34
Metode ini
adalah
metode
yang
paling
populer diantara semua
metode
thresholding
yang
ada.
Teknik
Otsu
ini
memaksimalkan kecocokan
dari
sebuah
threshold sehingga dapat
memisahkan objek dengan
latar belakangnya.Semua ini
didapatkan
dengan
memilih
nilai
threshold
yang
memberikan
pembagian
kelas
yang terbaik
untuk semua pixel
yang ada didalam image. Dasarnya adalah
dengan
menggunakan
histogram
yang
telah
dinormalisasi
dimana
jumlah
tiap
poin pada setiap level dibagi dengan jumlah total poin pada image.
Gambar 2.8. hasil thresholding dengan metode Otsu
2.5.6
Edge detection
Perbedaan
yang signifikan sebuah image brightness sangat
menarik untuk
beberapa alasan. Alasan
yang pertama adalah sebuah tepian
dari
objek
biasanya
memiliki perbedaan
intensitas cahaya
(image
yang
terang
bisa
terdapat
di
latar
belakang
yang
gelap
atau
sebaliknya image
yang
gelap
bisa
berada di
latar
belakang
yang
terang).dan
alasan
yang
kedua
adalah
perbedaan
tersebut
dapat
pula
muncul akibat
dari
pola
yang
terbentuk
dari
perbedaan
intensitas
cahaya(zebra
memiliki
garis
tubuh,
macan
tutul
memiliki
bintik-bintik pada
tubuhnya atau garis-garis yang terbentuk karena bayangan).
Poin-poin dimana
sebuah
image
memiliki
perbedaan
intensitas
cahaya
yang tajam
itulah
yang sering disebut edges atau edge points. (David A.Forsyth
&
Jean Ponce, Computer Vision A Modern Approach). Tetapi untuk menemukan
 |