BINERISASI CITRA TANGAN DENGAN METODE OTSU

Geometri tangan merupakan salah satu jenis karakteristik biometrik yang banyak digunakan untuk sistem autentikasi baik untuk sistem verifikasi maupun sistem identifikasi. Yang termasuk ciri-ciri geometri tangan antara lain: panjang dan lebar jarijari tangan, panjang dan lebar telapak tangan, luas telapak tangan, dan lain sebagainya. Beberapa proses awal yang dapat dilakukan untuk mempermudah mendapatkan ciri-ciri geometri tangan adalah binerisasi dan deteksi tepi citra tangan. Pada tulisan ini akan menyajikan proses binerisasi saja.


Proses binerisasi menghasilkan citra biner dengan memiliki dua nilai tingkat keabuan yaitu
hitam dan putih. Permasalahan utama dalam proses binerisasi adalah menentukan nilai ambang
(Threshold). Nilai ini digunakan untuk mempartisi citra gray scale kedalam dua nilai yaitu hitam dan putih. Penentuan nilai ambang yang ditetapkan pada suatu nilai tertentu (fixed threshold) sangat berisiko untuk diterapkan pada citra tangan karena dapat menghasilkan citra tangan biner yang kurang sempurna sehingga mempersulit proses penentuan ciri-ciri geometri citra tangan. Pada tulisan ini, penentuan nilai ambang untuk proses binerisasi menggunakan metode Otsu. Metode ini diharapkan mampu menghasilkan bentuk citra tangan biner yang lebih konsisten untuk setiap citra tangan yang dimiliki oleh satu individu.

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:

Pi = ni / N (2)

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:


______k
ω(k) = ∑ pi _______________(3)
______i-1

______k
μ (k) = ∑i-pi _______________(4)
______i-1

_______L
μT (k) = ∑i-pi ______________(5)
_______i-1

Nilai ambang k dapat ditentukan dengan
memaksimumkan persamaan :


2 2
σ (k*)= max σ (k) (6)
B 1≤k B

dengan
2
2 [μTω(k)-μ(k)]
σ (k)= (7)
B ω(k)[1-ω(k)]

variance /= zerothCM * (1 - zerothCM);
if (maxVariance < maxvariance =" variance;" t =" k;" size="10pt">

Pada algoritma di atas, nilai ambang yang dicari disimpan dalam variabel T. Untuk proses binerisasi dapat dilakukan dengan menggunakan persamaan (1).

HASIL DAN ANALISIS
Gambar 2 menunjukkan citra gray level





Berdasarkan hasil uji coba dengan menggunakan
lebih dari 30 sampel, metode Otsu mampu
memberikan hasil yang sangat memuaskan. Metode
ini berhasil menghasilkan citra tangan biner dengan
area didalam citra tangan selalu dinyatakan dengan
warna putih dan diluarnya berwarna hitam, sehingga
bentuk geometri tangan dalam citra biner menjadi
sangat jelas. Proses binersisasi citra tangan dengan
menetapkan nilai ambang T pada suatu nilai tertentu,
sangat beresiko seperti yang ditunjukkan pada
gambar 2c, dengan T ditetapkan 80.

DASAR TEORI
Citra Biner
Citra biner adalah citra yang memiliki dua nilai
tingkat keabuan yaitu hitam dan putih. Secara umum
proses binersisasi citra gray scale untuk
menghasilkan citra biner adalah sebagai berikut.
( )
⎭ ⎬ ⎫
⎩ ⎨ ⎧
≥
<
= ⎟⎠ ⎞
⎜⎝ ⎛
⎟⎠ ⎞
⎜⎝ ⎛
if f x y T
g x y if f x y T 1 ,
, 0 , (1)
dengan g(x,y) adalah citra biner dari citra gray scale
f(x,y) dan T menyatakan nilai ambang.
Nilai T dapat ditentukan dengan salah satu dari 3 cara
berikut.
1. Nilai Ambang Global (Global Threshold)
T = T{f(x,y)}
dengan T tergantung pada nilai gray level dari
pixel pada posisi x,y.
2. Nilai Ambang Lokal (Local Threshold)
T = T{A(x,y), f(x,y)}
dengan T tergantung pada properti pixel
tetangga. A(x,y) menyatakan nilai pixel tetangga.
3. Nilai Ambang dinamis (Dynamic Threshold)
T = T{x,y, A(x,y), f(x,y)}
dengan T tergantung pada koordinat-koordinat
pixel.


AKUISISI DATA CITRA TANGAN

Citra-citra Tangan diambil dengan menggunakan
kamera digital sony tipe DSC-P72 dengan resolusi
640 x 480 pixel. Tangan diletakan di atas suatu alas
berwarna hitam yang terdiri dari pegs dengan posisi
tertentu, seperti yang ditunjukkan gambar 1. Tujuan
dari pegs adalah untuk membatasi gerakan tangan
sehingga akan diperoleh citra tangan dengan posisi
yang hampir tidak mengalami perubahan. Kemudian
citra-citra tangan dijadikan citra gray level 256 warna
dengan aplikasi ACD FotoCanvas Lite 2.0. Aplikasi
ini bagian dari aplikasi ACD See versi 5.0, yaitu suatu
aplikasi pengolah gambar.




Gambar 1. Akuisisi Data Citra Tangan

ALGORITMA OTSU
Berikut ini disajikan algoritma otsu dengan
menggunakan kode C++.
tMean = 0;
variance = maxVariance = 0;
firstCM = zerothCM = 0;
for (i = 0; i < h; i++)
for (j = 0; j < w; j++) {
n = Image[j][i] ;
histogram[n]++;
}
for (k = 0; k < level; k++)
tMean += k * histogram[k] / (w * h);
for (k = 0; k < level; k++) {
zerothCM += histogram[k] / (w * h);
firstCM += k * histogram[k] / (w * h);
variance = (tMean * zerothCM - firstCM);
variance *= variance;

Warna putih muncul diluar area tangan dan kondisi
ini dapat menyulitkan dalam penentuan ciri-ciri
geometri tangan. Citra biner yang ditunjukkan
gambar 2d adalah hasil dari aplikasi ACD Fotocanvas
lite 2.0. Sebenarnya hasil citra biner dari aplikasi ini
sangat memuaskan. Aplikasi ini mampu menangkap
beberapa garis-garis pada telapak tangan dan jari-jari
tangan. Akan tetapi bila ditinjau dari segi penentuan
ciri-ciri geometri tangan, munculnya warna abu-abu
pada didalam area tangan dapat menyulitkan proses
penentuan ciri-ciri geometri tangan.

SIMPULAN
Berdasarkan hasil uji coba, proses binerisasi
dengan metode Otsu mampu menghasilkan citra
biner yang sangat memuaskan dan sangat membantu
dalam proses penentuan ciri-ciri geometri tangan.

Read More......