PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)"

Transkripsi

1 PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui Kupang, Telp (0380) Penelitian ini bertujuan untuk menghilangkan derau (noise) pada citra berwarna 4-bit dengan berukuran 51x51 bit menggunakan metode Discrete Wavelet Transform (DWT). Jenis wavelet yang digunakan dalam pengujian antara lain dari keluarga wavelet Haar, Daubechies, Symlet dan Coiflet. Sedangkan derau yang ditambahkan pada citra asli adalah derau sal t& pepper and gaussian dengan variasi kepadatan derau dari 0,01 sampai 0,5. Performansi sebuah metode perbaikan kualitas citra berdasarkan penilaian kuantitatif dan kualitatif. Penilaian kuantitatif ditentukan dengan MSE dan PSNR. Sedangan penilaian secara kualitatif berdasarkan HVS (Human Visual System). Hasil pengujian baik kuantitatif maupun kualitatif menunjukkan bahwa jenis wavelet terbaik dari keluarga coiflet. Semakin besar kepadatan noise (noise density), maka nilai MSE semakin besar dan nilai PSNR semakin kecil. Keunggulan metode wavelet adalah perbaikan kualitas citra pada level dekomposisi yang lebih tinggi, dimana nilai MSE menjadi lebih kecil dan terjadi peningkatan nilai PSNR. Salah stau hasil pengujian citra Sofi.bmp dengan perubahan level dekomposisi menunjukkan bahwa kepadatan noise Gaussian mean dan variance sebesar 0,5 diperoleh perubahan nilai PSNR dari 8,0 db (level 1) menjadi 11,5 db ( level 3). Penilaian secara kualitatif adalah kualitas cukup baik dan masih dapat diterima (passable) Penentuan level dekomposisi berdasarkan ukuran citra yang digunakan. Semakin besar ukuran citra maka dapat digunakan level dekomposisi yang lebih tinggi. Kata Kunci: Citra Berwarna, Noise, Discrete Wavelet Transform (DWT) 1. PENDAHULUAN Perbaikan kualitas citra (image enhancement) merupakan proses pengolahan citra untuk menghasilkan citra yang lebih mudah diinterpretasikan oleh mata manusia (Human Visual System/HVS). Perbaikan kualitas citra dapat digunakan sebagai proses awal dalam manipulasi dan analisa serta sintesis citra. Citra yang berkualitas akan sangat dibutuhkan untuk proses analisis lebih lanjut. Perbaikan kualitas citra dapat dilakukan dalam domain ruang maupun frekuensi. Dalam domain ruang akan menghasilkan waktu komputasi yang lama karena nilai-nilai diskrit citra mempunyai angka yang besar. Banyak penelitian dilakukan dalam domain frekuensi antara lain fourier transform, Discrete Cosinus Transform (DCT) dan Wavelet Transform. Untuk meningkatkan kualitas hasil proses perbaikan kualitas citra maka lebih baik manipulasi citra dilakukan dalam domain frekuensi. Citra yang terbentuk menjadi berkualitas buruk karena mengalami derau (noise) pada saat pengambilan gambar, akibat pengiriman melalui saluran transmisi, kurang cahaya sehingga gelap atau terang, kurang tajam, kabur akibat pergerakan horizontal atau vertikal dan sebagainya [Munir, 004]. Pada proses perbaikan kualitas citra, ciri-ciri tertentu dalam sebuah citra lebih diperjelas kemunculannya, dan secara matematis dinyatakan sebagai : T-30 f(x,y ) f (x,y) (1) Proses pelembutan dan penajaman citra merupakan operasi penapisan (filtering), sehingga dilakukan operasi konvolusi citra asli f(x,y) dan sebuah filter h(x,y) Secara matematis dalam domain spasial dirumuskan sebagai berikut: f (x,y) = h(x,y) * f(x,y) () dan dalam domain frekuensi F (u,v) = H(u,v) F(u,v) (3) Pemilihan filter H(u,v) yang tepat dalam rangka menonjolkan ciri citra f(x,y) mempengaruhi hasil perbaikan kualitas citra. Pemilihan filter h(x,y) yang tepat akan mendapatkan ciri tertentu dari citra asli. Pada umumnya dalam domain frekuensi, citra yang mengalami gangguan yaitu pada bagian frekuensi tinggi sehingga dilakukan proses penyaringan yang dapat menapis frekuensi tinggi High Pass Filter (HPF) dan meloloskan frekuensi rendah yaitu Low Pass Filter (LPF) [Gonzalez dkk., 00]. Telah dilakukan penelitian oleh Tena (011), dengan menggunakan metode linear filtering dan SWT dengan nilai varians dan mean untuk gausian noise bervariasi dari 0,01 sampai 0,5. Namun metode yang digunakan memberikan hasil terbaik hanya pada nilai varians dan mean sebesar 0,1. Kepadatan noise makin tinggi kualitas citra hasil perbaikan sangat menurun. Penelitian juga dilakukan oleh Prasetiyo (00), dengan memanfaatkan wavelet transform, namun hanya terbatas pada keluarga wavelet Haar dan citra grayscale. Dalam Sihag, dkk (011) menggunakan

2 metode wavelet untuk mereduksi noise, tetapi terbatas pada citra grayscale. Dalam penelitian ini menggunakan metode Discrete Wavelet Transform (DWT) dengan beberapa jenis keluarga wavelet dan level dekomposisi yang lebih tinggi. Keuntungan pemulihan citra dalam kawasan gelombang-singkat (wavelet transform) adalah waktu komputasi lebih cepat karena daerah dukungan (region of support) lebih kecil separuhnya. Selain itu juga hasil transformasi memiliki koefisien-koefisien wavelet yang bersifat jarang dan kecil pada komponen detail sehingga dapat diterapkan proses thresholding. Terdapat dua () jenis thresholding yaitu hard thresholding dan soft thresholding [Bovik, 000]. Persamaan hard thresholding adalah; ( τ λ p)( y) = p ( y ), jika p ( y ) > λ (4) 0 Sedangkan jenis soft thresholding sebagai berikut: ( τ p)( y) = λ p ( y ) λ, jika p ( y ) + λ, jika p ( y ) p ( y ) > λ < λ (5) 0 Implementasi algoritma DWT untuk mereduksi gangguan sinyal (denoising) yang terjadi pada data sinyal baik citra, suara maupun video dapat dilihat pada Gambar 1 dan Gambar. CA Lo_D Hi_D 1 1 Lo_D Hi_D Lo_D Hi_D Gambar 1 Proses Dekomposisi DWT -D CA j aproks + horiso Proses dekomposisi pada sinyal -D dilakukan dengan dua langkah, (1) menerapkan penapisan terhadap seluruh sinyal (Lo_D dan Hi_D; konvolusi vektor dan tapis LPF dan HPF), yang menghasilkan dua buah sinyal dengan banyaknya adalah setengah dari sinyal aslinya, sedangkan banyaknya sama dengan semula, () melakukan penapisan terhadap dari kedua bagian sinyal tersebut sehingga dihasilkan empat bagian sinyal atau subband (f LL, f LH, f HL,c f HH ) dengan ukurannya menjadi setengah [Misiti dkk., 001]. (h j ( v j + verti + (d j diagon CA j+1 aproksimasi (h) j + 1 horisontal (v) j + 1 vertikal (d) j + 1 diagonal Lo_R Hi_R Lo_R Hi_R Gambar Proses Invers DWT -D Wavelet transform merupakan fungsi matematika yang digunakan untuk membagi frekuensi suatu isyarat, yaitu gelombang-singkat dengan skala besar diterapkan pada sebuah isyarat untuk mengetahui lebih detail tentang informasi yang terkandung dalam frekuensi rendahnya dan gelombang-singkat dengan skala kecil diterapkan pada sebuah isyarat untuk mengetahui informasi yang terkandung dalam frekuensi tingginya. Metode wavelet transform dapat mereduksi derau dengan noise density yang cukup besar pada data citra berwarna.. METODE PENULISAN Penelitian ini menggunakan metode DWT D untuk menghilangkan derau pada data citra berwarna 4-bit berukuran 51x51 piksel. Penelitian ini menggunakan beberapa jenis keluarga wavelet antara lain Haar, Daubechies, Symlet dan Coiflet. Jenis derau yang digunakan untuk uji coba adalah gaussian noise dan salt&pepper noise dengan perubahan nilai mean dan variance berkisar antara 0,01 sampai 1,0. Perubahan kepadatan derau (noise density) dilakukan pada kedua jenis derau. Pengolahan dan analisis data citra diperlukan perangkat-lunak (software) yaitu program MATLAB dan sebuah Personal Computer. Sedangkan data citra yang digunakan yakni citra sofi.bmp dan bird.bmp. (a) (b) Gambar 3 Data Citra (a) Sofi.bmp; (b) bird.bmp 1 Lo_R Hi_R CA j T-31

3 Diagram alir penelitian perbaikan kualitas citra berwarna dapat dilihat pada Gambar 4. digunakan. Ukuran matriks citra m x n, B1 dan B merupakan matriks citra. MSE dapat dirumuskan sebagai berikut: m n ( B ( ) ( ) ) 1 i, j B i, j MSE = (6) mn i= 0 j= 0. Kriteria Subjektif (Kualitatif) Kriteria kualitatif diberikan kepada hasil perbaikan kualitas citra dibandingkan dengan citra asli. Penilaian dengan cara pengamatan visual (Human Visual System) ini lebih bersifat subjektif karena penerimaan dan penilaian setiap orang berbeda. Penilaian subyektif tersebut dapat dibagi menjadi: (a) excellent (kualitas terbaik); (b) fine (kualitas tinggi, dapat dinikmati); (c) passable (kualitas cukup baik, masih dapat diterima); (d) marginal (kualitas buruk, masih bisa diperbaiki); (e) inferior (kualitas sangat buruk, namun masih bisa diamati); (f) unusable (sudah tidak dapat dinikmati lagi) [Yonata, 00]. 3. HASIL DAN DISKUSI Gambar 4 Diagram Alir Proses Perbaikan Kualitas Citra Berwarna Dalam proses analisa data perbaikan kualitas citra digunakan kriteria penilaian performansi metode baik secara kuantitatif maupun kualitatif. 3.1 Hasil Pengujian Pengujian dilakukan pada citra Bird dan Citra Sofi dengan jenis noise salt&pepper, variasi kepadatan derau dari 0,01 sampai 1,0. Untuk gaussian noise variasi mean dan varians dari 0,01 sampai 0,5. Selanjutnya dilakukan uji coba pada level dekomposisi yang lebih tinggi dengan noise density 1,0. Secara kualitatif berdasarkan HVS bahwa hasil perbaikan kualitas citra terlihat sama dari beberapa metode yang digunakan. Namun secara kuantitatif terjadi perbedaan yang signifikan baik MSE maupun PSNR. Semakin tinggi nilai MSE maka kualitas citra hasil rekonstruksi akan makin jelek seiring dengan penurunan nilai PSNR. 1. Kriteria Objektif (Kuantitatif) Peak Signal-to-Noise Ratio (PSNR) Tingkat keberhasilan sebuah metode perbaikan kualitas citra dpat dihitung menggunakan persamaan PSNR (dinyatakan dengan satuan db). PSNR berfungsi untuk mengukur kualitas sinyal antara sinyal asli dan sinyal hasil denoising. PSNR sangat berkaitan dengan Mean Square Errror (MSE), dan didefinisikan sebagai b 1 PSNR= 10x 10 log (5) (3.) MSE dengan b adalah jumlah bit per piksel. Mean Square Error (MSE) MSE merupakan tolok ukur analisis kuantitatif yang digunakan untuk menilai kualitas sebuah citra hasil dan keunggulan sebuah metode yang T-3 Perbaikan Kualitas Citra Sofi Pada Gambar 5 terlihat hasil image enhancement menggunakan wavelet coif5 dari keluarga coiflet dengan kepadatan derau salt&pepper sebesar 0,01. Gambar tersebut merupakan contoh penilaian secara kualitatif bahwa hasil rekonstruksi citranya relatif sama. Untuk proses penilaian secara kuantitatif dengan variasi kepadatan derau dan beberapa jenis wavelet dapat dilihat pada Gambar 6 dan Gambar.

4 Gambar 5 Perbaikan Kualitas Citra Sofi, dengan Sal t& Pepper Noise, d=0,01 Untuk lebih jelasnya dapat dilihat pada grafik yang menunjukkan hubungan antara nilai MSE maupun PSNR dengan variasi nilai kepadatan derau untuk salt&pepper noise dan gaussian noise Gambar 8 Perbaikan Kualitas Citra Sofi, Salt & Pepper Noise, Noise Density = 0, Gaussian noise(m,v) Gambar 9 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Sofi Gambar 6 Grafik Hubungan antara Density Noise Salt & Pepper dengan untuk Citra Sofi Gambar Grafik Hubungan antara Noise Sal t& Pepper dengan untuk Citra Sofi Selanjutnya contoh hasil image enhancement citra Sofi dengan noise salt&pepper dan kepadatan derau sebesar 0, Gaussian noise(m,v) Gambar 10 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Sofi Perbaikan Kualitas Citra Bird Pada Gambar 11 terlihat hasil perbaikan kualitas citra menggunakan wavelet coif5 dari keluarga coiflet dengan kepadatan derau Gaussian sebesar 0,01. Penilaian dilakukan secara kualitatif dan kuantitatif. Penilaian secara kuantitatif dengan jelas terlihat pada Gambar 1 dan Gambar 13. T-33

5 Gambar 11 Perbaikan Kualitas Citra Bird, Gaussian Noise, Mean & Variance =0,01 Berikut ditampilkan grafik hubungan antara Nilai MSE dan PSNR terhadap variasi nilai noise baik untuk salt&pepper maupun gaussian Gaussian noise (M,V) Gambar 14 Perbaikan Kualitas Citra Bird, Salt & Pepperer Noise, Noise Density= 0, Gambar 15 Grafik Hubungan antara Density Noise Salt & Pepper dengan untuk Citra Bird Gambar 1 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Bird gaussian noise(m,v) Gambar 13 Grafik Hubungan antara Gaussian Noise dengan untuk Citra Bird Selanjutnya contoh hasil perbaikan kualitas citra citra bird dengan kepadatan derau salt&pepper sebesar 0,1. Gambar 16 Grafik Hubungan antara Noise Salt & Pepper dengan untuk Citra Bird Pengaruh Level Dekomposisi Terhadap Perbaikan Kualitas Citra Perubahan level dekomposisi wavelet juga berpengaruh pada kualitas citra hasil baik dinilai secara kualitatif maupun kuantitatif. Penilaian secara kualitatif bahwa citra yang diberi derau masih dapat dikenali setelah proses perbaikan. Berdasarkan hasil pengujian untuk citra bird dengan wavelet coif5 dan nilai kepadatan sebesar 0,5 maka dapat dilihat perubahan nilai PSNR pada Gambar 16. T-34

6 Gambar 1 Pengaruh Level Dekomposisi DWT Terhadap Kualitas Perbaikan Citra (Perbandingan Level 1 dan ) level 1 level level 3 citra bird level dekomposisi citra Sofi Gambar 18 Pengaruh Perubahan Level Dekomposisi Terhadap pada Citra Bird dan Citra Sofi dengan Noise Gaussian M&V = 0, level 1 level level 3 citra bird level dekomposisi citra Sofi Gambar 19 Pengaruh Perubahan Level Dekomposisi Terhadap pada Citra Bird dan Citra Sofi dengan Noise Density Salt & Pepper Sebesar 0,5 3. Diskusi Berdasarkan hasil pengujian untuk citra Sofi dan citra Bird dengan variasi pembangkitan derau T-35 pada citra masukan dapat dijelaskan bahwa semakin besar kepadatan derau (noise density) yang diberikan akan mempengaruhi kualitas citra hasil. Hal ini akan membuktikan keunggulan beberapa keluarga wavelet untuk mereduksi derau yang ditambahkan pada citra asli. Dari grafik MSE maupun PSNR terlihat bahwa perbaikan kualitas citra dengan wavelet coif5 dari keluarga wavelet coiflet memberikan hasil yang cukup baik dibandingkan jenis wavelet yang lain. Perbedaan kualitas baik secara kualitatif maupun kuantitatif antara beberapa keluarga wavelet tidak signifikan. Kualitas metode yang digunakan dalam penelitian ini dapat terlihat jelas pada grafik hubungan antara PSNR dan MSE terhadap variasi derau. Keunggulan metode wavelet adalah proses dekomposisi yang membagi citra menjadi beberapa kelompok frekuensi sehingga memudahkan proses thresholding terhadap komponen frekuensi tinggi karena mata manusia lebih peka terhadap luminansi dari pada warna. Proses thresholding dilakukan pada komponen frekuensi HL,LH dan HH setelah proses dekomposisi baik untuk level 1 maupun level yang lebih tinggi. Jumlah level disesuaikan dengan ukuran citra. Perubahan level dekomposisi sampai citra berukuran 18x18 piksel masih memberikan hasil yang baik berdasarkan penilaian kualitatif dengan nilai kepadatan derau yang besar. Dalam penelitian ini citra berukuran 51x51 piksel maka pengujian level dekomposisi sampai pada level 3. Semakin besar nilai kepadatan gangguan (noise density) akan mempengaruhi kualitas perbaikan citra yang ditandai dengan meningkatnya nilai MSE dan sebaliknya nilai PSNR semakin menurun. Keunggulan metode wavelet juga bergantung pada jenis citra dan derau. Berdasarkan pengujian terlihat bahwa metode wavelet lebih baik dalam menghilangkan derau jenis salt&pepper jika dibandingkan dengan derau Gaussian. Untuk citra yang diberi kepadatan derau sebesar 1,0 masih dapat dikenali berdasarkan penilaian kualitatif. Pada penelitian lebih lanjut dapat dikembangkan metode hybrid antara wavelet dan metode lainnya untuk memberikan hasil perbaikan yang lebih baik dengan kepadatan derau yang lebih besar. 4. SIMPULAN Berdasarkan hasil pengujian dan bahasan terdapat beberapa kesimpulan antara lain: 1. Metode DWT memberikan hasil perbaikan kualitas citra yang baik terutama citra dengan kepadatan derau (noise density) yang besar. Keluarga wavelet coiflet (coif5) memberikan performansi yang lebih baik dibandingkan dengan jenis wavelet yang lain.. Pemilihan nilai thresholding yang tepat memberikan hasil perbaikan citra cukup baik.

7 3. Pada level dekomposisi yang lebih tinggi dan kepadatan derau yang besar akan menghasilkan citra yang masih dapat diterima (passable). 4. Semakin besar kepadatan derau (noise density) maka nilai MSE akan makin besar dan nilai PSNR semakin kecil. DAFTAR PUSTAKA Bovik Al. Handbook of Image and Video Processing. Academic Press Gonzalez R. C. dan Woods R.E,. Digital Image Processing. Prentice Hall. New Jersey, USA Prasetyo R. Pemulihan citra dalam kawasan gelombangsingkat. Master Thesis Teknik Elektro Universitas Gadjah Mada, Yogyakarta Rinaldi Munir. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Penerbit Informatika, Bandung Sihag R., Sharma R., Setia V. Wavelet Thresholding for image De-noising. International Conference on VLSI, Communication & Instrumentation (ICVCI). 01. International Journal of Computer Applications (IJCA) (0-3). Tena S. Image Enhancement Mengggunakan Metode Linear Filtering Dan Stationary Wavelet Transform (SWT). Jurnal Teknologi Elektro Udayana, Misiti M., Georges Oppenheim. Wavelet Toolbox for use with Matlab.User Guide version.1. The MathWorks inc Yonata Y., Kompresi Video, Elex Media Komputindo, Jakarta: T-36

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan

Lebih terperinci

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Arif Senja Fitrani 1, Hindarto 2, Endang Setyati 3 1,2, Jurusan Teknik Informatika Universitas Muhammadiyah Sidoarjo,

Lebih terperinci

Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE)

Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Disusun Oleh : Nama : Abner Natanael R Nrp : 0522034 Jurusan Teknik Elektro,

Lebih terperinci

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe

Lebih terperinci

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Teori Dasar Layanan Pesan Multimedia (MMS) Layanan pesan multimedia (MMS/Multimedia Messaging Service) merupakan puncak dari evolusi layanan pesan singkat (SMS/Short Messaging

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam

Lebih terperinci

DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS

DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS MAKALAH SEMINAR TUGAS AKHIR DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS Sulistono*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Kadangkala hasil

Lebih terperinci

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009 IMPLEMENTASI DAN ANALISIS VIDEO WATERMARKING DENGAN FORMAT VIDEO MPEG BERBASIS WAVELET TRANSFORM (Implementation and Analysis Watermarking MPEG Video Base on Wavelet Transform) Eriel Mar 1, Koredianto

Lebih terperinci

Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering

Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Berkala MIPA, 23(3), September 2014 Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Muhammad Safrizal 1 dan Agus Harjoko 2 1,2 Universitas

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas

Lebih terperinci

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER. PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,

Lebih terperinci

ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL.

ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL. ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL. Rika Novita Wardhani, Mera Kartika Delimayanti Electrical Engineering Department, Politeknik Negeri Jakarta Kampus UI Depok,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan

Lebih terperinci

Kompresi Citra Berwarna Menggunakan Transformasi Wavelet

Kompresi Citra Berwarna Menggunakan Transformasi Wavelet Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 1, April 2014, hal 55-62 Kompresi Citra Berwarna Menggunakan Transformasi Wavelet Suma inna, Dipo Alam Program Studi Matematika Fakultas Sains dan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun merupakan imitasi dari sebuah objek atau benda. Citra memiliki beberapa karakteristik yang

Lebih terperinci

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,

Lebih terperinci

PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION

PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION PERBAIKAN CITRA DENGAN METODE POWER LAW TRANSFORMATION KARYA ILMIAH Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Muhammadiyah

Lebih terperinci

ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA

ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA ANALISIS PERBANDINGAN METODE DISCRETE WAVELET TRANSFORM DAN SPREAD SPECTRUM DALAM WATERMARKING CITRA DIGITAL BERWARNA Muhammad Ardiansyah Agusstiawan Mahasiswa Program Studi Teknik Informatika, FT UMRAH

Lebih terperinci

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis

Lebih terperinci

ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI

ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI Beni Hartanto Program Studi Teknik Informatika, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang,

Lebih terperinci

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk 6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada

Lebih terperinci

BAB 1 PENDAHULUAN. Bab 1 Pendahuluan

BAB 1 PENDAHULUAN. Bab 1 Pendahuluan BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi terutama pada dunia digital pada saat ini memungkinkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa batas ruang

Lebih terperinci

Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)

Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) ISSN : 1693 1173 Abstrak Penelitian ini menekankan pada pentingnya teknik simuasi pada pengolahan citra digital. Simulasi

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. 1 Tinjauan Studi Berbagai penelitian telah dilakukan untuk menunjukkan betapa pentingnya suatu edge detection dalam perkembangan pengolahan suatu citra, berikut

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Pemfilteran Citra; Sharpening, Blurring dan Noise Reduction 5 UNIV KRISTEN DUTA WACANA GENAP 1213 Pemfilteran Citra (Image Filtering) Pada

Lebih terperinci

Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension (DCT 2D)

Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension (DCT 2D) 1 Peningkatan Kompresi Citra Digital Menggunakan Discrete Cosine Transform 2 Dimension ( 2D) Nadia Printa Tearani, Member, IEEE Abstract Digital image compression is a data compression application that

Lebih terperinci

DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT

DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT Mayo Ama Kella Loing, Koredianto Usman, Rita Magdalena Institut Teknologi

Lebih terperinci

Analisis Perbandingan Transformasi Wavelet pada Pengenalan Citra Wajah

Analisis Perbandingan Transformasi Wavelet pada Pengenalan Citra Wajah Vol.5 No. (Juli 00) JURNAL GENERIC 5 Analisis Perbandingan Transformasi Wavelet pada Pengenalan Citra Waah Sutarno, Fakultas Ilmu Komputer, Universitas Sriwiaya Abstract Citra merupakan dimensi spatial

Lebih terperinci

PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM

PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,

Lebih terperinci

Analisa Multiwavelet untuk Kompresi Suara

Analisa Multiwavelet untuk Kompresi Suara 1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 4 Neighborhood Processing. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 4 Neighborhood Processing. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 4 Neighborhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45 20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192

Lebih terperinci

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan

Lebih terperinci

Perbandingan Mother Wavelet dalam Proses Denoising pada Suara

Perbandingan Mother Wavelet dalam Proses Denoising pada Suara IJCCS, Vol.8, No.1, January 2014, pp. 69~80 ISSN: 1978-1520 69 Perbandingan Mother Wavelet dalam Proses Denoising pada Suara Rahmat Ramadhan* 1, Agfianto Eko Putra 2 1 Jurusan Teknik Informatika, F.Teknik,

Lebih terperinci

PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION

PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,

Lebih terperinci

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan

Lebih terperinci

BAB III METODE PENELITIAN. Alam Universitas Lampung pada bulan Februari 2014 sampai Mei 2014.

BAB III METODE PENELITIAN. Alam Universitas Lampung pada bulan Februari 2014 sampai Mei 2014. 4 BAB III METODE PENELITIAN 3.. Waktu dan Tempat Pelaksanaan Penelitian ini dilaksanakan di Laboratorium Pemodelan Fisika dan Laboratorium Elektronika Dasar Jurusan Fisika Fakultas Matematika dan IImu

Lebih terperinci

PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET

PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET Sarwosri, Rully Soelaiman, dan Esther Hanaya Jurusan Teknik Informatika, Fakultas Teknologi Informasi,

Lebih terperinci

BAB II LANDASAN TEORI. dihadapi dengan standar median filter. Perbedaan mendasar antara dua filter ini

BAB II LANDASAN TEORI. dihadapi dengan standar median filter. Perbedaan mendasar antara dua filter ini BAB II LANDASAN TEORI 2.1. Metode Adaptive Median Filter Adaptive Median Filter dirancang untuk menghilangkan masalah yang dihadapi dengan standar median filter. Perbedaan mendasar antara dua filter ini

Lebih terperinci

IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MAXIMUM APOSTERIORI-GAUSSIAN SCALE MIXTURES PADA DOMAIN WAVELET

IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MAXIMUM APOSTERIORI-GAUSSIAN SCALE MIXTURES PADA DOMAIN WAVELET IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MAXIMUM APOSTERIORI-GAUSSIAN SCALE MIXTURES PADA DOMAIN WAVELET I Ketut Hartawan 1), Retno Novi D, SSi., MT. 2), Tjokorda Agung Budi

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM. linear sequential (waterfall). Metode ini terdiri dari empat tahapan yaitu analisis,

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM. linear sequential (waterfall). Metode ini terdiri dari empat tahapan yaitu analisis, BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Perancangan program aplikasi yang dibuat dalam skripsi ini menggunakan aturan linear sequential (waterfall). Metode ini terdiri dari empat tahapan yaitu analisis,

Lebih terperinci

IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN

IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN Hendarko Ahmad Hidayatno R. Rizal Isnanto Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro During this time,

Lebih terperinci

Batra Yudha Pratama

Batra Yudha Pratama Pendeteksian Tepi Pengolahan Citra Digital Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara

Lebih terperinci

Implementasi Slantlet Transform (SLT) Dan Huffman Coding Pada Steganografi Citra Grayscale

Implementasi Slantlet Transform (SLT) Dan Huffman Coding Pada Steganografi Citra Grayscale Implementasi Slantlet Transform (SLT) Dan Huffman Coding Pada Steganografi Citra Grayscale Reza Wissarto Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Semarang 50131 E-mail : 111201005350@mhs.dinus.ac.id

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 7 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana

Lebih terperinci

BAB I. Pendahuluan I.1 Latar Belakang

BAB I. Pendahuluan I.1 Latar Belakang BAB I. Pendahuluan I.1 Latar Belakang Jalan merupakan salah satu sarana transportasi darat yang penting untuk menghubungkan berbagai tempat seperti pusat industri, lahan pertanian, pemukiman, serta sebagai

Lebih terperinci

Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper

Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Cogito Smart Journal/VOL. 2/NO. 2/DESEMBER 2016 157 Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Ivan Maulana 1, Pulung Nurtantio Andono 2 1,2 Program

Lebih terperinci

Kata kunci: Fourier, Wavelet, Citra

Kata kunci: Fourier, Wavelet, Citra TRANSFORMASI FOURIER DAN TRANSFORMASI WAVELET PADA CITRA Oleh : Krisnawati Abstrak Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi

Lebih terperinci

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 MKB3383 - Teknik Pengolahan Citra Pengolahan Citra di Kawasan Frekuensi (Transformasi Fourier) Muhammad Zidny af an, M.Kom. Gasal 2015/2016 Outline Pengolahan Citra di Kawasan Spasial VS Kawasan Frekeunsi

Lebih terperinci

ABSTRAK. PDF created with FinePrint pdffactory Pro trial version

ABSTRAK. PDF created with FinePrint pdffactory Pro trial version ABSTRAK Pengolahan citra digital mempunyai aplikasi yang luas, contohnya adalah: pengiriman dan penyimpanan citra digital untuk bisnis, dan pemeriksaan medis. Citra digital yang didapat sering mengalami

Lebih terperinci

PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA

PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI

Lebih terperinci

ANALISA PERBANDINGAN REDUKSI NOISE PADA CITRA ANTARA DISCRETE WAVELET TRANSFORM (DWT) DENGAN DUAL-TREE COMPLEX WAVELET TRANSFORM (DTCWT)

ANALISA PERBANDINGAN REDUKSI NOISE PADA CITRA ANTARA DISCRETE WAVELET TRANSFORM (DWT) DENGAN DUAL-TREE COMPLEX WAVELET TRANSFORM (DTCWT) Seminar Nasional Sistem dan Informatika 7; Bali, 6 November 7 SNSI7-3 ANALISA PERBANDINGAN REDUSI NOISE PADA CITRA ANTARA DISCRETE WAVELET TRANSFORM () DENGAN DUAL-TREE COMPLEX WAVELET TRANSFORM (DTCWT)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,

Lebih terperinci

PERANCANGAN DAN ANALISIS STEGANOGRAFI VIDEO DENGAN MENYISIPKAN TEKS MENGGUNAKAN METODE DCT

PERANCANGAN DAN ANALISIS STEGANOGRAFI VIDEO DENGAN MENYISIPKAN TEKS MENGGUNAKAN METODE DCT PERANCANGAN DAN ANALISIS STEGANOGRAFI VIDEO DENGAN MENYISIPKAN TEKS MENGGUNAKAN METODE DCT PLANNING AND ANALYSIS VIDEO STEGANOGRAPHY BY EMBEDDING TEXT WITH DISCRETE COSINE TRANSFORM METHOD 1 Ryan Anggara,

Lebih terperinci

PROSES PENAJAMAN DAN REDUKSI NOISE PADA SEBUAH CITRA DIGITAL DALAM BIDANG FOTOGRAFI

PROSES PENAJAMAN DAN REDUKSI NOISE PADA SEBUAH CITRA DIGITAL DALAM BIDANG FOTOGRAFI PROSES PENAJAMAN DAN REDUKSI NOISE PADA SEBUAH CITRA DIGITAL DALAM BIDANG FOTOGRAFI Raden Mas Alexander Elldo Septian A11.2009.04644 septianalex@gmail.com Program Studi Teknik Informasi-S1 Universitas

Lebih terperinci

IMPLEMENTASI ADAPTIVE MEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL

IMPLEMENTASI ADAPTIVE MEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL IMPLEMENTASI ADAPTIVE MEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL Eva Listiyani 1) 1) S1 / Jurusan Sistem Komputer, Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya Abstract:

Lebih terperinci

APLIKASI PENAJAMAN CITRA (IMAGE SHARPENING) BERDASARKAN PRINSIP KUANTUM

APLIKASI PENAJAMAN CITRA (IMAGE SHARPENING) BERDASARKAN PRINSIP KUANTUM APLIKASI PENAJAMAN CITRA (IMAGE SHARPENING) BERDASARKAN PRINSIP KUANTUM Dini Sundani 1, Seli Widiastuti 2, Dewi Agushinta R. 3 1 Program Doktor Ilmu Komputer dan Teknlogi Informasi, 2,3 Jurusan Sistem

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN Bab ini memuat latar belakang perlunya penyisipan watermark di dalam citra digital, perumusan masalah secara sistematis, serta metodologi yang digunakan untuk memecahkan masalah yang

Lebih terperinci

Pencarian Citra Menggunakan Metode Transformasi Wavelet dan Metrika Histogram Terurut

Pencarian Citra Menggunakan Metode Transformasi Wavelet dan Metrika Histogram Terurut Jurnal Teknik Elektro Vol. 6, No. 1, Maret 2006: 46-53 Pencarian Citra Menggunakan Metode Transformasi Wavelet dan Metrika Histogram Terurut Ida Bagus K. Widiartha, I Gede Pasek Suta Wijaya Fakultas Teknik,

Lebih terperinci

PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE)

PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE) PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE) ANDRI andriecitra@yahoo.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan

Lebih terperinci

BAB II STUDI PUSTAKA. T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement

BAB II STUDI PUSTAKA. T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement 5 BAB II STUDI PUSTAKA 2.1 Tinjauan Pustaka T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement Imaging Program (APIP) for Pavement Cracks Classification and Quantification A Photogrammetric

Lebih terperinci

Kata kunci : Pengolahan Citra, Kompresi Citra, Fast Fourier Transform, Discrete Cosine Transform.

Kata kunci : Pengolahan Citra, Kompresi Citra, Fast Fourier Transform, Discrete Cosine Transform. ANALISIS PERBANDINGAN KINERJA METODE FAST FOURIER TRANSFORM (FFT) DAN METODE DISCRETE COSINE TRANSFORM (DCT) UNTUK KOMPRESI CITRA PADA APLIKASI KOMPRESI DATA Yulian Saputra (anjection@gmail.com), Andhin

Lebih terperinci

Pengukuran Blok Window Terbaik Berdasarkan MSE...

Pengukuran Blok Window Terbaik Berdasarkan MSE... Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri

Lebih terperinci

Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)

Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang

Lebih terperinci

IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B

IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN

Lebih terperinci

Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks

Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks Adaptif Audio Watermarking Berdasarkan Nilai Snr Pada File Audio Dengan Informasi Sisipan Teks Redi Kuncoro Katri 1,*, Gelar Budiman 1, Ledya Novamizanti 1 1 Universitas Telkom, Fakultas Teknik Elektro

Lebih terperinci

EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :

EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM : EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar

Lebih terperinci

Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial

Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia DC - OKT 2003 1 Tujuan Peningkatan Mutu Citra Sumber Pustaka:

Lebih terperinci

SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET

SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET Benni Agung Nugroho, Irna Wijayanti dan Agus Widayanti Jurusan Teknik Informatika, Politeknik Kediri e-mail : benni.nugroho@gmail.com Abstrak Sistem pengenalan

Lebih terperinci

UJI KETAHA A WATERMARKI G PADA DOMAI WAVELET DA FREKUE SI TERHADAP SERA GA MOTIO BLUR

UJI KETAHA A WATERMARKI G PADA DOMAI WAVELET DA FREKUE SI TERHADAP SERA GA MOTIO BLUR UJI KETAHA A WATERMARKI G PADA DOMAI WAVELET DA FREKUE SI TERHADAP SERA GA MOTIO BLUR DA KOMPRESI JPEG Hendry H. Wahid, Aris Sugiharto, Beta Noranita Jurusan Matematika FMIPA UNDIP Jl. Prof. Soedarto,

Lebih terperinci

Pengenalan Citra Porno Berbasis Kandungan Informasi Citra (Image Content)

Pengenalan Citra Porno Berbasis Kandungan Informasi Citra (Image Content) Jurnal Teknik Elektro Vol. 4, No. 2, September 24: 8-86 Pengenalan Citra Porno Berbasis Kandungan Informasi Citra (Image Content) I Gede Pasek Suta Wijaya, I B K Widiartha Fakultas Teknik, Jurusan Teknik

Lebih terperinci

PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6

PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6 PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6 Siti Mujilahwati 1, Yuliana Melita Pranoto 2 1 Mahasiswa Magister Teknologi Informasi,

Lebih terperinci

TEORI DASAR CITRA DIGITAL

TEORI DASAR CITRA DIGITAL 1 Pengolahan Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat tersebut,

Lebih terperinci

BAB I PENDAHULUAN I.1 Latar Belakang

BAB I PENDAHULUAN I.1 Latar Belakang BAB I PENDAHULUAN I.1 Latar Belakang Prinsip teknologi dikembangkan adalah untuk membuat alat atau sarana yang dapat membantu dan memberi kemudahan bagi manusia untuk melakukan kegiatan dalam hidup. Seiring

Lebih terperinci

RANCANG BANGUN APLIKASI PENGABURAN GAMBAR

RANCANG BANGUN APLIKASI PENGABURAN GAMBAR RANCANG BANGUN APLIKASI PENGABURAN GAMBAR Muhammad Sholeh 1, Avandi Badduring 2 1, 2 Teknik Informatika, Fakultas Teknologi Industri Institut Sains & Teknologi AKPRIND Yogyakarta Jl. Kalisahak 28 Komplek

Lebih terperinci

ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI

ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI Afriliana Kusumadewi 1 * Sugeng Santoso 2 * Abstrak Teknik histogram equalization merupakan

Lebih terperinci

KRIPTOGRAFI CITRA DIGITAL DENGAN ALGORITMA RIJNDAEL DAN TRANSFORMASI WAVELET DISKRIT HAAR

KRIPTOGRAFI CITRA DIGITAL DENGAN ALGORITMA RIJNDAEL DAN TRANSFORMASI WAVELET DISKRIT HAAR KRIPTOGRAFI CITRA DIGITAL DENGAN ALGORITMA RIJNDAEL DAN TRANSFORMASI WAVELET DISKRIT HAAR Bagus Satrio Waluyo Poetro, Aris Sugiharto dan Sukmawati Nur Endah Program Studi Teknik Informatika Universitas

Lebih terperinci

By Emy 1 MEREDUKSI NOISE By Emy By Emy

By Emy 1 MEREDUKSI NOISE By Emy By Emy 1 MEREDUKSI NOISE 2 1 Kompetensi Mampu menjelaskan macammacam jenis noise Mampu menganalisis jenis noise yang menyebabkan gangguan pada citra Mampu membangkitkan macammacam noise kemudian mengimplementasikannya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengenalan Pola Pengenalan pola (pattern recognition) adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur atau sifat

Lebih terperinci

2

2 SISTEM WATERMARKING UNTUK DETEKSI DAN RECOVERY CITRA MEDIS TERMODIFIKASI MENGGUNAKAN DISCRETE COSINE TRANSFORM (DCT) DAN ABSOLUTE MOMENT BLOCK TRUNCATION CODING (AMBTC) Nida Mujahidah Azzahra 1, Adiwijaya

Lebih terperinci

PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )

PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan

Lebih terperinci

Spatial Filtering Dengan Teknik Operasi Konvolusi

Spatial Filtering Dengan Teknik Operasi Konvolusi Spatial Filtering Dengan Teknik Operasi Konvolusi Pendahuluan : Spatial filtering digunakan untuk proses-proses pengolahan citra seperti : Perbaikan Kualitas Citra (Image Enhancement) Penghalusan / Pelembutan

Lebih terperinci

KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *

KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga

Lebih terperinci

SISTEM PENGENALAN KUALITAS INDUK GURAME DENGAN METODE WAVELET DAN K-NN

SISTEM PENGENALAN KUALITAS INDUK GURAME DENGAN METODE WAVELET DAN K-NN ISBN : 978-979-19888-1-0 Prosiding : SEMINAR NASIONAL 2012 SISTEM PENGENALAN KUALITAS INDUK GURAME DENGAN METODE WAVELET DAN K-NN Fitri Astutik1 1, IKG Darma Putera2 2, I Nyoman Satya Kumara3 3, Budi Darmawan4

Lebih terperinci

PERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION Ricky Aprias Sholihin, Bambang Hari Purwoto

PERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION Ricky Aprias Sholihin, Bambang Hari Purwoto PERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION Ricky Aprias Sholihin, Bambang Hari Purwoto Jurusan Teknik Elektro, Fakultas Teknik Universitas Muhammadiyah Surakarta

Lebih terperinci

c. Segmentasi Iris Mata Menggunakan Metode Deteksi Tepi dan Operasi Morfologi (Karmilasari, 2009)

c. Segmentasi Iris Mata Menggunakan Metode Deteksi Tepi dan Operasi Morfologi (Karmilasari, 2009) 9 2. BAB II TINJAUAN PUSTAKA Tinjauan Empiris Pada penelitian ini, peneliti menggunakan beberapa penelitian terkait dengan penelitian yang sebelumnya pernah di lakukan yang menjadi tinjauan studi, yakni

Lebih terperinci

PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL

PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,

Lebih terperinci

BAB I PENDAHULUAN. waktu adalah suatu deret observasi yang berurut dalam waktu. Analisis data

BAB I PENDAHULUAN. waktu adalah suatu deret observasi yang berurut dalam waktu. Analisis data BAB I PENDAHULUAN 1.1. Latar Belakang Analisis time series (runtun waktu) banyak digunakan dalam berbagai bidang, misalnya ekonomi, teknik, geofisik, pertanian dan kedokteran. Runtun waktu adalah suatu

Lebih terperinci

PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET. Sufiatul Maryana, Lita Karlitasari, Arie Qur ania

PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET. Sufiatul Maryana, Lita Karlitasari, Arie Qur ania Pemanfaatan K-Nearest Neighbor (KNN) / Sufiatul Maryana PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET Sufiatul Maryana, Lita Karlitasari, Arie Qur ania

Lebih terperinci

PERBAIKAN CITRA MELALUI PROSES PENGOLAHAN PIKSEL

PERBAIKAN CITRA MELALUI PROSES PENGOLAHAN PIKSEL PERBAIKAN CITRA MELALUI PROSES PENGOLAHAN PIKSEL Muhammad Kusban Jurusan Teknik Elektro Universitas Muhammadiyah Surakarta Jl. A. Yani Tromol Pos 1, Pabelan 57102 Surakarta. E-mail: muhammadkusban@gmail.com

Lebih terperinci

Hardisk 80 GB Perangkat lunak Window XP Profesional MATLAB 7.0.1

Hardisk 80 GB Perangkat lunak Window XP Profesional MATLAB 7.0.1 Hardisk 8 GB Perangkat lunak Window XP Profesional MATLAB 7..1 HASIL DAN PEMBAHASAN Percobaan yang dilakukan pada penelitian ini terdiri atas dua macam, yaitu citra yang akan mengalami proses pengenalan

Lebih terperinci

PENGGUNAAN TRANSFORMASI WAVELET DALAM SISTEM PENGENALAN ISYARAT TANGAN DENGAN BEBERAPA KOMBINASI PRA PROSES

PENGGUNAAN TRANSFORMASI WAVELET DALAM SISTEM PENGENALAN ISYARAT TANGAN DENGAN BEBERAPA KOMBINASI PRA PROSES PENGGUNAAN TRANSFORMASI WAVELET DALAM SISTEM PENGENALAN ISYARAT TANGAN DENGAN BEBERAPA KOMBINASI PRA PROSES PENGGUNAAN TRANSFORMASI WAVELET DALAM SISTEM PENGENALAN ISYARAT TANGAN DENGAN BEBERAPA KOMBINASI

Lebih terperinci

Pengantar Mata Kuliah Pengolahan Citra

Pengantar Mata Kuliah Pengolahan Citra Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Pengantar Mata Kuliah Pengolahan Citra Content: 1. Tujuan mata kuliah Pengolahan Citra 2. Apa saja yang bisa dikerjakan dengan

Lebih terperinci

BAB II LANDASAN TEORI. Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua

BAB II LANDASAN TEORI. Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua BAB II LANDASAN TEORI 2.1 Citra Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya

Lebih terperinci

7.7 Pelembutan Citra (Image Smoothing)

7.7 Pelembutan Citra (Image Smoothing) 7.7 Pelembutan Citra (Image Smoothing) Pelembutan citra (image smoothing) bertujuan untuk menekan gangguan (noise) pada citra. Gangguan tersebut biasanya muncul sebagai akibat dari hasil penerokan yang

Lebih terperinci

SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET

SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET Seminar Nasional Aplikasi Teknologi Informasi 27 (SNATI 27) ISSN: 197-522 Yogyakarta, 16 Juni 27 SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET Maimunah 1), Agus Harjoko 2)

Lebih terperinci

ANALISIS KETAHANAN METODE STEGANOGRAFI ADVANCE LEAST SIGNIFICANT BIT

ANALISIS KETAHANAN METODE STEGANOGRAFI ADVANCE LEAST SIGNIFICANT BIT ANALISIS KETAHANAN METODE STEGANOGRAFI ADVANCE LEAST SIGNIFICANT BIT PADA DOMAIN TRANSFORMASI WAVELET DENGAN MENGGUNAKAN HSI COLOUR MODEL DAN RS STEGANALYSIS KOMPETENSI KOMPUTASI SKRIPSI I WAYAN AGUS WIRAYASA

Lebih terperinci

IMPLEMENTASI MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION DALAM PERBAIKAN CITRA (IMAGE ENHANCEMENT)

IMPLEMENTASI MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION DALAM PERBAIKAN CITRA (IMAGE ENHANCEMENT) IMPLEMENTASI MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION DALAM PERBAIKAN CITRA (IMAGE ENHANCEMENT) TUGAS AKHIR Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada

Lebih terperinci

IMPLEMENTASI MORPHOLOGICAL FILTERING UNTUK PENAJAMAN CITRA CCTV

IMPLEMENTASI MORPHOLOGICAL FILTERING UNTUK PENAJAMAN CITRA CCTV IMPLEMENTASI MORPHOLOGICAL FILTERING UNTUK PENAJAMAN CITRA CCTV Aji Juliana 1, Agung Triayudi 2 Program Studi Teknik Informatika - Universitas Serang Raya Jl. Raya Serang Cilegon Km.5 Serang Banten - Indonesia

Lebih terperinci