1

CITRA BINER
TUJUAN Agar mahasiswa dapat memahami tentang konversi citra hitam-putih ke citra biner dan operasi-operasi pemrosesan citra biner

 Citra biner adalah citra yang hanya mempunyai dua nilai derajat keabuan, yaitu hitam dan putih Piksel-piksel objek bernilai 1 (hitam) dan piksel-piksel latar belakang bernilai 0 (putih) keuntungan citra biner:
Kebutuhan memori kecil (representasi 1 bit) Waktu pemrosesan lebih cepat

Konversi Citra Hitam-Putih ke Citra Biner

Alasannya: Identifikasi keberadaan objek Fokus pada analisis bentuk morfologi Menyesuaikan printer yang hanya mempunyai resolusi intensitas 1 bit Memperbaiki citra yang telah diolah dengan deteksi tepi

Konversi Citra Hitam-Putih ke Citra Biner

Konversi dari citra hitam-putih ke citra biner dilakukan dengan operasi pengambangan (thresholding) Operasi ini mengelompokkan nilai derajat keabuan setiap pixel ke dalam dua kelas, hitam dan putih Dua pendekatan yang digunakan dalam operasi pengambangan adalah pengambangan secara global dan lokal

(a) Citra asal (b) Histogram (c) T=90 (d) T=100

 Pada pengambangan lokal adaptif, data dibagibagi ke dalam bagian kecil-kecil Proses pengambangan dilakukan secara lokal Citra yang dihasilkan lebih bagus

Pengkodean Citra Biner

Dikodekan dengan run-length encoding (RLE). Metode ini menghasilkan representasi citra yang mampat Dua pendekatan RLE pada citra biner:
1. Posisi awal kelompok nilai 1 dan panjangnya (length of runs) 2. Panjang run, dimulai dengan panjang run 1

Hasil pengkodean dengan metode RLE: (i) pendekatan pertama: (1, 3) (7, 2) (12, 4) (17, 2) (20, 3) (5, 13) (19, 4) (1, 3) (17, 6) (ii) pendekatan kedua 3, 3, 2, 3, 4, 1, 2, 1, 3 0, 4, 13, 1, 4 3, 13, 6

Penapis Luas
Proses pengambangan menghasilkan citra biner Seringkali citra biner yang dihasilkan mengandung beberapa daerah yang diangap sebagai gangguan, biasanya berukuran kecil Penapis luas dapat digunakan untuk menghilangkan daerah gangguan tersebut

(a) (b) (a) Gangguan pada citra huruf i (b) Setelah penapisan dengan nilai T = 10. Objek yang luasnya lebih kecil dari T dihilangkan

Kesalahan akibat pengambilan nilai T yang tidak tepat (T = 25)

Segmentasi Citra Biner

Merupakan proses awal dalam menganalisis objek di dalam citra biner Bertujuan mengelompokkan piksel-piksel objek menjadi wilayah (region) yang merepresentasikan objek Dua pendekatan dalam segmentasi objek:
Segmentasi berdasarkan batas wilayah (tepi dari objek) Segmentasi ke bentuk-bentuk dasar

1.Segmentasi berdasarkan batas wilayah (tepi dari objek). Pixel-pixel tepi ditelusuri sehingga rangkaian pixel yang menjadi batas (boundary) antara objek dengan latar belakang dapat diketahui secara keseluruhan (algoritma boundary following). 2. Segmentasi ke bentuk-bentuk dasar (misalnya segmentasi huruf menjadi garis-garis vertikal dan horizontal, segmentasi objek menjadi bentuk lingkaran, elips, dan sebagainya).

 Pada citra biner, batas antara objek dengan latar belakang terlihat jelas. Pixel objek berwarna hitam sedangkan pixel latar belakang berwarna putih. Pertemuan antara pixel hitam dan putih dimodelkan sebagai segmen garis. Penelusuran batas wilayah dianggap sebagai pembuatan rangkaian keputusan untuk bergerak lurus, belok kiri, atau belok kanan Pixel yang bertanda menyatakan pixel yang sedang ditelaah. Penelusur harus menentukan arah pixel tepi berikutnya bergantung pada pixel-pixel sekitarnya

 Metode pendeteksian batas wilayah yang lain adalah pendeteksian secara topologi. Pada metode topologi, setiap kelompok 4-pixel bertetangga diperiksa, dan bila kelompok tersebut sama dengan salah satu bentuk pada Gambar berikut, maka pada titik tengah dari kelompok pixel tersebut terdapat tepi. Titik tepi yang dideteksi selanjutnya dihubungkan oleh garis-garis penghubung. Arah garis penghubung dikodekan dengan kode rantai (chain code).

Representasi Wilayah
Wilayah (region) di dalam citra biner dapat direpresentasikan dalam beberapa cara. Salah satu cara yang populer adalah representasi wilayah dengan pohon empatan (quadtree) Tiap simpul dalam pohon-empatan merupakan salah satu dari tiga kategori: putih, hitam, dan abu-abu Pohon-empatan diperoleh dengan membagi citra secara rekursif Wilayah di dalam citra dibagi menjadi empat subwilayah yang berukuran sama

 Untuk tiap sub-wilayah bila piksel-piksel didalam wilayah tersebut semuanya berwarna hitam atau semuanya putih, maka proses pembagian dihentikan Sebaliknya bila piksel-piksel di dalam sub-wilayah mengandung baik piksel hitam maupun putih (kategori abu-abu), maka sub-wilayah tersebut dibagi lagi menjadi empat bagian Demikian seterusnya sampai diperoleh subwilayah yang semua pikselnya hitam atau semua pikselnya putih

Property Geometri
Setelah segmentasi, berikutnya adalah menganalisis objek untuk mengenali objek tersebut Analisis objek didasarkan pada ciri khas (feature) geometri pada objek tersebut Ada dua kelompok ciri khas pada objek:
Gobal feature, yaitu ciri khas keseluruhan objek Local feature, yaitu ciri khas bagian tertentu dari objek

Penipisan Pola
Penipisan (thinning) adalah operasi pemrosesan citra biner yang dalam hal ini objek (region) direduksi menjadi rangka yang menghampiri garis sumbu objek Tujuannya mengurangi bagian yang tidak perlu (redundant) sehingga hanya dihasilkan bagian yang esensial saja Pola hasil penipisan harus tetap mempunyai bentuk yang menyerupai pola asalnya Penipisan pola merupakan prses yang iteratif yang menghilangkan piksel-piksel hitam (mengubahnya menjadi piksel putih) pada tepi-tepi pola

berdasarkan algoritma matematika yang diterapkan dan hasil proses thinning yang dihasilkan. 1. Stentiford thinning Algorithm 2. Zhang Suen thinning Algorithm 3. Hilditch thinning Algorithm 4. Rosenfeld thinning Algorithm 5. Simple Edge Detection thinning Algorithm 6. Canny Edge Detection thinning Algorithm

Algoritma penipisan pola harus memenuhi persyaratan sebagai berikut: 1. Mempertahankan keterhubungan pixel-pixel objek pada setiap lelaran. Dengan kata lain, tidak menyebabkan bentuk objek menjadi terputus 2. Tidak memperpendek ujung lengan dari bentuk yang ditipiskan

Zhan Suen
algoritma yang dikemukakan oleh Zhang-Suen dalam paper mereka yang berjudul A Fast Parallel Algorithm For Thinning Digital Pattern. Pada intinya algoritma ini menggerus titik-titik yang berada di luar sebuah gambar. Penggerusan ini dilakukan hingga ketebalan menjadi tinggal sebuah pixel dengan konektivitas yang terjaga. Algoritma ini terbagi menjadi dua subiterasi. Sub-iterasi pertama menggerus bagian selatan-timur dari gambar dan sub-iterasi kedua bagian utara-barat. Subiterasi dapat dilakukan secara paralel sehingga proses bisa dilakukan lebih cepat.

Thinning Algorithm Zhang dan Suen

Stentiford
Langkah pertama dilakukan terhadap semua titik obyek di citra. Jika salah satu dari beberapa kondisi yang ditetapkan dari algoritma thinning stentiford tidak dipenuhi akan nilai piksel yang bersangkutan tidak diubah. Sebaliknya jika semua kondisi tersebut dipenuhi maka piksel tersebut ditandai untuk penghapusan. Piksel yang telah ditandai tidak akan dihapus sebelum semua titik obyek selesai diproses. Hal ini berguna untuk mencegah perubahan struktur data. Setelah langkah 1 selesai dilakukan untuk semua titik obyek maka dilakukan penghapusan untuk titik yang telah ditandai (diubah menjadi 0). Setelah itu dilakukan langkah 2 pada data hasil dari langkah 1 dengan cara yang sama dengan langkah 1