14
tetapi bukan berarti algoritma thinning yang bagus tidak bisa sebaik metode reduksi blok
asalkan kebutuhan input dari algoritma thinning dimengerti dengan benar.
Algoritma
Feature
Point
Extraction
menghindari
thinning
(dan
praproses
lainnya) dengan asumsi data input 8 x 8 tidak menyimpang dan tidak lebih tebal dari 2
piksel. Dengan asumsi ini, algoritma ini akan fokus dalam mencari feature point.
Feature point adalah titik yang menjadi perhatian manusia dalam sebuah gambar,
tempat
terjadinya
sesuatu.
Feature point
dapat
berupa
perpotongan
antara
2
garis,
atau
sebuah
sudut,
atau
hanya
titik
yang
dikelilingi
oleh
ruang
kosong.
Titik-titik ini
membantu
kita
dalam mendefinisikan
hubungan
antara
coretan
yang
berbeda.
Dua
coretan dapat saling
menyilang,
membentuk
“Y” atau
“T”,
membentuk suatu sudut, atau
menghindari
satu
sama
lain.
Orang-orang
cenderung
sensitif
terhadap
hubungan
ini.
Fakta bahwa garis-garis pada “Z” terhubung dengan cara tertentu lebih penting daripada
panjang masing-masing garis tersebut. Hubungan ini lah yang harus digunakan untuk
pengenalan karakter dan feature point dapat diselidiki untuk melakukannya.
Prosedur
untuk
mengekstrak
feature point
yang
digunakan
oleh
algoritma
ini
langsung menuju pada intinya. Karena karakter 8 x 8 terdiri dari hanya 64 piksel, proses
pencarian keseluruhan bagian karakter mungkin dilakukan dan memeriksa setiap piksel
selama proses berlangsung. Jika sebuat piksel mengandung titik, delapan tetangganya
diperiksa.
Karena
setiap
tetangga
dapat
juga
mengandung
titik, terdapat
256
kemungkinan
kombinasi
dari
tetangga-tetangga piksel tersebut.
Dari
256,
terdapat
58
yang
mewakili
feature point
yang
penting
dengan
cara
yang
tidak
ambigu.
Dengan
demikian,
proses
mengekstrak
feature point
hanya
menghitung
sebuah
nomor
antara
0
dan
256
untuk
menggambarkan
tetangga
sebuah
piksel
dan
kemudian
membandingkan
 |