Aplikasi Image Thresholding Untuk Segmentasi Objek Menggunakan Metode Otsu's Algorithm.

(1)

Aplikasi Image Thresholding untuk Segmentasi Objek Menggunakan Metode Otsu’s Algorithm

Erick Hartas/0322002

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha

Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

Email: [email protected]

ABSTRAK

Salah satu operasi di dalam analisis citra adalah segmentasi citra.

Segmentasi citra ialah memisahkan objek dari latar belakangnya atau dari objek

lain yang tidak menjadi perhatian. Metode segmentasi yang sederhana adalah

dengan operasi pengambangan (thresholding). Operasi pengambangan

menghasilkan citra biner, yang dalam hal ini objek yang menjadi acuan dibuat

berwarna putih sedangkan latar belakangnya dibuat berwarna hitam (atau

sebaliknya bergantung kasusnya).

Laporan tugas akhir ini mempresentasikan penggunaan operasi

pengambangan dengan pemilihan nilai ambang berdasarkan metode Otsu’s

Algorithm untuk melakukan segmentasi objek. Program dirancang dengan

menggunakan Microsoft Visual Basic 6.0.

Berdasarkan hasil survey dengan nilai MOS 3,742, program aplikasi

image thresholding untuk segmentasi objek yang dirancang ini dapat dikatakan

berjalan cukup baik. Tetapi terdapat kelemahan apabila citra yang diuji

mempunyai karakterisik histogram yang tidak memrepresentasikan objek dengan

latar belakangnya.

kata kunci : segmentasi, citra, pengambangan, Otsu’s algorithm

(2)

Image Thresholding Aplication For Object Segmentation Using Otsu’s Algorithm Method

Erick Hartas/0322002

Department of Electrical Engineering, Christian Maranatha University

Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia

Email: [email protected]

ABSTRACT

One of the operation in image analysis is image segmentation. Image

Segmentation is seperating object from it’s background or from other object

which is’nt being interested. The simple segmentation method is thresholding

operation. This thresholding operation product binary image, which the reference

object is set into white color, whereas the background is set into black color ( or

the reverse depend on the case).

This last assignment report represents the using of thresholding operation

for object segmentation where the threshold value is choosen by using Otsu’s

Algorithm method.

Base on the survey result by the MOS value 3,742, this image thresholding

for object segmentation program can be concluded works good enough. But the

program has a weakness if the histogram characteristic of the image does not

represent the object and it’s background.

Key word : segmentation, image, thresholding, Otsu’s algorithm

(3)

DAFTAR ISI

LEMBAR PENGESAHAN

SURAT PERNYATAAN

ABSTRAK i

ABSTRACT ii

KATA PENGANTAR iii

DAFTAR ISI v

DAFTAR GAMBAR vii

DAFTAR TABEL ix

DAFTAR LAMPIRAN x

BAB I PENDAHULUAN 1

I.1 Latar Belakang Masalah 1

I.2 Identifikasi Masalah 1

I.3 Tujuan 1

I.4 Pembatasan Masalah 2

I.5 Sistematika Penulisan 2

BAB II LANDASAN TEORI 3

II.1 Pengertian Citra dan Pengolahan Citra Digital 3

II.2 Warna 4

II.3 Grayscaling 5

II.4 Noise Pada Citra 6

II.4.2 Reduksi Noise Menggunakan Filter rata-rata 6

II.5 Histogram Citra 7

II.6 Thesholding 8

II.7 Otsu’s Algorithm 9

BAB III PERANCANGAN PROGRAM 12

III.1 Grayscaling 13

III.2.1 Program Grascaling 14

III.2 Smoothing 15

III.2.1 Program Smoothing 16

(4)

III.3 Histogram Citra 18

III.3.1 Program Histogram 19

III.4 Otsu’s Algorithm 20

III.4.1 Program Otsu’s Algorithm 21

III.5 Thresholding 22

III.5.1 Program Thresholding 23

III.6 Program Selesai 24

III.7 Tampilan Program 24

BAB IV DATA PENGAMATAN DAN ANALISA DATA 26

IV.1 Citra yang akan Diuji 26

IV.2 Hasil Pengujian 31

BAB V KESIMPULAN 41

V.1 Kesimpulan 41

V.2 Saran 41

DAFTAR PUSTAKA 42

LAMPIRAN A A-1

LAMPIRAN B B-1

LAMPIRAN C C-1

(5)

DAFTAR GAMBAR

Gambar II.1 Histogram Citra 9

Gambar II.2 Operasi Pengambangan 10

Gambar III.1 Diagram alir keseluruhan 13

Gambar III.2 Diagram alir grayscaling 14

Gambar III.3 Proses grayscaling 15

Gambar III.4 Diagram alir proses smoothing 16

Gambar III.5 Proses Smoothing 17

Gambar III.6 Diagram alir histogram 19

Gambar III.7 Proses membuat histogram citra 20

Gambar III.8 Diagram alir Otsu’s Algorithm 21

Gambar IV.16 Hasil Pengujian terhadap Gambar IV.1 32

(6)

(7)

DAFTAR TABEL

Tabel III.1 Property 26

Tabel IV.1 Hasil Survey 39

(8)

DAFTAR LAMPIRAN

LAMPIRAN A A-1

LAMPIRAN B B-1

LAMPIRAN C C-1

(9)

LAMPIRAN A

(10)

Program Image Thresholding untuk segmentasi objek

Dim h(3, 3) As Single

Private Sub Command1_Click()

Dim n(256) As Double

Dim m As Long

Dim p(256) As Double

(11)

Dim ptot As Double

Dim w(256) As Double

Dim Y(256) As Double

Dim q(256) As Double

Dim ra(256) As Double

Dim qq(256) As Double

Dim mewT(256) As Double

Dim taob(256) As Double

(12)

ra(j) = ra(j) + ((i * p(i)) / Y(j))

Dim nilaik As Integer

(13)

Unload Me

End Sub

Dim x(600, 600) As Integer

n1 = 0

For i = 1 To Picture1.ScaleWidth Step 15

(14)

Next j

Next i

End Sub

For i = 1 To Picture1.ScaleWidth Step 15

(15)

LAMPIRAN B

(16)

DATA PENGAMATAN

Berikut adalah hasil percobaan yang dilakukan pada 15 buah gambar:

• Percobaan ke-1

• Percobaan ke-2

• Percobaan ke-3

(17)

• Percobaan ke-4

• Percobaan ke-5

• Percobaan ke-6

(18)

• Percobaan ke-7

• Percobaan ke-8

• Percobaan ke-9

(19)

• Percobaan ke-10

• Percobaan ke-11

• Percobaan ke-12

(20)

• Percobaan ke-13

• Percobaan ke-14

• Percobaan ke-15

(21)

LAMPIRAN C

(22)

BAB I

PENDAHULUAN

1.1. Latar Belakang

Sistem machine vision sering dianggap terdiri dari 2 buah sub-sistem

yaitu: Low-level vision dan High-level vision. Low-level vision terdiri dari operasi

pengolahan citra seperti pengurangan noise, perbaikan citra dan restorasi citra.

High-level vision mencakup pengenalan objek dan pada tingkat tertingginya,

interpretasi gambar. Jembatan diantara kedua sub-sistem ini adalah segmentasi

yang bertujuan untuk memisahkan wilayah (region) objek dengan wilayah latar

belakangnya.

Setiap gambar memiliki karakteristik histogram yang berbeda, jadi nilai

ambangnya pada gambar yang satu dengan yang lain akan berbeda. Oleh karena

itu penggunaan nilai ambang tertentu seperti 128 (fixed threshold) pada

bermacam-macam gambar akan tidak optimal. Dalam konteks demikian maka

dibutuhkan program yang dapat mensegmentasi objek dengan image thresholding

berdasarkan pemilihan nilai ambang secara tepat pada setiap gambar.

Metode Otsu’s algorithm merupakan salah salah satu cara untuk

menentukan nilai ambang secara tepat pada setiap citra. Metode ini menentukan

suatu nilai ambang berdasarkan analisis diskriminan.

1.2. Identifikasi Masalah

• Bagaimana membuat aplikasi image thresholding untuk segmentasi objek dengan menggunakan metode Otsu’s algorithm ?

• Bagaimana memperoleh hasil segmentasi yang bagus apabila citra yang diuji mempunyai kualitas yang buruk?

(23)

1.3. Maksud dan Tujuan

Mengaplikasikan image thresholding untuk segmentasi objek dengan

metode Otsu’s Algorithm dan dengan perbaikan kualitas citra agar diperoleh hasil

yang bagus.

1.4. Pembatasan Masalah

• Citra yang diuji hanyalah citra hitam-putih (gray level) saja • Algoritma yang digunakan adalah Otsu’s algorithm

• Program dibuat dengan Microsoft Visual Basic 6.0 • Dimensi dari citra tidak lebih dari 400x400 pixel

1.5. Sistematika Penulisan

Agar dalam penulisan laporan Tugas Akhir ini lebih terarah dan teratur

serta terstruktur maka akan dibagi dalam :

BAB I PENDAHULUAN

Berisi latar belakang, identifikasi masalah, maksud dan tujuan,

pembatasan masalah, dan sistematika penulisan.

BAB II LANDASAN TEORI

Berisi tentang teori-teori yang menunjang dalam pembuatan

aplikasi dalam tugas akhir ini, yaitu ulasan mengenai pengertian

citra dan pengolahan citra digital, warna, grayscaling, noise pada

citra, histogram, thresholding dan Otsu’s Algorithm.

BAB III PERANCANGAN

Bab ini berisi baris-baris program yang digunakan untuk membuat

program pengolahan citra, penjelasan program pengolahan citra

beserta flowchart program pengolahan citra.

BAB IV DATA PENGAMATAN DAN ANALISA

Berisi gambar yang akan diuji, tampilan hasil percobaan dan hasil

survey yang dilakukan.

BAB V KESIMPULAN DAN SARAN

Berisi kesimpulan dan saran.

(24)

BAB V

KESIMPULAN

V.1 Kesimpulan

Berikut ini adalah kesimpulan yang diperoleh dari hasil percobaan :

• Berdasarkan hasil survey yang dilakukan pada terhadap 15 percobaan, program aplikasi image thresholding untuk segmentasi objek dengan

metode Otsu’s Algorithm yang telah dirancang dapat berjalan cukup baik

dengan nilai MOS dari survey sebesar 3,742.

• Dari 15 percobaan yang dilakukan, terdapat 3 percobaan yang dianggap gagal karena citra yang diuji tersebut memiliki karakteristik histogram

yang sulit dianalisa oleh metode Otsu’s Algorithm. Seperti pada Gambar

IV.14 yang memiliki histogram yang datar/lebar serta pada Gambar IV.6

dan Gambar IV.9 yang histogram dari citra tersebut tidak dapat

merepresentasikan objek dengan latar belakangnya.

V.2 Saran

Berikut adalah saran yang dapat diberikan dari hasil percobaan :

• Untuk segmentasi gambar yang memiliki pola histogram datar dan lebar, sebaiknya menggunakan metode lain yang lebih cocok pada gambar

tersebut.

(25)

DAFTAR PUSTAKA

1. Basuki, Achmad. Josua F. Palandi dan Fatchurrochman, “Pengolahan

Citra Digital menggunakan Visual Basic”, edisi pertama, Graha Ilmu, Yogyakarta, 2005

2. Lilly Spirkovska, Ames Research Center, Moffet Field, A Summary of

Image Segmentation Techniques, California, 1993

3. Nalwan Agustinus, “ Pengolahan Gambar Secara Digital”, Informatika,

Bandung, 2004

4. Pitas, Ioannis, Digital Image Processing Algorithms, Prentice-Hall,1993.

5. Rinaldi Munir, ”Pengolahan Citra Digital dengan Pendekatan

Algoritmik”, Informatika, Bandung, 2001

6. Tim Wahana Komputer, “Tip & Trik Pemrograman Visual Basic 6.0”,

Wahana Komputer, Semarang, 2001