ALGORITMA THINNING STENTIFORD UNTUK MENDAPATKAN BENTUK DASAR HURUF Skripsi Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Sains Program Studi Ilmu Komputer

(1)

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Sains

Program Studi Ilmu Komputer

Oleh

Leonardus Beni Aji Prabangkoro

NIM : 043124005

PROGRAM STUDI ILMU KOMPUTER

JURUSAN MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2008

(2)

Presented as Partial Fulfillment of the Requirements

to obtain the

Sarjana Sains

Degree

in Computer Science

By

Student Number : 043124005

COMPUTER SCIENCE STUDY PROGRAM

DEPARTMENT OF MATHEMATHICS

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2008

(3)

(4)

(5)

not, at heart, a matter of sentiment, attachment, or being "drawn toward." Love is

active, effective, a matter of making reciprocal and mutually beneficial relation with

one's friends and enemies

(Carter Heyward)

You're not obligated to win. You're obligated to keep trying to do the best you can

every day.

(Marian Wright Edelman)

Difficulties increase the nearer we get to the goal.

(Goethe)

(6)

¾

Tuhan Yesus Kristus,

Puji syukur atas segala rahmat, anugrah dan cinta kasih – Mu yang selama

ini yang telah membimbing hidupku untuk mencapai tahap ini.

¾

Kedua Orang Tuaku, Bapak dan Ibu,

Tugas akhirku ini sebagai ungkapan hormat, terima kasih dan baktiku.

¾

Kakak dan Adikku, Anita dan Yoyok,

Terima kasih atas dukungan kalian, O.. ya..dan maafkan adik dan

kakakmu ini yang telah mengambil jatah waktu komputer kalian

(7)

dan analisa dokumen citra. Data masukan untuk analisa dokumen atau pengenalan

karakter umumnya berupa citra dokumen yang diperoleh secara

offline

. Dalam

pengolahan dan analisa ada beberapa proses yang umumnya dijalankan yaitu

grayscaling

, binerisasi atau

tresholding

dan

thinning

.

Thinning

merupakan operasi

pengolahan citra yang beroperasi pada citra biner dengan mengikis bagian objek

menjadi bentuk garis yang mewakili kerangka dari objek tersebut.

Operasi

thinning

mempunyai beberapa definisi.

Iterative Morphological

Method

merupakan salah satu dari definisi tersebut. Metode ini melakukan operasi

penghapusan piksel dengan dasar pencocokan pada

template

. Algoritma Stentiford

menjadi salah satu contoh dari metode ini yang dapat digunakan.

Dari hasil pengujian, Algoritma Stentiford mempunyai beberapa isu atau

kekurangan. Dalam pengujian yang telah dilakukan, timbulnya

line fuzz

membuat

data citra hasil pengoperasian

thinning

secara visual tidak memenuhi asumsi atau

definisi dari kerangka. Oleh karena itu, beberapa operasi dapat ditambahkan untuk

mengatasi permasalahan ini.

(8)

processing and analysis. Input data that used for document analysis and letter

recognition are generally in a form of image document that obtained in an offline

manner. Grayscaling, tresholding and thinning are few process that generally

included in processing and analysis step. Thinning is an image-processing operation

in which binary valued image regions are reduced to lines that approximate the

center lines, or skeletons of the regions.

Thinning operation has several definitions. Iterative morphological method is

one of those definitions. This operation is being done by doing a deletion process to

some pixels that have a match to some templates. Stentiford algorithm is an example

for this kind of method that can be used.

The test shows that Stentiford Thinning Algorithm has some issues and

problems. On the test that already done, line fuzz appearance had made input data

became visually inappropriate to the assumption and definition for skeleton.

Therefore, additional operations are needed to solve these problems.

(9)

(10)

sehingga penulis dapat menyelesaikan penelitian dan penyusunan skripsi berjudul

“Algoritma Thinning Stentiford untuk Mendapatkan Bentuk Dasar Huruf”. Skripsi

ini disusun sebagai salah satu syarat mencapai gelar Sarjana Sains (S.Si) Program

Studi Ilmu Komputer.

Dalam pelaksanaan penelitian dan penyusunan skripsi ini tidak terlepas dari

bantuan berbagai pihak. Oleh karena itu penulis ucapkan terima kasih kepada:

1.

Bapak Y. Joko Nugroho, S.Si selaku dosen pembimbing, terima kasih

atas segala bimbingan, saran, kritik dan kesabarannya dalam

membimbing penulis selama menyelesaikan skripsi ini.

2.

Ibu P. H. Prima Rosa, S.Si, M.Sc. , selaku kaprodi ilmu komputer, Terima

Kasih sudah menemani kami dan menjadi ibu kedua bagi kami sebagai

generasi ikom yang terakhir.

3.

Kedua Orang Tuaku, Bapak dan Ibu, Terima kasih atas restu dan

dukungan kalian, dan terima kasih atas persediaan kopi yang tak perna

habis.

4.

Kakak dan Adikku, Anita dan Yoyok, Terima kasih atas dukungan kalian,

O..Ya...dan maafkan adik atau kakakmu ini yang telah mengambil jatah

waktu komputer kalian.

5.

Mas Tukijo dan Mbak Linda, beserta segenap karyawan sekretariat.

(11)

untuk sentilan – sentilan kalian.

9.

Komunitas Triple3Bugs, Angga, Aryo`, Cnug, DC, Evan, Krena, Emon,

Miko, Kotank....hei kapan kita ngumpul lagi?, “Ayo...Ngopi neng Code!”,

terima kasih sudah menjadi pengobat stress di masa – masa beratku.

10. Teman – Teman IKOM angkatan 2004, Seto, Thomas, Kornel, Beni Dam,

Henry, Ipunk, Hali, Githa, Mia, Tina, Arum, Bli, Adit, Steven, Debi,

Pakdhe (ndari), Yo, Dewi, Amel, Munik, Via, Fitria, Madya, Willy,

Trivo, Agung, Elin, Eka, Desi, Terima kasih atas dukungan dan kerjasama

kalian selama ini.

11. Lielie, Sobat jauhku, Terima kasih untuk dorongan semangat yang kau

beri tanpa henti.

12. Dan pihak – pihak yang belum dapat penulis sebutkan.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Harapan

penulis semoga skripsi ini bermanfaat bagi kemajuan kita semua.

Yogyakarta, Juli 2008

Penulis

(12)

tidak memuat dan menggunakan hasil karya atau bagian dari hasil karya orang lain,

kecuali yang telah tercantum dan disebutkan dalam kutipan serta daftar pustaka

sebagaimana layaknya karya ilmiah.

Yogyakarta, Juli 2008

Penulis

(13)

HALAMAN PERSETUJUAN PEMBIMBING ...

ii

HALAMAN PENGESAHAN ...

iii

HALAMAN MOTTO ...

iv

HALAMAN PERSEMBAHAN ... v

ABSTRAK ...

vi

ABSTRACT ...

vii

KATA PENGANTAR ...

viii

HALAMAN KEASLIAN KARYA ...

x

DAFTAR ISI ...

xi

DAFTAR TABEL ... xiv

DAFTAR GAMBAR ...

xv

BAB I PENDAHULUAN ...

1

1.1. Latar Belakang ... 1

1.2. Perumusan Masalah ...

2

1.3. Batasan Masalah ...

2

1.4. Tujuan Dan Manfaat Penelitian ...

3

1.5. Metode Penulisan ...

3

1.6. Sistematika Penulisan ... 4

BAB II DASAR TEORI ...

6

2.1 Citra ...

6

2.1.1. Pengertian Citra ...

6

2.1.2. Format Citra Digital ...

6

2.2. Pemrosesan Citra ...

8

2.3.

Thinning

...

9

(14)

3.1. Rancangan Umum ...

19

3.2. Perancangan Proses Dalam Aplikasi ...

19

3.2.1. Proses Input Citra ...

20

3.2.2.

Proses

Grayscaling

...

20

3.2.3. Proses Binerisasi ...

21

3.2.4. Proses penduplikasian citra ke dalam bentuk array 2

dimensi ...

21

3.2.5.

Proses

Thinning

...

22

3.2.6. Proses rekonstruksi array 2 dimensi ke dalam bentuk

citra ...

22

3.3. Kebutuhan Perangkat Lunak ...

23

3.4. Kebutuhan Perangkat Keras ...

23

3.5. Perancangan Tampilan Antar Muka ...

23

3.5.1. Form Tampilan Awal ...

24

3.5.2. Form Menu Utama (Tampilan Utama) ...

24

3.5.3. Form Penampil Citra Input ...

25

3.5.4. Form Penampil Citra Hasil Olahan ...

25

3.5.5. Form Masukkan Citra ...

26

3.5.6. Form Simpan Citra ...

26

3.5.7. Form Dialog ...

27

3.5.8. Form Message Box ...

27

BAB IV IMPLEMENTASI ...

28

4.1. Deskripsi Kerja Program Secara Umum ...

28

4.2. Implementasi Algoritma ...

30

(15)

4.2.5. Algoritma Fungsi Duplikasi ...

33

4.2.6. Algoritma Fungsi

Smoothing

...

34

4.2.7. Algoritma Fungsi

Acute Angle Emphasis

...

36

4.2.8. Algoritma Fungsi

Thinning

Stentiford ...

40

4.2.9. Algoritma Fungsi Rekonstruksi Citra ...

47

4.2.10. Algoritma Utama ...

48

4.3. Implementasi Antarmuka Tampilan ... 49

4.4. Pengujian Program ... 54

BAB V PENUTUP ...

61

5.1. Kesimpulan ... 61

5.2. Saran ... 61

DAFTAR PUSTAKA ... 63

LAMPIRAN ...

65

(16)

(17)

Gambar 2.2. Contoh hasil Medial Axis Tranform seperti yang diuraikan J.R.

Parker

(1997)

...

11

Gambar 2.3. Contoh iterasi pada huruf T yang terjadi dalam algoritma

Stentiford seperti yang diungkapkan oleh J.R. Parker (1997) ...

12

Gambar 2.4. Ilustrasi polygon dan kerangkanya seperti yang diungkapkan

oleh J.R. Parker (1997) ...

13

Gambar 2.5. Template yang digunakan Stentiford ... 14

Gambar 2.6. Ilustrasi konektivitas piksel tengah dengan 8 piksel disekitarnya . 16

Gambar 2.7. Posisi nomor setiap delapan anggota tetangga ...

17

Gambar 2.8. Template yang digunakan oleh prosedur

....

18

Gambar 3.1. Gambaran Proses Secara Umum ...

20

Gambar 3.2. Gambaran Proses Level 1 ...

20

Gambar 3.3. Variabel yang bertipe Tbitmap di-

scan

dan diambil nilai

RGB-nya yang kemudian akan dilakukan penghitungan. ...

21

Gambar 3.4. Gambar yang sudah dalam bentuk

grayscale

di-

scan

kembali

untuk dikonversi menjadi gambar biner ...

21

Gambar 3.5. Variabel bitmap yang sudah dalam format warna 1bit kemudian

diduplikasi ke dalam bentuk array 2 dimensi ...

22

Gambar 3.6. Proses

Thinning

yang didahului dengan

smoothing

dan AAE ... 22

Gambar 3.7. Rekonstruksi gambar (variabel TBitmap) dari array ... 23

Gambar 3.8. Tampilan form tampilan awal ...

24

Gambar 3.9. Tampilan form utama ...

24

Gambar 3.10. Tampilan Form Penampil Citra Input ...

25

Gambar 3.11. Tampilan Form Penampil Citra hasil olahan ...

25

Gambar 3.12. Tampilan form dialog masukkan citra ...

26

(18)

Gambar 4.2. Tampilan utama dari program ...

50

Gambar 4.3. Tampilan

form

dialog buka citra ... 51

Gambar 4.4. Tampilan

form

citra RGB ...

52

form

peringatan ketika ukuran lebar dan tinggi citra

tidak

sama

...

52

form

citra yang telah direkonstruksi dari array dan

telah

melalui

proses

thinning

Stentiford ...

53

form

dialog ketika

user

ingin menyimpan citra hasil

operasi

thinning

...

54

form

konfirmasi bagi

user

... 54

form

tentang program yang menyajikan informasi

program

...

55

Gambar 4.10 Tampilan

form

bantuan.

Form

ini menyajikan hal-hal yang perlu

diperhatikan

sebelum

menjalankan program ...

56

(19)

1.1

LATAR BELAKANG

Pengenalan pola karakter merupakan proses pengolahan citra yang diikuti

dengan proses penghitungan dengan rumus matematis agar dapat dikenali. Dalam

penerapan prinsip pengenalan pola, terkadang citra yang menjadi objek pengenalan

mempunyai banyak aspek visual yang dapat dianggap sebagai gangguan, misal

seperti noise, ukuran objek yang berbeda, dan lain-lain. Atau dengan kata lain, citra

yang menjadi objek pengenalan belum menjadi objek data yang siap olah.

Preprocessing

, ekstraksi ciri dan klasifikasi adalah garis besar dari proses pengenalan

pola yang dikembangkan. Beberapa proses dikembangkan untuk menjadikan objek

tersebut menjadi siap olah.

Thinning

menjadi salah satu aspek dalam

preprocessing

atau pengolahan citra

disamping

grayscaling, tresholding

, binerisasi dan banyak tahap–tahap lainnya yang

dikembangkan.

Thinning

merupakan tahap dalam

preprocessing

yang berfungsi untuk

menyederhanakan objek dalam citra agar proses penghitungan dan pengolahan

selanjutnya menjadi semakin cepat, ringan dan mudah. Tetapi,

Thinning

sendiri pun

belum menjamin apakah data hasil operasi dapat langsung dilakukan pengenalan.

Iterative Morphological Method merupakan salah satu dari sekian banyak

(20)

contoh dari metode tersebut. Algoritma tersebut menggunakan 4 buah template yang

menjadi pedoman pencocokan piksel.

1.2

PERUMUSAN MASALAH

Bagaimana mendapatkan kerangka dasar dan sederhana dari sebuah objek citra

dengan menggunakan Algoritma stentiford?

1.3

BATASAN MASALAH

Ada beberapa batasan dalam jalannya proses penelitian.

•

Cakupan materi dari penelitian ini hanya meliputi pembuktian metode dan

percobaan implementasi saja.

•

Bahan atau objek dari penelitian adalah berupa citra / gambar objek huruf

yang diambil secara

offline

dengan tipe BMP.

•

Citra yang digunakan mempunyai ukuran / dimensi panjang dan lebar yang

sama.

•

Piranti lunak atau bahasa pemrograman yang digunakan Delphi versi 7 dalam

implementasi aplikasi.

•

Binerisasi, t

resholding,

t

hinning

merupakan subbagian dari

preprocessing

citra. Penelitian ditekankan pada proses

thinning

saja, meskipun tidak

menutup kemungkinan pada proses implementasi dan pengujian aplikasi ada

(21)

1.4

TUJUAN DAN MANFAAT PENELITIAN

1.

Tujuan Penelitian

•

Mencari dan mengetahui isu atau masalah penting yang berkaitan dengan

algoritma Stentiford.

2.

Manfaat Penelitian

•

Menemukan bentuk atau kerangka yang lebih sederhana dari objek citra yang

sebenarnya.

1.5

METODE PENULISAN

1.

Analisa metode dan studi pustaka

Pada tahap ini akan dilakukan analisa metode yang digunakan dan mencoba

mencari pemecahannya, lalu mengumpulkan bahan dengan studi literatur baik

dari artikel yang didapat melalui

browsing

di internet, maupun arsip yang

didapat dari hasil studi pada buku – buku acuan.

2.

Perancangan aplikasi

Perancangan model aplikasi dilakukan pada tahap ini yang meliputi

perancangan proses / algoritma, perancangan tampilan / antarmuka.

3.

Implementasi

Proses implementasi merupakan proses yang menjadi titik awal percobaan /

(22)

jalan / algoritma yang ada. Pada proses ini akan dilakukan pembuatan aplikasi

sesuai dengan rancangan yang telah ada pada tahap perancangan aplikasi.

4.

Pengujian

Proses pengujian merupakan proses dimana aplikasi yang dibuat penulis

sebagai hasil studi teori akan diuji. Dalam pengujian ini, Akan digunakan

hasil pengujian teori sebagai pembanding yang dilakukan oleh beberapa

penulis buku yang menjadi acuan teori.

5.

Pembuatan Laporan

Tahap terakhir dari proses penelitian adalah pembuatan laporan yang

mendokumentasikan semua proses dan hasil yang sudah ditempuh selama

penelitian berlangsung.

1.6

SISTEMATIKA PENULISAN

BAB I. PENDAHULUAN

Dalam Pendahuluan, hal yang akan dibahas meliputi latar belakang masalah,

rumusan masalah, batasan masalah, tujuan penulisan, manfaat penulisan,

metode penulisan, sistematika penulisan.

BAB 2. DASAR TEORI

Dasar teori merupakan bab dimana landasan teori tentang hal yang dibahas

(23)

BAB 3. ANALISA DAN PERANCANGAN

Analisa dan perancangan merupakan bab dimana akan dilakukan analisa

terhadap teori yang dipergunakan dan bagaimana proses perancangan

terhadap aplikasi. Sehingga pada akhirnya nanti pada saat implementasi,

aplikasi yang dibuat tidak akan melenceng dari dasar teori yang digunakan.

BAB 4. IMPLEMENTASI

Pada tahap implementasi, akan dibuat aplikasi untuk pengujian metode

BAB 5. PENUTUP

(24)

2.1 Citra

2.1.1 Pengertian Citra

Citra adalah representasi informasi yang diciptakan dalam bentuk 2 dimensi

dimana representasi tersebut merupakan susunan array dari bilangan real atau

bilangan kompleks yang diwakilkan dalam bilangan–bilangan bit terhingga.

Citra adalah gambar pada bidang dwimatra (dua dimensi) (Munir, 2004).

Citra ada dua macam : Citra Kontinyu dan Citra Diskrit. Agar sebuah citra dapat

diolah dengan komputer digital, maka suatu citra harus direpresentasikan secara

numerik dengan nilai–nilai diskrit. Representasi citra dari fungsi malar (kontinyu)

menjadi nilai–nilai diskrit disebut digitalisasi citra dan citra yang dihasilkan inilah

yang disebut sebagai citra digital. Pada umumnya citra digital berbentuk empat

persegi panjang dan dimensi ukurannya dinyatakan sebagai tinggi x lebar (atau lebar

x panjang) (Munir, 2004).

2.1.2 Format Citra Digital

Menurut intensitas warnanya format citra digital dapat dikategorikan, antara

lain :

1.

Citra RGB (

True Color

)

Citra RGB merupakan citra yang mempunyai 3 komponen

channel

yaitu

Red

,

(25)

tergantung warna yang akan direpresentasikan. Misal, Untuk merepresentasikan

warna Biru Muda, seperti pada gambar 2.1, ada tiga kombinasi tingkat warna

Red, Green

dan

Blue

untuk menghasilkan warna biru muda.

Gambar 2.1 : Contoh kombinasi elemen Red, Green dan Blue

2.

Citra

Grayscale

Citra

grayscale

merupakan citra menggunakan satu fungsi intensitas untuk

menentukan warnanya. Fungsi intensitas yang digunakan adalah fungsi intensitas

warna keabuan (hitam - putih). Fungsi intensitas warna yang digunakan pada

(26)

3.

Citra Biner

Citra biner atau yang sering juga disebut citra monokrom merupakan citra yang

hanya mempunyai dua nilai kemungkinan warna pada setiap pikselnya. Citra

biner hanya dikuantisasikan pada dua level yaitu 0 dan 1, sehingga setiap piksel

pada citra cukup direpresentasikan dengan 1 bit (0 atau 1) .

2.2 Pemrosesan Citra

Analisa dokumen citra mempunyai tujuan untuk mengenali komponen

tulisan dan gambar yang terkandung dalam citra serta mengambil informasi yang ada

dalam citra itu sendiri. Analisa citra dokumen mempunyai 2 komponen penting yaitu

pemrosesan

textual

dan pemrosesan grafis.

Pemrosesan citra merupakan salah satu tahap dalam analisa dokumen citra

yang berfungsi untuk mempersiapkan citra yang akan dianalisa. Pemrosesan citra

sendiri mempunyai tujuan agar citra dapat lebih mudah dan lebih cepat untuk

diproses.

Dalam Pemrosesan citra, beberapa tahap yang akan dilakukan dapat

dijabarkan sebagai berikut :

1.

Grayscaling

Citra

grayscale

merupakan citra dimana representasi setiap piksel diwakili

dengan hanya satu jenis atau satu nilai warna dalam skala keabuan. Untuk

mendapatkan nilai intensitas keabuan, maka dapat dihitung dengan

(27)

dan 11%

channel Blue

. Hasil penjumlahan dari setiap elemen tersebut, yang

kemudian akan direpresentasikan dalam setiap

channel

Red

,

Green

dan

Blue

dengan nilai intensitas yang sama.

2.

Tresholding

atau yang disebut juga sebagai

gray – level segmentation

(pemisahan

warna dalam skala keabuan) merupakan proses pengubahan dari sebuah citra

dengan skala keabuan menjadi citra

biner

atau citra dengan 2 intensitas warna

yaitu hitam dan putih.

3.

Thinning

atau

skeletonization

merupakan proses dimana citra yang telah

dibinerkan akan direduksi hingga yang tersisa merupakan garis tengah atau

kerangka dari objek. Tujuan dari proses

thinning

adalah mencari informasi dasar

dari citra sehingga dapat mempermudah analisis pada tahap selanjutnya.

2.3 Thinning

2.3.1 Pengertian

Thinning

Secara garis besar,

thinning

dapat diartikan sebagai proses pereduksian

wilayah dari tepi objek berupa citra hingga yang tersisa merupakan garis tengahnya

saja atau dapat disebut juga sebagai

skeleton

atau kerangka. Skeleton atau kerangka

oleh J.R. Parker (1997) diasumsikan sebagai representasi bentuk dari suatu objek

dalam jumlah piksel yang relatif kecil (sedikit), yang dimana kesemuanya merupakan

(28)

kerangka diharapkan dapat merepresentasikan bentuk dari sebuah objek dalam

jumlah piksel yang relatif kecil, yang dimana semuanya saling berkaitan dan

merupakan yang terpenting. Dalam garis yang ada pada kerangka, dapat terwakili

informasi yang ada pada citra yang sesungguhnya.

Dalam konsep yang telah dikembangkan oleh banyak orang, J.R. Parker

(1997) mengemukakan bahwa tidak semua objek dapat dikenai operasi

thinning

, dan

hasil dari operasi

thinning

itu sendiri yang disebut sebagai kerangka mempunyai

kemungkinan untuk tidak berfungsi disemua situasi. J.R. Parker (1997) juga

mengemukakan bahwa

thinning

merupakan operasi untuk mengidentifikasi kerangka

sebuah objek, operasi

thinning

itu sendiri tidak didefinisikan oleh algoritma yang

digunakan.

2.3.2 Definisi

thinning

Thinning

mempunyai beberapa definisi atau metode berdasarkan uraian yang

dikemukakan oleh J.R. Parker (1997), yang diantaranya adalah sebagai berikut :

1.

Medial Axis Transform

Medial Axis Function (MAF)

mungkin merupakan definisi yang diperkenalkan

oleh Blum pada tahun 1967. MAF memperlakukan semua batas piksel terluar

objek sebagai titik–titik sumber dari

wave front

(gelombang tepi). Setiap piksel

membangkitkan setiap titik tetangganya (titik yang berhubungan) agar menjadi

(29)

menghasilkan sudut.

Medial axis

(poros tengah) merupakan tempat dimana sudut

itu berada dan saling membentuk skeleton. Metode

Medial Axis Transform

yang

diterapkan pada sebuah objek huruf T dapat diilustrasikan pada gambar 2.2

berikut (J.R. Parker, 1997):

Gambar 2.2 contoh hasil Medial Axis Transform seperti yang diuraikan J.R. Parker (1997)

2.

Iterative Morphological Method

Mayoritas dari algoritma

thinning

didasarkan pada penghilangkan lapisan–

lapisan piksel hingga tidak ada lagi lapisan yang dapat dihilangkan. Pada

penerapannya, ada beberapa aturan yang digunakan dalam penghilangan lapisan

piksel. Dan kadang - kadang, proses pencocokan dengan

template

digunakan

untuk mengimplementasikan metode ini. Algoritma

thinning

Stentiford

merupakan salah satu contoh dari metode ini. Penjelasan secara detail dari

algoritma Stentiford akan dibahas pada bab ini.

Algoritma Stentiford yang diterapkan pada huruf T dapat diilustrasikan pada

(30)

Gambar 2.3 Contoh iterasi pada huruf T yang terjadi dalam algoritma Stentiford seperti yang diungkapkan oleh J.R. Parker (1997)

3.

Contour Based Method

merupakan cara lain dalam mendapatkan kerangka dari

sebuah objek. Metode ini bekerja dengan mendeteksi bentuk terluar dari objek.

Contour Based Algorithm

mempunyai alur inti sebagai berikut :

1.

Mendeteksi bagian / bentuk terluar dari objek.

2.

Mengidentifikasi piksel dari bagian yang tidak dapat dihapus.

(31)

4.

Jika ada bagian piksel yang telah dihapuskan pada langkah 3 , ulangi dari

langkah pertama.

Metode ini mencoba untuk menyingkirkan penggunaan

template

3 x 3 dalam

operasinya.

4.

Line Following (Line Tracing)

Line Following

merupakan salah satu metode dalam mengidentifikasi dan

mendapatkan kerangka dari objek. Metode ini bekerja dengan menggunakan

pointer untuk menentukan arah dari garis.

5.

Memperlakukan objek sebagai

Polygon

Cara lain untuk melakukan operasi

thinning

dapat dilakukan dengan

memperlakukan batas terluar (

boundary

) objek sebagai

polygon

sebelum

diidentifikasi kerangkanya. Memperlakukan batas luar objek sebagai

polygon

dapat diilustrasikan dengan gambar 2.4 berikut:

Gambar 2.4 ilustrasi polygon dan kerangkanya seperti yang diungkapkan oleh J.R. Parker (1997)

6.

Force Based Thinning

(32)

piksel

background

yang mempunyai setidaknya satu objek piksel sebagai

tetangganya dan memberi tanda. Piksel ini akan diasumsikan memberi penekanan

gaya berlawanan ke semua objek piksel, semakin dekat jarak piksel disekitarnya

dengan piksel yang ditandai ini, maka semakin besar gaya tekan yang akan

didapat. Daerah gaya ini dipetakan dengan membagi-bagi daerah menjadi

kotak-kotak kecil dan menghitung gaya yang bekerja pada sudut-sudut kotak-kotak. Kerangka

(

skeleton

) dari objek terletak di dalam kotak yang mempunyai gaya bekerja di

sudutnya mempunyai arah yang saling berlawanan.

2.4

Algoritma

Thinning

Stentiford

Algoritma

Thinning

Stentiford pertama kali diperkenalkan oleh

F. W. M.

Stentiford dan R. G. Mortimer. Algoritma Stentiford menggunakan

template

berukuran 3 x 3 untuk melakukan pencocokan dengan citra. Ketika kecocokan

terjadi, titik tengah dari piksel 3 x 3 tersebut akan dihapus (diubah warnanya ke

warna putih).

Algoritma Stentiford menggunakan 4 buah

template

, yaitu :

M1 M2 M3 M4

Gambar 2.5. Template yang digunakan Stentiford

(33)

Algoritma stentiford dapat dijabarkan sebagai berikut :

1.

Cari lokasi piksel (i,j) dimana piksel yang ada di citra I, cocok dengan

template

M1.

2.

Jika titik tengah piksel bukan merupakan

endpoint

(titik akhir) dan

mempunyai indeks konektivitas = 1, maka tandai piksel ini untuk

penghapusan.

3.

ulangi langkah 1 – 2 untuk semua lokasi piksel yang cocok dengan

template

M1.

4.

ulangi langkah 1 – 3 untuk sisa

template

yang belum dicocokkan : M2, M3,

M4.

5.

jika ada piksel yang telah ditandai sebelumnya untuk proses penghapusan,

maka hapuskan piksel tersebut dengan mengubahnya menjadi warna putih.

6.

jika masih ada piksel yang dapat dihapus pada langkah ke 5, maka ulangi

semua proses mulai dari langkah ke – 1, jika tidak berhenti

Setiap

Template

mempunyai fungsi yang berbeda – beda. M1 berfungsi untuk

mencari piksel-piksel yang dapat dihilangkan pada bagian tepi atas objek, bergerak

dengan arah kiri ke kanan atas ke bawah. M2 akan mencocokkan pada bagian tepi

kiri dari objek,

template

ini bergerak dengan arah dari bawah ke atas, dari kiri ke

kanan. M3 akan mencari piksel–piksel sepanjang tepi bawah bergerak dari kanan ke

kiri, bawah ke atas. M4 akan mencocokan piksel–piksel pada bagian kanan objek

(34)

Dalam proses tersebut, ditemukan beberapa permasalahan. Yaitu ketika

proses penghapusan menemui sebuah

endpoint

. Sebuah piksel disebut

Endpoint

(Titik ujung) ketika piksel tersebut hanya terhubung dengan 1 piksel diantara 8 piksel

disekitarnya. Ketika proses dilakukan dan endpoint tersebut akan dihapus, Semua

bagian dari citra yang berupa garis lurus, kurva terbuka akan ikut terhapus.

Indeks Konektivitas adalah konsep yang dikembangkan untuk mengurangi

masalah tersebut. Indeks Konektivitas merupakan ukuran untuk menentukan

seberapa banyak objek akan terhubung dengan sebuah piksel. Untuk menghitung

indeks konektivitas dapat digunakan rumus:

(

N

)

N

C

k k k

s k

k

n +1 +2

∈

⋅

−

=

∑

Dari konsep konektivitas tersebut, dapat diilustrasikan:

C1 C2 C3 C4 C0

Gambar 2.6 : Ilustrasi konektivitas piksel tengah dengan 8 piksel disekitarnya

N

k

merupakan nilai warna dari salah satu dari delapan tetangga piksel yang

terlibat, dan S = {1, 3, 5, 7}, N

1

adalah nilai warna dari piksel di sebelah kanan dari

piksel tengah dan piksel lainnya diberi nomor secara berurutan mengikuti arah jarum

jam. Posisi dari setiap delapan anggota piksel yang menjadi tetangga dari piksel

(35)

Gambar 2.7 Posisi nomor setiap delapan anggota tetangga

Nilai

dari

N

k

adalah 1 jika berwarna putih (

Background

) dan 0 jika hitam

(objek). Dan piksel tengah diberi nomor N

0

.

Dari hasil penghitungan indeks konektivitas, dihasilkan kesimpulan tentang

kriteria dari piksel yang dapat dihapus (diubah menjadi putih), yaitu:

1.

Jika sebuah piksel tidak terhubung dengan piksel lainnya, maka dapat

disimpulkan bahwa indeks konektivitasnya = 1. Ketika indeks

konektivitas dari sebuah piksel pusat tersebut bernilai satu maka piksel

pusat tersebut dapat dihapus dengan mengesetnya ke warna putih.

2.

Indeks konektivitas = 2, piksel nilai konektivitas ini mempunyai

keterhubungan dengan 2 buah piksel lain di sekitarnya. Maka ketika

piksel ini dihapus akan membuat bagian kiri dan kananya terputus.

3.

Indeks konektivitas = 3.

4.

Indeks konektivitas = 4.

5.

Indeks konektivitas = 0

Dalam perkembangannya Stentiford menyarankan untuk memasukkan tahap

preprocessing

sebelum dilakukan operasi

thinning

. Tahap

preprocessing

tersebut

meliputi operasi

smoothing

dan prosedur

acute angle emphasis

. Operasi

smoothing

adalah operasi penghapusan piksel yang mempunyai dua atau kurang tetangga

(36)

digunakan untuk mengatasi permasalahan tentang

line fuzz

yang sering muncul di

implementasi algoritma Stentiford. Oleh J.R. Parker (1997), diuraikan bahwa

line

fuzz

sering disebabkan oleh bentuk yang tidak biasa dari

outline

(bagian tepi atau

garis tepi) objek. Prosedur

dilakukan untuk menangani

masalah

necking

pada algoritma. Operasi ini melakukan pencocokan piksel pada citra

dengan

template

. Operasi–operasi tersebut dilaksanakan

dengan urutan

smoothing

,

kemudian baru diikuti oleh operasi

thinning

.

Template

yang digunakan dalam prosedur

adalah

seperti pada gambar 2.3 berikut:

D1 D2 D3 D4 D5

(37)

3.1.RANCANGAN UMUM

Secara umum, program ini menitikberatkan pada proses

thinning

meskipun

dalam proses yang dilakukan meliputi proses

grayscaling, binerisasi

.

Program

Simulasi

Thinning

ini bertujuan memberikan gambaran sebuah proses

thinning

yang

dilakukan dalam proses pengenalan pola. Simulasi ini menggunakan algoritma

Stentiford. Proses

thinning

merupakan proses mengambil bentuk pokok dari suatu

objek sebelum dilakukan klasifikasi dalam pengenalan pola.

Dalam program ini, gambar yang digunakan merupakan gambar huruf–huruf

dan diambil dan dibuat secara

offline

. Dalam program, gambar tersebut diolah

terlebih dahulu dengan

grayscaling

dan binerisasi.

3.2.PERANCANGAN PROSES DALAM APLIKASI

Dalam pemrosesan yang terjadi dalam aplikasi, secara umum proses dibagi

menjadi 5 buah proses inti yang dapat diilustrasikan menjadi desain proses secara

umum dan Proses Level 1, yaitu:

(38)

Gambar 3.2 Gambaran Proses Level 1

3.2.1.

Proses input citra.

Proses input citra merupakan proses awal dalam program dimana citra di baca

oleh sistem. Dalam proses ini, citra dimasukkan oleh

user

untuk dilakukan

simulasi. Proses ini terlebih dahulu dilakukan dengan memilih citra yang telah

diambil secara

offline

. Adapun cara yang dilakukan dengan modul

OpenPictureDialog yang telah tersedia dalam Delphi. Input citra berupa citra

BMP dengan ukuran dimensi yang sama (MxN, dimana M=N). Setelah dilakukan

pemilihan, Citra maka akan ditampilkan dalam program.

3.2.2.

Proses

grayscaling

(39)

= (0.3 x

Red

+ 0.59 x

Green

+ 0. 11 x

Blue

) / 3. Setelah dilakukan perhitungan per

piksel, hasil yang didapat dari hasil tersebut dimasukkan menjadi nilai setiap

piksel yang baru. Proses Grayscaling dapat digambarkan sebagai berikut:

Gambar 3.3 Variabel yang bertipe Tbitmap di-scan dan diambil nilai RGB-nya yang kemudian akan dilakukan penghitungan.

3.2.3.

Proses binerisasi

Proses binerisasi merupakan proses pengambangan citra menjadi 2 jenis warna

yaitu hitam dan putih (0 dan 1). Proses pengambangan dilakukan dengan

menentukan batas pengambangan dari hasil penghitungan nilai tengah sebaran

histogram citra. Proses Binerisasi dapat digambarkan sebagai berikut:

Gambar 3.4 Gambar yang sudah dalam bentuk grayscale di-scan kembali untuk dikonversi menjadi gambar biner

3.2.4.

Proses penduplikasian citra ke dalam bentuk array 2 dimensi

Proses penduplikasian citra dilakukan dengan melakukan

scanning

ke seluruh

bagian citra. Proses dilakukan dengan membuat sebuah array 2 dimensi dimana

(40)

biner. Kemudian, ketika dilakukan

scanning

ke citra biner tersebut, saat

ditemukan warna hitam pada posisi piksel(x,y) di citra maka pada array 2 dimensi

di masukkan nilai 0 pada posisi yang sama dengan posisi piksel(x,y) citra. Proses

duplikasi citra ke array 2 dimensi dapat digambarkan sebagai berikut:

Gambar 3.5 Variabel bitmap yang sudah dalam format warna 1bit kemudian diduplikasi ke dalam bentuk array 2 dimensi

3.2.5.

Proses

Thinning

Proses

Thinning

merupakan proses pereduksian dari kulit luar objek. Dalam

proses ini, Algoritma

Thinning

Stentiford digunakan untuk menjalankan proses

thinning

. Proses ini dapat digambarkan sebagai berikut:

Gambar 3.6 Proses Thinning yang didahului dengan smoothing dan AAE

3.2.6.

Proses rekonstruksi array 2 dimensi ke dalam bentuk citra

proses rekonstruksi array 2 dimensi ini dilakukan setelah array dimensi dikenai

proses

thinning

. Proses rekonstruksi citra terjadi dengan melakukan

scanning

(41)

ditemukan pada posisi baris dan kolom digantikan dengan representasi warna

hitam dan putih pada posisi

piksel

di citra.

Gambar 3.7 Rekonstruksi gambar (variabel TBitmap) dari array

3.3.KEBUTUHAN PERANGKAT LUNAK

Kebutuhan perangkat lunak yang digunakan untuk menyelesaikan tugas akhi ini

adalah Borland Delphi versi 7 yang dipergunakan untuk membangun program.

Photoshop digunakan untuk meng-

edit

citra yang akan digunakan menguji

jalannya program.

3.4.KEBUTUHAN PERANGKAT KERAS

Perangkat keras yang digunakan untuk menyelesaikan tugas akhir ini adalah

seperangkat komputer dengan spesifikasi :

a. Prosesor

: AMD Duron 1,8 Ghz

b. Sistem Operasi

: Microsoft Windows XP

c. Media Tampilan

: VGA 64 Mb

d.

Memory

:

256

MB

e. Media Penyimpanan

: Hard Disk 40 GB

(42)

3.5.PERANCANGAN TAMPILAN ANTAR MUKA

3.5.1.

Form Tampilan Awal

Form tampilan awal merupakan form yang berfungsi untuk menampilkan

identitas dari penulis dan dosen pembimbing.

Gambar 3.8 Tampilan form tampilan awal

3.5.2.

Form Menu Utama (Tampilan Utama)

Form utama merupakan form dimana semua

interface

dibutuhkan

dimunculkan. Form utama berupa MDI (

Multiple Document Interface

) Form.

(43)

3.5.3.

Form Penampil Citra Input

Form Penampil Citra Input merupakan form yang berfungsi untuk

menampilkan citra yang telah dipilih oleh

user

.

Gambar 3.10 Tampilan Form Penampil Citra Input

3.5.4.

Form Penampil Citra Hasil Olahan

Form Penampil Citra hasil olahan berfungsi untuk menampilkan citra dari

hasil pengolahan (

Thinning

) yang telah dilalui.

(44)

3.5.5.

Form Masukkan Citra

Form masukkan Citra merupakan bagian form dialog dimana

user

diminta

untuk mencari dan memilih sendiri citra yang akan diolah.

Gambar 3.12 Tampilan form dialog masukkan citra

3.5.6.

Form Simpan Citra

Form Simpan Citra merupakan Bagian dari form dialog dimana

user

dapat

menyimpan hasil dari proses

thinning

yang telah dilakukan.

(45)

3.5.7.

Form Dialog

Form Dialog berfungsi untuk menyampaikan pesan dan membutuhkan

konfirmasi dari

user

.

Gambar 3.14 Tampilan form konfirmasi untuk user

3.5.8.

Form

Message

Box

Form

message

Box berfungsi untuk menampilkan pesan – pesan dari program.

(46)

4.1.

DESKRIPSI KERJA PROGRAM SECARA UMUM

Secara umum, Program dirancang untuk menjalankan implementasi algoritma

thinning

Stentiford, diluar algoritma tersebut hanya merupakan sub-sub program

yang berfungsi untuk membuat jalan program menjadi lancar dan efisien. Adapun

alur kerja program dapat digambarkan dengan alur sebagai berikut:

Gambar 4.1 Jalanya proses dalam program

Dari ilustrasi alur program dapat dijelaskan, program berjalan dengan diawali

(47)

citra akan diperiksa apakah telah sesuai dengan syarat yang telah ditentukan, apabila

citra memenuhi syarat maka citra tersebut akan dimasukkan ke dalam variabel

bitmap. Pada proses selanjutnya, variabel bitmap tersebut dikenai operasi

grayscaling

,

binerisasi

dan

duplikasi.

Operasi

graycaling

merupakan operasi

pengubahan

form

at citra yang semula

RGB(Red, Green, Blue)

menjadi

form

at citra

grayscale

. Operasi

binerisasi

merupakan operasi pengubahan

form

at citra

grayscale

menjadi

form

at citra

biner

. Dari operasi

grayscaling

dan

binerisasi

yang telah

dijalankan, akan menghasilkan sebuah citra biner yang masih bertipe data bitmap.

Untuk dapat menjadikannya lebih mudah dan cepat untuk diolah maka perlu diubah

bentuknya menjadi sebuah array 2 dimensi yang berelemen 0 dan 1 sebagai wakil

dari citra biner. Operasi duplikasi dijalankan untuk memenuhi kebutuhan tersebut

akan

form

at citra dalam bentuk array 2 dimensi. Operasi duplikasi menghasilkan data

dalam bentuk

record

yang berisi nilai dimensi citra dan array 2 dimensi yang

mewakili citra biner. Dari data hasil duplikasi tersebut digunakan untuk operasi

smoothing, aae (acute angle emphasis), thinning

. Setelah ketiga operasi dijalankan

didapatkan sebuah record yang berisi array 2 dimensi hasil dari operasi

thinning.

Untuk dapat menampilkan array tersebut, maka perlu dilakukan rekonstruksi array

tersebut menjadi variabel bitmap. Operasi Rekonstruksi

digunakan untuk

merekonstruksi array tersebut dalam bentuk variabel bitmap agar dapat ditampilkan.

Untuk menjalankan program, beberapa hal yang perlu dipersiapakan antara

(48)

dimensi yang sama. Yang dimaksud dengan ukuran dimensi yang sama adalah

ukuran panjang dan lebar (lebar dan tinggi) harus sama.

4.2.

IMPLEMENTASI ALGORITMA

4.2.1.

Algoritma membuka dan menampilkan Citra

Untuk mengambil dan menggunakan gambar tertentu, maka digunakan:

Application.CreateForm(TView,View);

View.GBR.Picture.LoadFromFile(Utama.Buka_Gambar_Dialog.FileName); View.Show;

Algoritma untuk membuka dan menampilkan citra merupakan algoritma yang

menggunakan fungsi dasar dalam Delphi. Prosedur yang menggunakan fungsi ini

dijalankan ketika

user

akan memulai mengoperasikan program.

4.2.2.

Algoritma Menyimpan Citra

Utama.Simpan_Gambar_Dialog.DefaultExt:= GraphicExtension(TBitmap);

View_Thin.GBR.Picture.Bitmap.SaveToFile(Utama.Simpan_Gambar_Dialog.FileName+' .'+Utama.Simpan_Gambar_Dialog.DefaultExt);

Proses penyimpanan citra merupakan proses yang dijalankan atau dioperasikan pada

tahap akhir program. Proses ini merupakan prosedur pilihan yang dapat dijalankan

dapat juga tidak, sesuai dengan keinginan

user

.

4.2.3.

Algoritma Fungsi

Grayscaling

function grayscaling(var gbrIn:TBitmap):TBitmap; Var

(49)

i,j,GrayVal :Cardinal;

pixArrRGB,pixArrGrey:Pbytearray; Begin

GbrTmp:=TBitmap.Create; GbrIn.PikselFormat:=pf24bit; Try

With GbrTmp Do Begin

PikselFormat:=pf8bit; Height:=gbrIn.Height; Width:=gbrIn.Width; End;

for i:=0 to gbrIn.height-1 do begin

pixArrRGB:=gbrIn.ScanLine[i]; pixArrGrey:=GbrTmp.ScanLine[i]; for j:=0 to gbrIn.width-1 do begin

GrayVal:=round((pixArrRGB[j*3]) * 0.11)+round((pixArrRGB[j*3+1]) * 0.59)+round((pixArrRGB[j*3+2]) * 0.3);

pixArrGrey[j]:= GrayVal; end

end;

GbrTmp.PikselFormat:=pf8bit; //digunakan seandainya GbrTmp.PikselFormat masih pf24bit

grayscaling:=GbrTmp Finally

End;

End; {akhir dari fungsi grayscale}

Proses

grayscaling

merupakan proses yang harus dijalankan. Proses ini berguna

untuk mengkonversi citra yang semula merupakan citra

truecolor

24 bit menjadi citra

grayscale

8 bit. Sesuai dengan alur kerja program, fungsi operasi citra ini dijalankan

paling awal diantara operasi citra–citra yang lain yaitu

tresholding

(dalam

pembahasan ini adalah binerisasi),

Thinning

. Proses berjalan dengan melakukan

scanning

ke setiap piksel pada citra kemudian menggambil nilai

Red, Green

dan

Blue

(50)

4.2.4.

Algoritma Fungsi Binerisasi

function binerisasi(var gbrIn:TBitmap):TBitmap; Var

GbrTmp:TBitmap; i,j:Cardinal;

pixArrBin,pixArrGrey:Pbytearray; Begin

GbrTmp:=Tbitmap.create; GbrIn.PikselFormat:=pf8bit; Try

With GbrTmp Do Begin

PikselFormat:=pf8bit; Height:=gbrIn.Height; Width:=gbrIn.Width; End;

for i:=0 to gbrIn.height-1 do begin

pixArrGrey:=gbrIn.ScanLine[i]; for j:=0 to gbrIn.width-1 do begin

if pixArrGrey[j]>=128then begin

//pixArrBin[j]:=255

GbrTmp.Canvas.Piksels[j,i]:=255; //sama aja dengan yang diatas end

else if pixArrGrey[j]<128then //pixArrBin[j]:=0;

GbrTmp.Canvas.Piksels[j,i]:=0; //sama aja dengan yang diatas end;

end;

GbrTmp.PikselFormat:=pf1bit; binerisasi:=GbrTmp;

Finally GbrIn.Free; End

End; {akhir dari fungsi binerisasi}

Proses binerisasi merupakan proses setelah

grayscale

dimana fungsi ini berfungsi

untuk mengkonversi citra

grayscale

8 bit menjadi citra monokrom (biner) 1 bit.

Proses binerisasi berjalan dengan operasi tresholding dimana nilai ambang yang

(51)

4.2.5.

Algoritma Fungsi Duplikasi

Function Duplikasi(var Gbr_2Klon:TBitmap):TBinData; var

x,y,H,W:cardinal; klon_out:TBinData; Begin

Try

H:=Gbr_2Klon.Height; W:=Gbr_2Klon.Width; klon_out.Tinggi:=H; klon_out.Lebar:=W;

SetLength(klon_out.Kloning,H,W);//ngeset variabel dinamis array [baris]

For x:=Low(klon_out.Kloning) to High(klon_out.Kloning) do//mengakses index X dari yang terendah ke yg tertinggi

Begin

//SetLength(klon_out.Kloning[x],W);//ngeset Besar array[baris][Kolom]

For y:=Low(klon_out.Kloning[x]) to High(klon_out.Kloning[x]) do //mengakses kolom X dgn index Y dari yang terendah ke yg tertinggi

Begin

if Gbr_2Klon.Canvas.Piksels[x,y]=clBlack then Begin

klon_out.Kloning[x,y]:=0; End

Else

klon_out.Kloning[x,y]:=1; //akhir else if End;//akhir For2

End;//akhir For1 Finally

Duplikasi:=klon_out; //parse kluar hasil kloning, yang nantinya akan dicek_THin End;

End;//akhir function Duplikasi

Proses duplikasi merupakan proses penduplikasian citra hasil operasi binerisasi

menjadi

array

2 dimensi yang mempunyai ke-identikan dalam susunan nilai elemen

array dan nilai piksel yang ada dalam matriks citra. Fungsi duplikasi menghasilkan

output

yang berupa

record

dengan isi nilai tinggi dan lebar dari citra, serta

array

hasil duplikasi dari citra biner. Proses yang terjadi dalam duplikasi merupakan proses

(52)

4.2.6.

Algoritma Fungsi

Smoothing

function smoothing(var Gbr_4Thin:TBinData):TBinData; var //variabel local

Gbr_Buffer : Array of array of byte; i, j,endpoint_counter :cardinal;

konektivitas,Nk1,Nk3,Nk5,Nk7: integer; Begin

setLength(Gbr_Buffer,Gbr_4Thin.Tinggi,Gbr_4Thin.Lebar); //t4 mencatat yang akan disetPutih

for i:=low(Gbr_Buffer)+1 to High(Gbr_Buffer)-1 do //baris Begin

for j:=low(Gbr_Buffer[i])+1 to High(Gbr_Buffer[i])-1 do //kolom Begin

Gbr_buffer[i,j]:=0; End

End;

for i:=low(Gbr_4Thin.Kloning)+1 to High(Gbr_4Thin.Kloning)-1 do //baris Begin

for j:=low(Gbr_4Thin.Kloning[i])+1 to High(Gbr_4Thin.Kloning[i])-1 do //kolom Begin

if Gbr_4Thin.Kloning[i,j]=0 Then Begin konektivitas:=0;Nk1:=0;Nk3:=0;Nk5:=0;Nk7:=0; Nk1:=Gbr_4Thin.Kloning[i,j+1]-((Gbr_4Thin.Kloning[i,j+1])*(Gbr_4Thin.Kloning[i+1,j+1])*(Gbr_4Thin.Kloning[i+1,j])); Nk3:=Gbr_4Thin.Kloning[i+1,j]-((Gbr_4Thin.Kloning[i+1,j])*(Gbr_4Thin.Kloning[i+1,j-1])*(Gbr_4Thin.Kloning[i,j-1])); Nk5:=Gbr_4Thin.Kloning[i,j-1]-((Gbr_4Thin.Kloning[i,j-1])*(Gbr_4Thin.Kloning[i-1,j-1])*(Gbr_4Thin.Kloning[i-1,j])); Nk7:=Gbr_4Thin.Kloning[i-1,j]-((Gbr_4Thin.Kloning[i-1,j])*(Gbr_4Thin.Kloning[i-1,j+1])*(Gbr_4Thin.Kloning[i,j+1])); //zigmaNK:=Nk1+Nk3+Nk5+Nk7; konektivitas:=(Nk1)+(Nk3)+(Nk5)+(Nk7); //pembuktian EndPoint==============================// endpoint_counter:=0;

if Gbr_4Thin.Kloning[i,j+1]=0 then //N1 Begin

endpoint_counter:=endpoint_counter+1; End;

if Gbr_4Thin.Kloning[i+1,j+1]=0 then //N2 Begin

if Gbr_4Thin.Kloning[i+1,j]=0 then //N3 Begin

if Gbr_4Thin.Kloning[i+1,j-1]=0 then //N4 Begin

(53)

End;

if Gbr_4Thin.Kloning[i,j-1]=0 then //N5 Begin

if Gbr_4Thin.Kloning[i-1,j-1]=0 then //N6 Begin

if Gbr_4Thin.Kloning[i-1,j]=0 then //N7 Begin

if Gbr_4Thin.Kloning[i-1,j+1]=0 then //N8 Begin

//pembuktian EndPoint===========================// //pencocokan konektivitas=========================// if (konektivitas=2) and (endpoint_counter<=2) then

Begin Gbr_Buffer[i,j]:=2; End;//akhir if2 End;//akhir if1 //pencocokan konektivitas=========================// End//akhir for2 End;//akhir for1

for i:=low(Gbr_Buffer) to High(Gbr_Buffer) do //baris Begin

for j:=low(Gbr_Buffer[i]) to High(Gbr_Buffer[i]) do //kolom Begin

if Gbr_Buffer[i,j]=2 then Begin

//count:=count+1;

Gbr_4Thin.Kloning[i,j]:=1; End;

if i=low(Gbr_Buffer) Then //ngeset paling tepi Begin

if i=High(Gbr_Buffer) Then //ngeset paling tepi Begin

if j=low(Gbr_Buffer[i]) Then //ngeset paling tepi Begin

if j=High(Gbr_Buffer[i]) Then //ngeset paling tepi Begin

(54)

End;

End //akhir dari for2 End;//akhir dari for1

Smoothing:=Gbr_4Thin; //hasil dari smoothing di parse keluar fungsi End;//akhir fungsi smoothing

Smoothing

merupakan proses yang disarankan oleh Stentiford untuk dijalankan,

fungsi ini berguna untuk menghilangkan permasalahan yang sering timbul dalam

hasil algoritma

thinning

stentiford, permasalahan tersebut adalah

line fuzz

.

Smoothing

beroperasi dengan mencari piksel yang mempunyai nilai konektivitas 2 dan

mempunyai keterhubungan dengan tetangganya maksimal 2.

4.2.7.

Algoritma Fungsi

(AAE)

function acute_angle_emphasis(var gbr_msk:TBinData):TBinData; var

Gbr_Buffer : Array of array of byte; i, j:cardinal;

Begin

setLength(Gbr_Buffer,gbr_msk.Tinggi,gbr_msk.Lebar); for i:=low(Gbr_Buffer)+2 to High(Gbr_Buffer)-2 do Begin

for j:=low(Gbr_Buffer)+2 to High(gbr_Buffer)-2 do Begin

{D template}

{D1}if {/1/}(gbr_msk.Kloning[i-2,j-2]=0) and (gbr_msk.Kloning[i-2,j-1]=0) and 2,j]=1) and 2,j+1]=0) and (gbr_msk.Kloning[i-2,j+2]=0) and{/2/}(gbr_msk.Kloning[i-1,j-2]=0) and (gbr_msk.Kloning[i-1,j-1]=0) and 1,j]=1) and 1,j+1]=0) and (gbr_msk.Kloning[i-1,j+2]=0) and{/3/} (gbr_msk.Kloning[i,j-2]=0) and (gbr_msk.Kloning[i,j-1]=0) and (gbr_msk.Kloning[i,j]=0) and (gbr_msk.Kloning[i,j+1]=0) and (gbr_msk.Kloning[i,j+2]=0) and{/4/} (gbr_msk.Kloning[i+1,j-2]=0) and (gbr_msk.Kloning[i+1,j-1]=0) and (gbr_msk.Kloning[i+1,j]=0) and (gbr_msk.Kloning[i+1,j+1]=0) and (gbr_msk.Kloning[i+1,j+2]=0) and{/5/}(gbr_msk.Kloning[i+2,j-1]=0) and (gbr_msk.Kloning[i+2,j]=0) and (gbr_msk.Kloning[i+2,j+1]=0) then

Begin

Gbr_Buffer[i,j]:=0; End;

(55)

and{/4/} (gbr_msk.Kloning[i+1,j-2]=0) and (gbr_msk.Kloning[i+1,j-1]=0) and (gbr_msk.Kloning[i+1,j]=0) and (gbr_msk.Kloning[i+1,j+1]=0) and (gbr_msk.Kloning[i+1,j+2]=0) and{/5/}(gbr_msk.Kloning[i+2,j-1]=0) and (gbr_msk.Kloning[i+2,j]=0) and (gbr_msk.Kloning[i+2,j+1]=0) then

Begin

{U template}

{U1}if {/1/} (gbr_msk.Kloning[i-2,j-1]=0) and (gbr_msk.Kloning[i-2,j]=0) and

(gbr_msk.Kloning[i-2,j+1]=0) and{/2/}(gbr_msk.Kloning[i-1,j-2]=0) and 1,j-1]=0) and 1,j]=0) and

(56)

(gbr_msk.Kloning[i,j-1]=0) and (gbr_msk.Kloning[i,j]=0) and (gbr_msk.Kloning[i,j+1]=0) and (gbr_msk.Kloning[i,j+2]=0) and{/4/} (gbr_msk.Kloning[i+1,j-2]=0) and (gbr_msk.Kloning[i+1,j-1]=0) and (gbr_msk.Kloning[i+1,j]=1) and (gbr_msk.Kloning[i+1,j+1]=0) and (gbr_msk.Kloning[i+1,j+2]=0) and{/5/}(gbr_msk.Kloning[i+2,j-2]=0) and (gbr_msk.Kloning[i+2,j-1]=0) and

(gbr_msk.Kloning[i+2,j]=1) and (gbr_msk.Kloning[i+2,j+1]=0) and (gbr_msk.Kloning[i+2,j+2]=0) then

Begin

(gbr_msk.Kloning[i-1,j+1]=0) and (gbr_msk.Kloning[i-1,j+2]=0) and{/3/} (gbr_msk.Kloning[i,j-2]=0) and (gbr_msk.Kloning[i,j-1]=0) and (gbr_msk.Kloning[i,j]=0) and (gbr_msk.Kloning[i,j+1]=0) and (gbr_msk.Kloning[i,j+2]=0) and{/4/} (gbr_msk.Kloning[i+1,j-2]=0) and (gbr_msk.Kloning[i+1,j-1]=0) and (gbr_msk.Kloning[i+1,j]=1) and (gbr_msk.Kloning[i+1,j+1]=0) and (gbr_msk.Kloning[i+1,j+2]=0) and{/5/}(gbr_msk.Kloning[i+2,j-2]=0) and (gbr_msk.Kloning[i+2,j-1]=1) and

Begin

(57)

End;

(gbr_msk.Kloning[i+2,j]=1) and (gbr_msk.Kloning[i+2,j+1]=1) and (gbr_msk.Kloning[i+2,j+2]=0) then Begin Gbr_Buffer[i,j]:=0; End; End End;

for i:=low(Gbr_Buffer) to High(Gbr_Buffer) do //baris Begin

for j:=low(Gbr_Buffer[i]) to High(Gbr_Buffer[i]) do //kolom Begin

if Gbr_Buffer[i,j]=2 then Begin

//count:=count+1; gbr_msk.Kloning[i,j]:=1; End;

if i=low(Gbr_Buffer) Then //ngeset paling tepi Begin

gbr_msk.Kloning[i,j]:=1; End;

if i=High(Gbr_Buffer) Then //ngeset paling tepi Begin

if j=low(Gbr_Buffer[i]) Then //ngeset paling tepi Begin

if j=High(Gbr_Buffer[i]) Then //ngeset paling tepi Begin

End //akhir dari for2 End;//akhir dari for1

(58)

Fungsi

merupakan fungsi kedua sebelum fungsi

thinning

dijalankan. Fungsi ini berfungsi untuk menangani permasalahan

necking

yang juga

sering muncul dalam

thinning

.

Necking

, sesuai dengan yang diuraikan oleh J.R.

Parker (1997) adalah titik terbatas pada perpotongan dari dua garis yang

direntangkan menjadi sebuah bagian garis yang kecil. Fungsi AAE menggunakan 10

buah

template

seperti yang telah diilustrasikan pada gambar 2.3. Dalam program

implementasi,

template

AAE diindikasikan dengan nama D1, D2, D3, D4, D5, U1,

U2, U3, U4, U5.

4.2.8.

Algoritma Fungsi Thinning Stentiford

function Thinkan(var Gbr_4Thin:TBinData):TBinData; //inputnya diganti TBinData var //variabel local

Gbr_Hsl_Thin,Gbr_Tmp,Gbr_Buffer : Array of array of byte; //Gbr_Buffer :Array of array of Char;

i, j,count,endpoint_counter :cardinal;

konektivitas,zigmaNK,Nk1,Nk3,Nk5,Nk7: integer; Label Mulai_cocokan;//deklarasi LABEL

//mulai function check_thin----> Begin

//rumus konektivitas Cn=Zigma(Nk)-(Nk.Nk+1.Nk+2)

setLength(Gbr_Hsl_Thin,Gbr_4Thin.Tinggi,Gbr_4Thin.Lebar); setLength(Gbr_Tmp,Gbr_4Thin.Tinggi,Gbr_4Thin.Lebar);

setLength(Gbr_Buffer,Gbr_4Thin.Tinggi,Gbr_4Thin.Lebar); //t4 mencatat yang akan disetPutih

//Gbr_Tmp:=Gbr_4Thin.Kloning; Mulai_cocokan: //mulai block program count:=0;

//===ngeset piksel buffer image kembali ke hitam semua======// for i:=low(Gbr_Buffer)+1 to High(Gbr_Buffer)-1 do //baris Begin

for j:=low(Gbr_Buffer[i])+1 to High(Gbr_Buffer[i])-1 do //kolom Begin

//count:=count+1; Gbr_buffer[i,j]:=0; End

End;

(59)

//====================M1_template_matching_============// for i:=low(Gbr_4Thin.Kloning)+1 to High(Gbr_4Thin.Kloning)-1 do //baris Begin

if (Gbr_4Thin.Kloning[i,j]=0)And ((Gbr_4Thin.Kloning[i-1,j]=1) And (Gbr_4Thin.Kloning[i+1,j]=0)) Then Begin konektivitas:=0;Nk1:=0;Nk3:=0;Nk5:=0;Nk7:=0; Nk1:=Gbr_4Thin.Kloning[i,j+1]-((Gbr_4Thin.Kloning[i,j+1])*(Gbr_4Thin.Kloning[i+1,j+1])*(Gbr_4Thin.Kloning[i+1,j])); Nk3:=Gbr_4Thin.Kloning[i+1,j]-((Gbr_4Thin.Kloning[i+1,j])*(Gbr_4Thin.Kloning[i+1,j-1])*(Gbr_4Thin.Kloning[i,j-1])); Nk5:=Gbr_4Thin.Kloning[i,j-1]-((Gbr_4Thin.Kloning[i,j-1])*(Gbr_4Thin.Kloning[i-1,j-1])*(Gbr_4Thin.Kloning[i-1,j])); Nk7:=Gbr_4Thin.Kloning[i-1,j]-((Gbr_4Thin.Kloning[i-1,j])*(Gbr_4Thin.Kloning[i-1,j+1])*(Gbr_4Thin.Kloning[i,j+1])); //zigmaNK:=Nk1+Nk3+Nk5+Nk7; konektivitas:=(Nk1)+(Nk3)+(Nk5)+(Nk7); //pembuktian EndPoint==============================// endpoint_counter:=0;

if Gbr_4Thin.Kloning[i+1,j-1]=0 then //N4 Begin

(60)

//pembuktian EndPoint==============================// //pencocokan konektivitas=========================// if (konektivitas=1) and (endpoint_counter>1) then

Begin Gbr_Buffer[i,j]:=1; //Gbr_Buffer[i-1,j]:=1; Gbr_Buffer[i+1,j]:=0; End;//akhir if2 //pencocokan konektivitas=========================// End//akhir If1 {Else Gbr_Buffer[i,j]:=0;} End//akhir for2 End;//akhir for1 //================M1_template_matching_===================// //=================M2_template_matching_===================// for i:=High(Gbr_4Thin.Kloning)-1 downto low(Gbr_4Thin.Kloning)+1 do //baris Begin

if (Gbr_4Thin.Kloning[i,j]=0)and ((Gbr_4Thin.Kloning[i,j-1]=1) And (Gbr_4Thin.Kloning[i,j+1]=0)) Then //templateNya

Begin konektivitas:=0;Nk1:=0;Nk3:=0;Nk5:=0;Nk7:=0; Nk1:=Gbr_4Thin.Kloning[i,j+1]-((Gbr_4Thin.Kloning[i,j+1])*(Gbr_4Thin.Kloning[i+1,j+1])*(Gbr_4Thin.Kloning[i+1,j])); Nk3:=Gbr_4Thin.Kloning[i+1,j]-((Gbr_4Thin.Kloning[i+1,j])*(Gbr_4Thin.Kloning[i+1,j-1])*(Gbr_4Thin.Kloning[i,j-1])); Nk5:=Gbr_4Thin.Kloning[i,j-1]-((Gbr_4Thin.Kloning[i,j-1])*(Gbr_4Thin.Kloning[i-1,j-1])*(Gbr_4Thin.Kloning[i-1,j])); Nk7:=Gbr_4Thin.Kloning[i-1,j]-((Gbr_4Thin.Kloning[i-1,j])*(Gbr_4Thin.Kloning[i-1,j+1])*(Gbr_4Thin.Kloning[i,j+1])); //zigmaNK:=Nk1+Nk3+Nk5+Nk7; konektivitas:=(Nk1)+(Nk3)+(Nk5)+(Nk7); //pembuktian EndPoint==============================// endpoint_counter:=0;

(61)

Begin

if Gbr_4Thin.Kloning[i-1,j+1]=0 then //N8 Begin

//pembuktian EndPoint==============================// //pencocokan konektivitas=========================// if (konektivitas=1) and (endpoint_counter>1) then

Begin Gbr_Buffer[i,j]:=1; //Gbr_Buffer[i,j-1]:=1; Gbr_Buffer[i,j+1]:=0; End;//akhir if2 //pencocokan konektivitas=========================// End//akhir If1 {Else Gbr_Buffer[i,j]:=0;} End//akhir for2 End;//akhir for1 //=================M2_template_matching_===================// //================M3_template_matching_===================// for i:=High(Gbr_4Thin.Kloning)-1 downto low(Gbr_4Thin.Kloning)+1 do //baris Begin

for j:=High(Gbr