Anda di halaman 1dari 20

Pengolahan Citra Digital

I Gusti Ngurah Winanda Wijaksana (1091761004)


I Gd. Agus Sucipta (1091761005)

MORPHOLOGI
1

Morphologi adalah teknik pengolahan citra digital dengan menggunakan bentuk


(shape) sebagai pedoman dalam pengolahan. Nilai dari setiap pixel dalam citra digital hasil
diperoleh melalui proses perbandingan antara pixel yang bersesuaian pada citra digital
masukan dengan pixel tetangganya. Operasi morphologi bergantung pada urutan
kemunculan dari pixel, tidak memperhatikan nilai numeric dari pixel sehingga teknik
morphologi sesuai apabila digunakan untuk melakukan pengolahan binary image dan
grayscale image.
Dengan mengatur atau memilih ukuran dan bentuk dari matrik kernel (structuring
element) yang digunakan maka kitadapat mengatur sensitivitas operasi morphologi terhadap
bentuk tertentu (spesifik) pada citra digital masukan. Operasimorphologi standar yang
dilakukan adalah proses erosi dan dilatasi. Dilatasi adalah proses penambahan pixel pada
batasdari suatu objek pada citra digital masukan, sedangkan erosi adalah proses
pemindahan/pengurangan pixel pada batasdari suatu objek. Jumlah pixel yang ditambahkan
atau yang dihilangkan dari batas objek pada citra digital masukantergantung pada ukuran
dan bentuk dari structuring element yang digunakan.
Perbedaan antara pemrosesan citra secara morfologis dengan pemrosesan biasa yaitu
terletak pada sudut pandang dari sebuah citra, pemrosesan biasa memandang sebuah citra
sebagai suatu fungsi intensitas terhadap posisi (x,y), sedangkan dengan pendekatan
morfologi memandang suatu citra sebagai himpunan.Pemrosesan citra secara morfologi
biasanya dilakukan terhadap citra biner (hanya terdiri dari 0 dan 1), walaupun tidak menutup
kemungkinan dilakukan terhadap citra dengan skala keabuan 0-255
Contoh citra masukan :

S = {(0,0),(0,1),(1,0)}
A = {(0,0),(0,1),(0,2),
(1,0),(1,1),(1,2),
(2,0),(2,1),(2,2)}
S A

Objek S dan A dapat direpresentasikan dalam bentuk himpunan dari posisi-posisi (x,y) yang
bernilai 1 (1=hitam/abu-abu, 0 = putih)
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

Secara umum, pemrosesan citra secara morfologi dilakukan dengan cara mem-passing
2
sebuah structuring element terhadap sebuah citra dengan cara yang hampir sama dengan
konvolusi.Structuring element dapat diibaratkan dengan mask pada pemrosesan citra biasa
(bukan secara morfologi).
Beberapa operasi morfologi yang dapat kita lakukan adalah:
 Dilasi, Erosi
 Opening, Closing
 Thinning, shrinking, pruning, thickening, skeletonizing
 dll.
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

IMAGE-THINNING
3

1. Skeletonizing-Thinning
Pada dasarnya, proses skeletonizing dapat disamakan dengan proses thinning. Ada
beberapa sumber yang menyamakan kedua istilah tersebut. Sementara beberapa sumber
yang lainnya menyatakan bahwa thinning adalah salah satu metode yang dipakai dalam
melakukan skeletonizing (thinning adalah bagian dari skeletonizing). Akan tetapi untuk
mempermudah pembahasanmaka pada makalah ini, kami menggunakan persepsi bahwa arti
istilah “skeletonizing” adalah sama dengan istilah “thinning” untuk melakukan pembahasan
mengenai topik “thinning” ini.
Skeletonizinguntuk selanjutnya akan digunakan istilah “thinning” merupakan salah
satu pemrosesan citra (imageprocessing) yang digunakan untuk hal berikut.
a. Mengurangi suatu daerah (region) menjadi suatu grafik/kurva dengan memperoleh
kerangka (skeleton) dari daerah tersebut. Dengan demikian, image tersebut
ditransformasikan menjadi bentuk struktural.
b. Mengurangi suatu daerah yang tebal atau bergumpal menjadi unit-unit dengan pixel-
pixel tunggal. Dengan demikian, image tersebut ditransformasikan menjadi garis-garis
pixel.
Kedua butir di atas (a dan b) sebenarnya memiliki inti yang sama, yang secara umum
dapat disimpulkan sebagai berikut:
Thinning merupakan salah satu imageprocessing yang digunakan untuk mengurangi ukuran
dari suatu image (imagesize) dengan tetap mempertahankan informasi dan karakteristik
penting dari image tersebut. Hal ini diimplementasikan dengan mengubah image awal
dengan pola binary menjadi representasi kerangka (skeletal representation) image tersebut.
Thinning merupakan tahapan yang penting dalam proses imageprocessing. Hal ini
dikarenakan prosedur thinning memainkan peranan yang penting dalam suatu ruang
lingkup yang luas dari masalah yang timbul dalam imageprocessing. Ruang lingkup
tersebut dapat bermula dari pengawasan otomatis dari sirkuit yang dicetak sampai pada
penghitungan serat-serat asbes dalam penyaring udara.
Representasi kerangka dari suatu imagehasil dari proses thinningmemiliki sejumlah
sifat dan ciri-ciri yang bermanfaat, diantaranya ukurannya yang kecil (karena pengurangan
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

jumlah data dalam jumlah yang besar) dan pertahanan komponen struktur utama dari pola
4
tersebut (komponen-komponen tersebut dapat digunakan pada saat penganalisaan bentuk).

2. Metodologi Image-Thinning
Metodologi dari thinning diartikan sebagai algoritma-algoritma atau prosedur-
prosedur yang dapat digunakan untuk melakukan proses thinning tersebut. Suatu metode
(algoritma/prosedur) thinning yang baik seharusnya melindungi dan mempertahankan
topologi, panjang, dan orientasi dari image yang di-thinning. Sementara itu, hasil proses
thinning (skeletal representation) seharusnya mampu merepresentasikan fitur-fitur utama
seperti penggabungan, pojok (sudut), dan titik akhir.
Secara umum, image-thinning berguna untuk mengurangi tresholded citra output yang
dihasilkan dari edge detector, menjadi garis dengan ukuran ketebalan satu pixel saja. Untuk
mewujudkan kegunaan ini, terdapat algoritma sederhana yang dapat diaplikasikan, yakni
sebagai berikut:
Umpamakan semua piksel pada batas-batas daerah foreground (contohnya titik-titik
pada foreground hanya memiliki satu background neighbour. Hapus semua titik yang
memiliki foreground neighbour lebih dari satu. Lakukan berulang-ulang sampai konvergen.

Atau dengan rumus sederhana:thin (i, j) = i – hit -dan-miss (i, j)

Algoritma ini tidak bisa memberikan efek pada pixel-pixel di akhir garis. Cara ini
dapat disempurnakan dengan cara melakukan hit-dan-miss dengan struktur elemen yang
dirotasikan 900. Namun, selain dari algoritma sederhana di atas, masih terdapat beberapa
jenis metodologi dari image-thinning yang diklasifikasikan sebagai berikut:
a. berdasarkan tipe image yang akan dilakukan proses thinning.
1. Binary ImageAlgorithm
2. Gray-scaleImageAlgorithm
b. berdasarkan unsur-unsur image yang dipertimbangkan untuk melakukan proses
thinning.
1. Local Algorithm
2. Non-localAlgorithm
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

c. berdasarkan algortima matematika yang diterapkan dan hasil proses thinning yang
5
dihasilkan.
1. Stentiford thinningAlgorithm
2. Zhang SuenthinningAlgorithm
3. SimpleEdge DetectionthinningAlgorithm
4. CannyEdge DetectionthinningAlgorithm
5. Combination
Dari tiga klassifikasi di atas, kami lebih menekankan proses thinning dengan
metodologi berdasarkan tipe image (yakni Binary ImageAlgorithm dan Gray-
scaleImageAlgorithm). Oleh karena itu, dalam makalah ini, kami akan membahas lebih
mendetil mengenai kedua algoritma tersebut. Selain itu, kami juga akan memperlihatkan
hasil proses thinning suatu image dengan mengimplementasikan kedua algoritma tersebut.
Adapun penjelasan dari tiap klasifikasi metodologi di atas adalah sebagai berikut:
A. Berdasarkan tipe image yang akan dilakukan proses thinning.
 Binary Image Algorithm
Seperti halnya operator morfologi lainnya, operasi thinning dipengaruhi oleh suatu
struktur elemen. Struktur elemen biner yang digunakan dalam thinning adalah
transformasi hit-dan-miss. (Mengenai struktur elemen dan transformasi hit-dan-miss
akan dibahas pada bagian berikutnya).Proses thinning dari suatu image i, dengan
struktur elemen j, adalah:
thin (i, j) = i – hit -dan-miss (i, j)
dimana subtraksi (pengurangan) yang dilakukan disini adalah substraksi logik yang
didefinisikan sebagai X-Y = X ¿ NOT Y

 Gray-scaleImageAlgorithm
Gray-scale Thinning Algorithm diimplementasikan berdasarkan analisa binary image.
Hal ini menyatakan bahwa untuk melakukan proses thinning pada gray-scale image,
hal pertama yang harus dilakukan adalah meng-convertgray-scale image tersebut
menjadi binary image terlebih dahulu. Proses ini dikenal dengan proses theresholding.
Setelah itu, baru dapat dilakukan proses thinning sama seperti proses thinning pada
binary image yang telah dijelaskan pada bagian sebelumnya. Dengan demikian:
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

gray-scale image algorithm = (gray-scale image convert to binary


6
imagetheresholding) + binary image algorithm
Dengan pendekatan ini(theresholding), algoritma penerapan thinning pada sebuah citra
gray-scale menjadi tidak jauh berbeda dengan penerapannya pada citra biner. Yang
membedakan keduanya hanyalah adanya proses thresholding pada tahap awal thinning
untuk terlebih dahulu mengubah citra gray-scale tersebut menjadi sebuah citra biner.
Pada proses thresholding, ditetapkan suatu nilai batas / ambang, dimana elemen-
elemen (piksel) pada citra yang nilainya lebih kecil daripada nilai batas tersebut
‘dimatikan’, dan elemen-elemen lainnya dianggap ‘menyala’, dan keduanya diubah
nilainya sesuai statusnya (seperti dijelaskan pada bagian sebelumnya, kedua status ini
hanya memiliki dua kemungkinan nilai, yaitu 0 atau 1).
Proses ini juga diterapkan dalam proses thinning citra berwarna, dengan terlebih
dahulu mengubah citra berwarna (RGB) tersebut menjadi citra gray-scale. Hal ini
dapat dilakukan dengan cara mengganti nilai setiap elemen dari citra berwarna dengan
nilai rata-rata komponen merah, hijau, dan biru dari elemen tersebut.
Prinsip algoritma gray-scale thinning:
Kebanyakan gray-scale thinning algorithm dibangun untuk meng-extract objek dan
menipiskannya untuk memisahkan dari image background. Berikut adalah algoritma
thinning untuk gray-scale image:

1. Layer Processing
Dalam hal ini kita anggap bahwa gray-scale image sebagai suatu set of layer dan
proses dari setiap layer adalah binary image. Jika seluruh layer diproses secara
sequential dari atas ke bawah maka hasil dari pemrosesan layer terakhir akan
berkorespondensi terhadap pemrosesan seluruh gray-scale image.

2. Image Iteration
Imagethinning terdiri dari 4 standard iterasi yaitu:
a. Utara
b. Selatan
c. Timur
d. Barat
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

3. Pixel Processing
7
Selama pixelprocessing, kita melakukan dua operasi utama yaitu: pixelanalysis
(bagaimana menganalisa pixel dan tetangganya) dan pixel value changing (bagaimana
mengubah central pixel value).
 PixelAnalysis
Thinning algorithm terdiri dari:
a. utara
b. selatan
c. timur
d. barat.
Kita gunakan kondisi berikut untuk iterasi. Pixel diubah jika terjadi kondisi berikut:

pi adalah 8 tetangga

Tergantung dari sejumlah tetangganya, pixel yang menghasilkan gray skeleton masing-
masing dikelompokkan sebagai end points, normal points dan branch points. End
points dan branch points disebut feature point. Himpunan bagian dari skeleton yang
dibatasi oleh feature points disebut dengan skeleton branch. Jika skeleton branch
termasuk dalam end point maka itu disebut open branch, sedangkan yang lain disebut
dengan closed branch. Ketika pixelanalysis telah dilakukan, nilainya sebaiknya
diubah, ini dapat dilakukan secara sequential maupun pararel.

 PixelChanging
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

Dalam bentuk ini, citra diproses dari layer dengan nilai maksimal ke yang lebih
8
minimal. Pixel untuk masing-masing layer memiliki lebih dari sebuah ambang yang
ditentukan sebagi skeleton pixel, selain itu pixel ini termasuk dari background.
Algorithma ini menghasilkan kualitas skeleton/kerangka yang bagus. Hasilnya bisa
dilhat sebagai berikut:

Pixel changing in parallel layer processing

Pendekatan ini didasarkan pada proses yang secara serempak pada seluruh image
latyer. Dalam kasus ini, pixel yang memenuhi kondisi diatas menurun 1. Hal ini
menyebabkan penghilangan edge pixel dari setiap iterasi. Pengulangan dari iterasi ini,
menghasilkan penurunan lapisan-lapisan ketika ini bukan skeleton element. Efek ini
datang dari perbedaan kecepatan thinninglayer. Hasilnya bisa dilihat sebagai berikut:
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

4. Skeleton binarisation
9
Pengubahan kerangka dalam bentuk binary dilakukan dalam satu image scan. Jika
pixel yang dianalisa minimal memiliki satu dari empat neighbours-nya (p0, p2, p4,
p6) dengan nilai kurang dari nilai gray masing-masing atau seluruh 8 tetangganya
adalah kurang dari nilai gray nya, maka nilai binernya berubah menjadi 1 atau berubah
menjadi 0.

B. Berdasarkan unsur-unsur image yang dipertimbangkan untuk melakukan proses


thinning.
Local-algorithm merupakan metode, yang dalam implementasinya, hanya
mempertimbangkan jendela ketetanggaan yang kecil dari suatu pixel. Selanjutnya,
berdasarkan pandangan yang terbatas tersebut, algoritma ini akan memutuskan
keberadaan dari pixel tersebut (apakah pixel tersebut dibuang atau dipertahankan).
Sebagian besar dari metodologi (algoritma) dalam melakukan proses thinning, dapat
dikategorikan sebagai local-algorithm ini.
Sementara itu, dalam non-local algorithm, unsur-unsur yang dipertimbangkan
mencakup ruang lingkup yang lebih luas. Adapun ciri khas dari pengimplementasian
metodologi non-local ini adalah sebagai berikut:
a. secara khusus mengkomputasi suatu representasi kerangka dari suatu kontur atau
run-length encoding dari suatu image;
b. mengaplikasikan suatu kombinasi dari informasi kerangka dan kontur;
c. mempertimbangkan jendela ketetanggaan dari suatu pixel dalam memutuskan
keberadaan dari pixel tersebut;
d. mengaplikasikan suatu representasi grafik/ kurva.

C. Berdasarkan algortima matematika yang diterapkan dan hasil proses thinning


yang dihasilkan.
Stentiford dan Zhang Suen thinningAlgorithm sama-sama menghasilkan garis-garis
pixel pada pusat dari suatu daerah yang tebal (image yang akan diterapkan proses
thinning).
Stentiford thinningAlgorithm merupakan metode yang cenderung menghasilkan
garis-garis yang mengikuti (sesuai dengan) kurva dengan baik, sehingga menghasilkan
vektor-vektor yang secara akurat merefleksikan suatu image asli.
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

Zhang Suen thinningAlgorithm merupakan metode yang cenderung memiliki kinerja


10
yang lebih baik pada saat mengektrak garis-garis lurus dari suatu raster, sehingga
dapat menghasilkan vektor-vektor yang bermanfaat dari suatu image asli. Vektor-
vektor tersebut secara utama terdiri dari garis-garis lurus.
Simple dan CannyEdge DetectionthinningAlgorithm menghasilkan garis-garis pixel
pada ujung (tepi) dari suatu daerah yang tebal. Simple dan CannyEdge
DetectionthinningAlgorithm sama-sama merupakan metode yang melakukan deteksi
terhadap ujung (tepi) dari suatu image. Secara prinsip, kedua metode ini memiliki
persamaan-persamaan dalam melakukan proses thinning.
Adapun beberapa persamaan tersebut antara lain:
1. Kedua Edge DetectionthinningAlgorithm ini sama-sama merupakan metode yang
melakukan proses thinning dengan terlebih dahulu mencari ujung (tepi) dari suatu
obyek.
2. Kedua Edge DetectionthinningAlgorithm ini sama-sama sangat berguna dan
sesuai untuk diterapkan pada image fotografik atau image yang terdiri dari daerah
padat (tebal), dimana kita hanya ingin meng-vektor-kan garis besar (sketsa) dari
image tersebut.
3. Kedua Edge DetectionthinningAlgorithm ini sama-sama memiliki kinerja terbaik
ketika diimplementasikan pada image yang memiliki tepi dengan perbedaan yang
tinggi.
4. Kedua Edge DetectionthinningAlgorithm ini sama-sama—pada saat implementasi
—tidak melakukan proses thinning pada suatu image secara penuh. Hal ini
mengakibatkan kita perlu melakukan metode lainnya (Stentiford, Zhang Suen,
atau kombinasi thinningAlgorithm)—setelah melakukan metode Edge Detection
—untuk dapat melengkapi proses thinning pada image tersebut.
Sementara perbedaan kedua metode Edge Detection ini antara lain adalah:
1. CannyEdge DetectionthinningAlgorithm memerlukan tambahan memory saat
melakukan proses thinning, sementara metode Simple tidak memerlukannya.
Metode Canny menggunakan memory dalam jumlah yang besar selama
pemrosesan, sehingga metode ini tidak sesuai untuk raster1 yang sangat besar
atau keadaan dimana ukuran memory kecil.
2. CannyEdge DetectionthinningAlgorithm menerapkan lebih banyak operasi
matematikam dibandingkan metode Simple dan mempunyai setting optional yang
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

dapat meningkatkan hasil thinning. (metode Canny jauh lebih rumit dibandingkan
11
metode Simple).
Combination thinning algorithm menggunakan beberapa teori dari metode Stentiford
dan Zhang Suen. Metode ini cenderung lebih baik diimplementasikan pada sudut yang
bersiku-siku dibandingkan metode Steintiford dan Zhang Suen, dengan tetap
mempertahankan pengenalan garis lurus yang baik dan kurva yang halus. Metode
thinning ini akan memperpendek beberapa garis, yang mungkin akan kurang
mendukung untuk citra-citra tertentu.

Ada beberapa komponen penting yang perlu diketahui dan dipahamai dalam
melakukan proses thinning, seperti struktur elemen (kernel) dan tranformasi hit-dan-miss
(hit-and-miss
transformation).
A. Struktur elemen
Struktur elemen atau biasa disebut sebagai kernel, berisi pola yang mengkhususkan
koordinat dari beberapa titik yang memiliki relatifitas yang sama ke suatu pusat (origin).
Biasanya direpresentasikan menggunakan koordinat kartesian untuk setiap elemensebagai
kotak-kotak kecil. Contoh berbagai ukuran dari beberapa struktur elemen:

Origin tidak perlu harus di tengah, namun biasanya di tengah.


Struktur elemen dengan ukuran 3 x 3 adalah yang paling banyak digunakan.
Setiap titik bisa memiliki nilai. Umumnya untuk mengoperasikan suatu binary image seperti
erosion, keseluruhan element hanya memiliki sebuah nilai, yaitu 1 (satu). Pada thinning atau
grayscalemorphological operations dapat memiliki nilai yang lain.
Pada kotak-kotak yang kosong, yang artinya tidak memiliki nilai, biasanya dire-
presentasikan dengan menggunakan 0 (nol).
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

Ketika morphological operation dilakukan, origin dari structuring elements diposisikan


12
pada setiap pixel pada citra input, lalu nilai dari structuring elements yang bersesuaian
dibandingkan dengan nilai dari pixel citra. Detil dari perbandingan ini dan efeknya
tergantung dari jenis operator, pada hal ini adalah structuring elements yang digunakan.

B. Transformasi hit -dan-miss


Transformasi hit-dan-miss adalah operasi morfologi yang umum yang dapat digunakan
untuk memisahkan pola pixel-pixel foreground dan background pada suatu citra.
Operasi hit -dan-miss dilakukan dengan mentranslasikan struktur elemen ke seluruh pixel
pada citra, kemudian membandingkan struktur elemen dengan pixel dari citra di bawahnya.
Jika pixel-pixelforeground dan background pada struktur elemen cocok (match) dengan
pixel-pixelforeground dan background pada citra, maka pixel yang berada di bawah struktur
elemen di-set menjadi warna foreground. Jika tidak cocok, maka pixel tersebut dijadikan
warna background. Pixelforeground dinyatakan dengan angka 1 dan pixelbackground
dinyatakan dengan angka 0.

Contoh: struktur elemen berikut:

dapat digunakan untuk menemukan posisi sudut kanan (right angle convex corner) dari
suatu citra. Untuk dapat menemukan semua sudut dalam citra biner, kita harus melakukan
transformasi hit-dan-miss sebanyak empat kali dengan empat elemen berbeda yang
merepresentasikan empat jenis sudut yang ditemukan dalam citra biner tersebut. Empat
bentuk elemen tersebut adalah:
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

13

Setelah menemukan lokasi dari setiap orientasi sudut, kita kemudian melakukan operasi OR
dari semua citra untuk mendapat hasil akhir yang menunjukkan lokasi dari semua sudut
kanan pada orientasi apapun.
Citra dibawah ini menunjukkan proses hit-dan-miss yang dilakukan pada suatu citra biner
sederhana.

3. Contoh Hasil Algoritma Binary Image dan Gray-Scale Image


A. Citra Biner
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

Tahap 1. Citra biner Tahap 2. Citra setelah proses


14
thinning
B. Citra Gray-scale

Tahap 1. Citra Grayscale sebuah sirkuit Tahap 2. Citra yang sudah di-threshold
dengan ambang threshold = 200

Tahap 3. Citra hasil setelah dilakukan proses thinning


Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

15

II. IMAGE-THICKENING

Penebalan adalah operasi morfologis yang digunakan untuk menumbuhkan (grow)


daerah terpilih dari piksel foreground dalam gambar biner, agak mirip seperti dilatasi atau
menutup. Ini memiliki beberapa aplikasi, termasuk menetapkan convex hull perkiraan
bentuk, dan menentukan kerangka dengan zona pengaruh. Penebalan biasanya hanya
diterapkan pada gambar biner dan menghasilkan gambar biner lain sebagai output.
Seperti operator morfologi lain, perilaku operasi penebalan ditentukan oleh elemen
struktur. Elemen-elemen struktur biner digunakan untuk penebalan adalah dari jenis
diperpanjang dijelaskan di bawah hit-dan-miss transform (yaitu mereka dapat berisi baik
satu dan nol).
Operasi penebalan berkaitan dengan hit-dan-miss transform dan dapat dinyatakan
cukup sederhana dalam hal itu. Penebalan gambar dengan elemen penataan J adalah:

Jadi penebalan gambar terdiri dari gambar asli ditambah piksel foreground tambahan
dihidupkan oleh hit-dan-miss transform.
Dalam istilah sehari-hari, penebalan operasi dihitung dengan menerjemahkan asal dari
elemen struktur untuk setiap posisi piksel dalam gambar, dan pada posisi masing-masing
dibandingkan dengan pixel gambar yang mendasarinya. Jika piksel latar depan (foreground)
dan latar belakang yang persis elemen struktur yang sama dengan latar depan pixel dan
gambar latar belakang, piksel gambar di bawah pengaturan asli dari elemen diatur ke latar
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

depan (satu). Jika dibiarkan tidak berubah. Perhatikan bahwa struktur elemen selalu harus
16
memiliki nol atau kosong dalam asal-usulnya jika memiliki efek apapun.
Pilihan elemen penataan menentukan dalam keadaan apa piksel latar belakang akan
berangkat, dan karena itu menentukan aplikasi untuk operasi penebalan.
Kami telah menggambarkan efek dari single pass dari operasi penebalan di atas
gambar. Bahkan, operator biasanya diterapkan berulang kali sampai tidak menyebabkan
perubahan selanjutnya ke gambar (yaitu sampai konvergensi). Atau, dalam beberapa
aplikasi, operasi hanya dapat diterapkan untuk sejumlah iterasi.
Penebalan adalah ganda menipis, yaitu penipisan latar depan setara dengan
penebalan latar belakang. Bahkan, dalam banyak kasus penebalan dilakukan oleh menipis
latar belakang.
Kami akan menggambarkan penebalan dengan dua aplikasi, menentukan convex
hull, dan menemukan kerangka dengan zona pengaruh atau SKIZ.
Convex hull berbentuk biner dapat dilihat dengan mudah oleh peregangan
membayangkan sebuah pita elastis di sekitar citra. Band elastis akan mengikuti bentuk
kontur cembung, tetapi akan `jembatan 'kontur cekung. Bentuk yang dihasilkan tidak akan
memiliki concavities dan berisi bentuk asli. Di mana gambar berisi beberapa bentuk
terputus, algoritma convex hull akan menentukan convex hull setiap bentuk, tapi tidak akan
terhubung bentuk terputus, kecuali hulls cembung mereka terjadi tumpang tindih (misalnya
dua bertautan `U'-bentuk).
Sebuah convex hull perkiraan dapat dihitung dengan menggunakan penebalan
dengan elemen struktur yang ditunjukkan pada Gambar 2.1 Convex hull dihitung
menggunakan metode ini sebenarnya pendekatan `45 ° convex hull ', di mana batas-batas
convex hull harus memiliki orientasi yang kelipatan 45 °. Perhatikan bahwa perhitungan ini
bisa sangat lambat.

Gambar 2.1 Penataan elemen untuk menentukan convex


hull menggunakan penebalan.
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

Pada setiap iterasi penebalan tersebut, setiap elemen harus digunakan secara
17
bergantian, dan kemudian di masing-masing diputar 90 ° , memberikan 8 elemen struktur
yang efektif secara total. Penebalan dilanjutkan sampai tidak ada perubahan lebih lanjut
terjadi, di mana titik convex hull selesai.

Gambar berikut ini

adalah gambar yang berisi sejumlah objek biner berbentuk salib. Penerapan algoritma
convex hull 45 ° yang dijelaskan di atas manghasilkan seperti dibawah :

Proses ini mengambil cukup banyak waktu - lebih dari 100 melewati penebalan
dengan masing-masing dari delapan elemen struktur!
Penerapan lain dari penebalan adalah untuk menentukan kerangka zona pengaruh,
atau SKIZ. The SKIZ adalah struktur kerangka yang membagi sebuah gambar menjadi
bagian-bagian, masing-masing berisi hanya salah satu objek yang berbeda dalam gambar.
Batas-batas ditarik sedemikian rupa sehingga semua titik dalam batas tertentu lebih dekat ke
objek biner yang terkandung dalam batas-batas dari yang lain. Seperti dengan kerangka
normal, berbagai metrik jarak yang dapat digunakan. Para SKIZ juga kadang-kadang
disebut diagram Voronoi.
Salah satu metode untuk menghitung SKIZ adalah untuk pertama menentukan
kerangka latar belakang, dan kemudian prune ini sampai konvergensi untuk menghapus
semua cabang kecuali yang membentuk loop tertutup, atau mereka memotong batas gambar.
Kedua konsep-konsep ini dijelaskan (diterapkan pada objek latar depan) di bawah menipis.
Karena penebalan adalah ganda menipis, kita dapat mencapai hal yang sama menggunakan
penebalan. Elemen-elemen struktur yang digunakan dalam dua proses diperlihatkan pada
Gambar 2.2
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

18

Gambar 2 2 Penataan Elemen yang digunakan dalam menentukan SKIZ. 1a dan 1b


digunakan untuk melakukan skeletonization latar belakang. Perhatikan bahwa elemen ini
hanya duals dari skeletonization terkait dengan menipisnya elemen. Pada setiap iterasi
penebalan, setiap elemen digunakan pada gilirannya, dan dalam setiap 90 perusahaan °
rotasi. Penebalan dilanjutkan sampai konvergensi. Bila ini selesai, penataan elemen 2a dan
2b digunakan dalam cara yang sama untuk memangkas kerangka sampai konvergensi dan
meninggalkan di belakang SKIZ.

Kami menggambarkan SKIZ menggunakan gambar awal yang sama seperti untuk convex
hull.

menampilkan foto setelah kerangka latar belakang ditemukan.

Karena SKIZ menganggap masing-masing pixel foreground sebagai objek yang akan
menetapkan zona pengaruh, itu agak sensitif terhadap noise. Jika kita, misalnya,
menambahkan beberapa noise `garam 'dengan gambar di atas, kita mendapatkan
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

19
Gambar hasil dari SKIZ sebagai berikut :

Sekarang, kita tidak hanya memiliki zona pengaruh untuk setiap salib, tetapi juga untuk
masing-masing poin noise.
Karena penebalan adalah ganda (dual) untuk menipis, dapat diterapkan untuk rentang yang
sama tugas seperti menipis. Operator yang digunakan tergantung pada polaritas gambar,
yaitu jika objek diwakili dalam hitam dan latar belakang adalah putih, tipis operator
penebalan objek.

Referensi

A.Nedzved’, S.Ablameyko. Morphological segmentation of histology cell images. Diakses


dari http://poseidon.csd.auth.gr/papers/PUBLISHED/CONFERENCE/pdf/ Nedzved00a.pdf.
Diakses pada tanggal 15 Maret 2011.

Hoffman, Mark E. Image thinning approach uses most prominent ridge line.
Diakses dari http://www.spie.org/web/oer/november/nov98/eitg.html. Diakses pada tanggal
15 Maret 2011.

Fisher,Bob, Simon Perkins, Ashley Walker dan Erik Wolfart. Thinning. Diakses dari
http://www.cee.hw.ac.uk/hipr/html/thin.html. Diakses pada tanggal 15 Maret 2011.

Anonim. Open GL Image Processing Source Code. . Diakses dari http://www.newcyber-


3d.com/world/products/en_nc03.htm. Diakses pada tanggal 15 Maret 2011.
Pengolahan Citra Digital
I Gusti Ngurah Winanda Wijaksana (1091761004)
I Gd. Agus Sucipta (1091761005)

R. Fisher, S. Perkins, A. Walker and E. Wolfart. Diakses dari


20
http://homepages.inf.ed.ac.uk/rbf/HIPR2/thick.htm. Diakses pada tanggal 16 Maret 2011.

Anda mungkin juga menyukai