PCD-8 Operasi Citra Biner

BAB 8
Operasi
pada Citra Biner
Dengan berakhirnya bab ini, diharapkan pembaca dapat

memahami berbagai hal berikut dan kemudian dapat
mencoba untuk mengimplementasikannya.
 Pengantar operasi biner
 Representasi bentuk
 Ekstraksi tepi objek
 Mengikuti kontur
 Kontur internal
 Rantai kode
 Perimeter
 Luas
 Diameter
 Fitur menggunakan perimeter, luas, dan
diameter
 Pusat massa dan fitur menggunakan pusat massa
 Fitur dispersi
 Pelabelan objek
288 Pengolahan Citra, Teori dan Aplikasi
8.1 Pengantar Operasi Biner
Beberapa pemrosesan citra mengacu pada citra biner. Sebagai contoh,

dengan menggunakan citra biner, perbandingan panjang dan lebar objek dapat
diperoleh. Di depan juga telah dibahas aplikasi citra biner pada morfologi.
Namun, tentu saja masih banyak operasi lain yang memanfaatkan citra biner.
Beberapa contoh diulas dalam bab ini.
8.2 Representasi Bentuk
Fitur suatu objek merupakan karakteristik yang melekat pada objek. Fitur
bentuk merupakan suatu fitur yang diperoleh melalui bentuk objek dan dapat
dinyatakan melalui kontur, area, dan transformasi, sebagaimana ditunjukkan pada
Gambar 8.1. Fitur bentuk biasa digunakan untuk kepentingan identifikasi objek.
Sebagai contoh, rasio kebulatan dipakai sebagai salah satu fitur pada identifikasi
tanaman (Wu, dkk., 2007) dan Polar Fourier Transform (PFT) dapat dipakai
untuk identifikasi daun (Kadir, dkk., 2011).
Representasi
bentuk
Kontur Area Transformasi
 Kode rantai  Rasio kebulatan  Transformasi

 Hampiran  Transformasi Fourier
poligon jarak  Transformasi PFT
Gambar 8.1 Representasi bentuk
8.3 Ekstraksi Tepi Objek
Tepi objek pada citra biner dapat diperoleh melalui algoritma yang dibahas
oleh Davis (1990). Pemrosesan dilakukan dengan menggunakan 8-ketetanggaan.
Sebagai penjelas, lihatlah Gambar 8.2. Piksel P mempuyai 8 tetangga yang
dinyatakan dengan P0 hingga P7. Adapun algoritma tertuang pada Algoritma 8.1.
Operasi pada Citra Biner 289
P3 P2
P4 P
Gambar 8.2 Piksel dan 8 piksel tetangga
ALGORITMA 8.1 – Memperoleh tepi objek

Masukan:
 f (m,n): Citra masukan berupa citra biner berukuran m baris
dan n kolom
Keluaran:
 g (m, n): Hasil citra yang berisi tepi objek
FOR q  2 to m-1
FOR p  2 to n-1
p0  f(q, p+1)
p1  f(q-1, p+1)
p2  f(q-1, p)
p3  f(q-1, p-1)
p4  f(q, p-1)
p5  f(q+1, p-1)
p6  f(q+1, p)
p7  f(q+1, p+1)
sigma  p0 + p1 + p2 + p3 + p4 + p5 + p6 + p7
IF sigma = 8
g(q, p)  0
ELSE
g(q, p)  f(q, p)
END-IF
END-FOR
END-FOR
Catatan
Algoritma 8.1 mengasumsikan bahwa semua piksel pada kolom

pertama, kolom, terakhir, baris pertama, dan baris terakhir tidak
ada yang bernilai 1. Apabila ada kemungkinan bahwa piksel pada
posisi tersebut ada yang bernilai satu, perlu dibentuk larik baru
yang berukuran (m+2) x (n+2), yang mencakup seluruh nilai f dan
dengan bagian tepi larik berisi 0.
Perwujudan skrip berdasarkan algoritma di depan dapat dilihat berikut ini.
Program : tepibiner.m
function [G] = tepibiner(F)

% TEPIBINER Berguna untuk mendapatkan tepi objek
% pada citra biner
[jum_baris, jum_kolom] = size(F);
G = zeros(jum_baris, jum_kolom);
for q = 2 : jum_baris - 1
for p = 2 : jum_kolom - 1
p0 = F(q, p+1);
p1 = F(q-1, p+1);
p2 = F(q-1, p);
p3 = F(q-1, p-1);
p4 = F(q, p-1);
p5 = F(q+1, p-1);
p6 = F(q+1, p);
p7 = F(q+1, p+1);
sigma = p0 + p1 + p2 + p3 + p4 + p5 + p6 + p7;
if sigma == 8
G(q, p) = 0;
else
G(q, p) = F(q, p);
end
end
end
Akhir Program
Contoh penggunaan fungsi tepibiner dapat dilihat di bawah ini.

>> Img = imread('C:\Image\daun_bin.png'); 

>> G = tepibiner(Img); 
>> imshow(G) 
>>
Hasilnya ditunjukkan pada Gambar 8.3.
Gambar 8.3 Tepi objek yang diperoleh melalui tepibiner.m

Catatan
Jika objek berlubang, kontur bagian dalam juga akan dibuat oleh
fungsi tepibiner. Contoh:
8.4 Mengikuti Kontur
Mengikuti kontur (contour following) merupakan suatu metode yang

digunakan untuk mendapatkan tepi objek. Terkait dengan hal itu, terdapat istilah
kontur eksternal dan kontur internal. Gambar 8.4 memberikan ilustrasi tentang
perbedaan kedua jenis kontur tersebut. Terlihat bahwa piksel yang menjadi bagian
kontur eksternal (ditandai dengan huruf E) terletak di luar objek, sedangkan piksel
yang menjadi bagian kontur internal terletak di dalam objek itu sendiri.
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
\ \
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
0 0 1 1 1 1 1 0 0 0 0 1 1 1 1
0 0 1 1 1 1 1 0 0 0 0 1 1 1 1
0 0 1 1 1 1 1 0 0 0 0 1 1 1 1
0 0 1 1 1 1 1 0 0 0 0 1 1 1 1
0 0 1 1 1 1 1 0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Kontur Kontur
Gambar 8.4 Kontur eksternal dan kontur internal internal
Catatan
Istilah kontur identik dengan batas (boundary). Itulah sebabnya,

fitur yang berhubungan dengan kontur acapkali dinamakan
deskriptor batas.
Contoh pada Gambar 8.5 menunjukkan cara untuk memperoleh kontur

eksternal. Dengan menggunakan pendekatan 8-ketetanggaan, diperoleh hasil
sebagai berikut:
(3,2), (4,2), (5,2), (6,2), (7,2), (8,3), (8,4), (8,5), (8,6), (8,7), (7,8), (6,8), (5,8),
(4,8), (3,8), (2,7), (2,6), (2,4), (2,3)
Proses untuk mendapatkan titik awal (yaitu (3,1)) dilakukan dengan melakukan
pemindaian seperti yang diilustrasikan dalam Gambar 8.5. Setelah titik awal
ditemukan, penelusuran dilakukan seperti terlihat pada Gambar 8.5(b).
Penelusuran kontur berakhir setelah bertemu kembali dengan titik awal.
1 2 3 4 5 6 7 8 9
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 \ \
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
3 0 0 1 1 1 1 1 0 0 0 0 1 1 1 1 1
4 0 0 1 1 1 1 1 0 0 0 0 1 1 1 1 1
5 0 0 1 1 1 1 1 0 0 0 0 1 1 1 1 1
6 0 0 1 1 1 1 1 0 0 0 0 1 1 1 1 1
7 0 0 1 1 1 1 1 0 0 0 0 1 1 1 1 1
8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Kontur
Titik awal
Gambar 8.5 Proses penelusuran kontur eksternal
Label yang digunakan pada penelusuran kontur ditunjukkan pada Gambar

8.6(a). Piksel tetangga yang diberi latarbelakang hitam merupakan tetangga yang
dijadikan acuan untuk mencari titik kedua yang akan menjadi bagian kontur.
Dengan cara seperti itu, piksel yang berada di atas piksel titik awal ataupun yang
berada di kanannya tidak mungkin menjadi piksel kedua yang merupakan bagian
kontur.
3 2 1 3 2 1
4 P 0 4 P 0
5 6 7 5 6 7
(a) Label tetangga untuk (b) Tetangga berwarna hitam

Gambar 8.6 Label
penelusuran posisi tetangga dan Sebagai
kontur pencarian
basistetangga
pencarian titik kedua
untuk menentukan bagian kedua pada kontur
Penelusuran untuk piksel-piksel berikutnya dilakukan dengan cara yang

khusus. Untuk kepentingan ini, diperlukan suatu pencatatan untuk mengetahui
arah posisi sekarang (C) terhadap posisi sebelum (P) dan berikutnya (N). Sebagai
contoh, dcp digunakan untuk mencatat arah posisi sekarang terhadap piksel
sebelumnya, dpc untuk mencatat arah posisi sebelum terhadap posisi sekarang,
dan dcn untuk mencatat arah posisi sekarang terhadap piksel berikutnya.
Berdasarkan keadaan pada Gambar 8.6(a), hubungan antara dcp dan dpc adalah
berkebalikan. Oleh karena itu, hubungan tersebut dapat ditabelkan seperti berikut.
Tabel 8.1 Hubungan antara dpc dan dcp
dcp dcp =
kebalikan(dcp)
0 4
1 5
2 6
3 7
4 0
5 1
6 2
7 3
Algoritma untuk mendapatkan hasil seperti yang telah dibahas dapat dilihat
di bawah ini (Costa & Cesar, 2001).
ALGORITMA 8.2 – Mengikuti kontur

Masukan:
 f (m,n): Citra masukan berukuran m baris dan n kolom berisi
kontur
Keluaran:
 e (n): kontur dengan n piksel
1. Cari piksel pertama yang akan dijadikan sebagai kontur

melalui pemindaian dan disimpan di e[1].
2. n  2 // Indeks kedua pada kontur e
3. Cari piksel kedua yang menjadi bagian kontur dengan cara
yang telah dibahas dan diletakkan di piksel_berikutnya
4. dcn  arah dari e[1] ke piksel kedua.
5. WHILE (piksel_berikutnya  e[1]
e[n]  piksel_berikutnya
cari_piksel_berikutnya(e(n), dpc, piksel_berikutnya, dcn)
nn+1
END-WHILE
ALGORITMA 8.3: Memperoleh piksel berikutnya pada kontur
cari_piksel_berikutnya(pc , dpc, pb, dcn)

// pc = piksel sekarang
// dpc = arah piksel sebelumnya ke piksel sekarang
// pb = piksel berikutnya yang akan dihasilkan oleh fungsi
// dcn = arah piksel sekarang ke piksel berikutnya
dcp  kebalikan(dpc)
FOR r  0 TO 6
dE  MOD(dcp + r, 8) // Arah eksternal
dI  MOD(dcp + r + 1, 8); // Arah internal
pE  peroleh_piksel_berikutnya(pc, dE)
pI  peroleh_piksel_berikutnya(pc, dI)
IF adalah_latarbelakang(pE) AND adalah_objek(pI)

pb  pE
dcn  dE
END-IF
END-FOR
ALGORITMA 8.4: Memperoleh piksel berikutnya
peroleh_piksel_berikutnya(pc, d)
// pc = piksel sekarang
// d = arah piksel berikutnya
// Nilai balik: piksel berikutnya
XP  [1, 1, 0, -1, -1, -1, 0, 1];
YP  [0, -1, -1, -1, 0, 1, 1, 1];
cx  bagian x dari pc + XP(d+1);

cy  bagian y dari pc + YP(d+1);
Implementasi metode “mengikuti kontur” ditunjukkan berikut ini.

Program : get_contour.m
function [Kontur] = get_contour(BW)

% GET_CONTOUR Berfungsi untuk memperoleh kontur eksternal
% dari suatu citra biner BW
% Hasil berupa Kontur yang berisi pasangan X dan Y dari setiap
% piksel yang menyusun kontur. Kolom 1 menyatakan Y dan
% kolom 2 menyatakan X
% Peroleh kontur
% Proses rantai kode
% Arah sebelumnya ke sekarang

DPC = [0, 1, 2, 3, 4, 5, 6, 7];
% Arah sekarang ke sebelumnya

DCP = [4, 5, 6, 7, 0, 1, 2, 3];
% Arah 0 1 2 3 4 5 6 7
% terhadap posisi sekarang
XP = [1, 1, 0, -1, -1, -1, 0, 1];
YP = [0, -1, -1, -1, 0, 1, 1, 1];
% Peroleh titik awal

[tinggi, lebar] = size(BW);
% Cari titik awal

x1 = 1;
y1 = 1;
selesai = false;
for baris = 1 : tinggi
for kolom = 1 :lebar
if BW(baris, kolom) == 1
y1 = baris;
x1 = kolom-1;
selesai = true;
Kontur(1,1) = y1;
Kontur(1,2) = x1;
break;
end
end
if selesai
break;
end
end
% Proses piksel kedua

for i = 4 : 7
if BW(y1+YP(i+1), x1+XP(i+1)) == 0
dcn = i; % Arah sekarang ke sesudahnya
break;
end
end
yberikut = y1 + YP(dcn+1);
xberikut = x1 + XP(dcn+1);
indeks = 2; % Indeks kedua
% Proses peletakan piksel kedua dan seterusnya

% ke array Kontur
while (yberikut ~= Kontur(1,1)) || (xberikut ~= Kontur(1,2))
Kontur(indeks,1) = yberikut;
Kontur(indeks,2) = xberikut;
dpc = dcn; % Arah sebelum ke sekarang diisi
% dengan arah sekarang ke berikutnya
% Cari piksel berikutnya

for r = 0 : 7
dcp = DCP(dpc+1);
de = rem(dcp+r, 8);
di = rem(dcp+r+1, 8);
cxe = Kontur(indeks,2) + XP(de+1);

cye = Kontur(indeks,1) + YP(de+1);
cxi = Kontur(indeks,2) + XP(di+1);
cyi = Kontur(indeks,1) + YP(di+1);
if (BW(cye, cxe) == 0) && (BW(cyi, cxi) == 1)

yberikut = cye;
xberikut = cxe;
break;
end
end
% Naikkan indeks
indeks = indeks + 1;
end
Akhir Program
Contoh untuk menguji fungsi get_contour:
>> Daun = imread('c:\image\daun_bin.png'); 

>> C = get_contour(Daun); 
>>
Dengan cara seperti itu, C berisi data piksel yang menjadi kontur citra biner
daun_bin.png.
Untuk membuktikan bahwa C berisi kontur daun, berikan kode seperti
berikut:
>> D = zeros(size(Daun)); 
>> for p=1:length(C) 
D(C(p,1), C(p,2)) = 1; 
end 
>> imshow(D) 
Pertama-tama, perintah
D = zeros(size(Daun)); 
digunakan untuk membentuk matriks berukuran sama dengan citra Daun dan
seluruhnya diisi dengan nol. Selanjutnya,
>> for p=1:length(C) 

D(C(p,1), C(p,2)) = 1; 
end 
>>
digunakan untuk membuat matriks D yang sesuai dengan nilai-nilai koordinat

pada larik C diisi dengan angka 1. Dengan demikian, D merekam kontur yang
tercatat pada C. Gambar 8.7 menunjukkan hasil imshow(D).
Gambar 8.7 Gambar kontur yang diperoleh

melalui get_contour
8.5 Kontur Internal
Salah satu cara untuk mendapatkan kontur internal yang telah diurutkan
menurut letak piksel, yaitu dengan memanfaatkan algoritma pelacakan kontur
Moore. Algoritma ini antara lain digunakan pada peta topografik digital (Pradha,
dkk., 2010).
ALGORITMA 8.5 – Memperoleh kontur internal dengan

pelacakan kontur Moore
Masukan:
 f (m,n): Citra masukan berukuran m baris dan n kolom
Keluaran:
 kontur (s): Larik yang berisi piksel-piksel kontur sebanyak s
1. Dapatkan piksel terkiri dan teratas yang bernilai 1.

Selanjutnya, posisi piksel dicatat pada b0 dan posisi untuk
memperoleh piksel berikutnya dicatat pada c0, yang mula-
mula diisi dengan 4 (arah barat pada Gambar 8.8(d)).
2. Periksa 8 tetangga b0 searah jarum jam dimulai dari c0.
Piksel pertama yang bernilai 1 dicatat pada b1. Adapun
posisi yang mendahului b1 dicatat pada c1.
3. kontur(1)  b0, kontur(2)  b1, jum  2
4. b  b1 dan c  c1
5. WHILE true
a. Cari piksel pada 8 tetangga yang pertama kali
bernilai 1 dengan pencarian dimulai dari arah c
dengan menggunakan pola arah jarum jam.
b. Catat posisi piksel tersebut ke b.
c. Catat posisi yang mendahului piksel tersebut ke
c.
d. Tambahkan b sebagai bagian kontur:
jum  jum + 1
kontur(jum)  b
e. IF b = b0
Keluar dari WHILE
END-IF
END-WHILE
Algoritma di atas akan membuat indeks pertama dan indeks terakhir pada
kontur berisi nilai yang sama yaitu b0. Jika dikehendaki untuk tidak
menyertakan nilai yang sama pada bagian akhir larik kontur, elemen tersebut
tinggal diabaikan saja.
Untuk memahami proses kerja pada algoritma Moore, perhatikan Gambar
8.8. Gambar 8.8(a) menyatakan keadaan objek pada citra. Piksel yang bernilai 1
menyatakan bagian objek dan yang bernilai 0 adalah bagian latarbelakang. Pada
contoh tersebut, pelacakan akan dimulai pada posisi (2,2), yaitu piksel bagian
objek yang terletak paling kiri dan paling atas. Adapun titik pencarian untuk
piksel kedua dimulai di arah barat atau arah kiri piksel (2,2) tersebut. Pencarian
dilakukan searah jarum jam. Pada langkah pertama, diperoleh piksel pada posisi
(2,3). Pencarian berikutnya akan dimulai di posisi (1,3), yaitu yang ditandai
dengan bulatan. Pada pencarian kedua, piksel yang didapat, yaitu posisi (2,4),
dengan titik pencarian berikutnya dimulai di posisi (1,4). Pada pencarian ketiga,
piksel yang didapat adalah pada (2,5), dengan titik pencarian berikutnya dimulai
di posisi (1,5). Pada pencarian keempat, piksel yang didapat yaitu (3,5), dengan
titik pencarian berikutnya dimulai di posisi (3,6). Jika langkah seperti itu terus
diulang, suatu ketika akan diperoleh piksel yang sama dengan piksel yang pertama
kali menjadi bagian kontur. Saat itulah proses untuk melacak kontur diakhiri.
Semua langkah yang terjadi untuk contoh Gambar 8.8(a) ditunjukkan pada
Gambar 8.8(b). Penomoran arah pencarian ditunjukkan pada Gambar 8.8(d),
sedangkan hasil kontur diperlihatkan pada Gambar 8.8(c).
1 2 3
1 2 3 4 5 6
1 0 0 0 0 0 0
2 0 1 1 1 1 0 1 1 1 1
3 0 0 1 1 1 0 1 1 1
4 0 1 1 1 0 0 1 1 1
5 0 0 1 1 1 0 1 1 1
6 0 0 0 0 0 0
Objek
(a) (b)
Piksel objek paling
kiri dan paling atas
0 0 0 0 0 0 sebagai titik awal
pelacakan
0 1 1 1 1 0 2
3
0 0 1 0 1 0
0 1 0 1 0 0 4
Kontur
0 0 1 1 1 0 5
6
0 0 0 0 0 0
(c) (d)
Gambar 8.8 Penjelasan pelacakan kontur dengan
menggunakan Algoritma Moore
Implementasi algoritma Moore ditunjukkan berikut ini.
Program : inbound_tracing.m
function [Kontur] = inbound_tracing(BW)

% INBOUND_TRACING Memperoleh kontur yang telah terurutkan
% dengan menggunakan algoritma pelacakan kontur Moore
[jum_baris, jum_kolom] = size(BW);
% Peroleh piksel awal

selesai = false;
for p = 1 : jum_baris
for q = 1 : jum_kolom
if BW(p, q) == 1
b0.y = p;
b0.x = q;
selesai = true;
break;
end
end
if selesai
break;
end
end
c0 = 4; % Arah barat
% Periksa 8 tetangga dan cari piksel pertama yang bernilai 1

for p = 1 : 8
[dy, dx] = delta_piksel(c0);
if BW(b0.y + dy, b0.x + dx) == 1
b1.y = b0.y + dy;
b1.x = b0.x + dx;
c1 = sebelum(c0);
break;
else
c0 = berikut(c0);
end
end
Kontur=[];
Kontur(1, 1) = b0.y;
Kontur(1, 2) = b0.x;
Kontur(2, 1) = b1.y;
Kontur(2, 2) = b1.x;
%Kontur
n = 2; % Jumlah piksel dalam kontur
b = b1;
c = c1;
% Ulang sampai berakhir

while true
for p = 1 : 8
[dy, dx] = delta_piksel(c);
if BW(b.y + dy, b.x + dx) == 1
b.y = b.y + dy;
b.x = b.x + dx;
c = sebelum(c);
n = n + 1;
Kontur(n, 1) = b.y;
Kontur(n, 2) = b.x;
break;
else
c = berikut(c);
end
end
% Kondisi pengakhir pengulangan
if (b.y == b0.y) && (b.x == b0.x)

break;
end
end
return
function [b] = berikut(x)

if x == 0
b = 7;
else
b = x - 1;
end
function [s] = sebelum(x)

if x == 7
s = 0;
else
s = x + 1;
end
if s < 2
s = 2;
elseif s < 4
s = 4;
elseif s < 6
s = 6;
else
s = 0;
end
function [dy, dx] = delta_piksel(id)

if id == 0
dx = 1; dy = 0;
elseif id == 1
dx = 1; dy = -1;
elseif id == 2
dx = 0; dy = -1;
elseif id == 3
dx = -1; dy = -1;
elseif id == 4
dx = -1; dy = 0;
elseif id == 5
dx = -1; dy = 1;
elseif id == 6
dx = 0; dy = 1;
elseif id == 7
dx = 1; dy = 1;
end
Akhir Program
Contoh penggunaan inbound_tracing :
>> D = [ 0 0 0 0 0 0
0 1 1 1 1 0
0 0 1 1 1 0
0 1 1 1 0 0
0 0 1 1 1 0
0 0 0 0 0 0 ]; 
>> P = inbound_tracing(D) 
P =
2 2
2 3
2 4
2 5
3 5
4 4
5 5
5 4
5 3
4 2
3 3
2 2
>>
Perhatikan, elemen pertama dan terakhir pada P sama.
8.6 Rantai Kode
Rantai kode (code chain) merupakan contoh representasi kontur yang

mula-mula diperkenalkan oleh Freeman pada tahun 1961. Representasi bentuk
dilakukan dengan menggunakan pendekatan 8-ketetanggan. Kode rantai setiap

tetangga piksel dinyatakan dengan sebuah angka sebagaimana terlihat pada
Gambar 8.9.
3 2
4
Gambar 8.9 Arah rantai kode beserta kodenya
Untuk mempermudah perolehan kode rantai piksel yang menjadi tetangga

suatu piksel, perlu pembuatan indeks yang dapat dihitung melalui rumus berikut:
indeks=3 ∆ y+ ∆ x+ 5 (8.1)
Dalam hal ini, ∆ xmenyatakan selisih nilai kolom dua piksel yang bertetangga dan
∆ y menyatakan selisih nilai baris dua piksel yang bertetangga. Hubungan kode
rantai dan indeks pada Persamaan 8.1 tersaji pada Tabel 8.2.
Tabel 8.2 Indeks dan kode rantai dua piksel yang bertetangga
∆x ∆y Kode Rantai Indeks ¿ 3 ∆ y +∆ x +5
0 +1 6 8
0 -1 2 2
-1 +1 5 7
-1 -1 3 1
+1 +1 7 9
+1 -1 1 3
-1 0 4 4
Kode untuk memperoleh kode rantai dapat dilihat berikut ini.
Program : chain_code.m
function [kode_rantai, xawal, yawal] = chain_code(U)

% CHAIN_CODE Digunakan untuk mendapatkan titik awal (x, y) dan
% kode rantai dari kontur U yang datanya telah terurutkan
% misalnya melalui get_contour
% Kode 1 2 3 4 5 6 7 8 9
Kode = ['3', '2', '1', '4', '0', '0', '5', '6', '7' ];
xawal = U(1,2);
yawal = U(1,1);
kode_rantai = '';
for p=2: length(U)
deltay = U(p, 1) - U(p-1, 1);
deltax = U(p, 2) - U(p-1, 2);
indeks = 3 * deltay + deltax + 5;
kode_rantai = strcat(kode_rantai, Kode(indeks));
end
Akhir Program
Contoh penggunaan fungsi chain_code:

>> C = inbound_tracing(Daun); 
>> [kode, x, y] = chain_code(C) 
kode =
007067565666666666665666666666666666666666666766676676676667666766
767666767666676676667666766676667676766667666766666676670676766666
676666766667666676666667667667677676776776776777677767777777676766
677677767776767677677676767676706767776767677676767676776767676767
667667676766766676676767667666766666543434333343343233433333433333
443333333333323233323323342333333433334334333434234434344344444444
445555655656665656666566666656666666666666666666666666666666666666
666666676567666666666666667666666666667666666666676666666666667666
666666666676666666666666766667666766666676666766766767666766766676
666706666766666666666666666666656664566656656665665656565656656566
656666666666666666766666444343233332332332233323333323333333333333
333233334333333233323232323232222322222232221231222222212222121212
212121212122122221221212221222222212222222222222222220122222222222
222222212222212222222222222212222222222222221222222222222223222221
222222222222222222222222222222222212322222222222222222322222223222
323234233343444545554555456455555555556555655655665656566656566566
566656565656656656565645656565656566566656565554533322322322322322
223222223222222322322132222221222221222121221221212122121212121221
212212222212222122212211212121120121211121111211110111111111111211
221112121221211221221222212122122212212221122122122212221212212122
012211212122212121121221221212121212112121221212122221222222222222
22222232222222222100001
x = 131
y = 8
>>
Fungsi show_contour berikut digunakan untuk menguraikan kembali

kode rantai menjadi koordinat piksel dan kemudian menggambarkan konturnya.
Program : show_contour.m
function show_contour(x, y, rantai_kode)

% SHOW_CONTOUR Contoh untuk menggambar kontur
% melalui rantai kode
% Masukan fungsi ini adalah hasil
% fungsi chain_code
% 0 1 2 3 4 5 6 7
Dx = [ +1, +1, 0, -1, -1, -1, 0, +1];
Dy = [ 0, -1, -1, -1, 0, +1, +1, +1];
U = zeros(1,2);
U(1,1) = y;
U(1,2) = x;
for p=2: length(rantai_kode)

bilangan = rantai_kode(p) - 48;
posx = U(p-1, 2) + Dx(bilangan + 1);
posy = U(p-1, 1) + Dy(bilangan + 1);
U(p, 1) = posy;
U(p, 2) = posx;
end
% Membentuk gambar kontur

maks_x = max(U(p,2));
maks_y = max(U(p,1));
D = zeros(maks_y, maks_x);
for p=1: length(U)
D(U(p,1), U(p,2)) = 1;
end
imshow(D);
Akhir Program
Dengan mendasarkan kode yang dihasilkan melalui get_counter, dapat

dilakukan pengujian seperti berikut:
>> show_contour(x,y,kode)
>>
Dengan cara begitu, gambar kontur daun ditampilkan kembali.

Kode rantai digunakan pada beberapa penelitian, antara lain untuk
pencocokan kurva (Yu, dkk., 2010) dan pengenalan huruf Arab/Farsi (Izakian,
dkk., 2008). Namun, representasi kode rantai sebenarnya memiliki kelemahan
sebagai berikut (Levner, 2002).
1. Kode cenderung panjang.
2. Sensitif terhadap distorsi dan segmentasi yang tidak sempurna.
3. Sangat bergantung pada penyekalaan ataupun rotasi.
Levner menguraikan secara kasar langkah-langkah yang perlu dilakukan untuk

menghilangkan ketergantungan terhadap rotasi dan penyekalaan.
8.7 Perimeter
Perimeter atau keliling menyatakan panjang tepi suatu objek. Ilustrasinya

dapat dilihat pada Gambar 8.10. Perimeter dapat diperoleh dengan menggunakan
algoritma berikut.
ALGORITMA 8.6 – Estimasi perimeter

Masukan:
 f (M,N): Citra masukan berukuran M baris dan N kolom
Keluaran:
 perimeter
1. Peroleh citra biner.

2. Kenakan algoritma deteksi tepi.
3. Perimeter  jumlah piksel pada tepi objek hasil langkah 2.
Perimeter
daun
Luas daun
Gambar 8.10 Perimeter dan luas daun
Contoh berikut menunjukkan cara menghitung perimeter dengan

menggunakan pendekatan di atas.
Program : perim1.m
function hasil = perim1(BW)

% PERIM1 Untuk menghitung perimeter suatu objek pada
% BW (citra biner)
% hasil menyatakan hasil perhitungan perimeter
U = inbound_tracing(BW);
hasil = length(U) - 1;
Akhir Program
Pada skrip di atas, -1 diberikan mengingat elemen pertama dan terakhir U

sebenarnya berisi nilai yang sama. Itulah sebabnya, jumlah piksel pada kontur
perlu dikurangi satu.
Contoh pengujian fungsi perim1:
>> Img = imread('C:\Image\daun_bin.png'); 

>> perim1(Img) 
ans = 1409
>>
Algoritma estimasi perimeter di depan memberikan hasil yang baik ketika

tepi objek terhubung dengan 4-ketetanggaan, tetapi tidak tepat kalau terhubung
menurut 8-ketetanggaan (Costa & Cesar, 2001). Hal itu terjadi karena jarak antara
dua piksel tidak bersifat konstan (dapat berupa 1 atau √ 2) pada 8-ketetanggaan,
sedangkan jarak selalu 1 pada 4-ketetanggaan. Ilustrasi mengenai jarak antarpiksel
dapat dilihat pada Gambar 8.11.
1 1 1 1
1 1
1
1
Gambar 8.11 Jarak antarpiksel pada 8-ketetanggaan
Apabila tepi objek diproses dengan menggunakan rantai kode (dibahas

pada Subbab 8.4), perimeter dapat diperkirakan dengan menggunakan rumus:
P=N e + N o √ 2 (8.2)
dengan Ne menyatakan jumlah kode genap dan No menyatakan jumlah kode

ganjil. Contoh berikut menunjukkan penggunaan cara seperti itu.
Program : perim2.m
function hasil = perim2(BW)

% PERIM2 Untuk menghitung perimeter suatu objek pada
% BW (citra biner) dengan menggunakan
% chain code
%
% hasil menyatakan hasil perhitungan perimeter
kode_rantai = chain_code(U);
jum_genap = 0;
jum_ganjil = 0;
for p=1: length(kode_rantai)
kode = kode_rantai(p);
if (kode == '0') || (kode == '2') || (kode == '4') || ...
(kode == '6') || (kode == '8')
jum_genap = jum_genap + 1;
else
jum_ganjil = jum_ganjil + 1;
end
end
hasil = jum_genap + jum_ganjil * sqrt(2);
Akhir Program
Contoh:
>> Daun = imread('C:\Image\daun_bin.png'); 

>> perim2(Daun) 
ans = 1605.8
>>
8.8 Luas
Cara sederhana untuk menghitung luas suatu objek adalah dengan cara
menghitung jumlah piksel pada objek tersebut. Algoritmanya sebagai berikut.
ALGORITMA 8.7 – Menghitung luas objek

Masukan:
 f (m,n): Citra masukan berukuran M baris dan N kolom
Keluaran:
 luas
luas  0
FOR p = 1 to m
FOR j = 1 to n
IF piksel(p, q) dalam objek
luas  luas + 1
END-IF
END-FOR
END-FOR
Contoh berikut adalah implementasi algoritma di atas.
Program : luas.m
function hasil = luas(BW)

% LUAS Untuk menghitung luas citra BW (citra biner)
hasil = 0;
for p = 1 : tinggi
for q = 1 : lebar
if BW(p, q) == 1
hasil = hasil + 1;
end
end
end
Akhir Program
Contoh:
>> D = [ 0 0 0 0 0 0
0 1 1 1 1 0
0 0 1 1 1 0
0 1 1 1 0 0
0 0 1 1 1 0
0 0 0 0 0 0 ]; 
>> luas(D) 
ans = 13
>>
>> luas(Daun) 
ans = 31862
>>
Pendekatan yang lain untuk menghitung luas suatu objek dilakukan

melalui kode rantai (Putra, 2010). Perhitungannya sebagai berikut:
 Kode 0: Area = Area + Y

 Kode 1: Area = Area + (Y + 0.5) = Area + Y + 0.5
 Kode 2: Area = Area + 0 = Area
 Kode 3: Area = Area – (Y + 0,5) = Area – Y – 0.5
 Kode 4: Area = Area - Y
 Kode 5: Area = Area – (Y - 0,5) = Area – Y + 0.5
 Kode 6: Area = Area + 0 = Area
 Kode 7: Area = Area + (Y - 0,5) = Area + Y – 0.5
Contoh pada Gambar 8.12 mempunyai kode rantai berupa

0770764554341234201. Perhitungan luas dijabarkan dalam Tabel 8.3. Luasnya
adalah ∑ Area= 22,5.
1 2 3 4 5 6 7 8 9 10
9
8
7
6
5
4
3
2
1
Gambar 8.12 Objek dengan rantai kode
berupa 0770764554341234201
Area = 0
Tabel 8.3 Perhitungan luas objek melalui rantai kode

Kode pada Ordinat (Y) Luas
Rantai Kode
0 8 8
7 8 7,5
7 7 6,5
0 6 6
7 6 5,5
6 5 0
4 4 -4
5 4 -3,5
5 3 -2,5
4 2 -2
3 2 -2,5
4 3 -2
1 3 3,5
2 4 0
3 5 -5,5
Kode pada Ordinat (Y) Luas

Rantai Kode
4 6 -6
2 6 0
0 7 7
1 7 7,5
Berikut adalah contoh skrip yang digunakan untuk melakukan perhitungan

dengan cara di depan.
Program : luas2.m
function hasil = luas2(BW)

% LUAS2 Untuk menghitung luas citra BW (citra biner)
% melalui kode rantai

kode_rantai = chain_code(U);
hasil = 0;
for p=1: length(kode_rantai)
kode = kode_rantai(p);
y = tinggi + 1 -U(p);
switch kode
case '0'
hasil = hasil + y;
case '1'
hasil = hasil + y + 0.5;
case '3'
hasil = hasil - y - 0.5;
case '4'
hasil = hasil - y;
case '5'
hasil = hasil - y + 0.5;
case {'2','6'}
hasil = hasil ;
case '7'
hasil = hasil + y - 0.5;
end
end
Akhir Program
Contoh penggunaan fungsi luas2:
>> X = [
0 0 0 0 0 0 0 0 0 0
0 0 0 1 1 0 0 0 0 0
0 1 1 1 1 1 0 0 0 0
0 1 1 1 1 1 1 1 0 0
0 0 0 1 1 1 1 1 1 0
0 0 0 1 1 1 1 1 1 0
0 0 1 1 1 1 1 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 ];
>> luas2(X) 
ans = 22.5000
>>
8.9 Diameter
Diameter adalah jarak terpanjang antara dua titik dalam tepi objek. Hal itu
dapat dihitung dengan menggunakan metode “Brute force” (Costa dan Cesar,
2001). Algoritmanya sebagai berikut.
ALGORITMA 8.8 – Estimasi diameter bentuk

Masukan:
Keluaran:
 diameter
1. U  tepi objek (misalnya melalui morfologi)

2. c  jumlah elemen U
3. jarak_maks  0
4. FOR p1 TO c-1
FOR qp+1 TO c
IF | U(p) – U(q) | > jarak_maks

jarak_maks  | U(p) – U(q) |
piksel1  p
piksel2  q
END-IF
END-FOR
END-FOR
5. diameter  jarak_maks
Pada algoritma di atas, piksel1 dan piksel2 mencatat posisi dua piksel yang
memiliki jarak terpanjang.
Contoh implementasi algoritma tersebut diberikan berikut ini. Dalam hal
ini, fungsi peroleh_diameter memerlukan citra biner sebagai masukan dan
memberikan nilai balik berupa panjang objek, dan dua piksel yang mewakili nilai
panjang tersebut.
Program : peroleh_diameter.m
function [diameter, x1, y1, x2, y2] = peroleh_diameter(BW)

% PEROLEH_DIAMETER Digunakan untuk menghitung panjang objek
% pada citra BW (citra biner).
% Hasil:
% diameter : panjang objek
% x1, y1, x2, y2 : menyatakan dua titik yang
% mewakili panjang tersebut
U = get_contour(BW);
n = length(U);
jarak_maks = 0;
piksel1 = 0;
piksel2 = 0;
for p=1 : n-1
for q=p+1 : n
jarak = sqrt((U(p,1)-U(q,1)) ^ 2 + (U(p,2)-U(q,2)) ^ 2);
if jarak > jarak_maks
jarak_maks = jarak;
piksel1 = p;
piksel2 = q;
end
end
end
y1 = U(piksel1, 1);
x1 = U(piksel1, 2);
y2 = U(piksel2, 1);
x2 = U(piksel2, 2);
diameter = jarak_maks;
Akhir Program
Contoh penggunaan fungsi peroleh_diameter diberikan di bawah

ini:

>> [d,x1,y1,x2,y2] = peroleh_diameter(Daun); 
>> d
d = 515.1641
>> X = [x1,x2] 
X =
144 131
>> Y = [y1,y2]; 
>> line(X,Y, 'Color','r') 
>>
Hasil dalam bentuk gambar diperlihatkan pada Gambar 8.13.

Gambar 8.13 Garis merah menyatakan diameter daun
Berdasarkan diameter yang telah dibahas, lebar objek dapat diperoleh.

Sebagai contoh, perhatikan Gambar 8.14. Pada contoh tersebut, lebar adalah garis
terpanjang yang menghubungkan dua piksel di tepi objek yang tegak lurus
terhadap panjang maksimum pada objek. Setelah dua titik dengan jarak terpanjang
diperoleh, gradien garis yang melalui kedua piksel tersebut dihitung dengan
menggunakan rumus:
( y 2− y 1 )
grad 1= (8.3)
(x 2−x 1)
Selanjutnya, garis yang tegak lurus dengan garis dengan gradien sebesar grad1
mempunyai gradien sebesar:
−1
grad 2= (8.4)
grad 1
Persoalan berikutnya adalah mencari jarak terbesar antara dua piksel pada kontur
daun yang mempunyai gradien sama dengan grad2. Namun, dalam praktiknya
toleransi sebesar 10% perlu diberikan karena sangat sulit untuk mendapatkan garis
yang tepat sama dengan grad2, terutama kalau objek berukuran kecil.
panjang
Gambar 8.14 Panjang dan lebar objek
Implementasi perhitungan panjang dan lebar objek dapat dilihat pada

program berikut.
Program : peroleh_lebar.m
function [panjang, lebar, x1, y1, x2, y2, x3, ...

y3, x4, y4] = peroleh_lebar(BW)
% PEROLEH_LEBAR Digunakan untuk memperoleh panjang dan
% lebar objek yang terdapat pada
% citra biner BW.
% Hasil:
% panjang = panjang objek
% lebar = lebar objek
% (x1,y1,x2,y2) = menyatakan posisi lebar objek
% (x3,y3,x4,y4) = menyatakan posisi panjang objek
U = get_contour(BW);
n = length(U);
jarak_maks = 0;
piksel1 = 0;
piksel2 = 0;
for p=1 : n-1
for q=p+1 : n
jarak = sqrt((U(p,1)-U(q,1)) ^ 2 + ...
(U(p,2)-U(q,2)) ^ 2);
if jarak > jarak_maks
jarak_maks = jarak;
piksel1 = p;
piksel2 = q;
end
end
end
y1 = U(piksel1, 1);
x1 = U(piksel1, 2);
y2 = U(piksel2, 1);
x2 = U(piksel2, 2);
panjang = jarak_maks;
% Cari dua titik terpanjang yang tegak lurus dengan garis

terpanjang
maks = 0;
posx3 = -1;
posx4 = -1;
posy3 = -1;
posy4 = -1;
if (x1 ~= x2) && (y1 ~= y2)

% Kedua titik tidak pada kolom atau baris yang sama
grad1 = (y1 - y2) / (x1 - x2);
grad2 = -1/grad1;
for p=1:n-1
for q=p+1:n
x3 = U(p, 2); y3 = U(p, 1);
x4 = U(q, 2); y4 = U(q, 1);
pembagi = (x4 - x3);
if pembagi == 0
continue;
end;
grad3 = (y4-y3)/(x4-x3);
if abs(grad3-grad2) < 0.1 * abs(grad2)

jarak = sqrt((x3-x4)^2+(y3-y4)^2);
if jarak > maks
maks = jarak;
posx3 = x3;
posx4 = x4;
posy3 = y3;
posy4 = y4;
end
end
end
end
else
if (y1 == y2)
% kalau kedua titik pada baris yang sama
grad1 = 0;
grad2 = inf;
for p=1:n-1
for q=p+1:n
x3 = U(p,2); y3 = U(p, 1);
x4 = U(q,2); y4 = U(q, 1);
deltax = (x4 - x3);
if (deltax < 0.01) || (deltax > 0.01)
continue;
end;
jarak = sqrt((x3-x4)^2+(y3-y4)^2);
if jarak > maks
maks = jarak;
posx3 = x3;
posx4 = x4;
posy3 = y3;
posy4 = y4;
end
end
end
else
% kalau kedua titik pada kolom yang berbeda
grad1 = inf;
grad2 = 0;
for p=1:n-1
for q=p+1:n
x3 = U(p,2); y3 = U(p, 1);
x4 = U(q,2); y4 = U(q, 1);
deltay = (y3 - y4);
if (deltay < 1.0) || (deltay > 1.0)
continue;
end
jarak = sqrt((x4-x3)^2+(y4-y3)^2);
if jarak > maks

maks = jarak;
posx3 = x3;
posx4 = x4;
posy3 = y3;
posy4 = y4;
end
end
end
end
end
x3 = posx3;
y3 = posy3;
x4 = posx4;
y4 = posy4;
lebar = maks;
Akhir Program
Contoh penggunaan fungsi peroleh_lebar dapat dilihat di bawah ini:
>> close all; 

>> [d,l,x1,y1,x2,y2,x3,y3,x4,y4] =
peroleh_lebar(Daun); 
>> imshow(Daun); 
>> Xp = [x1 x2]; 
>> Yp = [y1 y2]; 
>> Xl = [x3 x4]; 
>> Yl = [y3 y4]; 
>> line(Xl,Yl, 'Color','r') 
>> line(Xp,Yp, 'Color','r') 
Hasilnya ditunjukkan pada Gambar 8.15.

Gambar 8.15 Contoh yang menunjukkan

panjang dan lebar daun
8.10 Fitur Menggunakan Perimeter, Luas, dan Diameter
Fitur seperti perimeter, luas, dan diameter seperti yang telah dibahas tidak
dapat digunakan secara mandiri sebagai fitur identifikasi objek. Fitur seperti itu
dipengaruhi oleh ukuran objek. Nah, agar tidak bergantung penyekalaan, beberapa
fitur dapat diturunkan dari ketiga fitur tersebut. Contoh dapat dilihat di bawah ini.
 Kebulatan bentuk adalah perbandingan antara luas objek dan kuadrat

perimeter, yang dinyatakan dengan rumus seperti berikut:
A( R)
kebulatan ( R )=4 π (8.5)
P2 ( R)
Hasilnya berupa nilai < 1. Nilai 1 menyatakan bahwa objek R berbentuk

lingkaran. Kadang fitur ini dinamakan kekompakan (Lee dan Chen, 2003).
Contoh dapat dilihat pada Gambar 18.16.
 Fitur alternatif yang menggunakan perbandingan antara luas dan perimeter

dapat dilihat berikut ini (Rangayyan, 2005).
4 πA
cf =1− (8.6)
P2
Berdasarkan rumus di atas, nilai kekompakan berkisar antara 0 sampai

dengan 1. Nilainya berupa nol kalau objek berbentuk lingkaran.
 Kerampingan bentuk adalah perbandingan antara lebar dengan panjang,

yang dinyatakan dengan rumus seperti berikut:
lebar
kerampingan= (8.7)
panjang
dengan panjang adalah panjang objek dan lebar adalah lebar objek. Fitur
ini terkadang disebut sebagai rasio aspek (Wu, dkk., 2007). Dengan
menggunakan fitur ini, objek yang gemuk dan yang kurus dapat dibedakan
(lihat Gambar 8.17).
Gambar 8.16 Kebulatan bentuk membedakan bentuk daun

yang kurus dan yang gemuk
Gambar 8.17 Kerampingan bentuk membedakan bentuk daun

yang kurus dan yang membulat
Berikut adalah contoh fungsi yang digunakan memperoleh kebulatan.

Program : peroleh_kebulatan.m
function rasio = peroleh_kebulatan(BW)

% PEROLEH_KEBULATAN Untuk memperoleh rasio kebulatan milik objek
% yang terdapat pada citra biner BW
p = perim2(BW);
a = luas2(BW);
rasio = 4 * pi * a / (p^2);
Akhir Program
Contoh penggunaan fungsi peroleh_kebulatan:
>> Daun1 = imread('C:\Image\adv.png'); 

>> peroleh_kebulatan(Daun1) 
ans = 0.28708
>> Daun2 = imread('C:\Image\aw.png'); 
>> peroleh_kebulatan(Daun2) 
ans = 0.66130
>>
Adapun contoh berikut menunjukkan implementasi fungsi yang dipakai untuk

menghitung kerampingan objek.
Program : peroleh_kerampingan.m
function rasio = peroleh_kerampingan(BW)

% PEROLEH_KERAMPINGAN Untuk memperoleh rasio kerampingan
% milik objek yang terdapat pada citra biner BW
[panjang, lebar] = peroleh_lebar(BW);
rasio = lebar / panjang;

Akhir Program
Contoh penggunaan fungsi peroleh_kerampingan:

>> peroleh_kerampingan(Daun1) 
ans = 0.14605
>> peroleh_kerampingan(Daun2) 
ans = 0.76921
>>
8.11 Pusat Massa dan Fitur Menggunakan Pusat Massa
Pusat massa atau sentroid (centroid) lazim ditemukan dengan

menggunakan nilai rerata koordinat setiap piksel yang menyusun objek.
Algoritmanya sebagai berikut.
ALGORITMA 8.9 – Estimasi diameter bentuk
Masukan:
Keluaran:
 pusat_x dan pusat_y
1. pusat_x  0
2. pusat_y  0
3. luas  0
4. FOR q = 1 to m
FOR p = 1 to n
IF F(q, p) = 1
luas  luas + 1
pusat_x  pusat_x + p
pusat_y  pusat_y + q
END-IF
END-FOR
END-FOR
5. pusat_x  pusat_x / luas

6. pusat_y  pusat_y / luas
Berikut adalah implementasi untuk memperoleh pusat massa.
Program : centroid.m
function [pusat_x, pusat_y] = centroid(BW)

% CENTROID Untuk memperoleh pusat massa sebuah objek
% yang terletak pada citra biner BW
pusat_x = 0;
pusat_y = 0;
luas = 0;
for q = 1 : tinggi
for p = 1 : lebar
if BW(q, p) == 1
luas = luas + 1;
pusat_x = pusat_x + p;
pusat_y = pusat_y + q;
end
end
end
pusat_x = pusat_x / luas;

pusat_y = pusat_y / luas;
Akhir Program
Contoh penggunaan fungsi centroid:

>> [x, y] = centroid(Daun); 
>> imshow(Daun); 
>> [panjang, lebar] = size(Daun); 
>> line([0 lebar], [round(y) round(y)],’Color’,’b’) 
>> line([round(x) round(x)], [0 panjang],’Color’,’b’) 
>>
Pada contoh di atas, line digunakan untuk membuat garis tegak dan garis datar
yang melewati pusat massa dan berwarna biru. Hasilnya dapat dilihat pada
Gambar 8.18.
Pusat massa
Gambar 8.18 Contoh untuk menunjukkan centroid
Pusat massa banyak digunakan untuk memperoleh fitur lebih lanjut.

Beberapa contoh dapat dilihat di bawah ini.
 Pusat massa untuk memperoleh fitur dispersi (dibahas pada Subbab 8.12).
 Menghitung jarak terpanjang antara pusat massa dan titik dalam kontur
(Dmax).
 Menghitung jarak terpendek antara pusat massa dan titik dalam kontur
(Dmin).
 Menghitung jarak rata-rata antara pusat massa dan titik dalam kontur
(Dmean).
 Histogram jarak antara pusat massa dan titik dalam kontur.
Dmax Dmax Dmin
 Perbandingan: , ,
Dmin Dmean D mean
Contoh program yang memanfaatkan beberapa fitur yang memanfaatkan

pusat massa dapat dilihat di bawah ini.
Program : pusat.m
function [] = pusat(BW)
% PUSAT Contoh untuk menguji beberapa fitur yang
% menggunakan pusat massa. BW = Citra biner
[px, py] = centroid(BW);

U(length(U),:) = []; % Hapus elemen terakhir
rerata = 0;
terkecil = 99999999;
terbesar = 0;
jum_piksel = length(U);
for j = 1 : jum_piksel
panjang = sqrt((U(j,1)-py)^2 + (U(j,2)-px)^2);
rerata = rerata + panjang;
if panjang > terbesar

terbesar = panjang;
end
if panjang < terkecil

terkecil = panjang;
end
end
rerata = rerata / jum_piksel;
terbesar
terkecil
dmaxmin = terbesar / terkecil;
dmaxmean = terbesar / rerata;
dminmean = terkecil / rerata;
disp(sprintf('max/min = %f', dmaxmin));

disp(sprintf('max/mean = %f', dmaxmean));
disp(sprintf('min/mean = %f', dminmean));
Akhir Program
Contoh pemakaian fungsi pusat:

>> pusat(Daun1) 
terbesar = 499.18
terkecil = 64.493
max/min = 7.740069
max/mean = 1.994929
min/mean = 0.257741
>>
>> pusat(Daun2) 
terbesar = 137.58
terkecil = 79.565
max/min = 1.729221
max/mean = 1.399380
min/mean = 0.809255
>>
8.12 Fitur Dispersi
Untuk bentuk yang tidak teratur (atau biasa disebut bentuk tidak kompak),
Nixon dan Aguado (2002) menyarankan penggunaan fitur dispersi. Sebagai
contoh, terdapat tiga bentuk seperti terlihat pada Gambar 8.19. Penggunaan
kekompakan bentuk untuk objek pada Gambar 8.19(c) sebagai diskriminator tidak
tepat. Mereka menyarankan penggunaan dispersi pada bentuk yang tidak teratur,
karena dispersi sangat tepat untuk bentuk seperti itu.
(b) Teratur (c) Teratur

Gambar 8.19 Kekompakan objek pada berbagai bentuk(a) Tidak teratur
Berdasarkan definisi Chen di tahun 1995 (Nixon dan Aguado, 2002),

dispersi (atau juga disebut ketidakteraturan) diukur sebagai perbandingan panjang
chord utama terhadap area objek. Bila dinyatakan dalam rumus berupa seperti
berikut:
2 2
I ( S)=
√
π max ⁡( ( x i− x́ ) + ( yi − ý ) )
(8.8)
A (S)
dengan (x́, ý) adalah titik pusat massa area A(S) dan A(S) sendiri menyatakan luas
objek. Alternatif yang kedua, dispersi dinyatakan sebagai rasio radius maksimum
terhadap radius minimum, yang dinyatakan dengan rumus seperti berikut:
2 2
IR ( S ) =
√
max ⁡( ( x i− x́ ) + ( y i− ý ) )
(8.9)
2 2
min ⁡( √( x − x́ ) + ( y − ý ) )
i i
Fungsi bernama dispersi berikut dapat digunakan untuk memperoleh

fitur kedua dispersi di depan.
Program : dispersi.m
function [d1, d2] = dispersi(BW)

% DISPERSI Contoh untuk menguji beberapa fitur yang
% menggunakan pusat massa. BW = Citra biner
[px, py] = centroid(BW);

U(length(U),:) = []; % Hapus elemen terakhir
rerata = 0;
terkecil = 99999999;
terbesar = 0;
jum_piksel = length(U);
for j = 1 : jum_piksel
panjang = sqrt((U(j,1)-py)^2 + (U(j,2)-px)^2);
rerata = rerata + panjang;
if panjang > terbesar

terbesar = panjang;
end
if panjang < terkecil

terkecil = panjang;
end
end
a = perim2(BW);
d1 = pi * terbesar / a;
d2 = terbesar / terkecil;
Akhir Program
Contoh pemakaian fungsi dispersi:

>> [d1, d2] = dispersi(Daun1) 
d1 = 0.78285
d2 = 7.7401
>> [d1, d2] = dispersi(Daun2) 
d1 = 0.57999
d2 = 1.7292
>>
8.13 Pelabelan Objek
Citra biner seringkali memperlihatkan sejumlah objek. Sebagai contoh,

perhatikan Gambar 8.20. Pada gambar tersebut terdapat 6 objek. Nah, bagaimana
membuat aplikasi yang dapat menghitung jumlah objek? Jawabannya adalah

melalui pelabelan objek.
Gambar 8.20 Citra dengan enam objek
Pelabelan terhadap objek sesungguhnya berupa tindakan untuk

memberikan label yang berbeda (berupa nomor) pada setiap objek.
Pemrosesannya dapat dilaksanakan pada citra biner. Ketentuan yang dilakukan
sebagai berikut:
0 piksel latarbelakang
B ( y , x )=
{ 1 piksel latardepan
2,3 , … label objek
(8.10)
Contoh berikut memberikan gambaran tentang hasil pelabelan citra biner di

Gambar 8.20.
Gambar 8.21 Pelabelan pada citra biner
Objek yang diberi label akan terlihat jelas jika nilai nol dihilangkan. Hal seperti
itu terlihat pada Gambar 8.22.
Gambar 8.22 Objek-objek citra yang telah diberi label

Cara yang umum digunakan untuk melakukan pelabelan adalah melalui

metode pembanjiran (flood filling). Tiga cara untuk melakukan pembanjiran
dibahas oleh Burger & Burge (2008), yaitu sebagai berikut.
 Pembanjiran secara rekursif: Pendekatan ini dapat diterapkan dengan

bahasa pemrograman yang mendukung proses rekursif.
 Pembanjiran melalui Depth-first: Teknik ini memerlukan struktur data
tumpukan untuk melaksanakan pembanjiran.
 Pembanjiran melalui Breadth-first: Teknik ini memerlukan struktur data
antrian untuk melaksanakan pembanjiran.
Secara umum, proses pelabelan dilakukan melalui algoritma berikut.
ALGORITMA 8.10 – Melakukan pelabelan area pada citra

biner
Masukan:
Keluaran:
 g (M, N): Hasil citra yang telah diberi label
1. g  f
2. label  2
3. FOR baris  1 TO M
4. FOR kolom  1 TO N
5. IF g(baris, kolom) = 1
6. banjiri(g, baris, kolom, label)
7. label  label + 1
8. END-IF
9. END-FOR
10. END-FOR
11. RETURN g
Algoritma di atas melibatkan fungsi bernama banjiri. Fungsi tersebut akan

diwujudkan dengan tiga cara.
Dengan menggunakan pendekatan 4-ketetanggaan, pembanjiran secara
rekursif dapat dituangkan dalam bentuk algoritma seperti berikut.
ALGORITMA 8.11 – Pelabelan suatu area secara rekursif
banjiri(f, i, j, label):
Masukan:
 i dan j menyatakan baris dan kolom sebagai biji pembanjiran
terhadap area
 label menyatakan label untuk area
Keluaran:
 f (M, N): Hasil citra yang telah diberi label
1. IF koordinat (i, j) berada dalam citra dan f(i, j) = 1

2. f(i, j)  label
3. banjiri( f, i-1, j, label)
4. banjiri( f, i+1, j, label)
5. banjiri( f, i, j-1, label)
6. banjiri( f, i, j+1, label)
7. END-IF
Perhatikan bahwa fungsi banjiri memanggil empat fungsi banjiri. Keadaan

itulah yang menyatakan bahwa fungsi banjiri adalah fungsi rekursif (fungsi
yang memanggil dirinya sendiri).
Pembanjiran melalui depth-first (mendalam dulu) memiliki algoritma
seperti berikut.
ALGORITMA 8.12 – Pelabelan suatu area dengan pendekatan

mendalam dulu
Masukan:
terhadap area
Keluaran:
1. Menciptakan tumpukan kosong T

2. Menaruh koordinat (i,j) ke tumpukan sebagai biji (push(T, (i,j))
3. WHILE tumpukan T tidak kosong
4. Mengambil sebuah elemen dari tumpukan T ( (y,x)  pop(T))
5. IF koordinat (y, x) berada dalam citra dan f(i, j) = 1
6. f(y, x)  label
7. push(S, (y-1, x))
8. push(S, (y+1, x))
9. push(S, (y, x-1))
10. push(S, (y, x+1))
11. END-IF
12. END-WHILE
Untuk mewujudkan Algoritma 8.12, dibutuhkan struktur data bernama tumpukan

(stack). Di dalam struktur data tumpukan, push berguna untuk memasukkan data
ke dalam tumpukan, sedangkan pop digunakan untuk mengambil data dari
tumpukan. Perlu diketahui, tumpukan adalah struktur data yang mempunyai sifat
LIFO (Last-In First-Out). Artinya, data yang dimasukkan terakhir kali akan
diambil pertama kali.
Adapun algoritma pembanjiran melalui breadth-first (melebar dulu)
berupa seperti berikut.
ALGORITMA 8.13 – Pelabelan suatu area dengan pendekatan melebar

dulu
Masukan:
terhadap area
Keluaran:
1. Menciptakan antrean kosong A

2. Menaruh koordinat (i,j) ke antrean sebagai biji (insert(A, (i,j))
3. WHILE antrean A tidak kosong
Mengambil sebuah elemen dari antrean A ( (y,x)  remove(A))
IF koordinat (y, x) berada dalam citra dan f(i, j) = 1
f(y, x)  label
insert(A, (y-1, x))
insert(A, (y+1, x))
insert(A, (y, x-1))
insert(A, (y, x+1))
END-IF
END-WHILE
4. RETURN f(M,N)
Untuk mewujudkan Algoritma 8.13, dibutuhkan struktur data bernama antrean

(queue). Di dalam struktur data antrean, insert berguna untuk memasukkan
data ke dalam antrean, sedangkan remove digunakan untuk mengambil data dari
antrean. Perlu diketahui, tumpukan adalah struktur data yang mempunyai sifat
FIFO (First-In First-Out). Artinya, data yang dimasukkan pertama kali akan
diambil pertama kali.
Berdasarkan ketiga jenis pendekatan pembanjiran tersebut, Burger &
Burge (2008) menyatakan bahwa hanya pembanjiran melalui breadth-first yang
secara praktis memberikan hasil yang terbaik. Pembanjiran secara rekursif
umumnysnya memiliki kendala terhadap penggunaan tumpukan (stack), yang
biasanya sangat terbatas pada bahasa pemrograman tertentu. Adapun pembanjiran
menggunakan depth-first mempunyai kelemahan pada eksekusi yang sangat lama.
Meski faktanya seperti itu, pembanjiran melalui breadth-first pun memakan waktu
yang sangat lama bila ukuran citra melebihi 50 x 50 piksel dan mengandung objek
yang berbentuk kompleks.
Catatan
Itulah sebabnya, disarankan untuk mempelajari algoritma yang

lain, untuk mendapatkan komputasi yang efisien. Sebagai contoh,
pada Octave dan MATLAB terdapat fungsi bwlabel yang berguna
untuk melakukan pelabelan objek. Kode fungsi tersebut dapat
dipelajari untuk memungkinkan penulisan kode dengan bahasa
pemrograman yang lain.
Sebagai contoh, akan diberikan implementasi algoritma yang

menggunakan pendekatan breadth-first. Kodenya seperti berikut.
Program : labeli.m
function G = labeli(F)
% Memberi label pada area di dalam citra biner F
% dengan menggunakan 4-ketetanggan
% Hasil berupa citra G
% Bentuk Antrean awal

Maks_antre = 50000;
Antrean = cell(Maks_antre,1);
depan = 1;
belakang = 1;
G = double(F); % Agar bisa diisi dengan nilai selain 0 dan 1

[m, n] = size(G);
label = 2;
for i=1 : m
for j=1 : n
if G(i, j) == 1
% Kosongkan antrean
depan = 1;
belakang = 1;
% Bentuk simpul dan masukkan ke dalam antrean

simpul.y = i;
simpul.x = j;
if belakang == Maks_antre
if depan == 1
error('Kapasitas antrian penuh');
else
Antrean{obj.belakang} = simpul;
belakang = 1;
end
else
if belakang + 1 == depan
else
Antrean{belakang} = simpul;
belakang = belakang + 1;
end
end
while belakang ~= depan % Selama antrean tidak kosong

%Ambil dan hapus data pada Antrean
simpul = Antrean{depan};
if depan == 50000
depan = 1;
else
depan = depan + 1;
end
if simpul.x > 0 && simpul.x <= n && ...

simpul.y > 0 && simpul.y <= m && ...
G(simpul.y, simpul.x) == 1
G(simpul.y, simpul.x) = label;
x = simpul.x; y = simpul.y;
simpul.y = y-1; simpul.x = x;

% Sisipkan ke Antrean
if depan == 1
else
belakang = 1;
end
else
else
end
end
simpul.y = y+1; simpul.x = x;

if depan == 1
else
belakang = 1;
end
else
else
end
end
simpul.y = y; simpul.x = x-1;

if depan == 1
else
belakang = 1;
end
else
else
end
end
simpul.y = y; simpul.x = x+1;

if depan == 1
else
belakang = 1;
end
else
else
end
end
end
end
label = label + 1;
end
end
end
Akhir Program
Contoh:
>> A = [
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 1 1 1 1 1 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0
0 1 1 1 1 1 1 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0
0 1 1 1 1 1 1 0 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0
0 1 1 1 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 1 1 0 0 0
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0
0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0
0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 1 1 0 0
0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 1 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ]; 
>> B = labeli(A) 
Hasil B dapat dilihat pada Gambar 8.21.

Latihan
1. Jelaskan bahwa fitur suatu objek dapat diperoleh melalui citra biner.
2. Apa yang dimaksud dengan kontur?
3. Pada CD yang tersedia bersama buku ini terdapat citra gambar bernama fork-
3.gif. Kenakan fungsi tepibiner terhadap citra tersebut untuk memperoleh
tepinya. Perlu diperhatikan, citra tersebut bukan berupa citra biner. Jika
perintah Anda benar, Anda akan memperoleh hasil seperti berikut:
4. Jelaskan perbedaan antara kontur internal dan kontur eksternal.

5. Gambarkan kontur eksternal untuk citra seperti berikut dengan menggunakan:
(a) 4-ketetanggaan
(b) 8-ketetanggaan.
0 0 0 0 0 0 0
\
0 0 0 0 0 0 0
0
0 0 1 1 1 0 0
0 0 1 1 1 1 1
0 0 0 1 1 1 0
0 0 1 1 1 1 0
0 0 1 1 0 1 1
0 0 0 0 0 0 0
6. Apa fungsi algoritma Moore?

7. Berapa kode rantai untuk gambar yang tertera pada soal Nomor 5?
8. Apakah objek dengan ukuran dan bentuk yang sama tetapi mempunyai posisi
yang berbeda (objek yang mengalami translasi) memiliki kode rantai yang
sama? Jelaskan!
9. Apa sebenarnya pengertian perimeter itu?
10. Jelaskan kehadiran √ 2pada Persamaan 8.2.
11. Luas suatu objek dapat diperoleh dengan menghitung jumlah piksel dalam
objek. Tuliskan algoritma untuk menghitung luas dengan cara seperti itu,
dengan asumsi citra berukuran m x n.
12. Pendekatan yang lain untuk menghitung luas suatu objek dilakukan melalui
kode rantai dengan ketentuan seperti berikut.
Kode 0: Area = Area + Y

Kode 1: Area = Area + (Y + 0.5)
Kode 2: Area = Area + 0
Kode 3: Area = Area – (Y + 0,5)
Kode 4: Area = Area - Y
Kode 5: Area = Area – (Y + 0,5)
Kode 6: Area = Area + 0
Kode 7: Area = Area + (Y + 0,5)
Berapakah luas objek yang terdapat pada citra berikut?

0 0 0 0 0 0 0
\
0 0 0 0 0 0 0
0
0 0 1 1 1 0 0
0 0 1 1 1 1 1
0 0 0 1 1 1 1
0 0 1 1 1 1 1
0 0 1 1 0 1 0
0 0 0 0 0 0 0
13. Jelaskan fitur-fitur berikut:

(a) kebulatan
(b) kekompakan
(c) kerampingan
14. Apa yang dimaksud dengan centroid? Apa kegunaannya?

15. Apa yang dimaksud dengan panjang chord utama dalam dispersi? Kalau perlu,
gambarkan.
16. Terdapat citra seperti berikut.
Bagaimana hasil pelabelan atas objek-objek yang terdapat di dalamnya?

PCD-8 Operasi Citra Biner

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PCD-8 Operasi Citra Biner

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB 8

Dengan berakhirnya bab ini, diharapkan pembaca dapat

8.1 Pengantar Operasi Biner

Beberapa pemrosesan citra mengacu pada citra biner. Sebagai contoh,

8.2 Representasi Bentuk

Kontur Area Transformasi

 Kode rantai  Rasio kebulatan  Transformasi

8.3 Ekstraksi Tepi Objek

Gambar 8.2 Piksel dan 8 piksel tetangga

ALGORITMA 8.1 – Memperoleh tepi objek

Algoritma 8.1 mengasumsikan bahwa semua piksel pada kolom

Perwujudan skrip berdasarkan algoritma di depan dapat dilihat berikut ini.

function [G] = tepibiner(F)

[jum_baris, jum_kolom] = size(F);

Contoh penggunaan fungsi tepibiner dapat dilihat di bawah ini.

>> Img = imread('C:\Image\daun_bin.png'); 

Hasilnya ditunjukkan pada Gambar 8.3.

Gambar 8.3 Tepi objek yang diperoleh melalui tepibiner.m

8.4 Mengikuti Kontur

Mengikuti kontur (contour following) merupakan suatu metode yang

Istilah kontur identik dengan batas (boundary). Itulah sebabnya,

Contoh pada Gambar 8.5 menunjukkan cara untuk memperoleh kontur

Label yang digunakan pada penelusuran kontur ditunjukkan pada Gambar

(a) Label tetangga untuk (b) Tetangga berwarna hitam

Penelusuran untuk piksel-piksel berikutnya dilakukan dengan cara yang

Tabel 8.1 Hubungan antara dpc dan dcp

ALGORITMA 8.2 – Mengikuti kontur

1. Cari piksel pertama yang akan dijadikan sebagai kontur

ALGORITMA 8.3: Memperoleh piksel berikutnya pada kontur

cari_piksel_berikutnya(pc , dpc, pb, dcn)

IF adalah_latarbelakang(pE) AND adalah_objek(pI)

ALGORITMA 8.4: Memperoleh piksel berikutnya

cx  bagian x dari pc + XP(d+1);

Implementasi metode “mengikuti kontur” ditunjukkan berikut ini.

function [Kontur] = get_contour(BW)

% Proses rantai kode

% Arah sebelumnya ke sekarang

% Arah sekarang ke sebelumnya

% Peroleh titik awal

% Cari titik awal

% Proses piksel kedua

indeks = 2; % Indeks kedua

% Proses peletakan piksel kedua dan seterusnya

% Cari piksel berikutnya

cxe = Kontur(indeks,2) + XP(de+1);

if (BW(cye, cxe) == 0) && (BW(cyi, cxi) == 1)

Contoh untuk menguji fungsi get_contour:

>> Daun = imread('c:\image\daun_bin.png'); 

>> for p=1:length(C) 

digunakan untuk membuat matriks D yang sesuai dengan nilai-nilai koordinat

Gambar 8.7 Gambar kontur yang diperoleh

8.5 Kontur Internal

ALGORITMA 8.5 – Memperoleh kontur internal dengan

1. Dapatkan piksel terkiri dan teratas yang bernilai 1.

Implementasi algoritma Moore ditunjukkan berikut ini.

function [Kontur] = inbound_tracing(BW)

[jum_baris, jum_kolom] = size(BW);

% Peroleh piksel awal

% Periksa 8 tetangga dan cari piksel pertama yang bernilai 1

n = 2; % Jumlah piksel dalam kontur

% Ulang sampai berakhir

% Kondisi pengakhir pengulangan

if (b.y == b0.y) && (b.x == b0.x)