BINERISASI DENGAN METODE OTSU

1. PENDAHULUAN.
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.
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.

2. DASAR TEORI
2.1 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.

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.

2.2 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 = n/N
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

3. 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

4. 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;
variance /= zerothCM * (1 - zerothCM);
if (maxVariance < variance){
maxVariance = variance;
T = k;
}
}

5. HASIL DAN ANALISIS
Gambar 2 menunjukkan citra gray level dan citrabiner hasil proses binerisasi.


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.
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.