Scribd
Unggah
46 tayangan5 halaman

Tugas Thresholding

Thresholding adalah proses mengubah citra berderajat keabuan menjadi citra biner dengan menentukan nilai ambang untuk memisahkan obyek dan latar belakang. Terdapat beberapa style thresholding seperti binary, binary inverse, truncate, dan tozero. Thresholding adaptif menggunakan nilai ambang lokal yang dihitung berdasarkan statistika pixel tetangga untuk hasil yang lebih baik pada citra dengan iluminasi bervariasi.

Diunggah oleh

Neno fani Aplikasi
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
46 tayangan5 halaman

Tugas Thresholding

Thresholding adalah proses mengubah citra berderajat keabuan menjadi citra biner dengan menentukan nilai ambang untuk memisahkan obyek dan latar belakang. Terdapat beberapa style thresholding seperti binary, binary inverse, truncate, dan tozero. Thresholding adaptif menggunakan nilai ambang lokal yang dihitung berdasarkan statistika pixel tetangga untuk hasil yang lebih baik pada citra dengan iluminasi bervariasi.

Diunggah oleh

Neno fani Aplikasi
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd

IMAGE SEGMENTATION (THRESHOLDING)

Untuk memenuhi tugas mata kuliah Pengolahan Citra


Yang diampu oleh Bapak Dr. Heru Wahyu Herwanto , S.T., M.Kom

Oleh:
Neno Fani Safrida 200533628029
S1 PTI’20 OFF B

UNIVERSITAS NEGERI MALANG


FAKULTAS TEKNIK
DEPARTEMEN TEKNIK ELEKTRO
PRODI S1 PENDIDIKAN TEKNIK INFORMATIKA
NOVEMBER 2022
A. Dasar Teori
Thresholding adalah proses mengubah citra berderajat keabuan menjadi citra biner
atau hitam putih sehingga dapat diketahui daerah mana yang termasuk obyek dan
background dari citra secara jelas. Citra hasil thresholding biasanya digunakan lebih lanjut
untuk proses pengenalan obyek serta ekstraksi fitur.
Fungsi yang digunakan adalah cv2.threshold. Yang pertama kita lakukan adalah
sumber gambar yang akan diubah menjadi gambar grayscale. Kedua adalah nilai ambang
(threshold) yang digunakan untuk mengklasifikasikan nilai-nilai pixel. Ketiga adalah
maxVal yang mewakili nilai yang akan diberikan jika nilai piksel lebih dari atau kurang
dari nilai ambang. OpenCV menyediakan berbagai style thresholding antara lain :
- cv2.THRESH_BINARY
- cv2.THRESH_BINARY_INV
- cv2.THRESH_TRUNC
- cv2.THRESH_TOZERO

B. Penerapan dalam Coding


Berikut penerapan code style thresholding yang disediakan oleh OpenCV :
 Hasil

 Penjelasan
1. cv2.THRESH_BINARY: Jika intensitas piksel lebih besar dari ambang batas
yang ditetapkan, nilai ditetapkan ke 255, jika tidak diatur ke 0 (hitam).
2. cv2.THRESH_BINARY_INV: Kasus Terbalik atau Berlawanan dari
cv2.THRESH_BINARY.
3. cv.THRESH_TRUNC: Jika nilai intensitas piksel lebih besar dari ambang batas,
itu akandipotong ke ambang batas. Nilai piksel ditetapkan sama dengan ambang
batas. Semua nilailainnya tetap sama.
4. cv.THRESH_TOZERO: Intensitas piksel disetel ke 0, untuk semua intensitas
piksel, kurangdari nilai ambang batas.

C. Adaptive Thresholding
Merupakan peng-ambangan menggunakan nilai ambang lokal, yang dihitung secara
adaptif berdasarkan statistika piksel-piksel tetangga. Nilai threshold ditentukan
berdasarkan nilai pixel tetangga pada “window” dengan ukuran tertentu. Nilai threshold
untuk setiap “window” dapat berbeda-beda (adaptive). Algoritma penentuan threshold
dapat berupa rerata (mean), Max-min, Nilai tengah (median), dll.
Dengan menggunakan thresholding adaptif, kita mendapatkan batasan yang berbeda
untuk berbagai wilayah dengan citra yang sama dan memberi kita hasil yang lebih baik
untuk gambar dengan iluminasi yang bervariasi.
 Kode Program

 Hasil
 Penjelasan
Metode Adaptive Thresholding yang dapat digunakan untuk menghitung nilai
threshold :
- cv2.ADAPTIVE_THRESH_MEAN_C : nilai ambang batas adalah rata-rata area
lingkungan pada gambar.
- cv2.ADAPTIVE_THRESH_GAUSSIAN_C : nilai ambang adalah jumlah
tertimbang nilai lingkungan dimana bobot adalah window gaussian.
- C : hanyalah konstanta yang dikurangkan dari rata-rata atau mean tertimbang yang
dihitung.

Anda mungkin juga menyukai