Proses binerisasi menggunakan metode Otsu

Metode Otsu

Tujuan dari metode otsu adalah membagi histogram citra gray level kedalam dua daerah yang berbeda secara otomatis tanpa membutuhkan bantuan user untuk memasukkan nilai ambang Pendekatan yang dilakukan oleh metode otsu adalah dengan melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis Diskriminan akan memaksimumkan variable tersebut agar dapat membagi objek latardepan (foreground) dan latarbelakang (background).

Formulasi dari metode otsu adalah sebagai berikut.

Nilai Ambang yang akan dicari dari suatu citra gray level dinyatakan dengan k. Nilai k berkisar antara 1 sampai dengan L, dengan nilai L = 255.

Probabilitas setiap pixel pada level ke i dapat dinyatakan:

dengan :

ni menyatakan jumlah pixel pada level ke i

N menyatakan total jumlah pixel pada citra.

Nilai Zeroth cumulative moment, First cumulative moment, dan total nilai mean berturut-turut dapat dinyatakan dengan rumus berikut.

Nilai ambang k dapat ditentukan dengan memaksimumkan persamaan :

ALGORITMA OTSU

Berikut ini disajikan algoritma otsu dengan menggunakan kode C++.

tMean = 0;

variance = maxVariance = 0;

firstCM = zerothCM = 0;

for (i = 0; i <>

for (j = 0; j <>

n = Image[j][i] ;

histogram[n]++;

}

for (k = 0; k <>

tMean += k * histogram[k] / (w * h);

for (k = 0; k <>

zerothCM += histogram[k] / (w * h);

firstCM += k * histogram[k] / (w * h);

variance = (tMean * zerothCM - firstCM);

variance *= variance;

variance /= zerothCM * (1 - zerothCM);

if (maxVariance <>

maxVariance = variance;

T = k;

}

}