Docsity
Docsity
Prepare for your exams
Prepare for your exams

Study with the several resources on Docsity

Earn points to download
Earn points to download

Earn points by helping other students or get them with a premium plan

Guidelines and tips
Guidelines and tips
Sell on Docsity
Sell on Docsity
Docsity AI
Docsity AI
Log inSign up

Prepare for your exams

Study with the several resources on Docsity

Find documents

Prepare for your exams with the study notes shared by other students like you on Docsity

Search for your university

Find the specific documents for your university's exams

Docsity AINEW

Summarize your documents, ask them questions, convert them into quizzes and concept maps

Explore questions

Clear up your doubts by reading the answers to questions asked by your fellow students

Earn points to download

Earn points by helping other students or get them with a premium plan

Share documents
download point icon20 Points

For each uploaded document

Answer questions
download point icon5 Points

For each given answer (max 1 per day)

All the ways to get free points
Get points immediately

Choose a premium plan with all the points you need

Study Opportunities

Choose your next study program

Get in touch with the best universities in the world. Search through thousands of universities and official partners

Community

Ask the community

Ask the community for help and clear up your study doubts

Free resources

Our save-the-student-ebooks!

Download our free guides on studying techniques, anxiety management strategies, and thesis advice from Docsity tutors

Thresholding: A Method for Image Segmentation Based on Lightness Differences, Exercises of Data Mining

American University of Kuwait (AUK)Data Mining

The Thresholding method for image segmentation, which separates objects from their background based on lightness differences. several examples using black and white, RGB, and object-free images, demonstrating how the method works and its effects on image brightness. The document also explains how the accuracy of the segmentation depends on the contrast between object and background.

Typology: Exercises

2019/2020

Uploaded on 01/04/2020

julius-saputra
julius-saputra 🇰🇼

1 document

1 / 5

Toggle sidebar

This page cannot be seen from the preview

Don't miss anything!

bg1
Aldy cantona
163112796450055
Thresh Holding, merupakan salah satu metode segmentasi citra yang memisahkan antara objek
dengan background dalam suatu citra berdasarkan pada perbedaan tingkat kecerahannya atau gelap
terang nya. Region citra yang cenderung gelap akan dibuat semakin gelap (hitam sempurna dengan nilai
intensitas sebesar 0), sedangkan region citra yang cenderung terang akan dibuat semakin terang (putih
sempurna dengan nilai intensitas sebesar.
(Sumber: https://pemrogramanmatlab.com/2017/04/08/segmentasi-citra-dengan-metode-Thresholding/)
Gambar 1 Objek Putih, background Hitam.
Gambar 2 Objek hitam, background putih.
Dalam percobaan pada objek putih dengan background hitam, dapat di simpulkan. Citra yang
dihasilkan dengan nilai maksimal pada desimal 255 (Binner 111111) mengolah gambar dari objek putih
pf3
pf4
pf5

Partial preview of the text

Download Thresholding: A Method for Image Segmentation Based on Lightness Differences and more Exercises Data Mining in PDF only on Docsity!

Aldy cantona 163112796450055 Thresh Holding, merupakan salah satu metode segmentasi citra yang memisahkan antara objek dengan background dalam suatu citra berdasarkan pada perbedaan tingkat kecerahannya atau gelap terang nya. Region citra yang cenderung gelap akan dibuat semakin gelap (hitam sempurna dengan nilai intensitas sebesar 0), sedangkan region citra yang cenderung terang akan dibuat semakin terang (putih sempurna dengan nilai intensitas sebesar. (Sumber: https://pemrogramanmatlab.com/2017/04/08/segmentasi-citra-dengan-metode-Thresholding/) Gambar 1 Objek Putih, background Hitam. Gambar 2 Objek hitam, background putih. Dalam percobaan pada objek putih dengan background hitam, dapat di simpulkan. Citra yang dihasilkan dengan nilai maksimal pada desimal 255 (Binner 111111) mengolah gambar dari objek putih

dengan background hitam menjadi objek hitam dengan gambar putih. Yang mana artinya membuat citra yang awalnya gelap menjadi terang dan membuat objek yang awalnya terang menjadi gelap. Dan pada percobaan selanjutnya dapat disimpulkan sesuai dengan pernyataan dasar. Dimana objek yang awalnya gelap menjadi terang, dan latar yang awalnya terang menjadi gelap. Dan hal itu di tunjukan pada objek Gambar 3 Objek Hitam Putih, Background Putih Pada percobaan selanjutnya menggunakan objek hitam putih dengan background putih hasilnya sama. Menjadikan objek yang awalnya gelap menjadi terang begitu pula sebaliknya. Gambar 4 Objek hitam putih background hitam Pada percobaan selanjutnya menggunakan objek hitam putih dengan background hitam hasilnya sama. Menjadikan objek yang awalnya gelap menjadi terang begitu pula sebaliknya. Hal ini terjadi karna objek yang di gunakan benar-benar hanya berwarna hitam dan putih, tidak dicampurkan warna gradasi atau semi abu-abu.

Gambar 7 Objek bebas background putih Pada percobaan Terakhir yaitu dengan warna objek bebas latar putih. Dan dilakukan pada objek dengan warna kuning. Hasil yang di dapat adalah warna objek pada citra yang awalnya gelap menjadi terang pada skala 1000 dari matlab. Hal ini terjadi karna warna dominan kuning terbaca menjadi terang.

Dan terakhir saya lakukan perobaan dengan mengubah angka Desimal (255, Biner: 11111111) pada program menjadi (100, Biner : 01100100 ) dimana pengolahan citra hanya bisa membaca biner terang (1) dan gelap (0). Objek menjadi gelap seutuhnya dalam proses pertama. Namun menjadi terang setelahnya. Dapat di simpulkan dengan nilai desimal maksimal 255 maka ke akuratan objek antara terang dan gelap semakin besar. Begitu juga sebaliknya jika nilai semakin kecil maka tingkat ke akuratan objek antara terang dan gelap semakin kecil.