PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
|
|
- Yuliana Sudjarwadi
- 8 tahun lalu
- Tontonan:
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) silvertena_unc@yahoo.com 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
IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM
IMAGE ENHANCEMENT MENGGGUNAKAN METODE LINEAR FILTERING DAN STATIONARY WAVELET TRANSFORM Staff Pengajar Jurusan Teknik Elektro Fakultas Sains dan Teknik Universitas Nusa Cendana, Kupang Abstrak The aim
Lebih terperinciBAB 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 terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciDEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL
Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
Lebih terperinciDAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...
ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciImplementasi 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 terperinciAplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf
Widodo, Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf 95 Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf Bernardinus Sri Widodo Program Studi Mekatronika, Universitas
Lebih terperinciDiperlukan suatu mekanisme dimana kita dapat mengukur performansi dari suatu proses pengolahan citra.
Fidelity Criteria Proses pengolahan citra pada dasarnya dilakukan untuk menghasilkan sebuah citra yang sesuai dengan kebutuhan user Dengan definisi diatas sulit menentukan pengukuran secara objektif terhadap
Lebih terperinciPengurangan 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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan internet yang semakin canggih sangat membawa kemajuan yang semakin berarti dalam berbagai aspek terutama bagi negara yang berkembang. Perkembangan
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Proses pengolahan citra digital dapat dibagi menjadi beberapa bidang seperti object detection, image analyze, computer vision, dan medical imaging. Medical imaging
Lebih terperinciArnes Sembiring Sekolah Tinggi Teknik Harapan Medan Abstrak
Perbandingan Algoritma Mean Filter, Median Filter dan Wiener Filter pada Aplikasi Restorasi Citra RGB Terdegradasi Impulse Noise Menggunakan The Peak Signal To Noise Ratio (PSNR) Arnes Sembiring Sekolah
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciANALISIS 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 terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat
Lebih terperinciADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION
ADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION Disusun oleh : Nama : Dian Eriani Surbakti Nrp : 0822104 Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman dan semakin meluasnya jaringan multimedia, maka proses pengiriman dan pengaksesan citra digital juga semakin mudah. Kemudahan
Lebih terperinciIMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II
IMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II Kunnu Purwanto 1), Agus Bejo 2), Addin Suwastono 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi Fakultas Teknik
Lebih terperinciBAB 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 terperinciBAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment
BAB PERUMUSAN PENELITIAN.1 Blok Diagram Signal Sparse Coding Dictionary Reconstruction Reconstructed Signal Assessment Gambar.1 Blok Diagram secara Umum Secara umum tujuan penelitian ini akan mencari dictionary
Lebih terperinciTEK IK PEMBUKTIA KEPEMILIKA CITRA DIGITAL DE GA WATERMARKI G PADA DOMAI WAVELET
TEK IK PEMBUKTIA KEPEMILIKA CITRA DIGITAL DE GA WATERMARKI G PADA DOMAI WAVELET Ady Priyoyudo, Aris Sugiharto, Indriyati Jurusan Matematika FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP Tembalang, Semarang
Lebih terperinciDETEKSI 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 terperinciBAB 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 terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2
Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada saat ini penggunaan sebuah citra sangat meningkat untuk digunakan pada berbagai kebutuhan. Hal ini dikarenakan banyak sekali kelebihan yang ada pada citra digital
Lebih terperinciPERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract
PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT- DAN Qurrota Ayun Majid, T. Sutojo, S.Si, M.Kom Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 111201207118@mhs.dinus.ac.id
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak
Lebih terperinciSEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET
SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET Miftahus Sholihin, Agus Zainal Arifin, Anny Yuniarti Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. kemampuan hardware untuk pengambilan / pencuplikan citra serta
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan jaman penggunaan citra dalam suatu sistem komputer memiliki peran yang semakin penting. Hal ini dikarenakan kemajuan teknik dan kemampuan hardware
Lebih terperinciAPLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB
APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB PUJI LESTARI 41512010061 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI TAPIS LOLOS RENDAH
Lebih terperinciIMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL
IMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL Suma inna 1 dan Gugun Gumilar 2 1,2 Program Studi Matematika Fakultas Sains dan Teknologi UIN Syarif Hidayatulallah Jakarta ABSTRAK
Lebih terperinciWATERMARKING PADA BEBERAPA KELUARGA WAVELET
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciBAB 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 terperinciANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI
ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALYSIS AND SIMULATION OF VIDEO RECONSTRUCTION BASED ON SUPER-RESOLUTION METHOD Kusuma Nindia Rizki 1, Iwan Iwut, ST., MT. 2, Suryo
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPerbandingan 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 terperinciPENYISIPAN WATERMARK MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM PADA CITRA DIGITAL
Jurnal Informatika Polinema ISSN: 407-070X PENYISIPAN WATERMARK MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM PADA CITRA DIGITAL Reza Agustina, Rosa Andrie Asmara Teknik Informatika, Teknologi Informasi,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciPERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK
PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Okada Arle Sandi, T. Sutojo, S.Si, M.Kom Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciSeminar 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 terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu
Lebih terperinciPEMBIMBING : 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 terperinciTEKNIK 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 terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciDigital Watermarking Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling
Digital ing Image dengan Menggunakan Discrete Wavelet Transform dan Singular Value Decomposition (DWT-SVD) untuk Copyright Labeling Nur Anisah Jurusan Informatika Universitas Sebelas Maret Jl. Ir. Sutami
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR
ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id
Lebih terperinciImplementasi Algoritma Blind Watermarking Menggunakan Metode Fractional Fourier Transform dan Visual Cryptography
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Algoritma Blind Watermarking Menggunakan Metode Fractional Fourier Transform dan Visual Cryptography Mir atul
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciOPTIMASI WATERMARKING PADA CITRA BIOMETRIK MENGGUNAKAN ALGORITME GENETIKA
OPTIMASI WATERMARKING PADA CITRA BIOMETRIK MENGGUNAKAN ALGORITME GENETIKA Muhammad Rifqi Fadhilah *), Imam Santoso, and Ajub Ajulian Zahra Departemen Teknik Elektro, Universitas Diponegoro Jl. Prof. Sudharto,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat
Lebih terperinciANALISIS 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 terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI
Lebih terperinciBAB 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo & Mulyanto, 2009). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciLeast Square Estimation
Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan
Lebih terperinciSTUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH
STUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH Fahmi Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha No.
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE
ANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE Muhamad Sofwan & Dadang Gunawan Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia ABSTRAK Teknik watermarking dibagi menjadi dua, yaitu
Lebih terperinciROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM
ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciRancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography
Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Abdul Haris 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan
Lebih terperinciWatermarking Video Menggunakan Transformasi Wavelet Diskrit
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 198~208 ISSN: 1907-4093 (Print), 2087-9814 (online) 198 Watermarking Video Menggunakan Transformasi Wavelet Diskrit Merlin Felyana 1 1 Program Studi Teknik
Lebih terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital Sebuah citra memiliki kaya informasi, meskipun demikian citra sering mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise),
Lebih terperinciIMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM
IMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM Ahmad Adil Faruqi 1, Imam Fahrur Rozi 2 1,2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri Malang 1 ahmadadilf@gmail.com,
Lebih terperinciBAB 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 terperinciPenyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1
JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 27-59 (201-9271 Print) 1 Implementasi Citra dengan Menggunakan Regresi Linier dan Metode Wavelet Rina Kharisma Juwitasari, Diana Purwitasari, dan Rully Soelaiman
Lebih terperinciEkstraksi Ciri Berbasis Wavelet Untuk Membedakan Bakteri Lactobacillus Bulgaricus Dan Streptococcus Thermophilus Pada Yogurt
Ekstraksi Ciri Berbasis Wavelet Untuk Membedakan Bakteri Lactobacillus Bulgaricus Dan Streptococcus Thermophilus Pada Yogurt Andi Sri Irtawaty 1, Adhi Susanto, Indah Soesanti 3 Jurusan Teknik Elektro dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciImage Restoration. Aditya Wikan Mahastama
Image Restoration Aditya Wikan Mahastama Image Restoration Image restoration: usaha-usaha untuk memulihkan citra yang mengalami degradasi. Contoh degradasi diantaranya: blur (gambar( tidak jelas) karena
Lebih terperinciKompresi 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 terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciANALISIS 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 terperinciPENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,
1 VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini, Abstrak Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video
Lebih terperinciALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI
ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI Disusun oleh : Gintaris Johanes Tarigan 0922022 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri,
Lebih terperinci