Evenly brightening using kurtosis Gaussian pattern to simplify image binarization

Abstract

A problem of separating object from background using thresholding in image segmentation is uneven image brightness. Some binary image objects vanish because the pixel intensity value on the edge side is greater than the pixel’s background intensity. The others at the edge of image are covered by background pixel. The background pixel at the edge is bigger than the pixel value of the object in the inside of image. A light source type affects the spread of brightness adding thresholding difficulty. The object’s light distribution from the exposed light source follows the Gaussian distribution. A kurtosis value depends on the light source type. Following the kurtosis of standard deviation, the method for creating brightness evenly is designed. The Gaussian pattern is formed from the distribution of Gaussian values in the cells of the Gaussian matrix. The pixel values in the corresponding images will be added to the matrix cells. The pixel value will increase according to the Gaussian matrix pattern. This process results in the highest pixel value not getting added value, while the lowest pixel intensity value will get the greatest value addition.

Perbandingan Metode GLCM dan DWT Dalam Mengekstraksi Ciri Penyakit pada Daun Tomat (Solanum lycopersicum syn)

“…Terdapat beberapa teknik pengenalan object dengan menggunakan image processing seperti penggunaan Algoritma Freeman Chain [11] dalam mendeteksi tulisan mandarin. Identifikasi object juga merupakan salah satu cara untuk dapat memisahkan object yang akan diamati terhadap background gambar yang sering dianggap sebagai noise (derau) [12,13], apabila terlalu banyak noise yang tersegmentasi, maka akan sangat berpengaruh pada tahapan pembuatan model prediksi sehingga pemilihan metode yang tepat dierlukan. Deteksi object dengan image processing tidak hanya dapat mengidentifikasi atau mengenali object tulisan, tetapi dapat juga mensegmentasi object pola perubahan tutupan hutan [14] dan object pada pola penyakit daun juga dapat terdeteksi [15].…”

Implementasi Algoritma Freeman Chain Code dan Algoritma K-Nearest Neighbor Dalam Pengenalan Huruf Mandarin

“…Grayscale adalah proses mengubah citra berskala keabuan yang dinyatakan dengan intensitas antara 0-255. Nilai 0 adalah warna hitam dan nilai 255 adalah warna putih [7] [8]. Citra yang digunakan pada penelitian ini merupakan citra berwarna yang memiliki 3 channel warna.…”

Ocr Huruf Jawa Dengan Fitur Kode Rantai Dan Levenshtein Distance

“…Binerisasi yang digunakan adalah proses binerisasi citra menggunakan thresholding. Proses thresholding melakukan pembatasan nilai Intensitas piksel (pixel intensity value) pada citra untuk menentukan piksel background dan piksel foreground [27].…”