Contoh Iklan Dalam Bahasa Inggris. In der Nähe von: Bahasa Inggris. Salam jumpa buat Teman - teman semua di manapun kalischen berada. Es gibt noch keine Kommentare. Möchten Sie deren Beteiligung an dieser Episode bestätigen (in Englisch)? Sie können das IMDb - Team auf Fehler und Lücken auf dieser Seite hinweisen. Übersetzungen العربية English español français...... 日 本 語... Nederlands polski Português română русский Türkçe 中 文 Bahasa Inggris. Bicara soal sabun mandi, berarti bicara soal kebersihan badan. Iklan promosi sabun Mandi juga sering kali Kita jumpai di Fernsehe, sebut saja misalnya iklan produk sabun Mandi Lux, Lifebuoy, Sagrotan, Dove, Citra, Giv, Nuvo Shinzui dan gelegen - gelegen. Berdasarkan jenisnya, sabun Mandi dikelompokkan Menjadi 2, yaitu: 1. Sabun untuk Kesehatan Contoh Dari sabun untuk Kesehatan adalah sabun Lifebuoy, sabun Sagrotan, sabun Nuvo dan sabun Asepso. 2. Sabun untuk kecantikan Contoh sabun untuk kecantikan adalah sabun Lux, sabun Taube, sabun Citra, sabun Giv dan sabun Shinzui. Kedua jenis sabun tersebut memiliki slogan yang berbeda. Sebastian Unbenannt: sabun mandi kesehatan misalnya. Beseitigen Sie Bakterien im Körper bis 99. Artinya / terjemahannya adalah. Menghilangkan bakteri di tubuh hingga 99. Sedangkan untuk sabun mandi kecantikan misalnya dengan Slogan. Pflege der empfindlichen Haut natürlich. Artinya / terjemahannya: Merawat kulit halus secara alami. Untuk Lebih jelasnya, Kita lihat saja contoh iklan sabun Mandi dalam bahasa Inggris di bawah ini: Contoh iklan sabun Lux dalam bahasa Inggris Contoh iklan sabun Lifebuoy dalam bahasa Inggris Contoh iklan sabun Dettol dalam bahasa Inggris Contoh iklan sabun Dove dalam bahasa Inggris Contoh iklan sabun Citra dalam bahasa Inggris Contoh iklan sabun Giv dalam bahasa Inggris Contoh iklan sabun Nuvo dalam bahasa Inggris Contoh iklan sabun Shinzui dalam bahasa Inggris Contoh Anzeige / iklan promosi produk sabun mandi Terima kasih Telah mengunjungi laman ini, semoga apa yang Kami sajikan bisa bermanfaat dan silahkan membuka laman yang gelegen sesuai kategori atau melalui Kotak Pencarian. Pemrograman Matlab Thresholding Citra Citra RGB merupakan citra yang tersusun oleh tiga kanal warna yaitu kanal merah, kanal hijau, dan kanal biru. Pada citra RGB 24-bit, Masing-Masing kanal warna memiliki nilai intensitas piksel dengan kedalaman Bit sebesar 8-Bit-Yang artinya memiliki variasi warna sebanyak 28 256 derajat warna (0 S. D 255). Setiap piksel pada citra RGB memiliki nilai intensitas Yang merupakan kombinasi Dari nilai R, G, dan B. Variasi warna pada setiap piksel pada citra RGB adalah sebanyak 256 x 256 x 256 16.777.216. Sedangkan Citra Graustufen Merupakan Citra Yang Hanya Memiliki Satu kanal Warna. Pada citra Graustufen 8-bit, setiap piksel memiliki nilai intensitas warna yang memiliki variasi sebanyak 28 256 derajat warna (0 s. d 255). Nilai intensitas pada citra ini merupakan vertreten von dari derajat keabuan von mana nilai 0 Mannyatakan warna hitam sempurna von nilai 255 menyatakan warna putih sempurna. Nilai intensitas antara 0 sd 255 merupakan warna abu-abu. Sama Seperti Citra Graustufen, Citra Biner Juga Merupakan Citra Yang Hanya Memiliki Satu Kanal Warna. Citra biner memiliki kedalaman bit sebesar 1-bit. Nilai intensitas warna pada setiap piksel citra Biner dibagi Menjadi 21 2 warna yaitu warna hitam Yang dinyatakan oleh nilai 0 dan warna putih Yang dinyatakan oleh nilai 1. Materi Lebih Lanjut mengenai definisi dan jenis citra digital dapat dilihat pada laman berikut ini: Pengolahan Citra Digitale Berikut ini merupakan Tutorial cara membuat citra berwarna (RGB) Menjadi hitam putih (Biner) menggunakan Graphical User Interface (GUI) MATLAB 5. Buatlah rancangan GUI MATLAB yang terdiri dari 2 Achsen, 3 Taster, 1 Schieber, dan 1 Text bearbeiten seperti Tampak pada gambar di bawah ini 6. Editlah Eigenschaft Masing-Masing komponen dengan cara meng-double klik setiap komponen lalu mengganti propertynya sesuai dengan tabel berikut sehingga tampilan GUI Tampak pada gambar berikut: 6. Listenprogramm untuk pusbutton1 (tombol Buka citra) adalah Eintrag Programm untuk pusbutton2 (konversi citra RGB Menjadi Graustufen) Listing Programm untuk slider1 (konversi citra Graustufen - Menjadi Biner) Listing Programm untuk pushbutton3 (menyimpan citra Biner hasil konversi) Sedangkan Auflistung Programm lengkapnya adalah sbb: 7. Ketika di Run maka tampilan GUI Akan Tampak seperti pada gambar di bawah ini 8. Klik Bild öffnen, pilih gambar yang ingin diproses 11. Citra Biner yang terbentuk dapat disimpan dengan cara meng-klik tombol Save Image Source Code dan citra untuk konversi citra RGB Menjadi Biner dapat diunduh pada laman berikut ini: Download Quelle codeThinning adalah Sebuah langkah awal memproses untuk berbagai macam operasi analisa Bild seperti optische Zeichenerkennung, Fingerabdruck-Erkennung als Dokument proscessing. Ausdünnendes melibatkan perpindahan titik atah lapisan dari suatu pola sampai semua garis menjadi singel pixel. Hasil dari gesetztes garis disebut skeleton dari suatu objek. Tidak ada definisi matematika dari skleleton menampilkan berbagai macam metode Ausdünnung dalam suatu pola menuju ke berbagai macam hasil pula. Cara yang umum untuk mengekstrak skelett mengandung memindahkan / menghapus, disetiap iterasi, semua rand pixel kecuali pixel yang menjadi skelett tersebut. Edg e pixels menunjukkan batas yang ada di sebuah patern. Verdünnung termasuk langkah penting dalam operasi analisis citra seperti pada pengenalan karakter, pengenaan sidik jari, dan pemrosesan dokumen. Proses Ausdünnung mengidentifikasi piksel-piksel Dari Suatu objek Yang dianggap mewakili bentuk objek tersebut, dan digunakan untuk mengekstrak FITUR Dari Suatu objek pada sebuah citra. Pada pengenalan pola, Verdünnung digunakan untuk mereduksi pola biner ke repräsentiert Skelett. Operasi Verdünnung digunakan untuk mengambil rangka setebal satu piksel Dari citra, dengan cara membuang Titik-Titik atau Schicht terluar Dari citra sampai semua garis atau kurva hanya setebal satu piksel. Kerangka Yang Dihasilkan Krankheit Sebastian Skelett. Yang dianggap merepresentasikan bentuk objek. Pada bild berbentuk garis, skelett menunjukkan sema informasi dari objek aslinya. Komponen-komponen dari Skelett. Yaitu posisi, orientasi, dan panjang segmen-segmen garis skelett mewakili garis-garis yang memberntuk bild. Komponen-komponen ini mempermudah karakterisasi komponen-komponen dari image tersebut. Misalnya panjang dari suatu bentuk dapat diperkirakan dengan memperhitungkan ujung-ujung als titik terjauh pada Skelett. Ada berbagai macam metode atau algoritma Ausdünnung. Dan masing-masing Mitgliedschaft: hasan yang berbeda. Kebanyakan algoritma Verdünnung bersifat iteratif. Pada sebuah iterasi, piksel-piksel Kante dievaluasi berdasarkan kriteria-kriteria tertentu untuk menentukan apakah harus dibuang atau tidak. Ada juga beberapa algoritma pada Komputer-Komputer Yang bekerja secara sekuensial dan paralel. Pada algoritma sekuensial, untuk memproses suatu piksel pada suatu tahap digunakan hatil pemrosesan pada iterasi sebelumnya hat hasil iterasi pada tahap yang sedang berjalan. Sedangkan pada algoritma paralel, keputusan untuk membrane suatu piksel hanya bergantung pada hasil dari iterasi sebelumnya. Selain Verdünnung dikenal juga Skelettierung. Verdünnen sering diasumsikan sama dengan skeletonizing. Tetapi Verdünnung berbeda dengan Skelettierung. Misalnya Pada citra persegi panjang Yang terisi Penuh, Ausdünnung menghasilkan satu garis, sedangkan Skelettieren menghasilkan satu garis dengan Cabang-Cabang Pada Ujung-ujungnya Yang mengarah ke Ujung-Ujung persegi panjang. Sebagian Dari Ausdünnung algoritma Adalah iterative, di sebuah iteraksi, Rand-Pixel diperiksa oleh berbagai kriterium untuk memutuskan apakah Rand Pixel harus dipindahkan atau tidak. Ada berbagai macam algoritma Thining von sekunsial dan Paralel komputer. ALGORITMA sekuensial menggunakan hasil Dari iterasi sebelumnya dan hasil didapat Dari sejauh Mana iterasi berlanjut di (dalam) iterasi Yang Sekarang untuk memproses Pixel Yang Sekarang. Dengan begab pada titik manapun di (dalam) suatu iterasi sejumlah pixel telah diproses. Hasil tersebut bis zu digunakan untuk langsung memproses pixel berikutnya. Dengan algoritma pararel, hanya hasil Dari iterasi sebelumnya Yang mempengaruhi untuk memindahkan sebuah Titik Yang Sedang diiterasi, membuat hal ini sesuai untuk memproses dengan Hardware Yang pararel seperti Array prosesor. Sebagian pengguna menggunakan salah satu dari strategi ini untuk menipiskan berbagai bentuk. Salah satu algoritma bisa menggenenerate skelett yang bagus untuk bentuk tertentu tetapi bisa saja menghasilkan skelett yang buruk dengan bentuk yang lain. Sangat sulit untuk mengembangkan sebuah verdünnung algoritma secara umum yang bisa digunakan untuk berbagai macam bentuk. Sebenarnya Ausdünnung adalah sebuah tugas yang mudah untuk manusia. Diantaranya bisa meng dünn suatu patern dengan variasi patern bentuk tanpa kesulitan. Itu nampak bahwa dpertama kali dia memahami bentuk secara global, kemudian mengaplikasikan berbagai macam bentuk algpritma untuk meng dünn bentuk yang berbeda dari bagian yang berbeda dalam patern yang sama. Sebagai hasilnya, Skelett yang dibuat manusia biasanya dijadikan referensi dari suatu Skelett. Fakta ini bisa sangat menolong untuk proses Ausdünnung. Salah satu cacat Yang Umum Dari Suatu algoritma Ausdünnung adalah kelainan bentuk Skelett Yang digenerate di Ujung dan Daerah silang seperti Yang ditunjukan di gambar 1. masalah ini Timbul Ketika menggenerate Skelett dua Pixel p1 dan p2 Menjadi berhubungan seperti gambar 2 (a) dan tidak seperti gambar Di 2 (b). Cacat yang lain, adalah, generasi, dua, Pixel, skeletonrangka, lebar, luas, untuk, daerah, yang, dibengkokkan. Masalah inti timbul diakibatkan pixel yang ditunjukan pada gambar 2 (a) berhubungan seperti gambar 2 (b). Halb tersebut bisa dilihat sebagai dua masalah yang saling kontradiksi dan oleh karena itu harus ada kompromi diantara keduanya. Problem konektivitas dan dick skelelon sering dialami oleh banyak algoritma Ketika hasil bagian luar lapisan Pixel Dari Suatu obyek dipindahkan / dihilangkan dan mengakibatkan struktur Dari hasilnya tidak diketahui sejauh iterasi tersebut berjalan. Di kasus tersebut, batasan dikenalkan untuk memastikan Konnektivität sehingga sedemikian rupa kejadian doppelt dick skleleton terjadi. Untuk kasus pararel algoritma, solusi telah dibagi menjadi beberapa sub iterasi untuk mendapatkan informasi tentang tetangga pixel. B. Karekteristik Skeleton Pada bagian ini akan Membranen tentang karakteristik yang umum dari skelett dan beberapa istilah yang berkaitan dengan skelett. Suatu Bild biner yang menguraikan suatu 2D-Array-Pixel (gambar 4). Yang obyeknya membentuk Vordergrund Q 1 bild ini diwakili oleh satu set dunkelpunkt sedang hintergrund Q 8217 sesuai dengan satu set weißer punkt. Untuk Pixel yang telah ditentukan yaitu p ada delapan Nachbarn n 0, n1. N 7. Dengan Unterschrift yang menandakan arah tetangga dari p, berkenaan dengan x-Achse (Gambar 5). Untuk n i. Arahnya adalah i45176. Nachbarn dengan unterschreiben dikenal sebagai D-neigbours, yang dapat diakses p dengan pindah ke suatu arah vertikal atau horisontal. Nachbarn lainnya disebut I-Nachbarn, yang dapat diakses dari p dengan 45 176. Jika p adalah dunkel Punkt dan salah satu dari 8 Nachbarn n i adalah dunkel juga, p dan n i disebut 8-verbunden. Jika p adalah dunkel dan salah satu dari empat D-Nachbarn n 2i adalah juga dunkel. P dan n 2i dikatakan 4-verbunden. Jika p 0 dan p m adalah dua poin dunkle pada obyek yang sama, ada suatu alur, yang dapat menjelaskan suatu rantai tentang dunkle Punkte p 0. P & sub1; P m. Dengan masing-masing pasangan pixel yang berurutan, p i dan p i 2 menjadi neghbours dari yang lain. Jika semua tetangga masing-masing dipertimbangkan, p 0 dan p m disebut 8-verbunden. Jika hanya D-Nachbarn yang dipertimbangkan, p 0 dan p m maka disebut 4-verbunden. Suatu obyek disebut 8-connected jika semua pasangan Punkt berada dalam obyek 8-connected dan disebut 4-verbunden Jika semua pasangan Punkt berada dalam obyek 4-verbunden. Berikut merupakan essensial karakteristik Skelett: Konektifitas harus dipelihara. Jika objek terhubung, skelett hasilnya juga harus terhubung. Umumnya, 8- Konnektivität harus dijaga untuk Vordergrund, dan 4- Konnektivität harus dijaga untuk Hintergrund. Erosi Yang Berlebihan Harus Dicegah. Titik ujung dari skelett harus ditemukan secepat mungkin, sehingga panjang skelett tidak memendek, sehingga benar-benar merepresentasikan citra aslinya. Skelett tidak boleh dipengaruhi Lärm. Rauschen adalah gangguan-gangguan kecil yang bukan merupakan bagian dari skelett. Danalan sering dihasilkan berupa ekor / cabang dari Ausdünnung. Panjang ekor ini harus diminimalkan. Penggunaan 8-Konnektivität untuk Vordergrund sangat penting, karena jika menggunakan 4- Konnektivität. Skelett akan memiliki ketebalan 2 piksel, sehingga tidak sesuai dengan skelett yang dihasilkan. Tetapi penggunaan 8-konnektivität juga memiliki efek samping, yaitu skelett yang dihasilkan pada sudut atau persimangan akan terdistori (terjadi eror), terutama jika citra aslinya sangat tebal. C. Jenis-Jenis Ausdünnungsalgorithmus 1. Sequentieller und paralleler Ausdünnungsalgorithmus Algoritma Ausdünnung telah dipelajari secara ekstensif di dalam pengenalan pola dan pemrosesan citra. Macam-macam urutan dan paralel dari algoritma Ausdünnung sudah tersedia di dalam literatur. Semuanya mempunyai kelebihan dan kelemahannya tersendiri. Sequentielles Ausdünnungsverfahren terdiri dari iterasi penghapusan titik gelap sepanjang tepi pola sampai pola itu menipis menjadi satu piksel garis tergambar. Titik tepi dari pola diidentifikasikan dengan tes pada 8 tetangga. Titik Tepi terhapus dengan cara penghapusannya: Jangan menghapus Titik akhir Jangan memutuskan sambungan pola Jangan menyebabkan Erosi Yang merusak Pada algoritma Yang berbeda, testen ini disajikan dengan cara Yang berbeda. Sequentielle Algorithmen memerlukan sedikit memori. Sequentielle Algorithmen menjelajah ke setiap piksel pada Bitmap untuk memisahkan Vordergrund dari Hintergrund. Dapat dikatakan waktu kompleksitasnya tergantung pada ukuran Bitmap. Kompleksitas juga tergantung pada operasi yang diperlukan untuk perkiraan titik tepi. Betrieb ini tampil di setiap iterasi sampai pola benar-benar tipis. Waktu kompleksitas dapat berkurang von jika objek von memiliki titik-titik luar. Pada teknik penelusuran Permukaan, Permukaan mengggambarkan tepi sebuah objek Yang telah ditelusuri di setiap iterasi. Setelah permakaan selesai, ditelusuri, dan, perkiraan, urutan, piksel, ditemukan, berupa, sketsa, piksel, atau, bukan, permukaan, Dihapus. Pada iterasi berikutnya, permukaan yang baru ditelusuri dan operasi dilakukan berulang-ulang sampai semu titik yang tidak aman terhapus. Sama persis seperti sequentielle Algorithmen, parallele Algorithmen juga memakai cara mengunjungi semuistischen titik piksel pada bitmap untuk menemukan titik gelap. Lalu titik-titik gelap diklasifikasikan ke dalam titik-titik tepi dän titik-titik yang lainnya. Hanya titik-titik tepi yang dibutuhkan. Tes bisa mempengaruhi beberapa titik tepi dari 8 tetangga untuk memperkirakan apakah mereka titik pemisah, titik akhir, atau titik tidak aman. (Titik pemisah 8211 penghapusan titik ini akan memisahkan hubungan, titi akhir 8211 titik pada akhir Permukaan, titik tidak aman 8211 penghapusan titik initidak akan mempengaruhi sketsa). Titik tidak aman akan dihapus pada akhir proses. Titik-titik akhir dan titik-titik pemisah diambil sebagai titik aman dan seharusnya tidak dihapus. Seperti sequentiellen Algorithmus, waktu kompleks dari parallelen Algorithmus terdiri dari 3 Komponen: Setiap-Lewat als setiap subiterasi, setiap piksel pada Bitmap telah ditelusuri satu kali untuk mengidentifikasikan titik-titik gelap. Jumlah operasi akan sesuai dengan luas Bereich Bitmap. Setiap titik gekapselung telah ditemukan titik-titik tepinya. Anzahl der Beiträge Operasi Akan sesuai dengan luas Bereich OBJEK setiap melewati telusuran, Anzahl der Beiträge Yang telusuran berhubungan dengan ketebalan OBJEK Tetapi Pada penggunakan cara paralel, Waktu Yang dibutuhkan Lebih sedikit daripada sequentielle Algorithmen,. Meskipun parallelen Algorithmen lebih cepat, ada beberapa masalah pada algoritma itu seperti kasus pada arsitektur Proses parallelen Algoritmen. Pada beberapa parallelen Algorithmen, piksel dengan lebar 2 akan dihapus pada awal penelusuran, titik-titik pada kedua sisi garis tidak akan memisahkan hubungan pola bila titik-titik itu ditelusuri terpisah. Bila Kedua sisi ditelusuri dengan cara paralel menggunakan hasil Dari proses sebelumnya, Titik-Titik itu Akan dihapus Secara berurutan karena hasil Dari penghapusan satu pihak tidak diketahui oleh pihak Yang pada saat Yang bersamaan gelegen. Di sinilah masalah, dimana, beberapa, proses, paralel, berbagi, memori, yang, sama. Pada algoritma Ausdünnung, Ketika Proses menjelajah piksel yang pasti, seharusnya menggunakan piksel dan 8 tetangganya secara eksklusif, Pada proses paralel dünner, ini bukan masalah. Nyatanya, kebutuhan dari subiteraksi yang berbarengan pada parallelen algorithmus dan kemungkinan dari kesalahan penelusuran dua piksel yang bersebelahan pada pola dapat menyebabkan kesalahan tödlich. Pada parallelen Algorithmus, sebuah piksel diproses pada Basis penelusuran sebelumnya, maka ketika piksel diperhitungkan dalam paralel, semua piksel akan dihapus. Ketika masalah Terlihat Dari Lain Pihak, Satu Yang Bisa Terlihat Pada Penjelajahan Pola Dan teknik Paralel, Piksel Dihapus Dari Pola Tanpa Tahu Apa Yang Akan Terjadi Pada Objek Yang Tersisa. Hasilnya, semua piksel, akan, terhapus, atau, kurva, tebal, akan, tetap, tebal, setelan, iterasi, terakhir. Solusinya adalah harus memikirkan hasil-hasile lebih jauh lagi pada pemrosesan piksel saat ini. Jika piksel mau dihapus, pola baru yang akan tampilkan menjadi hintergrund dapat diperhitungkan. Kapan Pola Diproses, Sebuah Bagian Dari Pola Baru Diolah Agar Setiap Piksel Pada Pola Dikunjungi. Bagian itu dicari titik-titik pemisah als informasi ini tersedia ketika sub-urutan piksel pada urutan atau urutan berikutnya telah dikunjungi. Pada akhir iterasi, pola baru, akan, tersedia, untuk, iterasi, berikutnya, tanpa, menghapus, pola, yang, lama. Setiap saat, algoritma ini akan menyelesaikan pengetahuan Dari Apa Saja Yang Tersisa Dari Sebuah Objek Ketika Pola Itu Dihapus. 2. Die mediale Achse Thinning Algorithmus Salah satu algoritma Yang Bias Digunakan untuk melakukan Proses Ausdünnung adalah algoritma Mediale Achse. Algoritma ini merupakan algoritma Yang Paling awal digunakan untuk melakukan Proses Ausdünnung. Transformasi Medial Achse Dari Suatu Himpunan S adalah Himpunan Titik tengah dan Radius Dari lingkaran terbesar Yang terdapat di S, atau dengan kata gelegen Himpunan Titik pada S Yang memiliki jarak terjauh Dari S8217. Dari hal tersebut terlihat bahwa sebenarnya algoritma ini berusaha untuk mencari Jalan tengah di antara batas-batas S Yang berlawanan dibentuk oleh Sudut bisector Dari batas-batas S. Akan tetapi, Titik-Titik Yang dibentuk dengan cara ini belum tentu merupakan Titik-Titik Yang 8 - in Verbindung gebracht . Sehingga keterhubungan antar titik harus diperhatikan dengan melihat apakah piksel yang dipilih di baris tertentu dengan baris sebelumnya apakah mereka 8- verbunden. Jika tidak maka harus dibuat lintasan 8-verbundenen yang menghubungkan kedua titik tersebut. Walaupun metode ini tidak memakan banyak waktu, secara umum hasil dari metode ini tidaklah begitu baik dibandingkan dengan algoritma-algoritma verdünnen yang lain. Algoritma ini dapat bekerja dengan baik apabila daerah yang diproses merupakan daerah yang lurus als Tidak terdapat Banyak Geräusch. Hal ini dikarenakan metode Mediale Achse ini sangat sensitif terhadap Rauschen. 3. ALGORITMA Ausdünnung Binary Region ALGORITMA ini adalah algoritma untuk citra Biner, dimana piksel Hintergrund citra bernilai 0, dan piksel Vordergrund (Region) bernilai 1. ALGORITMA ini cocok digunakan untuk bentuk Yang diperpanjang (verlängert) dan dalam aplikasi OCR (Optical Character Recognition) . Algoritma ini terdiri dari beberapa iterasi, dimana setiap iterasinya terdiri dari 2 Langkah Dasar Yang Diaplikasikan Terhadap Titik Kontur (Titik Batas) Bereich. Titik Kontur ini dapat didefinisikan sebagai sembarang Titik Yang pikselnya bernilai 1, dan memiliki paling sedikit 1 piksel Dari 8-tetangganya Yang bernilai 0. Gambar berikut ini mengilustrasikan Titik Kontur p 1 dan 8-tetangganya: Langkah pertama Dari sebuah iterasi adalah menandai semua Titik Kontur untuk dihapus, jika Titik Kontur tersebut memenuhi syarat-syarat berikut: dimana N (p 1) adalah Anzahl der Beiträge Dari Tetangga Titik Kontur p 1, yang pikselnya bernilai 1, yaitu: dan S (p 1) adalah banyaknya transisi 0-1 Dari nilai piksel P 2, p 3. p 8, p 9 secara berurutan. Misalnya, untuk nilai p 2, p 3 p 8, S. 9 seperti di bawah ini: Kondisi (a) dilanggar jika Titik Kontur p 1 memiliki hanya satu atau Tujuh Tetangga Dari 8-tetangganya Yang pikselnya bernilai 1. Jika Titik Kontur p 1 Hanya memiliki satu tetangga, hal ini mengakibatkan p 1 adalah akhir dari skelett, sehingga tidak boleh dihapus. Jika p 1 memiliki tujuh tetangga dan jika p 1, maka akan menimbulkan erosi pada Region Yang Bersangkutan. Kondisi (b) dilanggar jika titik kontur merupakan region dengan satu piksel. Sehingga jika titik tersebut dihapus, akan mengakibatkan pemutusan segmen dari Skelett selama operasi Ausdünnung. Kondisi (c) dan (d) akan dipenuhi minimal jika p 4 0, atau p 6 0, atau (p 2 0 dan p 8 0). Jika p 4 0 menunjukkan titik umgebung berada pada batas timur region. Jika p 6 0 menunjukkan titik kontur berada pada batas batas selbstregion. Sedangkan jika p 2 0 dan p 8 0 menunjukkan titik kontur berada pada batas utara-barat region. (D8217) dan (d8217) pada langkah II dipenuhi minimales jika p 2 0, atau p 8 0, atau (p 4 0 dan p 6 0). Es wird angenommen, Setelah Langkah 1 selesai, Langkah 2 diterapkan terhadap Titik Kontur Dari hasil Langkah 1 sebelumnya, yaitu: Langkah I diterapkan ke selutuh Titik batas pada citra biner. Jika satu atau Lebih syarat Dari Punkt a, b, c, d tidak dipenuhi, Titik tersebut tidak Ditandai untuk dihapus. Sebaliknya, jika semua syarat terpenuhi, maka titik tersebut ditandai untuk dihapus. Titik 8211titik batas tersebut tidak dihapus terleboh dahulu, sampai semua titik batas dievaluasi. Hal ini mencegah perubahan struktur Daten selama eksekusi algoritma. Setelah langkah Ich selesai dievaluasi terhadap semua titik batas, titik-titik yang diberi tanda dihapus (misalnya dengan cara mengubah nilai piksel dari 1 ke 0). Kemudian setelah itu, langkah II diterapkan ke Citra Hasil Proses Dengan Langkah I. Dari keterangan di atas, dapat diambil kesmpulan bahwa 1 iterasi dalam algoritma Ausdünnung ini terdiri dari 4 langkah. yaitu: Menerapkan Langkah I untuk menandai Titik batas yang akan dihapus Menghapus semua Titik batas Yang sudah diberi tanda Menerapkan Langkah II untuk menandai Titik batas yang akan dihapus pada citra hasil pemrosesan dengan Langkah I Menghapus Titik batas Yang sudah diberi tanda Langkah ich dan II diterapkan berulang - ulang, samapai tidak ada lagi titik yang bisa dihapus. Berikut ini adalah contoh hasil dari implementasi algoritma Verdünnung binäre Region. 4. Ein Ausdünnungsalgorithmus durch Konturenerzeugung Algoritma ini adalah teknik urutan yang lain. Pada metode ini, Zitadelle binär yang diberikan representasikan oleh kode berantai. Kode berantai diolah untuk setiap pola tertutup pada objek, dan kelangsungan dari rantai berlawanan arah jarum marmelade untuk pola luar dari objek dan searah jarum jam untuk pola di dalam lubang. Pola juga diperhitungkan sebagai Urutan Dari Rantai Dari Titik Tepi. Urutan piksel ditampilkan dalam bentuk Freier Code, yang merupakan urutan, penempatan ke piksel berikutnya di dalam bagian. Untuk 8 arah pola, dir (i) di dalam Bereich 0 sampai 7 menampilkan 8 kelangsungan seperti terlihat pada Abbildung 5. Sebagai algoritma iterasi, Setelah menggambar pola pertama, algoritma melewati beberapa iterasi. Di setiap iterasi, pola yang, merupakan, tepi, dari, sebuah, objek, akan, ditelusuri. Iterasi berhenti pada pola kecil-kecil auf der Karte Ketika operasi selesai, yang tersisa hanyalah sketsa. Ini adalah algoritma yang efisien sama seperti metode memeriksa Zitadelle hanya sekali untuk menghasilkan sketsa dari objek. Setelah itu, semua iterasi pola baru dihasilkan dari pola yang telah ada dan proses berulang sampai sketsa terakhir muncul. Tetapi masalah utamanya von adalah ketajaman von dari sketsa von berkurang pada sudut von titik menyilang. Ini sesuai fakta bahwa 8 ketehubungan mengatur piksel objek. Bila citra sudah tipis, ini Mitgliedschaft kepuasan pada hasil, tetapi sama seperti ketebalan dari citra bertambah, ketebalan sketsa akan berkurang. 5. Hybrid-Algorithmus Adalah penggabungan Dari Ausdünnung Algorithmus Yang sudah ada, menghasilkan algoritma Baru dengan Gabungan kelebihan Dari algoritma terdahulu. Jenis-jenis-Hybridalgorithmen. ein. Gabungan Lokale Verdünnung Algorithmen d engan Nicht-Lokale Algorithmen Keuntungan utama dari lokalen Ausdünnung Algorithmen adalah kecepatannya dan einfach, tapi kekurangannya adalah pada peninjauan Daten Yang tidak nyata. Pendekatan seperti itu baik pada daerah yang diperpanjang seperti isolierte Striche, tapi gagal pada Anschlagkreuzungen. Nicht-lokale Algorithmen lebih baik pada schneidende Schläge atau laute Schläge, tapi dapat juga menjadi rumit dan lambat. ALGORITMA ini mempunyai dua keuntungan: Pertama, kemampuan mengidentifikasi dengan Cepat Bereich pola Yang di-dünnen dengan baik menggunakan lokalen Methoden dan Yang ambiguitas menimbulkan. Kedua, kemampuan menghasilkan auswertungen yang lebih detil, menggunakan konteks, pada bereich yang tidak sukses di-dünn. Algoritma ini dapat mendeteksi als mengurangi jumlah kekeliruan, mengurangi sensitivitas Schwellenwert, dan mengurangi sensitivitas lokalen Lärm. Algorithmus ini menggunakan lokalen Methoden untuk membuat hasil skeletonisasi awal Bild. Schlaganfälle yang diperpanjang dan mempunyai rentang variasi lambat di-dünnen dengan benar. Dengan menggunakan Schlaganfälle yang di-dünnen kembali ke rentang asli mereka, dengan lokalen Prozess lagi dapat diidentifikasikan daerah yang dapat dihasilkan dari lebih satu streicheln, lalu melabelinya sebagai ambigu. Metode nicht-lokalen lalu digunakan hanya pada daerah ini. Berikut ini komponen algoritmanya: Anfängliche Skelettierung Schlaganfall Hypothesen, Regeneration und Mehrdeutigkeit Erkennung und Schlaganfall Interpretation. Initiale Skelettierung. Meng-generieren erste Skelett hipotesis maka, cukup menggunakan salah satu Ausdünnung Algorithmus yang menyediakan dan memperbolehkan rekonstruksi. Tujuannya untuk mengidentifikasikan Daerah pada Bild Yang dengan mudah di dünnen dengna Benar dan menggunakan Daerah TSB untuk mendukung sisa bagian Dari pola. Hubidentifizierung. Pada skeletonisiertes Bild kita membagi Skelett menjadi Fragment pada akhir Dan Anschlusspunkte (pixel dengan tetangga tiga atau lebih). Kemudian Membran Etikett yang unik pada masing-masing kontur dan mencoba menjabarkan keunikan hipotesa dengan membalik proses örtlichen verdünnung untuk menghasilkan skelett kepada sebuah aproksimasi pola asli. Digunakan dua metode untuk regenerasi. Jika pengukuran jarak Sederhana Dari Masing-Masing kontur piksel ke Ujung pola, kita bisa meletakkan tanda pada TIAP piksel Skelett dengan jarak Yang sesuai. Hasilnya adalah repräsentiert pendekatan dari pola asli. Versi kedua menggunakan rata-rata lebar seluruh Segment pada masing-masing piksel pada segmen. Ini membantu mengurangi Lärm pada atau dekat Übergänge yang bisa menurunkan akurasi perhitungan jarak. Selma regenerasi, semua daerah yang dapat dihasilkan oleh lebih dari satu kontur skelett ditandai pada bild (mis. Lebih dari satu hipotesis menghasilkan lebih dari satu tanda). Daerah ini ambigu dan kita tidak dapat mengasumsikan sudah di-dünnen dengan benar. Kemudian kita memproyeksikan Daerah ini Kembali ke ausgedünnt Bild Hypothese, dan mencari bagian Mana Dari hipótesis Skelett awal menghasilkan Skelettfragmente Yang ambigu. Schlaganfall Interpretation und Rekonstruktion. Perkiraan orientasi ini dihitung Dari rata rata kecuraman Dari k dekat Tetangga, dan perkiraan lebar dihitung Dari hasil Scan-Bild Asli pada arah Ortogonal. Gambar 1 ein memperlihatkan bild asli dengan skelett asli saling menimpa dan daerah yang rentan ambigu diberi tanda. 1 b memperlihatkan skelett yang berpotongan digunakan untuk menghitung orientasi als poin akhir yang digunakan sebagai poin patokan. Gambar 1 c memperlihatkan informasi lebar ditimpakan pada skelett yang saling berpotongan. Tujuannya menciptakan orientasi dan informasi lebar pada Ankerpunkte di daerah perpotongan untuk menciptakan koneksi yang halus antara Ankerpunkte. Pengukuran tingkat kehalusan tidak dibicarakan disini. B. Gabungan Mediale Achse Methode d engan Contour Erzeugung Methode Metode ini meminimalisasi masalah penyusunan kembali Bentuk Skelett pada Eckpunkte. Algoritma ini memiliki lima langkah. Pada langkah pertama, seperti Ausdünnung Algorithmus lain, menghilangkan Rauschen pada Eingabebild. Ini membantu untuk menghindari tambahan ujung als bermacam-macam distorsi. Digunakan algoritma penghalusan yang terdiri dari fenster 3x3 melalui binäres bild dan membandingkan posisi piksel tengah dengan 8 tetangganya untuk memutuskan apakah apakah nilai piksel perlu dipertahankan atau dimodifikasi. Kemudian, bild krankheit menjadi daerah horizontale, vertikal dan kurva berdasarkan panjang tiap langkah (rentangan piksel gepackte yang bersambung pada kolom) dan membandingkan mereka dengan rata-rata ketebalan. Setelah segmentasi, bergantung pada tipe daerah, metode yang sesuai diaplikasikan untuk menipiskan daerah. Pada tahap ini Skelett di semua daerah di-generieren Terpisah. Skelett kemudian dihubungkan untuk menghasilkan Skelett akhir. Akhirnya perlu ada proses untuk menghilangkan beberapa poin yang tidak penting dan menjaga skelett sebagai kesatuan lebar einheit. Contoh penggunaan Hybrid-Algorithmus (hasil Gabungan Mittelachse-Methode dengan Konturerzeugungsmethode). 6. Susan Binary Post-Processing Proses Ausdünnung yang dihasilkan dari SUSAN binäre Nachbearbeitung mengikuti beberapa aturan sederhana yang membuang Randpunkte palsu atau yang tidak diinginkan, lalu menambahkan Randpunkte yang seharusnya dilaporkan namun tidak ada. Dapat dibagi ke dalam 3 kategori. Membuang Kantenpunkte palsu atau yang tidak diinginkan, menambahkan Kantenpunkte baru, dan mengubah Randpunkte ke posisi baru. Aturannya sekarang diurutkan berdasarkan jumlah Grenzpunkte tetangga yang dimiliki sebuah Randpunkte (dengan aturan 8-tetangga), contohnya dapat dilihat pada gambar: Contoh aturan Verdünnung yang berbeda. Kantenpunkte yang baru hanya akan dibuat jika diperbolehkan oleh Kante Antwort. Membuang Kantenpunkt. Cari tetangga dengan Kante Antwort maksimum (tidak nol), menyambung Kante, dan mengisi kekosongan dalam Rand. Antwort yang digunakan adalah yang ditemukan oleh erste Stufe dari SUSAN Randdetektor, sebelum penutupan non maksimum. Antwort ini diberi bobot yang mengacu pada orientasi kante yang sudah ada sehingga kante tersebut akan tersambung dalam suatu garis lurus. Sebuah Kante dapat dilanjutkan oleh maksimum 3 piksel. Ada 3 kasus yang mungkin. Kalau poinnya menempel pada sebuah garis lurus, bandingkan edge response-nya dengan edge response poin yang berkorespondensi dalam garis. Kalau poin potensial dalam edge lurus punya edge response lebih besar dari 0.7 dari points response sekarang, pindahkan poinnya ke dalam edge dalam garis. Kalau poinnya tersambung dalam edge diagonal, buang poin tsb. Selain di atas, poinnya adalah edge point yang valid. D. Lebih dari 2 tetangga. Jika poinnya bukan penghubung antara beberapa edge maka edge di-thin. Hal ini akan mengikutsertakan pilihan antara poin sekarang dan salah satu tetangganya. Apabila pilihan dibuat dalam cara logis yang konsisten akan dihasilkan thinned edge yang kelihatan bersih. Aturan ini diterapkan ke semua piksel dalam image secara sekuensial dari kiri ke kanan dan dari atas ke bawah. Apabila perubahan dibuat pada edge image maka pencerian poin sekarang digeser ke belakang lebih dari 2 piksel ke kiri dan ke atas. Berarti alterasi yang iteratif pada image dapat dicapai hanya dengan menggunakan algoritma ini sekali jalan. 7. Most Prominent Ridge Line (MPRL) Metode thinning pada binary image tidak dapat diaplikasikan langsung ke image gray-scale, maka image gray-scale sering di-treshold untuk menciptakan bagian binary-nya. Proses ini menyebabkan hilangnya informasi berharga pada intensitas dimensi, ketidakseragaman nilai gray-level pada image gray-scale menyebabkan kontur yang tidak seimbang dalam binary image yang di-treshold, menyebabkan kesulitan pada proses thinning binary image. Pendekatan pada image thinning berbasis scale-space ini dapat diaplikasikan baik pada binary maupun gray-scale image, dan meringankan efek ketidakseragaman dalam nilai gray-level dari image gray-scale dan kontur yang tidak seimbang pada binary image. Scale-space terdiri atas image asli pada level skala nol ( t 0) bersama dengan image pada skala dimensi kontinu t yang diturunkan filter Gaussian, dimana t gt 0 adalah varian. Dalam scale-space semua skala dapat diakses secara simultan, juga mempunyai unsur-unsur pembangun dimana pada scale-space yang lebih besar (coarser structure) dapat dilacak ke struktur skala lebih kecil (finer structure), implikasinya finer structure ditutup saat skala bertambah. Dengan prinsip ini dikembangkan metode topografik untuk image thinning dalam scale-space. Metode topografik memperlakukan image gray-scale sebagai permukaan dengan intensitas yang diinterpretasikan sebagai dimensi spasial ketiga (height). Dalam representasi topografik dari image 2-D, peak dijabarkan sebagai sebuah poin pada permukaan dimana gradiennya sama dengan nol, dan turunan kedua pada semua arah adalah negatif. Poin sisi didefenisikan sebagai poin pada permukaan dimana gradiennya nol, turunan kedua dalam satu arah adalah nol dan negatif dalam arah ortogonal, atau jika gradien tidak sama dengan nol, turunan kedua ortogonal terhadap gradien adalah negatif. Point saddle adalah poin pada permukaan dimana gradiennya nol dan turunan kedua pada satu arah adalah negatif dan positif dalam arah ortogonal. Maximum-intensity ridge line (MPRL) pada intensitas permukaan adalah gabungan poin topografik yang signifikan (peaks, point sisi, dan points saddle) dan diinterpretasikan sebagai representasi yang di-thin dari image asli. Dengan meminimisasi turunan spasial kedua dari masing-masing poin topografik signifikan pada skala dalam scale-space ditempatkan Most Prominent Ridge Line (MPRL). MPRL adalah cara dalam scale-space dimana dimensi skala merepresentasikan kesignifikanan struktur pada image awal. Point sepanjang MPRL mempunyai kontras terbesar dengan poin-poin tetangga, membuat mereka tidak gampang terpengaruh pada ketidakseragaman intensitas. Bersama dengan penutupan dari struktur yang lebih baik, metode ini tidak terlalu dipengaruhi boundary noise atau ketidakseimbangan. MPRL diimplementasikan menggunakan struktur data image pyramid untuk meng-approksimasi scale-space dengan image asli pada level dasar. Procedure yang mengikuti sisi kemudian digunakan untuk mengalokasikan MPRL dalam image pyramid. MPRL yang diekstrak digunakan untuk menghasilkan thinned image dalam ruang image 2-D awal. Hal ini dicapai dengan memproyeksikan MPRL dalam scale-space ke level base asli. D. Contoh Aplikasi Salah satu penggunaan thinning dalam aplikasi adalah untuk membantu analisis terhadap pola tertentu. Dalam hal ini, thinning merupakan bagian dari computer vision . Salah satu penerapannya adalah untuk menganalisis pola akar tanaman. Tujuannya adalah untuk mengetahui kebutuhan tanaman akan nutrisi. Aplikasi analisis akar tanaman memiliki prosedur dan metodologi seperti pada gambar berikut: Dalam melakukan analisis terhadap akar tanaman, yang pertama kali harus dilakukan adalah pengambian citra. Citra diambil dengan menggunakan kamera. Kemudian, pada citra yang telah diambil, dilakukan pemrosesan tahap awal ( lower processing ) sebagai persiapan untuk pemrosesan selanjutnya. Citra yang telah melalui tahap awal pemrosesan kemudian disegmentasi. Proses segmentasi terdiri dari dua tahapan. Yang pertama adalah image tresholding dan yang kedua adalah image thinning . Image tresholding berguna untuk memisahkan gambar akar dengan background - nya. Kemudian, proses thinning dilakukan. Contoh hasil thinning adalah pada gambar berikut. Setelah thinning dilakukan, barulah dapat dilakukan analisis terhadap citra. Diantaranya adalah mengukur panjang, sudut, ujung akar, dan celah lateral. Sedangkan mengukur permukaan lateral dapat dilakukan setelah proses tresholding . E. Daftar Pustaka Utami, Annisa, dkk, 2003, 8220Thinning8221, diakses dari google. co. id/searchqthiningdalampengenalanpolaampieutf-8ampoeutf-8ampaqtamprlsorg. mozilla:en-US:officialampclientfirefox-aqthinningdalampengenalanpolaamphlidampclientfirefox-aamppwst1amprlsorg. mozilla:en-US:officialampprmdivnsampeit06iTdC9KIzirAfM9uXuAgampstart0ampsaNampfpaa9c18a922804eb4, pada tanggal 9 April 2011, pukul 19.56 WIB. AS, Baihaki, dkk, 2003, 8220Thinning8221, diakses dari google. co. id/searchqthiningdalampengenalanpolaampieutf-8ampoeutf-8ampaqtamprlsorg. mozilla:en-US:officialampclientfirefox-aqthinningdalampengenalanpolaamphlidampclientfirefox-aamphsggQamppwst1amprlsorg. mozilla:en-US:officialampprmdivnsampeij02iTY7oCMXjrAf8svXxAgampstart10ampsaNampfpaa9c18a922804eb4, pada tanggal 9 April 2011, pukul 20.14 WIB.
No comments:
Post a Comment