Proses pengolahan citra merupakan tahapan penting dalam proses ekstraksi informasi dari sebuah citra. Salah satu tahapan awal dalam proses pengolahan citra adalah segmentasi dimana cara yang paling sederhana untuk melakukan segmentasi adalah dengan memilih ambang histogram, baik ambang tunggal maupun jamak. Metode ambang histogram baik ambang tunggal dan ambang jamak yang ada saat ini belum mampu memilih ambang dengan tepat ketika histogram yang terbentuk asimetris, heavy tailed, atau memiliki tingkat kemencengan yang tinggi. Metode Median-based Otsu dan Median-based Minimum Error Thresholding (MET) merupakan pengembangan dari metode Otsu dan MET yang diklaim dapat melakukan pemilihan ambang tunggal dan ambang jamak dari histogram citra dengan baik. Makalah ini bertujuan untuk melakukan pengamatan terhadap karakteristik dan kinerja kedua metode tersebut dalam melakukan pemilihan ambang. Kinerja metode diukur dengan menghitung nilai Missclassification Error (ME) atau tingkat kesalahan klasifikasi. Pada uji coba yang dilakukan terhadap data unimodal, diketahui bahwa karakteristik kedua metode tersebut berbeda. Metode Median-based Otsu memotong pada puncak histogram sedangkan Median-based MET memotong pada awal atau akhir histogram. Berdasarkan serangkaian uji coba terhadap data sintetis, diketahui bahwa metode Median-based MET memiliki kinerja yang lebih baik dibanding Median-based Otsu pada data dengan lembah yang jelas dengan selisih nilai kesalahan klasifikasi 22%.
展开▼
