menghindari terbuangnya semua piksel. Contoh kernel untuk pruning adalah
Gambar 2.5 Contoh proses pruning kernel
1. Untuk menemukan batas 4-tetangga pada obyek biner, misal: menghapus titik foreground yang tidak memiliki tetangga pada backgroundnya.
2. Untuk penerapan dengan batas 8-tetangga. 3a3b. untuk pruning tiap iterasi harus melibatkan 4 rotasi 90° dari elemen.
Dari seluruh uraian di atas, diperoleh sebuah algoritma yang secara sederhana dapat dituliskan sebagai berikut:
1. Pertimbangkan semua piksel batas dari wilayah foreground .misalnya, titik foreground yang memiliki minimal satu tetangga background background
neighbour. 2. Hapus setiap titik yang memiliki lebih dari satu tetangga foreground
foreground neighbour sepanjang dengan melakukan hal tersebut tidak mengakibatkan terpisahnya dua wilayah yang mengandung piksel tersebut
secara lokal. 3. Ulangi hingga garis konvergen.
Prosedur ini mengikis sebanyak mungkin batas boundaries dari obyek foreground tetapi tidak mempengaruhi piksel pada ujung garis.
commit to user
C
E h
t
P d
h t
p t
m
2
b o
Contoh dari
Efek ini bis hingga konv
transformasi
Pada setiap dilanjutkan
hasil rotasi 9 tidak ditemu
penentuan o tersebar di
menyentuh b
2.10 DEFIN
Defin bentuk asli
obyekforeg penerapan p
Gambar 2
sa diperoleh vergen deng
i rotasi 90°d
Gamb
iterasi, ima operasi den
90° dari ked ui perubaha
octagonal s tengah okt
batas bentuk
NISI, TUJU
nisi image t i binary im
round hany prosedur ini:
2.6 Gambar
h mengguna an kernel 3x
dari kernel in
bar 2.7 Con
age akan dio ngan kernel
dua elemen i an lagi. Dap
skeleton dar tagon yang
k minimal 2 t
UAN DAN M thinning ada
mage menj ya setebal sa
II-13
r sebelum da
akan morfol x3 pada Fig
ni total 4×2
ntoh proses t
operasikan d di sebelah
itu. Proses a pat dikataka
ri bentuk b menempati
titik.
MANFAAT
alah proses adi image
atu piksel. A
an sesudah
logi thinnin gure 2 lihat
= 8 kernels
thinnin ker
dengan kerne kanan, dan
akan berulan an bahwa d
biner, yaitu bagian da
THINNING
morphology yang men
Algoritma th
thinning
g dengan m t di bawah
.
rnel
el di sebelah selanjutnya
ng secara sik di sini kita
himpunan lam dari be
G
y image yan nampilkan b
thinning sec mengiterasi
dan semua
h kiri, lalu a dengan 6
klis sampai melakukan
titik yang entuk atau
g merubah batas-batas
ara iteratif
commit to user
II-14 ‘menghapus’ piksel-piksel pada binary image, dimana transisi dari 0 ke 1 atau
dari 1 ke 0 pada konvensi lain terjadi sampai dengan terpenuhi suatu keadaan dimana satu himpunan dari lebar per unit satu piksel terhubung menjadi suatu
garis.
Sepintas, image thinning mempunyai kemiripan dengan edge detection dalam hal output dari citra yang dihasilkan, kedua proses tersebut sama-sama
menampilkan batas obyek pada citra. Namun, tetap saja ada perbedaaan antara Image Thinning dengan Edge Detection dari segi prinsip kerjanya, yaitu :
1. Edge detection : merubah graylevel image atau color image menjadi image yang menampilkan batas-batasboundaries obyek berdasarkan kekontrasan
warna antar piksel. 2. Image Thinning : mereduksi piksel-piksel pada obyek binary image menjadi
piksel. yang benilai sama dengan nilai piksel pada background. Menghasilkan binary image dengan informasi berupa batas-batas obyek berdasarkan piksel
dengan ketebalan satu piksel. Tujuan image thinning adalah untuk menghilangkan pixel-pixel yang berada
didalam obyek depan foreground object pada binary images. Manfaat image thinning adalah sebagai berikut :
1. Biasanya diterapkan pada proses skeletonisasi. 2. Berguna untuk merapikanmenyempurnakan hasil output proses edge
detection dengan cara mengurangi lebar sisibatasedge.
2.11 METODE RAPID UPPER LIMB ASSESSMENT
