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
Pembagian
local window
dibagi menjadi tiga bagian yang sama rata antara matriks baris dan kolomnya, hasil dari pembagian
local windowing
tersebut menghasilkan tiga 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 tiga bagian : PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4. 10 Contoh Hasil Kalkulasi
Local Threshold
Tiga Bagian
function [S_kuadran1,S_kuadran2,S_kuadran3,M_kuadran1,M_kuadran2,M_kuadra
n3]=hitSTDdanMean3A,B,C 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_kuadran1,S_kuadran2,S_kuadran3,M_kuadran1,M_kuadran2,M_kuadra n3]=hitSTDdanMean3A,B,C
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;
4.3.4. Binerisasi
Niblack
Binerisasi dengan menggunakan metode
Niblack
dilakukan setelah implementasi
Local Threshold
, setiap
window
dilakukan proses binerisasi menggunakan metode
Niblack
. Pada tahap ini dilakukan proses penukaran nilai piksel atau
Thresholding
, untuk suatu piksel yang nilanya lebih kecil dari nilai
threshold
-nya maka nilai pikselnya akan diganti menjadi nol, jika nilai pikselnya lebih besar atau samadengan dari nilai
threshold
-nya maka nilai pikselnya akan diganti menjadi satu, berikut adalah penjelasan yang lebih rinci untuk melakukan
perubahan nilai piksel :
function [niblack]=Niblack0A,x1,y1,value_kuadran1
temp1=A; for
u1=1:1:x1 for
q1=1:1:y1 pixel1=temp1u1,q1;
if pixel1=value_kuadran1
temp1u1,q1=1;
else temp1u1,q1=0;
end end
end niblack=temp1;
4.3.5. Implementasi
