Detail Karya Ilmiah

  • SEGMENTASI OBYEK PADA CITRA DIGITAL MENGGUNAKAN METODE OTSU THRESHOLDING
    Penulis : Slamet Imam Syafi'i
    Dosen Pembimbing I : Dr. Arif Muntasa, S.Si., M.T.
    Dosen Pembimbing II :Rima Tri Wahyuningrum, S.T., MT.
    Abstraksi

    Citra digital memiliki ukuran dan obyek berupa foreground dan background. Untuk memisahkannya, perlu dilakukan sebuah proses segmentasi citra. Salah satu metode dalam proses segmentasi citra adalah menggunakan Metode Otsu thresholding. Penelitian ini dibagi menjadi lima proses, yaitu input data citra, pre-processing, segmentasi, cleaning, dan perhitungan akurasi. Tahap pertama adalah input data citra digital RGB yang di dalamnya terdiri dari beberapa obyek. Tahap kedua adalah konversi dari citra RGB ke citra grayscale. Tahap ketiga adalah mencari nilai ambang secara otomatis menggunakan Metode Otsu thresholding, kemudian dikonversi ke citra biner. Tahap keempat adalah proses invert image, noise removal dengan nilai ambang 150, dan morphology. Tahap terakhir adalah proses perhitungan akurasi dilakukan untuk mengukur kinerja dari metode segmentasi yang selanjutnya hasil dari proses tersebut dibandingkan dengan citra Ground Truth hasil pengamatan user secara langsung untuk menghitung tingkat akurasi. Pengujian dilakukan pada Weizmann Segmentation Database sebanyak 30 citra digital RGB. Akurasi yang didapat dari pengujian tersebut sebesar 93,33%.

    Abstraction

    Digital image has size and object in the form of foreground and background. To separate it, it is necessary to be conducted the image segmentation process. Otsu thresholding method is one of image segmentation method. In this research is divided into five processes, which are input image, pre-processing, segmentation, cleaning, and accuracy calculation. First process was input color images which consists of multiple objects. Second process was conversion from color image to grayscale image. Third process was automatically calculated threshold value using Otsu thresholding method, followed by binary image transformation. The fourth process, the result of third process is changed into negative image as the segmentation results, noise removal with a threshold value of 150, and morphology. The last accuracy calculation is conducted to measure proposed segmentation method performance. The experimental result have been compared to the image of Ground Truth as the direct user observation to calculate accuracy. To examine the proposed method, Weizmann Segmentation Database is used as data set. It conconsist of 30 color images. The experimental results show that 93.33% accuracy were achieved.

Detail Jurnal