RYCHE , DESTYANI YUNIAR (2013) PERBANDINGAN METODE THINNING ZHANG SUENDENGAN STENTIFORD PADA PENGENALAN KARAKTER. Undergraduate thesis, UPN "veteran" Jawa Timur.
![]()
| PDF - Published Version Download (395Kb) | Preview | |
![]() | PDF - Published Version Restricted to Repository staff only Download (4Mb) |
Abstract
Image thinning merupakan salah satu aplikasi dari segmentasi citra untuk menghasilkan bentuk kerangka dari sebuah citra digital dan mengolah citra digital tersebut agar lebih padat. Dengan kata lain, image thinning bertujuan untuk memproses pixel-pixel pada sebuah citra digital agar menghasilkan sebuah citra digital yang lebih kecil ukurannya namun tetap memiliki informasi yang sama seperti sebelum dilakukan proses thinning. Ada beberapa algoritma untuk metode thinning. Pada penelitian ini menggunakan algoritma Zhang Suen dan algoritmaStentiforddengan bahasa pemrograman MATLAB. Kedua algoritma tersebut dibandingkan sehingga dapat diketahui algoritma manakah yang terbaik untuk proses pengenalan karakter dengan cara membandingkan hasil thinningcitra digital asli dengan hasil thinning citra original dari scanning. Dengan menggunakan pemrosesan awal, dilakukan resizedan RGB ke gray. Kemudian dilakukan Thresholduntuk mendapatkan dua keadaan warna yaitu hitam dan putih, Binerisasi. Setelah itu di thinningdengan algotirma Zhang Suendan algoritma Stentiford. Dari percobaan dan pengujian perbandingan algoritma yang telah dilakukan, dapat dilihat bahwa pada hasil Validasi yang dilakukan pada kedua algoritma menggunakan metode Kappa Cohen, algoritma Zhang Suen menghasilkan nilai value 0,415 sedangkan algoritma Stentifordmenghasilkan nilai value 0,514.
Item Type: | Thesis (Undergraduate) |
---|---|
Subjects: | Q Science > QA Mathematics > QA76.6 Computer programming |
Divisions: | Faculty of Industrial Technology > Informatics Engineering |
Depositing User: | Users 8 not found. |
Date Deposited: | 17 Sep 2014 11:29 |
Last Modified: | 17 Sep 2014 11:29 |
URI: | http://eprints.upnjatim.ac.id/id/eprint/6298 |
Actions (login required)
View Item |