TRANSFORMASI CITRA: PROSES KONVOLUSI. Bertalya Universitas Gunadarma
|
|
- Sri Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TRASFORMASI CITRA: PROSES KOVOLUSI Bertalya Universitas Gunadarma
2 PROSES KOVOLUSI Formula Konvolusi: dummy variable o integration Mekanisme konvolusi dalam bentuk integral ini tidak mudah untuk digambarkan (Gonzales and Woods, 992) 2
3 Konvolusi pada Domain Kontinue 3
4 Konvolusi dan Transormasi Fourier Konvolusi merupakan proses penting pada analisis domain rekwensi karena (x)*g(x) dan F(u)G(u) membentuk suatu pasangan transormasi Fourier (Fourier transorm pair) Teori konvolusi: (x)*g(x) F(u)G(u) (x)g(x) F(u)*G(u) 4
5 Konvolusi pada Domain Diskrit () Bila A adalah periode dalam diskritisasi (x) dan B adalah periode dalam diskritisasi g(x), maka hasil konvolusi akan mempunyai periode M dimana MA+B Periode (x) dan g(x) masing-masing dibesarkan menjadi M dengan menyisipkan (x) (x) bila g(x) g(x) bila dan (x) bila dan g(x) bila Konvolusi diskrit: (dilakukan melalui proses lip and shit terhadap ungsi g(x)) 5
6 Konvolusi pada Domain Diskrit (2): pendekatan shit kernel operator (x) [ ] [ ] g(x) [- 4 ] karena simetri di-lip tetap [- 4 ] [- 4 ] maka (x)*g(x) x- + x4 + x- + 2x + 3x + 4x + x + x + x - x + x- + x4 + 2X- + 3x + 4x + x + x +x 2 x + x + x- + 2x4 + 3x- + 4x + x + x + x 4 x + x + x + 2x- + 3x4 + 4x- + x + x + x 6 x +x + x + 2x + 3x- + 4x4 + x- + x + x 3 x + x + x + 2x + 3x + 4x- + x + x + x -4 x + x + x + 2x + 3x + 4x + x- + x4 + x- x + x + x + 2x + 3x + 4x + x + x- + x4 x + x + x + 2x + 3x + 4x + x + x + x- (x)*g(x) [ ] 6
7 Konvolusi pada Domain Diskrit (3): Pendekatan Rumus Konvolusi Kita lihat kembali rumusan konvolusi: () ; (); (2); (3)2; (4)3; (5)4; (6); (9) g(7); g(); g()-; g(-)4; g(-2)-; ()*g() ()g() + ()g(-) + (2)g(-2) + dst - ()*g() ()g() + ()g( ) + (2)g(-) + dst 2 (2)*g(2) ()g(2) + ()g() + (2)g() + dst 4 dst.nya hasil yang diperoleh sama dengan cara sebelumnya! 7
8 Proses Konvolusi pada Citra 2-D Bentuk Kontinue dan Diskrit: 8
9 Ilustrasi konvolusi 9
10 Contoh : citra (x,y) berukuran 5 X 5 dengan kernel atau mask 3 X 3 (x,y) * g(x,y) Operasinya : Tempatkan kernel pada sudut kiri atas kemudian hitung nilai piksel pada posisi (,) dari kernel Geser kernel satu piksel ke kanan kemudian hitung nilai piksel pada posisi (,) kernel, begitu seterusnya hingga geser satu piksel ke bawah, lalu mulai lagi melakukan konvolusi dari sisi kiri citra.
11 Dengan cara yang sama, setiap baris piksel dikovolusi
12 Hasil konvolusi : Jika nilai piksel (-), nilai tsb dijadikan, jika nilai > nilai max gray level maka dilakukan clipping Untuk masalah piksel pinggir, solusi untuk masalah ini adalah : Piksel pinggir diabaikan, tidak dikonvolusi Duplikasi elemen citra, elemen kolom ke- disalin ke kolom M+, begitu juga sebaliknya lalu konvolusikan. Elemen yang ditandai dengan (?) diasumsikan bernilai atau konstanta yang lain sehingga konvolusi piksel pinggir dapat dilakukan. Konvolusi piksel pinggir tidak memperlihatkan eek yang kasat mata. 2
13 Proses Konvolusi dan Dekonvolusi () Blurring merupakan eek pemerataan (integrasi), sedangkan deblurring / sharpening / outlining merupakan eek dierensiasi Proses blurring dapat diperoleh dengan mengaplikasikan low pass ilter dan sebaliknya, proses sharpening dapat diperoleh dengan mengaplikasikan high pass ilter Filtering akan dipelajari pada proses peningkatan mutu citra (image enhancement) 3
14 Proses Konvolusi dan Dekonvolusi (2) Contoh eek blurring (bayangkan bila terjadi pada piksel citra 2-dimensi) point response unction (averaging) ideal response deconvolution unction (iltering) 4
15 Filter/ mask/ kernel gaussian 5
16 TRASFORMASI CITRA Mengapa perlu transormasi? Setiap orang pada suatu saat pernah menggunakan suatu teknik analisis dengan transormasi untuk menyederhanakan penyelesaian suatu masalah [Brigham,974] Contoh: penyelesaian ungsi y x/z Analisa konvensional : pembagian secara manual Analisa transormasi : melakukan transormasi log(y) log(x) log(z) look-up table pengurangan look-up table Transormasi juga diperlukan bila kita ingin mengetahui suatu inormasi tertentu yang tidak tersedia sebelumnya 6
17 Transormasi Citra Contoh : jika ingin mengetahui inormasi rekuensi kita memerlukan transormasi Fourier Jika ingin mengetahui inormasi tentang kombinasi skala dan rekuensi kita memerlukan transormasi wavelet Transormasi citra, sesuai namanya, merupakan proses perubahan bentuk citra untuk mendapatkan suatu inormasi tertentu Transormasi bisa dibagi menjadi 2 : Transormasi piksel/transormasi geometris Transormasi ruang/domain/space 7
18 Transormasi Piksel dan Ruang Transormasi piksel masih bermain di ruang/domain yang sama (domain spasial), hanya posisi piksel yang kadang diubah Contoh: rotasi, translasi, scaling, invers, shear, dll. Transormasi jenis ini relati mudah diimplementasikan dan banyak aplikasi yang dapat melakukannya (Paint, ACDSee, dll) Transormasi ruang merupakan proses perubahan citra dari suatu ruang/domain ke ruang/domain lainnya, contoh: dari ruang spasial ke ruang rekuensi Ada beberapa transormasi ruang yaitu : Transormasi Fourier (basis: cos-sin) Transormasi Hadamard/Walsh (basis: kolom dan baris yang ortogonal) Transormasi DCT (basis: cos) 8
19 9
20 Transormasi Fourier (FT) Pada tahun 822, Joseph Fourier, ahli matematika dari Prancis menemukan bahwa: setiap ungsi periodik (sinyal) dapat dibentuk dari penjumlahan gelombang-gelombang sinus/cosinus. Contoh : Sinyal kotak merupakan penjumlahan dari ungsiungsi sinus berikut (x) sin(x) + sin(3x)/3 + sin(5x)/5 + sin(7x)/7 + sin(9x)/9 2
21 Fungsi kotak sebagai penjumlahan ungsi-ungsi sinus Cobakan juga program matlab berikut untuk melihat sampai batas n berapa ungsi yang dihasilkan sudah berbentuk ungsi kotak. unction kotak(n) t :pi/2:8*pi; kot sin(t); or i 3 : 2: n kot kot + (sin(i*t))/i; end plot(kot) 2
22 (a) (b) (c) (d) Gambar a) n, b) n 3, c) n 7, d) n 99 22
23 FT - Motivasi Jika semua sinyal periodik dapat dinyatakan dalam penjumlahan ungsi-ungsi sinus-cosinus, pertanyaan berikutnya yang muncul adalah: Jika saya memiliki sebuah sinyal sembarang, bagaimana saya tahu ungsi-ungsi cos sin apa yang membentuknya? Atau dengan kata lain Berapakah rekuensi yang dominan di sinyal tersebut? Pertanyaan di atas dapat dijawab dengan menghitung nilai F(u) dari sinyal tersebut. Dari nilai F(u) kemudian dapat diperoleh kembali sinyal awal dengan menghitung (x), menggunakan rumus: 23
24 Rumus FT D Rumus FT kontinu dimensi F( u) ( x) ( x)exp[ 2 jπux] dx F( u)exp[2 jπux] du Euler's ormula: exp[ 2 jπux] cos2πux jsin2πux Rumus FT diskret dimensi F( u) ( x) exp[ 2 jπux / ] x ( x) F( u) exp[2 jπux / ] x 24
25 Contoh FT D Contoh berikut diambil dari Polikar ( Misalkan kita memiliki sinyal x(t) dengan rumus sbb: x(t) cos(2*pi*5*t) + cos(2*pi**t) + cos(2*pi*2*t) + cos(2*pi*5*t) Sinyal ini memiliki empat komponen rekuensi yaitu 5,,2,5 25
26 Contoh sinyal Dimensi x(t) Gambar sinyal satu dimensi dengan rumus x(t) cos(2*pi*5*t) + cos(2*pi**t) + cos(2*pi*2*t) + cos(2*pi*5*t) (Sumber: Polikar) 26
27 FT dari sinyal tersebut FT dari sinyal tersebut. Terlihat bahwa FT dapat menangkap rekuensirekuensi yang dominan dalam sinyal tersebut, yaitu 5,, 2, 5 (nilai maksimum F(u) berada pada angka 5,, 2, 5) 27
28 Contoh Penghitungan FT dimensi (Gonzalez hlm 9-92) 28 j j F F j j j j j j x j x x F x j x x F contoh ux j ux x ux j x u F x x x x.25.5 ] [2 4 (3).25 [] 4 (2).25.5 ) 2 ( 4 ) (2 4 ) 4( ) 4( ) 3( ) [2( 4 4))] / sin(2 / 4) )(cos(2 ( 4 () 3.25 (3)] (2) () () [ 4 ))] / sin(2 ) / )(cos(2 ( () 4 (3) 4, (2) 3, () 2, () : ))] / sin(2 ) / )(cos(2 ( ] / 2 )exp[ ( ) ( π π π π π π π
29 Contoh Penghitungan FT Hasil penghitungan FT biasanya mengandung bilangan real dan imajiner Fourier Spectrum didapatkan dari magnitude kedua bilangan tersebut shg F(u) [R 2 (u) + I 2 (u)] /2 Untuk contoh di halaman sebelumnya, Fourier Spectrumnya adalah sebagai berikut: F() 3.25 F() [(-.5) 2 +(.25) 2 ] /2.559 F(2).25 F(3) [(.5) 2 +(.25) 2 ] /
30 Rumus FT 2 D Rumus FT 2 dimensi FT : F( u, v) M M x y ( x, y)exp[ 2 jπ ( ux / M + vy / )] InversFT : M tinggi ( x, citra y) M u v (jumlah baris) F( u, v)exp[2 jπ ( ux / M + vy / )] lebar citra (jumlah kolom) 3
31 Contoh FT 2 Dimensi Sumber: Untuk menampilkan nilai FT suatu citra, karena keterbatasan display, seringkali digunakan nilai D(u,v) c log [ + F(u,v) ] 3
32 Siat-siat FT 2 dimensi Separable : Pemrosesan FT 2 dimensi dapat dilakukan dengan melakukan FT dimensi terhadap kolom, kemudian dilanjutkan dengan FT dimensi terhadap baris Translasi : ( x, y)exp[ 2 jπ( u ( xx, y x+ v y)/ ] F( uu y) F( u, v)exp[ 2 jπ( ux + vy, vv )/ ] ) 32
33 Siat-siat FT 2 dimensi Periodik FT dan IFT bersiat periodik dengan periode ( adalah jumlah titik) Rotasi Jika kita merotasikan (x,y) sebanyak θ. maka F(u,x) juga akan berotasi sebanyak θ, demikian pula sebaliknya. Distributi FT dan IFT bersiat distributi terhadap penjumlahan tapi tidak terhadap perkalian 33
34 Siat-siat FT 2 dimensi Penskalaan ) /, / ( ), ( ), ( ), ( b v a u F ab ax by v af u y x a ilai rata-rata 2 ) (, ), ( ), ( x y F y x y x 34
35 Fast Fourier Transorm (FFT) Merupakan algoritma penghitungan yang mengurangi kompleksitas FT biasa dari 2 menjadi log 2 saja Pada implementasinya, FFT merupakan cara yang umum digunakan untuk menghitung FT diskret InversFT juga dapat dihitung dengan kompleksitas log 2 (IFFT) Di Matlab : t(x) atau t2(x) untuk FT dan it(x) atau it2(x) untuk invers FT 35
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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2016/2017
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra di Kawasan Frekuensi Transformasi Fourier) Muhammad Zidny af an, M.Kom. Gasal 06/07 Outline Pengolahan Citra di Kawasan Spasial VS Kawasan Frekeunsi Fourier
Lebih terperinci1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016
1. TRANSLASI OPERASI GEOMETRIS Rumus translasi citra x = x + m y = y + n dimana : m = besar pergeseran dalam arah x n = besar pergeseran dalam arah y 4/2/2016 1 TRANSLASI 2. ROTASI Jika citra semula adalah
Lebih terperinciBiasa dilakukan untuk menghilangkan efek pada citra digital yang disebabkan oleh keterbatasan sistem pencuplikan
Image Smoothing Biasa dilakukan untuk menghilangkan eek pada citra digital ang disebabkan oleh keterbatasan sistem pencuplikan atau kanal transmisi Teknik penghalusan: Domain spasial contoh: mean median
Lebih terperinciPendahuluan. Dua operasi matematis penting dalam pengolahan citra :
KONVOLUSI Budi S Pendahuluan Dua operasi matematis penting dalam pengolahan citra : Operasi Konvolusi (Spatial Filter/Discret Convolution Filter) Transformasi Fourier Teori Konvolusi Konvolusi 2 buah fungsi
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 8 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Transformasi Citra ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Transformasi Citra 1 Dua Domain Manipulasi Image Spatial Domain : (image plane) Adalah teknik yang didasarkan pada manipulasi l a n g s u n g p i x e l s u a t u i m a g e. Frequency
Lebih terperinciTEKNIK 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 terperinciMAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA ( ) 2. DYA AYU NINGTYAS ( )
MAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA (08 615 013) 2. DYA AYU NINGTYAS (08 615 017) JURUSAN TEKNOLOGI INFORMASI POLITEKNIK NEGERI SAMARINDA 2010 TRANSFORMASI
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian, penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub Citra Acuan (SCA)
Lebih terperinciKata 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 terperinciKonvolusi dan Transformasi Fourier
Bab 5 Konvolusi dan Transformasi Fourier B ab ini berisi konsep matematis yang melandasi teori pengolahan citra. Dua operasi matematis penting yang perlu dipahami dalam mempelajari pengolahan citra dijital
Lebih terperinciTransformasi Fourier
Transormasi Fourier Aplikasi Transormasi Fourier Koeisien serapan Resolusi spektral Analisis proil garis Pola antena Studi derau noise Teorema konvolusi dipergunakan dalam melakukan perkalian dua ungsi
Lebih terperinciSimulasi 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 terperinciLAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL
LAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL oleh Setyo Nugroho Jurusan Teknik Informatika STIKOM Balikpapan 2005
Lebih terperinci10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)
0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan
Lebih terperinciTransformasi Fourier dan Filtering
Transformasi Fourier dan Filtering Domain Spasial vs Domain Frekuensi Domain Spasial Konsep koordinat baris dan kolom Pemrosesan pixel-by-pixel Komputasi lama (terutama citra dengan ukuran spasial tinggi)
Lebih terperinciPengolahan Citra di Ranah Frekuensi
Pengolahan Citra di Ranah Frekuensi Iwan Setyawan Dept Electronic Engineering, Satya Wacana Christian University EE-671 Pengolahan Citra & Video Digital Pendahuluan Sama seperti pada ranah spatial, pengolahan
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 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 terperinciMA1201 KALKULUS 2A (Kelas 10) Bab 8: Bentuk Tak Tentu d
MA1201 KALKULUS 2A (Kelas 10) Bab 8: dan Do maths and you see the world ? Pengantar Bentuk tak tentu? Bentuk apa? Bentuk tak tentu yang dimaksud adalah bentuk limit dengan nilai seolah-olah : 0 0 ; ; 0
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pemrosesan citra adalah ilmu untuk memanipulasi gambar, yang melingkupi teknikteknik untuk memperbaiki atau mengurangi kualitas gambar, menampilkan bagian tertentu
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 terperinciBAB 2 LATAR BELAKANG
4 BAB 2 LATAR BELAKANG 2.1. Mobile Learning Mobile learning secara singkat dapat didefinisikan sebagai pembelajaran yang memanfaatkan peluang menyelenggarakan Kegiatan Belajar Mengajar (KBM) melalui teknologi
Lebih terperinciModifikasi Histogram
Modifikasi Histogram Ekualisasi histogram Nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya seragam Tujuannya untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat
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 terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
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 terperinciBAB II TI JAUA PUSTAKA
BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciREGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM
J. Math. and Its Appl. ISSN: 1829-605X Vol. 9, No. 1, Mei 2012, 17-31 REGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM Kartika Mahanani 1, Suhud Wahyudi 2, Budi Setiyono 3, Imam
Lebih terperinciTransformasi Fourier Untuk Peningkatan Kualitas Citra
Transormasi ourier Untuk Peningkatan Kualitas Citra Erna Zuni Astuti Abstract : ourier Transorm is an important trasormasi on signal processing, especially in image processing. ourier transorm is tools
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 terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
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 terperinciLAPORAN TUGAS AKHIR VISUALISASI TRANSFORMASI FOURIER UNTUK PENINGKATAN KUALITAS CITRA
LAPORAN TUGAS AKHIR VISUALISASI TRANSFORMASI FOURIER UNTUK PENINGKATAN KUALITAS CITRA Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan program studi Teknik Informatika S-1 pada Fakultas
Lebih terperinciCHAPTER 4. Konvolusi (Spatial Filter) & Transformasi Fourier Universitas Telkom
CS324 Pengolahan Citra UAS CHAPTER 4. Konvolusi Spatial Filter & Transformasi Fourier Universitas Telkom TIK ahasiswa memahami konsep serta manfaat dari proses konvolusi ahasiswa mengenal Transformasi
Lebih terperinci1 Sistem Bilangan Real
Learning Outcome Rencana Pembelajaran Setelah mengikuti proses pembelajaran ini, diharapkan mahasiswa dapat ) Menentukan solusi pertidaksamaan aljabar ) Menyelesaikan pertidaksamaan dengan nilai mutlak
Lebih terperinciFUNGSI-FUNGSI INVERS
FUNGSI-FUNGSI INVERS Logaritma, Eksponen, Trigonometri Invers Departemen Matematika FMIPA IPB Bogor, 202 (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, 202 / 49 Topik Bahasan Fungsi Satu ke Satu 2
Lebih terperinciMKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Genap 2016/2017 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah (Lowpass Filter) Filter Lolos-Tinggi
Lebih terperinciMuhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah
Lebih terperinciTransformasi Geometri Sederhana
Transformasi Geometri Sederhana Transformasi Dasar Pada Aplikasi Grafika diperlukan perubahan bentuk, ukuran dan posisi suatu gambar yang disebut dengan manipulasi. Perubahan gambar dengan mengubah koordinat
Lebih terperinciMA1201 KALKULUS 2A Do maths and you see the world
Catatan Kuliah MA20 KALKULUS 2A Do maths and you see the world disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 203 Catatan kuliah ini ditulis
Lebih terperinciCatatan Kuliah MA1123 KALKULUS ELEMENTER I BAB III. TURUNAN
BAB III. TURUNAN Kecepatan Sesaat dan Gradien Garis Singgung Turunan dan Hubungannya dengan Kekontinuan Aturan Dasar Turunan Notasi Leibniz dan Turunan Tingkat Tinggi Penurunan Implisit Laju yang Berkaitan
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 terperinciGambar 2.1 Perkembangan Alat Restitusi (Dipokusumo, 2004)
BAB II TEORI DASAR 2.1 Fotogrametri Digital Fotogrametri dapat didefinisikan sebagai suatu ilmu dan teknologi yang berkaitan dengan proses perekaman, pengukuran/pengamatan, dan interpretasi (pengenalan
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Bab ini berisi pembahasan mengenai analisa dan perancangan program image sharpening dengan menggunakan Matlab GUI. Analisa bertujuan untuk mengidentifikasi masalah, mengetahui
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 5 Neighboorhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 5 Neighboorhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih terperinciHistogram. Peningkatan Kualitas Citra
Histogram Peningkatan Kualitas Citra Representasi Image 1 bit 8 bits 24 bits Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. Histogram dari image digital
Lebih terperinciTRY OUT UN MATEMATIKA SMA IPA 2013
TRY OUT UN MATEMATIKA SMA IPA 0 Berilah tanda silang (x) pada huruf a, b, c, d, atau e di depan jawaban yang benar!. Diketahui premis-premis berikut. Jika Yudi rajin belajar maka ia menjadi pandai. Jika
Lebih terperinciTransformasi Geometri Sederhana. Farah Zakiyah Rahmanti 2014
Transformasi Geometri Sederhana Farah Zakiyah Rahmanti 2014 Grafika Komputer TRANSFORMASI 2D Transformasi Dasar Pada Aplikasi Grafika diperlukan perubahan bentuk, ukuran dan posisi suatu gambar yang disebut
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 terperinciPERBANDINGAN 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 terperinci2.1 Soal Matematika Dasar UM UGM c. 1 d d. 3a + b. e. 3a + b. e. b + a b a
Soal - Soal UM UGM. Soal Matematika Dasar UM UGM 00. Jika x = 3 maka + 3 log 4 x =... a. b. c. d. e.. Jika x+y log = a dan x y log 8 = b dengan 0 < y < x maka 4 log (x y ) =... a. a + 3b ab b. a + b ab
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
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 terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
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 terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL
PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL Copyright @ 27 by Emy 2 Kompetensi Mampu mengimplementasikan teknik-teknik untuk memperbaiki kualitas citra sehingga citra yang dihasilkan
Lebih terperinciSpatial 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 terperinci1. Agar F(x) = (p - 2) x² - 2 (2p - 3) x + 5p - 6 bernilai positif untuk semua x, maka batas-batas nilai p adalah... A. p > l B. 2 < p < 3 C.
1. Agar F(x) = (p - 2) x² - 2 (2p - 3) x + 5p - 6 bernilai positif untuk semua x, maka batas-batas nilai p adalah... A. p > l 2 < p < 3 p > 3 1 < p < 2 p < 1 atau p > 2 Kunci : C Persamaan fungsi : F(x)
Lebih terperinciOperasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma
Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan
Lebih terperinciTEKNIK 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Citra Digital Citra digital dapat diartikan sebagai suatu fungsi dua dimensi f(x.y), dengan x maupun y adalah posisi koordinat sedangkan f merupakan amplitude pada posisi (x,y)
Lebih terperinciPERSAMAAN DIFERENSIAL LINIER NON HOMOGEN
LINIER NON HOMOGEN Contoh PD linier non homogen orde 2. Bentuk umum persamaan PD Linier Non Homogen Orde 2, adalah sebagai berikut : y + f(x) y + g(x) y = r(x) ( 2-35) Solusi umum y(x) akan didapatkan
Lebih terperinciEE-662 Pengolahan Citra Digital Image Enhancement dalam Ranah Frekuensi
EE-662 Pengolahan Citra Digital Image Enhancement dalam Ranah Frekuensi Dr. Iwan Setyawan 1 / 124 Pendahuluan dalam ranah Domain Pada bagian ini akan dibahas bagaimana merepresentasikan serta mengolah
Lebih terperinciKarena deret tersebut konvergen pada garis luarnya, kita dapat menukar orde integrasi dan penjumlahan pada ruas kanan.
Transformasi- 3. Invers Transformasi- Formasi inversi untuk memperoleh dari x(n) dari X() dapat diperoleh menggunakan teorema integral Cauchy yang merupakan teorema penting dalam variabel kompleks. Transformasi-
Lebih terperinciSoal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012
Soal-Soal dan Pembahasan Matematika IPA SNMPTN 01 Tanggal Ujian: 13 Juni 01 1. Lingkaran (x + 6) + (y + 1) 5 menyinggung garis y 4 di titik... A. ( -6, 4 ). ( -1, 4 ) E. ( 5, 4 ) B. ( 6, 4) D. ( 1, 4 )
Lebih terperinciTRANSFORMASI LAPLACE. Matematika Lanjut 2. Achmad Fahrurozi-Universitas Gunadarma
TRANSFORMASI LAPLACE Matematika Lanjut 2 Definisi: Transformasi Laplace adalah transformasi dari suatu fungsi waktu f(t), t menjadi fungsi frekuensi F(s). Transformasi dilakukan dengan operasi perkalian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua
Lebih terperinciPENYELESAIAN PERSAMAAN DIFFERENSIAL ORDE 1 - I
PENYELESAIAN PERSAMAAN DIFFERENSIAL ORDE 1 - I 1. Pendahuluan Pengertian Persamaan Diferensial Metoda Penyelesaian -contoh Aplikasi 1 1.1. Pengertian Persamaan Differensial Secara Garis Besar Persamaan
Lebih terperinciAljabar Linier & Matriks
Aljabar Linier & Matriks 1 Pendahuluan Ruang vektor tidak hanya terbatas maksimal 3 dimensi saja 4 dimensi, 5 dimensi, dst ruang n-dimensi Jika n adalah bilangan bulat positif, maka sekuens sebanyak n
Lebih terperincidigunakan untuk menyelesaikan integral seperti 3
Bab Teknik Pengintegralan BAB TEKNIK PENGINTEGRALAN Rumus-rumus dasar integral tak tertentu yang diberikan pada bab hanya dapat digunakan untuk mengevaluasi integral dari fungsi sederhana dan tidak dapat
Lebih terperinciWardaya College. Tes Simulasi Ujian Nasional SMA Berbasis Komputer. Mata Pelajaran Matematika Tahun Ajaran 2017/2018
Tes Simulasi Ujian Nasional SMA Berbasis Komputer Mata Pelajaran Matematika Tahun Ajaran 07/08 -. Jika diketahui x = 8, y = 5 dan z = 8, maka nilai dari x y z adalah.... (a) 0 (b) 00 (c) 500 (d) 750 (e)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciDERET FOURIER. 1. Pendahuluan
DERET FOURIER 1. Pendahuluan Teorema Fourier: Suatu fungsi periodik terhadap waktu, x p (t), dengan perioda dasar T 0, dapat dinyatakan sebagai jumlah tak hingga dari gelombang-gelombang sinusoidal. Fungsi
Lebih terperinciTERAPAN INTEGRAL. Bogor, Departemen Matematika FMIPA IPB. (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, / 22
TERAPAN INTEGRAL Departemen Matematika FMIPA IPB Bogor, 2012 (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, 2012 1 / 22 Topik Bahasan 1 Luas Daerah Bidang Rata 2 Nilai Rataan Fungsi (Departemen Matematika
Lebih terperinciPengolahan 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 terperinciFUNGSI DAN GRAFIK FUNGSI
FUNGSI DAN GRAFIK FUNGSI Apabila suatu besaran y memiliki nilai yang tergantung dari nilai besaran lain x, maka dikatakan bahwa besaran y tersebut merupakan fungsi besaran x. secara umum ditulis: y= f(x)
Lebih terperinciSOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA
SOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA 1304405027 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN 2015 Rancang Filter low pass digital IIR Butterworth
Lebih terperinciTRY OUT MATEMATIKA PAKET 3B TAHUN 2010
. Perhatikan argumen berikut ini. p q. q r. r ~ s TRY OUT MATEMATIKA PAKET B TAHUN 00 Negasi kesimpulan yang sah dari argumen di atas adalah... A. p ~s B. p s C. p ~s D. p ~s E. p s. Diketahui npersamaan
Lebih terperinciSMA / MA PRA UJIAN NASIONAL SMA / MA TAHUN PELAJARAN 2015 / 2016 MATEMATIKA. (Paket Soal A) SE-JABODETABEK, KARAWANG, SERANG, PANDEGLANG, DAN CILEGON
PRA UJIAN NASIONAL SMA / MA TAHUN PELAJARAN 05 / 06 SE-JABODETABEK, KARAWANG, SERANG, PANDEGLANG, DAN CILEGON SMA / MA MATEMATIKA Program Studi IPA Kerjasama dengan Dinas Pendidikan Provinsi DKI Jakarta,
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 terperinciPengolahan Citra di Kawasan Frekuensi
BAB 6 Pengolahan Citra di Kawasan Frekuensi Setelah bab ini berakhir, diharapkan pembaca mendapatkan berbagai pengetahuan berikut dan mampu mempraktikkannya. Pengolahan citra di kawasan spasial dan kawasan
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 terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL 1. Pendahuluan Citra / gambar merupakan hal yang vital dan menjadi bagian integral dari kehidupan sehari-hari. Pada kepentingan tertentu,
Lebih terperinciOSN Guru Matematika SMA (Olimpiade Sains Nasional)
ocsz Pembahasan Soal OSN Guru 2012 OLIMPIADE SAINS NASIONAL KHUSUS GURU MATEMATIKA SMA OSN Guru Matematika SMA (Olimpiade Sains Nasional) Disusun oleh: Pak Anang Halaman 2 dari 26 PEMBAHASAN SOAL OLIMPIADE
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM) Cilla Sundari 1, Muhammad Nasir 2, Hari Toha Hidayat 3 Program Studi Teknik Informatika, Jurusan Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI. citra, piksel, convolution, dan Software Development Life Cycle.
BAB 2 LANDASAN TEORI Pada bab ini diuraikan beberapa landasan teori dan konsep konsep yang berhubungan dengan pengolahan citra, di antaranya adalah tentang pengolahan citra, citra, piksel, convolution,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBab 16. LIMIT dan TURUNAN. Motivasi. Limit Fungsi. Fungsi Turunan. Matematika SMK, Bab 16: Limit dan Turunan 1/35
Bab 16 Grafik LIMIT dan TURUNAN Matematika SMK, Bab 16: Limit dan 1/35 Grafik Pada dasarnya, konsep limit dikembangkan untuk mengerjakan perhitungan matematis yang melibatkan: nilai sangat kecil; Matematika
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciPENGOLAHAN 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 terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciMAT 602 DASAR MATEMATIKA II
MAT 60 DASAR MATEMATIKA II Disusun Oleh: Dr. St. Budi Waluya, M. Sc Jurusan Pendidikan Matematika Program Pascasarjana Unnes 1 HIMPUNAN 1. Notasi Himpunan. Relasi Himpunan 3. Operasi Himpunan A B : A B
Lebih terperinciMATERI PENGOLAHAN SINYAL :
MATERI PENGOLAHAN SINYAL : 1. Defenisi sinyal 2. Klasifikasi Sinyal 3. Konsep Frekuensi Sinyal Analog dan Sinyal Diskrit 4. ADC - Sampling - Aliasing - Quantiasasi 5. Sistem Diskrit - Sinyal dasar system
Lebih terperinciUjian Nasional. Tahun Pelajaran 2010/2011 IPA MATEMATIKA (D10) UTAMA. SMA / MA Program Studi
Ujian Nasional Tahun Pelajaran 00/0 UTAMA SMA / MA Program Studi IPA MATEMATIKA (D0) c Fendi Alfi Fauzi alfysta@yahoo.com Ujian Nasional Tahun Pelajaran 00/0 (Pelajaran Matematika) Tulisan ini bebas dibaca
Lebih terperinciAchmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005
Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image
Lebih terperinci