Pada bab ini berisi kesimpulan dan saran dari penulis untuk pengembangan aplikasi.
DAFTAR PUSTAKA :
Pada bagian ini akan dipaparkan tentang sumber-sumber literatur yang digunakan dalam pembuatan laporan tugas akhir ini.
TINJ AUAN PUSTAKA
2.1. Citr a
Citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi. Citra sebagai output dari suatu sistem perekaman data dapat bersifat :
1. Optik, berupa foto.
2. Analog berupa sinyal video, seperti gambar pada monitor televisi.
3. Digital yang dapat langsung disimpan pada suatu pita magnetik.
Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
image) adalah citra tunggal yang tidak bergerak dan citra bergerak (moving image) yaitu rangkaian citra diam yang ditampilkan secara beruntun (sekuensial),
sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiap citra didalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi yaitu terdiri dari ratusan sampai ribuan frame.
Dari sudut pandang pencitraan, citra (image) adalah rekaman hasil interaksi antara gelombang dengan benda (object), yang memberikan sebagian gambaran atau informasi dari benda tersebut. Proses pembentukan citra dengan merekam hasil interaksi inilah yang disebut sebagai proses pencitraan (imaging). Dengan demikian ada 3 (tiga) komponen utama dalam pencitraan, yaitu :
1. Gelombang pengindera (sensing waves). 2. Benda (object).
3. Alat pengindera (sensor).
2.1.1. Definisi Citra
Secara harfiah citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi.(Sitorusdkk, 2006)
Citra didefinisikan sebagai fungsi intensitas cahaya dua dimensi f(x,y) dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y) sebanding dengan tingkat kecerahan (gray level) dari citra di titik tersebut.(Purwanto Ari, 2009)
Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
images) dan citra bergerak (moving images). Citra diam adalah citra tunggal yang
tidak bergerak. Sedang citra bergerak adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial), sehingga memberi kesan pada mata sebagai gambar yang bergerak.(Sitorus dkk, 2006)
2.1.2 Citr a digital
Citra digital adalah citra dengan f(x,y) yang nilainya didigitalisasikan baik dalam koordinat spasial maupun dalam gray level. Digitalisasi dari koordinat spasial citra disebut dengan image sampling. Sedangkan digitalisasi dari gray
level citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan
dalam citra, dan nilai elemen matriks tersebut menunjukkan gray level di titik tersebut.(Purwanto Ari, 2009)
Hal tersebut dapat diilustrasikan pada Gambar 2.1.
Gambar 2.1. Citra Digital
Citra digital merupakan representatif dari citra yang diambil oleh mesin dengan bentuk pendekatan berdasarkan sampling dan kuantitasi. Sampling menyatakan besarnya kota-kotak yang disusun dalam baris dan kolom. Dengan kata lain sampling pada citra menyatakan besar kecilnya ukuran pixel (titik) pada citra, jika kuantitasi menyatakan besarnya nilai tingkat kecerahan yang dinyatakan dalam nilai tingkat keabuan (gray scale) sesuai dengan jumlah bit Biner yang digunakan oleh mesin, maka dapat dikatakan bahwa kuantitasi pada citra menyatakan jumlah warna yang ada pada citra.
Ada beberapa format citra digital, antara lain: BMP, PNG, JPG, GIF dan sebagainya. Masing-masing format mempunyai perbedaan satu dengan yang lain terutama pada header file. Namun ada beberapa yang mempunyai kesamaan, yaitu
penggunaan palette untuk penentuan warna piksel. Sebagai studi kasus dalam tugas akhir ini akan digunakan format citra *.bmp yang dikeluarkan oleh Microsoft.
2.1.2.1Citr a BMP
Format BMP, disebut dengan bitmap atau format DIB (Device Independent
Bitmap) adalah sebuah format citra yang digunakan untuk menyimpan citra bitmap digital terutama pada sistem operasi Microsoft Windows atau OS/2. Pada citra
berformat *.bmp (bitmap) yang tidak terkompresi, piksel citra disimpan dengan
kedalaman warna 1, 4, 8, 16 atau 24 bit per piksel. (Ahmad, 2005).
Gambar 2.2 Citra BMP
Pada umumnya citra bitmap teridir dari 4 blok data yaitu: BMP header, Bit
Information (DIB header), Color Pallete, dan Bitmap Data. BMP header berisi
informasi umum dari citra bitmap. Blok ini berada pada bagian awal file citra dan digunakan untuk mengidentifikasi citra. Beberapa aplikasi pengolah citra akan membaca blok ini untuk memastikan bahwa citra tersebut berformat bitmap dan
bitmap, yang akan digunakan untuk menampilkan citra pada layar. Color pallete berisi informasi warna yang digunakan untuk indeks warna bitmap, dan bitmap data berisi data citra yang sebenarnya, piksel per piksel.
2.1.2.2Elemen-elemen Citra Digital
Citra digital mengandung sejumlah elemen-elemen dasar. Elemen-elemen dasar tersebut dimanipulasi dalam pengolahan citra dan dieksploitasi lebih lanjut dalam computer vision. Elemen-elemen dasar yang penting diantaranya adalah: 1. Kecerahan (brightness).
Kecerahan adalah kata lain untuk intensitas cahaya. Sebagaimana telah dijelaskan pada bagian penerokan, kecerahan pada sebuah titik (pixel) di dalam citra bukanlah intensitas yang riil, tetapi sebenarnya adalah intensitas rata-rata dari suatu area yang melingkupinya.
Gambar 2.3 Kecerahan
Sistem visual manusia mampu menyesuaikan dirinya dengan tingkat kecerahan (brightness level) mulai dari yang paling rendah sampai yang paling tinggi.
2. Kontras (contrast).
Kontras menyatakan sebaran terang (lightness) dan gelap (darkness) di dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi citranya adalah terang atau sebagian besar gelap. Pada citra dengan kontras yang baik, komposisi gelap dan terang tersebar secara merata.
3. Kontur (contour)
Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada
pixel-pixel yang bertetangga. Karena adanya perubahan intensitas inilah mata kita
mampu mendeteksi tepi-tepi (edge) objek di dalam citra. 4. Warna (color)
Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang (l) yang berbeda.
Warna merah mempunyai panjang gelombang paling tinggi, sedangkan warna ungu (violet) mempunyai panjang gelombang paling rendah. Warna-warna yang diterima oleh mata (sistem visual manusia) merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda. Penelitian memperlihatkan bahwa kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), dan blue (B).
Gambar 2.5 Citra RGB
Persepsi sistem visual manusia terhadap warna sangat relatif sebab dipengaruhi oleh banyak kriteria, salah satunya disebabkan oleh adaptasi yang menimbulkan distorsi. Misalnya bercak abu-abu di sekitar warna hijau akan tampak keunguunguan (distorsi terhadap ruang), atau jika mata melihat warna hijau lalu langsung dengan cepat melihat warna abu-abu, maka mata menangkap kesan warna abu-abu tersebut sebagai warna ungu (distorsi terhadap waktu).
2.1.3 Digitalisasi
Agar dapat diolah dengan dengan komputer digital, maka suatu citra harus direpresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari fungsi malar (kontinu) menjadi nilai-nilai diskrit disebut digitalisasi . Citra yang dihasilkan inilah yang disebut citra digital (digital image). Pada umumnya citra
digital berbentuk empat persegipanjang, dan dimensi ukurannya dinyatakan
sebagai tinggi ´ lebar (atau lebar ´ panjang).
Citra digital dihasilkan dengan proses digitalisasi terhadap citra kontinu. Sama halnya Proses digitalisasi dalam bentuk data lain, proses digitalisasi pada citra juga merupakan proses pengubahan suatu bentuk data citra dari yang bersifat analog ke digital. Yang mana proses ini dihasilkan dari peralatan digital yang langsung bisa diproses oleh komputer. Proses ini dapat dijelaskan sebagai berikut. Ada sebuah objek yang akan diambil gambarnya untuk dijadikan citra digital.
Sumber cahaya diperlukan untuk menerangi objek, yang berarti ada intensitas cahaya (brightness) yang diterima oleh objek. Oleh objek, intensitas cahaya ini sebagian diserap dan sebagian lagi dipantulkan ke lingkungan sekitar objek secara radikal. Sistem pencitraan (imaging) menerima sebagian dari intensitas cahaya yang dipantul oleh objek tadi.
Di dalam sistem pencitraan terdapat sensor optik yang digunakan untuk mendeteksi intensitas cahaya yang masuk ke dalam sistem. Keluaran dari sistem ini berupa arus yang besarnya sebanding dengan intensitas cahaya yang mengenainya. Arus tersebut kemudian dikonversi menjadi data digital yang kemudian dikirimkan ke unit penampil atau unit pengolah lainnya. Secara keseluruhan hasil keluaran sistem pencitraan berupa citra digital.
2.1.4 Citr a Teks
Teks adalah data yang terdiri dari karakter-karakter yang menyatakan kata-kata atau lambang-lambang untuk berkomunikasi oleh manusia dalam bentuk tulisan. Terdapat dua jenis teks, antara lain:
1. Teks tulisan tangan, merupakan data yang terdiri dari karakter-karakter yang menyatakan kata-kata untuk berkomunikasi dalam bentuk tulisan tangan manusia.
2. Teks digital, merupakan data yang terdiri dari karakter-karakter yang menyatakan kata-kata untuk berkomunikasi dalam bentuk tulisan di dalam sistem komputer. Dengan arti lainnya, teks digital adalah suatu jenis penggambaran dari rangkaian karakter pada sistem komputer.
2.1.4.1Optical Character Recognition (OCR)
Manusia mengenali objek-objek yang ada di sekelilingnya, dengan cara ini mata menerapkan mekanisme optik. Namun sementara otak melihat input, kemampuan untuk memahami sinyal-sinyal ini bervariasi pada setiap orang sesuai dengan banyak faktor.
Begitu halnya dengan OCR (Optical Character Recognition). Teknologi ini memungkinkan mesin untuk secara otomatis mengenali karakter melalui mekanisme optik. (AIM.Inc, 2000) AIM. Inc dalam artikel berjudul Optical
Character Recognition pada tahun 2000 juga menjelaskan, OCR banyak
digunakan untuk mengkonversi buku-buku dan dokumen ke dalam bentuk file elektronik, misalnya dalam bentuk PDF dan lain sebagainya, untuk
mengkomputerisasi sistem pencatatan misalnya di kantor, atau untuk mempublikasikan teks pada website.
OCR memungkinkan untuk mengedit teks, mencari kata atau frase, dan menerapkan teknik seperti mesin penerjemahan, text-to-speech dan text mining. OCR biasa digunakan untuk bidang penelitian dalam pengenalan pola, kecerdasan buatan (artificial intelligent) dan computer vision.
Sistem OCR memerlukan kalibrasi untuk membaca font yang spesifik, versi awal harus diprogram dengan gambar karakter masing-masing, dan bekerja pada satu font pada suatu waktu. Sistem cerdas (intelligent system) dengan tingkat akurasi yang tinggi pengakuan untuk font yang paling sekarang umum. Beberapa sistem mampu mereproduksi output diformat yang erat mendekati halaman yang dipindai asli termasuk gambar, kolom dan non-tekstual komponen.
Secara umum, proses pengenalan karakter yang dilakukan oleh OCR disajikan pada gambar diagram di bawah ini.
Proses segmentasi bertujuan untuk memisahkan wilayah (region) objek dengan wilayah latar belakang agar objek dalam citra mudah dianalisis dalam rangka mengenali objek. Dengan demikian citra yang besar terdiri dari objek karakter dapat disegmentasi menjadi masing-masing karakter.
Proses selanjutnya adalah normalisasi, yang di dalamnya masih terdapat 2 proses lagi yaitu:
1. Scalling, adalah fungsi untuk mengubah ukuran suatu gambar dimana
scalling merupakan istilah yang cenderung untuk memperbesar gambar,
dan shrink untuk memperkecil gambar.
2. Thinning, adalah operasi morfologi yang digunakan untuk menghapus
piksel foreground yang terpilih dari gambar Biner, biasanya digunakan untuk proses mencari tulang dari sebuah objek.
Langkah selanjutnya adalah ekstraksi fitur (feature extraction). Feature
Extraction adalah suatu proses analisis citra dalam mengidentifikasi sifat-sifat
yang melekat dari tiap-tiap karakter atau disebut juga dengan fitur dari sebuah objek yang terdapat dalam citra.
Karakteristik ini digunakan dalam mendeskripsikan sebuah objek atau atribut dari sebuah obyek, kemudian fitur yang dimiliki oleh karakter dapat digunakan sebagai proses recognition.
Setelah langkah-langkah di atas selesai dilakukan, maka OCR siap untuk melakukan tahap pengenalan dan akan memberikan output atau hasil pengenalan karakter angka maupun huruf.
2.2 Pengolahan Citr a
Pengolahan citra digital adalah pemrosesan citra menjadi citra yang lain dengan kualitas yang lebih baik, yaitu pemrosesan pada usaha untuk memanipulasi. Citra yang telah menjadi gambar lain menggunakan algoritma atau teknik tertentu. Pengolahan citra mempunyai tujuan yaitu:
1. Proses memperbaiki kualitas citra agar mudah diinterpretasikan oleh manusia atau computer.
2. Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain.
3. Pengolahan citra merupakan proses awal dari komputer visi.
Ada beberapa hal yang penting didalam pengolahan citra digital, antara lain teknik-teknik pengambilan citra, model citra digital, sampling dan kuantitasi, histogram, proses filtering, perbaikan citra sampai pada pengolahan citra digital yang lebih lanjut seperti segmentasi, image clustering dan ekstrasi ciri.
Proses pengolahan citra secara diagram yaitu proses dimulai dari pengambilan citra, perbaikan citra sampai dengan pernyataan representatif citra digambarkan denga gambar:
Secara umum teknik pengolahan citra digital dibagi menjadi 3 tingkat pengolahan, yakni:
1. Tahap 1 yang dinamakan dengan Low-Level Processing (pengolahan tingkat rendah). Pengolahan ini operasional-operasional dasar dalam pengolahan citra, seperti pengurangan noise (noise redution), perbaikan citra (image enhancement) dan restorasi citra (image restoration).
2. Tahap 2 yang dinamakan dengan Mid-Level Processing (pengolahan tingkat menengah). Pengolahan ini meliputi segmentasi pada citra, deskripsi objek dan klasifikasi objek secara terpisah.
3. Tahap 3 yang dinamakan dengan High-Level Processing (pengolahan tingkat tinggi), yang meliputi analisis citra.
Operasi – operasi pengolahan citra meliputi perbaikan kualitas citra, yakni perbaikan kualitas citra ini bertujuan memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra. Melalui operasi ini, ciri-ciri khusus yang terdapat dalam didalam citra dapat lebih ditonjolkan.
Dalam perbaikan kualitas citra dapat dilakukan operasi – operasi citra, seperti yang tertulis dalam buku Pengolahan Citra Digital yaitu :
a. Perbaikan kontras gelap dan terang. b. Perbaikan tepian objek.
c. Penajaman.
d. Pemberian warna semu. e. Penapisan derau.
2.3 Citr a RGB
Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan atau imitasi dari suatu objek atau benda.
Citra dalam komputer tidak lebih dari sekumpulan sejumlah piksel dimana setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red, green dan blue. Representasinya dalam citra, triplet akan terdiri dari 3 angka yang mengatur intensitas dari Red (R), Green (G) dan Blue (B) dari suatu triplet. Setiap triplet akan merepresentasikan 1 piksel (picture element). Suatu triplet dengan nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai 228 dan B ke nilai 180. Angka-angka RGB ini yang seringkali disebut dengan color
values.
Model RGB digunakan pada citra yang ditampilkan di layar monitor semakin kecil presentase maka warna yang dihasilkan semakin terang, semakin besar presentase makan warna yang dihasilkan semakin gelap. Pada format .bmp citra setiap piksel pada citra direpresentasikan dengan dengan 24 bit, 8 bit untuk R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti pada gambar dibawah ini ( Sitorus, S dkk. 2006).
Setiap piksel panjangnya 24 bit, karena setiap piksel langsung menyatakan komponen warna merah, komponen warna hijau, dan komponen warna biru. Masing-masing komponen panjangnya 8 bit. Citra 24 bit disebut juga citra 16 juta warna, karena citra ini mampu menghasilkan 16.777.216 kombinasi warna.
2.4 Piksel
Piksel merupakan informasi terkecildari sebuah citra yang terdiri dari 3 buah layer yaitu Red layer,Green layer dan Blue layer yang membentuk sebuah warna.
Gambar 2.9 Piksel
Ketiga unsur warna tersebut ( Red = Merah, Green = Hijau, Blue = Biru) dapat membentuk 2553 kombinasi warna. Ketiga unsur warna pembentuk warna piksel ini dapat dipisah-pisahkan untuk membantu dalam pengolahan citra.
2.5 Pengenalan Pola
Pola adalah entitas yang terdefinisi dan dapat didefinisikan melalui ciri-cirinya (feature). Ciri-ciri tersebut digunakan untuk membedakan suatu pola
dengan pola yang lain. Pengenalan pola bertujuan untuk menentukan kelompok untuk kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan kata lain pengenalan pola membedakan objek dengan objek lain.
Ada 3 pendekatan yang digunakan dalam menerapkan pattern recognition (pengenalan pola), yaitu :
1. Statistik
Semakin banyak pola yang disimpan, maka sistem akan semakin cerdas. Salah satu contoh penerapannya banyak pada pola pengenalan iris scan. Kelemahannya : hanya bergantung pada data yang disimpan saja, tidak memiliki sesuatu struktur yang unik yang dapat menjadi kunci pengenalan pola.
2. Sintaks (rule)
Dengan rule / aturan maka sistem yang lebih terstruktur sehingga memiliki sesuatu ciri yang unik. Salah satu contoh penerapannya pada pola pengenalan sidik jari / fingerprint.
3. Jaringan Saraf Tiruan (JST)
Merupakan gabungan dari pendekatan statistik dan pendekatan sintaks. Dengan gabungan dari dua metode maka JST merupakan pengenalan pola yang lebih akurat.
Salah satu contoh penerapannya pada pola pengenalan suatu citra JST merupakan suatu sistem yang dapat memproses informasi dengan meniru cara kerja jaringan saraf otak manusia ( Sitorus, S dkk. 2006).
2.6 Citr a Grayscale
Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra Grayscale berbeda dengan citra ”hitam-putih”, dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu ”hitam” dan ”putih” saja.
Pada citra Grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak. Citra Grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada spektrum elektromagnetik single band ( Sitorus, S dkk. 2006).
Hal tersebut dapat diilustrasikan pada Gambar 2.3. berikut ini.
Gambar 2.10 Citra Grayscale
Citra Grayscale disimpan dalam format 8 bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manipulasi bit yang tidak terlalu banyak.
Untuk mengubah citra berwarna yang mempunyai nilai matrik masing-masing R, G dan B menjadi citra Grayscale dengan nilai X, maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai R, G dan B sehingga dapat dituliskan menjadi:
X = (R + G + B) / 3 Warna = (X)
Proses Grayscale dapat dilihat seperti gambar algoritma 2.11.
Gambar 2.11 Proses Greyscale
Menginput citra RGB yang berukuran 200x200 piksel, menghitung Grayscale dengan rumus X=(R+G+B)/3, misalkan suatu piksel memiliki nilai R=200, G=200, B=200 maka nilai X=200, setelah itu keluar piksel berwarna abu-abu yang memiliki nilai derajat keabu-abuan 200.
Start X = (R + G + B) / 3 War na = (X) End Input citra RGB Ukuran 200x200 Citra grayscale
2.7 Citr a Biner
Citra Threshold Dilakukan dengan mempertegas citra dengan cara mengubah citra hasil yang memiliki derajat keabuan 256 (8bit), menjadi hanya dua buah yaitu hitam dan putih. Hal yang perlu diperhatikan pada Proses Thresholding adalah memilih sebuah nilai Threshold dimana piksel yang bernilai dibawah nilai Threshold akan diset menjadi citra biner nilai (0) mewakili hitam dan piksel yang bernilai diatas nilai Threshold akan diset menjadi citra biner nilai (1) mewakili warna putih.
J ika X <128 maka X = 0 J ika tidak, maka X = 1 Warna = (X)
Proses Binerisasi dapat dilihat seperti gambar algoritma 2.12.
Gambar 2.12 Proses Binerisasi Start
Jika X <128 maka X = 0 Jika tidak, maka X = 1
Warna = (X) End Input citra Greyscale Ukuran 200x200 Citra Biner
2.8 Operasi Morfologi
Berdasarkan etimologi bahasa, Morphologi berasal dari kosakata bahasa Jerman yaitu morphologie yang terdiri dari morph+logie/logy. Morph adalah suatu kerja yang berupa singkatan dari metamorphose yang artinya perubahan bentuk atau karakter akibat perubahan pada struktur atau komposisi (transformasi). Sesuai dengan arti dasarnya, konsep Morphological Operation pada pengolahan citra adalah operasi-operasi perubahan bentuk pada binary
image. Berbagai jenis Morphological Operation antara lain: Erosion, dilation, opening, closing, thinning, dan thickness. Saat ini yang dibahas adalah thinning
(Sitorus, S dkk. 2006).
2.9 Algoritma Thinning
Thinning merupakan salah satu image processing yang digunakan untuk
mengurangi ukuran dari suatu image (image size) 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.
Terdapat cukup banyak algoritma untuk image thinning dengan tingkat kompleksitas, efisiensi dan akurasi yang berbeda-beda. Citra yang digunakan untuk proses thinning adalah citra Biner, jika data masukannya berupa citra RGB maka haruslah citra tersebut dimanipulasi menjadi citra Grayscale, citra
Grayscale merupakan syarat guna menghasilkan suatu citra Biner. Namun untuk
mengubah citra Grayscale menjadi citra Biner dilakukan proses Thresholding dahulu. Sehingga diperoleh citra Threshold, jika citra Threshold sudah diperoleh
maka citra Biner dapat dicari. Citra Biner ini yang kemudian akan diproses dalam proses thinning. Citra hasil dari algoritma thinning biasanya disebut dengan
skeleton (kerangka) (H.E.Burdick, dan Mc Graw Hill. 1997).
2.9.1 Algoritma Zhang Suen
Algoritma ini adalah algoritma untuk citra Biner, dimana piksel
background citra bernilai 0, dan piksel foreground (region) bernilai 1. Algoritma
ini cocok digunakan untuk bentuk yang diperpanjang (elongated) dan dalam aplikasi OCR (Optical Character Recognition).
Algoritma ini terdiri dari beberapa penelusuran, dimana setiap penelusurannya terdiri dari 2 langkah dasar yang diaplikasikan terhadap titik objek (titik batas) region. Titik objek ini dapat didefinisikan sebagai sembarang titik yangpikselnya bernilai 1, dan memiliki paling sedikit 1 piksel dari 8-tetangganya yang bernilai 0.
Gambar berikut ini mengilustrasikan titik objek P1 dan 8-tetangganya:
Gambar 2.13 Contoh Piksel P1 dengan 8 tetangga
Langkah pertama dari sebuah penelusuran adalah menandai semua titik objek untuk dihapus, jika titik objek tersebut memenuhi syarat-syarat berikut: a. 2 ≤ N (P1) ≤ 6
b. S(P1) = 1 c. P2 * P4* P6 = 0 d. P4 * P6 * P8 = 0 Keterangan :
1. Jumlah dari tetangga titik objek P1, yang pikselnya bernilai 1, yaitu:
N(P1) = P2 + P3 + P4 + ... + P9
2. S(P1) adalah jumlah perpindahan nilai dari 0 (nol) ke 1 (satu) mulai dari P2, P3,… P8, P9.
3. P2 * P4 * P6 = 0, memiliki arti P2 atau P4 atau P6 bernilai 0 (nol).
Dan pada langkah kedua, kondisi (a) dan (b) sama dengan langkah pertama, sedangkan kondisi (c) dan (d) diubah menjadi:
(c’) P2 * P4 * P8 = 0; (d’) P2 * P6 * P8 = 0
Langkah pertama dilakukan terhadap semua titik obyek di citra. Jika salah satu dari keempat kondisi di atas tidak dipenuhi atau dilanggar maka nilai piksel yang bersangkutan tidak ditandai untuk dihapus. Sebaliknya jika semua kondisi tersebut dipenuhi maka piksel tersebut ditandai untuk penghapusan.