PRUNING DEFIN Gambar LANDASAN TEORI

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