Lokal Fuzzy Thresholding Berdasarkan Pengukuran Fuzzy Similarity Pada Interaktif Segmentasi Citra Panoramik Gigi

Dalam segmentasi citra, thresholding merupakan salah metode yang mudah dan sederhana untuk diimplementasikan. Pada citra panoramik gigi, penentuan global threshold masih kurang begitu optimal untuk diimplementasikan. Hal tersebut dikarenakan adanya factor penghambat seperti pencahayaan yang tidak merata dan citra yang kabur. Faktor-faktor tersebut  dapat menyebabkan histogram tidak bisa dipartisi dengan baik, sehingga akan berpengaruh pada hasil segmentasi. Pada penelitian ini diusulkan lokal fuzzy thresholding berdasarkan pengukuran fuzzy similarity pada interaktif segmentasi citra panoramik gigi. Metode yang diusulkan terdiri dari tiga tahapan utama, tahap pertama region splitting untuk mendapatkan lokal region. Tahap kedua adalah user marking untuk mendapat inisial seed background dan objek, Tahap terakhir adalah pengukuran fuzzy similarity pada setiap lokal region untuk mendapatkan nilai lokal threshold. Hasil uji coba pada citra panoramik gigi, metode yang diusulkan berhasil melakukan segmentasi dengan rata-rata missclasification error (ME) 5.47%.Dalam segmentasi citra, thresholding merupakan salah metode yang mudah dan sederhana untuk diimplementasikan. Pada citra panoramik gigi, penentuan global threshold masih kurang begitu optimal untuk diimplementasikan. Hal tersebut dikarenakan adanya factor penghambat seperti pencahayaan yang tidak merata dan citra yang kabur. Faktor-faktor tersebut  dapat menyebabkan histogram tidak bisa dipartisi dengan baik, sehingga akan berpengaruh pada hasil segmentasi. Pada penelitian ini diusulkan lokal fuzzy thresholding berdasarkan pengukuran fuzzy similarity pada interaktif segmentasi citra panoramik gigi. Metode yang diusulkan terdiri dari tiga tahapan utama, tahap pertama region splitting untuk mendapatkan lokal region. Tahap kedua adalah user marking untuk mendapat inisial seed background dan objek, Tahap terakhir adalah pengukuran fuzzy similarity pada setiap lokal region untuk mendapatkan nilai lokal threshold. Hasil uji coba pada citra panoramik gigi, metode yang diusulkan berhasil melakukan segmentasi dengan rata-rata missclasification error (ME) 5.47%