PERBAIKAN CITRA RETINA DENGAN TRANSFORMASI CONTOURLET DAN ESTIMASI STANDAR DEVIASI NOISE
|
|
- Lanny Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERBAIKAN CITRA RETINA DENGAN TRANSFORMASI CONTOURLET DAN ESTIMASI STANDAR DEVIASI NOISE Ekky Natalia W. 1, Dr. Agus Zainial Arifin, S.Kom,M.Kom 2, Bilqis Amaliah, S.Kom, M.Kom 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS natalia@cs.its.ac.id 1, agusza@its-sby.edu 2, bilqis@if.its.ac.id 3 Abstrak Evaluasi citra retina mata digunakan untuk mendiagnosis berbagai penyakit, misalnya diabetes atau hipertensi. Namun, citra retina sering memiliki kontras grey level yang rendah dan distribusi noise yang bervariasi di antara citra retina yang menyebabkan luka dan pembuluh darah yang tipis menjadi tidak terlihat. Hal ini akan mempengaruhi proses dan hasil diagnosis sehingga diperlukan estimasi nilai standar deviasi noise yang adaptif untuk digunakan dalam perbaikan kontras. Dalam tugas akhir ini dikembangkan metode perbaikan kontras untuk citra retina dengan menggunakan transformasi contourlet. Tahap preprocessing mengubah citra retina RGB menjadi grayscale. Selanjutnya dilakukan dekomposisi untuk mendapatkan koefisien-koefisien contourlet. Koefisien-koefisien tersebut dimodifikasi menggunakan sebuah fungsi nonlinier dengan nilai standar deviasi noise sebagai parameter fungsi. Terakhir, dilakukan rekonstruksi citra dari koefisien contourlet yang dimodifikasi untuk mendapatkan citra retina yang telah diperbaiki. Berdasarkan hasil uji coba terhadap 40 citra retina ditunjukkan bahwa 55% data uji coba memperoleh kontras yang lebih tinggi jika menggunakan transformasi contourlet, 45% jika menggunakan wavelet, dan 5% jika menggunakan histogram equalization. Kata kunci : Transformasi Contourlet, Perbaikan kontras, Citra Retina 1 PENDAHULUAN Evaluasi melalui citra retina merupakan sebuah alat diagnostik yang digunakan secara luas untuk mengumpulkan informasi penting tentang pasien retinopathy. Retinal lesion, terkait baik pada aspek-aspek vascular, seperti peningkatan vessel tortuosity atau penyempitan focal, maupun nonvascular, seperti haemorrhages, exudates, microaneurysms dan lain-lain, adalah indikator penting dari penyakit sistemik yang serius, seperti diabetes atau hipertensi. Dengan demikian sangat penting bagi dokter untuk dapat mendeteksi dengan jelas, mengerti dan mengenali lesion di antara banyak pembuluh kapiler dan saraf optik pada citra retina. Akan tetapi, citra retina yang diperoleh dengan kamera fundus seringkali memiliki kontras grey level yang rendah dan jangkauan yang dinamis. Masalah ini dapat berdampak serius pada prosedur diagnosis dan hasil-hasilnya karena lesion dan pembuluh darah di beberapa wilayah FOV(field of view) hampir tidak terlihat oleh spesialis mata sehingga diperlukan perbaikan kontras untuk meningkatkan kualitas citra retina. Oleh karena itu, pada tugas akhir ini akan dikembangkan sebuah metode untuk memperbaiki kontras citra retina menggunakan transformasi Contourlet. 2 TRANSFORMASI CONTOURLET Transformasi contourlet diimplementasikan melalui kombinasi dari Laplacian Pyramid (LP) dan Directional Filter Bank (DFB) seperti yang terlihat pada Gambar 1. Citra bandpass yang dihasilkan oleh LP dimasukkan ke dalam DFB sehingga informasi arah dapat ditangkap. Transformasi contourlet ini mendekomposisi sebuah citra menjadi beberapa directional subband pada berbagai skala. Tiap skala dapat didekomposisi menjadi sembarang pangkat dua dari jumlah arah, dan skala yang berbeda dapat didekomposisi menjadi jumlah arah yang berbeda. Gambar 1. Flow Graph Contourlet Secara spesifik, asumsikan sebagai citra masukan. Keluaran setelah tahap LP adalah J citra bandpass, 1,2,, (dengan urutan fine-tocoarse) dan sebuah citra lowpass. Hal ini dapat diartikan bahwa level ke-j pada LP mendekomposisi citra menjadi citra yang lebih kasar dan detail 1
2 citra. Setiap citra bandpass selanjutnya didekomposisi oleh DFB level menjadi 2 bandpass citra directional,, 0,1,, 2 1. Dekomposisi dengan transformasi contourlet ditunjukkan pada Gambar 2. Pada Gambar 4 dapat dilihat diagram alir untuk sistem perbaikan citra retina dengan transformasi contourlet yang diusulkan pada Tugas Akhir ini. Data masukan yang digunakan citra retina berwarna seperti yang telah dijelaskan pada bab 3.1. Tahap pertama adalah tahap preprocessing untuk mendapatkan citra grayscale. Citra grayscale ini akan dekomposisi dengan transformasi contourlet sehingga didapatkan koefisienkoefisien contourlet. Selanjutnya koefisien-koefisien tersebut akan dimodifikasi menggunakan sebuah fungsi nonlinier. Rekonstruksi citra dilakukan terhadap koefisien yang dimodifikasi untuk mendapatkan citra retina yang telah diperbaiki. Selanjutnya dilakukan pengukuran kontras untuk menguji performa metode ini. Preprocessing Dekomposisi Modifikasi Koefisien Gambar 2. Contoh Pembagian Frekuensi Rekonstruksi 3 CITRA RETINA Data masukan yang digunakan pada sistem ini adalah citra retina yang diperoleh dari sumber standar citra retina, yaitu database Utrecht DRIVE. Seluruh citra retina diambil menggunakan kamera Canon CR5 nonmydriatic 3CCD pada field of view 45 0 dalam format digital. Citra retina yang digunakan pada perangkat lunak ini berukuran 512 x 512 piksel dengan 8 bit per channel warna berformat TIFF. Contoh data masukan dapat dilihat pada Gambar 3. Gambar 3. Contoh Data Masukan 4 DESAIN SISTEM Pengukuran Kontras Gambar 4. Diagram alir sistem 4.1 Tahap Preprocessing Tahap pre-processing merupakan tahap awal pada proses perbaikan citra retina dengan transformasi contourlet. Pada tahap ini, citra retina berwarna yang terdiri dari 3 komponen warna,yaitu merah (R), hijau (G) dan biru (B) dan berukuran N x N x 3 akan diubah menjadi citra grayscale dengan mengekstraksi green channel dari citra. Citra berwarna disimpan di dalam array 3 dimensi yang memiliki informasi indeks x, y, dan z dimana indeks z=1 merupakan red channel, z=2 merupakan green channel, dan z=3 merupakan blue channel. Oleh karena itu, ekstraksi green channel dapat dilakukan dengan cara menyalin seluruh nilai piksel dengan indeks z ke-2 kemudian menyimpannya pada sebuah array baru berukuran NxN. Langkah selanjutnya dilakukan peregangan kontras sebagai perbaikan awal untuk kontras citra retina pada matriks green channel. Citra dengan nilai batas atas atau bawah yang belum tepat berada pada rentang 0 sampai 255 direntangkan hingga memenuhi batas bawah 0 dan batas atas 255 sehingga citra menjadi lebih cerah. Jika citra direntangkan pada rentang nilai yang baru, maka nilai intensitas tiap piksel akan berubah. Perubahan nilai intensitas tiap piksel ini dihitung berdasarkan persamaan sebagai berikut : (1) min (2) 2
3 255/max min (3) dimana merupakan nilai intensitas awal dan merupakan nilai intensitas yang baru. 4.2 Tahap Dekomposisi Pada tahap dekomposisi ini, citra grayscale hasil preprocessing diproses menggunakan transformasi contourlet. Dekomposisi citra ini menggunakan pyramidal directional filter bank dimana terdiri dari laplacian pyramid sebagai dekomposisi multiscale/multilevel dan directional filter bank sebagai dekomposisi multidirection. Citra akan didekomposisi menjadi lima level LP dan 32 arah untuk DFB pada level paling baik. Filter yang digunakan pada dekomposisi LP adalah filter Daubechies 9-7, sedangkan filter untuk DFB adalah filter pkva. Melalui proses dekomposisi ini akan didapatkan sejumlah level, dimana tiap level dipecah menjadi beberapa directional subband sesuai dengan jumlah level yang telah ditentukan untuk tiap tahap dekomposisi. Masing-masing directional subband ini berisi nilai-nilai koefisien contourlet. Setelah diperoleh koefisien-koefisien contourlet, langkah selanjutnya adalah mendapatkan nilai mutlak maksimum dari koefisien contourlet untuk tiap directional subband 4.3 Tahap Modifikasi Koefisien Koefisien-koefisien contourlet dapat dimodifikasi menggunakan fungsi nonlinier sebagai berikut :, 1 if (4), if 2 (5), if 2 (6), if (7) Langkah-langkah untuk modifikasi koefisien contourlet adalah sebagai berikut : 1. Estimasi nilai standar deviasi noise. Hal ini dapat dilakukan dengan mencari standar deviasi dari piksel-piksel yang berada pada background karena diasumsikan noise-noise yang terdapat pada background merupakan noise untuk citra retina itu sendiri. 2. Mencari nilai t. Nilai t diperoleh dari, dimana merupakan nilai maksimum dari koefisien contourlet dari band yang bersangkutan. 3. Mengalikan tiap koefisien contourlet C j,k dengan,, 4.4 Tahap Rekonstruksi Tahap rekonstruksi citra ini dilakukan setelah tahap modifikasi koefisien contourlet selesai. Tahap ini dilakukan untuk mendapatkan hasil citra yang telah diperbaiki. Masukan untuk tahap ini adalah nilai koefisien contourlet yang telah dimodifikasi, filter LP dan filter DFB. Filter LP dan DFB yang digunakan untuk rekonstruksi sama seperti filter LP dan DFB yang digunakan untuk dekomposisi, yaitu filter Daubechies 9-7 untuk LP dan filter pkva untuk DFB. 5 EVALUASI KUANTITATIF UNTUK PERBAIKAN KONTRAS Metode perbaikan kontras pada citra dapat dievaluasi secara kuantitatif dengan mengukur rata-rata perbedaan kontras antara citra asli dan citra yang diperbaiki. Dengan kata lain, evaluasi kuantitatif dapat diamati dari nilai kontras yang diperoleh citra yang diperbaiki dari citra asli. Diasumsikan citra asli yang dinotasikan, mempunyai ukuran. Kontras pada posisi, diekspresikandengan rumus :,,, dimana, dan, diperoleh melalui persamaan :,, , ,, Pada persamaan (2) dan (3), kuantitas 10 adalah ukuran dari square window pada piksel. Melalui evaluasi kuantitatif, kuantitas ini konstan dengan m=2. Kontras rata-rata pada seluruh citra, dapat dinyatakan dengan rumus berikut : 1, 11 Setelah menghitung kontras rata-rata dari citra asli, kontras rata-rata dihitung kembali untuk citra yang diperbaiki menggunakan persamaan (4). Kontras yang diperoleh ditentukan oleh selisih dari kontras rata-rata citra yang diperbaiki dan kontras rata-rata citra asli seperti yang terlihat pada persamaan (5). 12 3
4 dimana menunjukkan kontras rata-rata dari citra yang diperbaiki dan menunjukkan kontras rata-rata dari citra asli. yang bernilai positif mengindikasikan kenaikan kontras pada citra yang telah diperbaiki, sedangkan yang bernilai negative menandakan berkurangnya kontras. Selain itu, semakin besar nilai, semakin kuat perbaikan kontras yang dihasilkan 6 UJI COBA DAN EVALUASI 6.1 Uji Coba Parameter α Uji coba parameter c ini merupakan uji coba untuk mendapatkan parameter α yang paling optimal pada suatu range nilai 0 hingga 10 dengan kenaikan sebesar 1. Uji coba dilakukan dengan membandingkan hasil pengukuran kontras yang diperoleh citra retina hasil perbaikan untuk seluruh nilai parameter α. Uji coba diperoleh untuk 40 data uji coba disajikan pada Tabel 1. 1 ditampilkan pada Gambar 5. Nilai Rata-Rata Kontras Tabel 1. Hasil Uji Coba Parameter α Nilai Rata-Rata Hasil parameter α Pengukuran Kontras Nilai Parameter α Gambar 5. Grafik hasil Uji Coba Parameter α Berdasarkan hasil uji coba parameter α pada Tabel 1 dapat dilihat bahwa nilai rata-rata maksimum hasil pengukuran kontras berada pada nilai parameter α 3 sebesar , sedangkan nilai rata-rata minimum hasil pengukuran kontras berada pada nilai parameter α 9 sebesar Jadi dapat disimpulkan bahwa dengan menggunakan nilai parameter α sebesar 3 akan menghasilkan nilai kontras yang paling optimal untuk range 0 hingga Uji Coba Parameter l Uji coba parameter l ini merupakan uji coba untuk mendapatkan parameter l yang paling optimal pada suatu range nilai 0.1 hingga 1 dengan kenaikan sebesar 0.1. Uji coba dilakukan dengan membandingkan hasil pengukuran kontras yang diperoleh citra retina hasil perbaikan untuk seluruh nilai parameter l. Uji coba diperoleh dari 40 data uji coba untuk setiap nilai parameter l disajikan pada Tabel 2, sedangkan hasil pengukuran kontras seluruh data uji coba untuk seluruh nilai parameter l dapat dilihat pada bagian lampiran. 2 ditampilkan pada Gambar 6. Nilai rata-rata Kontras Tabel 2. Hasil Uji Coba Parameter l Rata-Rata Hasil Nilai Pengukuran parameter l Kontras Nilai Parameter l Gambar 6. Grafik Uji Coba Parameter l 4
5 Berdasarkan hasil uji coba parameter l pada Tabel 2 dapat dilihat bahwa nilai rata-rata maksimum hasil pengukuran kontras sebesar berada pada nilai parameter l sebesar 0.5, sedangkan nilai ratarata minimum hasil pengukuran kontras sebesar berada pada nilai parameter l sebesar 0.6. Jadi dapat disimpulkan bahwa dengan menggunakan nilai parameter l sebesar 0.5 akan menghasilkan nilai kontras yang paling optimal untuk range 0.1 hingga Uji Coba Parameter q Uji coba parameter q ini merupakan uji coba untuk mendapatkan parameter q yang paling optimal pada suatu range nilai -1 hingga 1 dengan kenaikan sebesar 0.1. Uji coba dilakukan dengan membandingkan hasil pengukuran kontras yang diperoleh citra retina hasil perbaikan untuk seluruh nilai parameter q. Uji coba Nilai Rata-Rata Kontras Nilai Parameter q Gambar 7. Grafik Uji Coba Parameter l Tabel 3. Hasil Uji Coba Parameter q Nilai parameter q Rata-Rata Hasil Pengukuran Kontras diperoleh dari 40 data uji coba untuk setiap nilai parameter q disajikan pada Tabel 3, sedangkan hasil pengukuran kontras seluruh data uji coba untuk seluruh nilai parameter q dapat dilihat pada bagian lampiran. 3 ditampilkan pada Gambar 7. Berdasarkan hasil uji coba parameter q pada Tabel 3 dapat dilihat bahwa nilai rata-rata maksimum hasil pengukuran kontras sebesar berada pada nilai parameter q sebesar -0.6, sedangkan nilai ratarata minimum hasil pengukuran kontras sebesar berada pada nilai parameter q sebesar -1. Jadi dapat disimpulkan bahwa dengan menggunakan nilai parameter q sebesar -0.6 akan menghasilkan nilai kontras yang paling optimal untuk range -0.5 hingga Uji Coba Parameter s Uji coba parameter s ini merupakan uji coba untuk mendapatkan parameter s yang paling optimal pada suatu range nilai -0.5 hingga 0.5 dengan kenaikan sebesar 0.1. Uji coba dilakukan dengan membandingkan hasil pengukuran kontras yang diperoleh citra retina hasil perbaikan untuk seluruh nilai parameter s. Uji coba Nilai Rata-Rata Kontras Nilai Parameter s Gambar 8. Grafik Uji Coba Parameter s Tabel 4. Hasil Uji Coba Parameter s Rata-Rata Hasil Nilai Pengukuran parameter s Kontras
6 diperoleh dari 40 data uji coba untuk setiap nilai parameter s disajikan pada Tabel 4, sedangkan hasil pengukuran kontras seluruh data uji coba untuk seluruh nilai parameter s dapat dilihat pada bagian lampiran. 4 ditampilkan pada Gambar 8. Berdasarkan hasil uji coba parameter s pada Tabel 4 dapat dilihat bahwa nilai rata-rata maksimum hasil pengukuran kontras sebesar berada pada nilai parameter s sebesar 0.4, sedangkan nilai ratarata minimum hasil pengukuran kontras sebesar berada pada nilai parameter s sebesar Jadi dapat disimpulkan bahwa dengan menggunakan nilai parameter s sebesar 0.4 akan menghasilkan nilai kontras yang paling optimal untuk range -0.5 hingga Uji Coba Perbandingan Antara Metode Transformasi Contourlet, transformasi Wavelet, dan Histogram Equalization (a) (b) (c) Gambar 9. Hasil Perbaikan Citra 07 dengan metode (a) contourlet (contrast gain = 0.43) (b) wavelet (contrast gain = 0.36) (c) histogram ekualisasi (contrast gain = 0.37) (a) (b) (c) Gambar 10. Hasil Perbaikan Citra 21 dengan metode (a) contourlet (contrast gain = 0.051) (b) wavelet (contrast gain = -0.02) (c) histogram ekualisasi (contrast gain = -0.08) (a) (b) (c) Gambar 11. Hasil Perbaikan Citra 34 dengan metode (a) contourlet (contrast gain = 0.43) (b) wavelet (contrast gain = -0.05) (c) histogram ekuaslisasi (contrast gain = 0.05) Pada skenario kelima ini akan dilakukan uji coba membandingkan hasil perbaikan citra retina antara transformasi contourlet dengan transformasi wavelet dan histogram ekualisasi. Pada Gambar 9, 10, 11 ditunjukkan contoh hasil perbaikan citra menggunakan transformasi contourlet, wavelet, dan histogram ekualisasi beserta nilai kontras rata-rata yang diperoleh untuk citra 07, 21, dan 34. Berdasarkan hasil uji coba terhadap 40 citra retina, 55% dari data uji coba memiliki nilai kontras yang lebih tinggi jika menggunakan metode transformasi contourlet, 45% jika menggunakan wavelet dan 5% jika menggunakan histogram ekualisasi. Detail nilai rata-rata kontras yang diperoleh tiap gambar disajikan pada Tabel 5. Nilai rata-rata kontras contourlet tidak selalu lebih bagus daripada wavelet karena setiap citra retina memiliki kombinasi parameter optimal yang berbedabeda. Selain itu, pada beberapa citra terkadang terdapat kondisi dimana parameter optimal umum yang didapat melalui hasil percobaan satu sampai empat justru merupakan parameter yang tidak optimal. 7 KESIMPULAN Dari uji coba yang telah dilakukan dan setelah menganalisis hasil pengujian terhadap implementasi metode Transformasi Contourlet untuk perbaikan citra retina ini dapat diambil beberapa kesimpulan antara lain: a. Nilai kontras yang diperoleh untuk setiap citra retina setelah perbaikan berada pada nilai α yang berbedabeda. didapatkan bahwa nilai α 3 memberikan nilai kontras rata-rata yang paling tinggi diantara nilai α lain pada range 0 hingga 10. b. Nilai kontras yang diperoleh untuk setiap citra retina setelah perbaikan berada pada nilai l yang berbedabeda. didapatkan bahwa nilai l 0.5 memberikan nilai kontras rata-rata yang paling tinggi diantara nilai l lain pada range 0.1 hingga 1. c. Nilai kontras yang diperoleh untuk setiap citra retina setelah perbaikan berada pada nilai q yang berbedabeda. didapatkan bahwa nilai q -0.6 memberikan nilai kontras rata-rata yang paling tinggi diantara nilai q lain pada range -1 hingga 1. d. Nilai kontras yang diperoleh untuk setiap citra retina setelah perbaikan berada pada nilai s yang berbedabeda. didapatkan bahwa nilai s 0.4 memberikan nilai kontras rata-rata yang paling tinggi diantara nilai s lain pada range -0.5 hingga 0.5. e. Berdasarkan hasil uji coba terhadap 40 citra retina, 55% dari data uji coba memiliki nilai kontras yang lebih tinggi jika menggunakan metode transformasi contourlet, 45% jika menggunakan wavelet dan 5% jika menggunakan histogram ekualisasi. 6
7 Tabel 5. Hasil Perbandingan dengan Metode Lain Citra Contourlet Wavelet Histogram Ekualisasi REFERENSI [1] Zimmerman, J.B., Pizer, S.M., An evaluation of the effectiveness of adaptive histogram equalization for contrast enhancement. IEEE Trans Med. Imaging 7 (4), [2] Mallat, S.G., A theory for multi-resolution signal decomposition:the wavelet representation. IEEE Trans. Pattern Anal.Machine Intelligence 11 (7), [3] Laine, A., Song, S., 1992a. Multiscale wavelet representations for mammographic feature analysis. In: Proc. SPIE Conf. on Mathematical Methods in Medical Image. vol. 1768, pp [4] Laine, A., Schuler, S., Fan, J., et al., Mammographic feature enhancement by multiscale analysis. IEEE Trans. Med. Imaging 13 (4), [5] Fu, J.C., Chai, J.W., Wong, S.T.C., 2000a. Waveletbased enhancement for detection of left ventricular myocardial boundaries in magnetic resonance images. Magn. Reson. Imaging 18 (9), [6] Munir, Rinaldi Pengolahan Citra Digital dengan Pendekatan Algoritmik.Bandung: Informatika Bandung. [7] Zhang, Y.J., Image Engineering (II) Image Analysis. Tsinghua University Press, Beijing. [8] Model Warna RGB [Online]. [9] Structuring Elements [Online]. [10] Morphological Closing [Online]. [11] Do, M.N., Vetterli, M., The Contourlet transform: an efficient directional multiresolution image representation. IEEE Trans. Image Process. 14 (12), [12] T.L. Economopoulos, P.A. Asvestas, G.K. Matsopoulos Contrast enhancement of images using Partitioned Iterated Function Systems. Image and Vision Computing.(28), [13] P. Feng, Y. Pan, et. al, 2007, Enhancing retinal image by the Contourlet transform. Pattern Recognition Letters 28,
Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciIMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF Dini Nuzulia Rahmah 1, Handayani Tjandrasa 2, Anny Yuniarti 3 Teknik Informatika,
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciSEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina)
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina) Penyusun Tugas Akhir : Diandra
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 KUALITAS CITRA PADA SISTEM VISUALISASI PEMBULUH DARAH VENA
PENINGKATAN KUALITAS CITRA PADA SISTEM VISUALISASI PEMBULUH DARAH VENA Lory Inggi *), Iwan Sugihartono, Riser Fahdiran Jurusan Fisika, Fakultas Ilmu Pengetahuan Alam Dan Matematika, Universitas Negeri
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
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 LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana
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 terperinciJURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 7 No. 2 Februari 2015
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERBASIS HISTOGRAM EQUALIZATION DAN 2D-GABOR FILTER Fahmi Arya Wicaksono 1 Program Studi Teknik Informatika, Universitas Trunojoyo Madura
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciSEGMENTASI CITRA RETINA DIGITAL RETINOPATI DIABETES UNTUK MEMBANTU PENDETEKSIAN MIKROANEURISMA
SEGMENTASI CITRA RETINA DIGITAL RETINOPATI DIABETES UNTUK MEMBANTU PENDETEKSIAN MIKROANEURISMA I Ketut Gede Darma Putra, I Gede Suarjana ) Staff Pengajar Teknik Elektro, Fakultas Teknik, Universitas Udayana
Lebih terperinciIMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN
IMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN Dosen Pembimbing Dr. Agus Zainal Arifin, S.Kom., M.Kom. Dosen Pembimbing
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Kata Kunci: Citra Fundus Retina, Segmentasi Citra,
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
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 terperinciPERBAIKAN 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 terperinciImplementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur, Thresholding dan Operasi Morfologi
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Implementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur, Thresholding dan Operasi Morfologi M. Riza Kurnia,Handayani Tjandrasa,
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 terperinci(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :
(IMAGE ENHANCEMENT) Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yang dihasilkan lebih baik daripada
Lebih terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
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 terperinciIMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING
IMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING Syarifatun Nadhiroh Qomariyah 1, Handayani Tjandrasa 2, Nanik Suciati 3 Teknik Informatika, Fakultas Teknologi Informasi,
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 terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciSesi 3 Operasi Pixel dan Histogram. : M. Miftakul Amin, S. Kom., M. Eng.
Sesi 3 Operasi Pixel dan Histogram Materi Kuliah Dosen : Pengolahan Citra Digital : M. Miftakul Amin, S. Kom., M. Eng. Pokok Bahasan Konversi RGB ke Gray Scale Konversi Gray Scale ke Biner Konversi Gray
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan kamera digital sebagai alat untuk mengambil citra saat ini sudah banyak digunakan karena kepraktisannya, terkadang hasil citra memiliki tampilan
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
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 terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciPERANGKAT LUNAK PERBAIKAN KUALITAS CITRA DIGITAL MODEL RGB DAN IHS DENGAN OPERASI PENINGKATAN KONTRAS
PERANGKAT LUNAK PERBAIKAN KUALITAS CITRA DIGITAL MODEL RGB DAN IHS DENGAN OPERASI PENINGKATAN KONTRAS Tole Sutikno, Kartika Firdausy, Eko Prasetyo Center for Electrical Engineering Research and Solutions
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
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 terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
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 terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciPENGATURAN 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 terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
Lebih terperinciBAB III METODE PENELITIAN
23 BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan proses penelitian ditunjukkan pada Gambar 15 berikut. Mulai 96 citra stomata Ekstraksi fitur - RGB & Skala Keabuan Ekstraksi fitur - Wavelet
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciImplementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI
Implementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI 1 Desti Riminarsih dan 2 Cut Maisyarah Karyati 1 Pusat Studi Komputasi Matematika(PSKM), Universitas
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 terperinciIMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER
IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Sanny Hikmawati 1, Handayani Tjandrasa 2, Nanik Suciati 3 Teknik Informatika,
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. dilanjutkan dengan rancangan cetak biru untuk program yang akan dibangun.
BAB 3 PERANCANGAN PROGRAM Pada bab 3 ini, akan dijelaskan proses rancangan program aplikasi pengurangan noise pada citra digital. Dimulai dari analisa kebutuhan sistem yang akan dirancang, dilanjutkan
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 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 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 terperinciImage Enhancement Pada Screen Capture CCTV Dengan Menggunakan Metode Histogram Ekualisasi
KINETIK, Vol. 2, No. 2, Mei 2017, Hal. 99-106 ISSN : 2503-2259 E-ISSN : 2503-2267 99 Image Enhancement Pada Screen Capture CCTV Dengan Menggunakan Metode Histogram Ekualisasi Hendro Nugroho Institut Teknologi
Lebih terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB IV. Analisis Pada bab ini dibahas mengenai analisis terhadap citra aproksimasi dan hasil ekstraksi jalan pada citra aproksimasi tersebut untuk mendapatkan gambaran mengenai keterkaitan antara proses
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciAPLIKASI 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 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 terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB III Pelaksanaan Penelitian Pada bab ini dibahas pelaksanaan ekstraksi unsur jalan secara otomatis yang terdiri dari tahap persiapan dan pengolahan data. Tahap persiapan yang terdiri dari pengambilan
Lebih terperinciKumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI) Volume 2, Nomor 1, Januari 2013
PENGEMBANGAN APLIKASI WATERMARKING REGION OF INTEREST (ROI) CITRA DIGITAL DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) DAN MORFOLOGI MATEMATIKA Oleh Made Dyah Aryani, 1015057077 Jurusan Pendidikan Teknik
Lebih terperinciSEGMENTASI PEMBULUH DARAH PADA CITRA RETINA MENGGUNAKAN MAX-TREE DAN ATTRIBUTE FILTERING
SEGMENTASI PEMBULUH DARAH PADA CITRA RETINA MENGGUNAKAN MAX-TREE DAN ATTRIBUTE FILTERING Kadek Yota Ernanda Aryanto 1,2, I Ketut Eddy Purnama 1 1 Jurusan Teknik Elektro ITS Surabaya, Jawa Timur 2 Universitas
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciBAB I PENDAHULUAN. menggunakan digital watermarking. Watermarking bekerja dengan menyisipkan
BAB I PENDAHULUAN 1. Latar Belakang Perkembangan teknologi digital serta internet yang cukup pesat telah memberi kemudahan dalam mengakses dan mendistribusikan berbagai informasi dalam format digital,
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
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 terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciSKRIPSI HALAMAN SAMPUL IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI DIABETIC RETINOPATHY BERDASARKAN SEGMENTASI PEMBULUH DARAH RETINA
SKRIPSI HALAMAN SAMPUL IMPLEMENTASI FUZZY C-MEANS UNTUK DETEKSI DIABETIC RETINOPATHY BERDASARKAN SEGMENTASI PEMBULUH DARAH RETINA Oleh : Aris Siroojuddin Ahsan 2010-51-217 SKRIPSI DIAJUKAN SEBAGAI SALAH
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciIDENTIFIKASI KEASLIAN MATA UANG RUPIAH DENGAN MENGGUNAKAN METODE NON SUBSAMPLED CONTOURLET TRANSFORM (NSCT) MELALUI CAMERA SMARTPHONE
IDENTIFIKASI KEASLIAN MATA UANG RUPIAH DENGAN MENGGUNAKAN METODE NON SUBSAMPLED CONTOURLET TRANSFORM (NSCT) MELALUI CAMERA SMARTPHONE 1 Rusydi Umar, 2 Imam Riadi, 3 Miladiah 1 Program Studi Teknik Informatika,
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 terperinciIMPLEMENTASI TEKNIK STEGANALISIS MENGGUNAKAN METODE IMPROVEMENT DIFFERENCE IMAGE HISTOGRAM PADA STEGANOGRAFI LSB
IMPLEMENTASI TEKNIK STEGANALISIS MENGGUNAKAN METODE IMPROVEMENT DIFFERENCE IMAGE HISTOGRAM PADA STEGANOGRAFI LSB Friski Gatra Pamungkas 1), Bambang Hidayat 2), Nur Andini 3) 1),2),3 ) Prodi S1 Teknik Telekomunikasi,
Lebih terperinciTeknik Penyisipan Pesan pada Kanal Citra Bitmap 24 bit yang Berbeda-beda
Teknik Penyisipan Pesan pada Kanal Citra Bitmap 24 bit yang Berbeda-beda Muhammad Reza Mandala Putra (13509003) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan salah satu media yang penting bagi manusia untuk memperoleh informasi. Seiring dengan perkembangan teknologi citra digital maka setiap orang dapat dengan
Lebih terperinciPercobaan 1 Percobaan 2
direpresentasikan dengan histogram. Perlakuan pertama terhadap data-data penelitian ini adalah menghitung histogramnya. Kemudian dari interval antara 0-255 akan dibagi menjadi interval-interval bagian
Lebih terperinciPENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS
PENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS Fricles Ariwisanto Sianturi Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No 1 Medan-Sumatera
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 terperinciImplementasi Boosted Steganography Scheme dengan Praproses Citra Menggunakan Histogram Equalization
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Implementasi Boosted Steganography Scheme dengan Praproses Citra Menggunakan Histogram Equalization Fitra Arifiansyah, Nanik Suciati, Arya Yudhi Wijaya
Lebih terperinciBAB 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 terperinciAnalisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra
Analisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra Budi Hartono dan Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank Semarang
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
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 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 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 terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang Masalah
1. Pendahuluan 1.1 Latar Belakang Masalah Jumlah pengguna komputer semakin meningkat. Peningkatan jumlah pengguna komputer mengakibatkan penggunaan data digital juga semakin meningkat. Salah satu media
Lebih terperinciBINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL
BINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia, Jakarta e-mail : tmulyana@bundamulia.ac.id,
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Retina merupakan salah satu bagian mata yang penting bagi manusia. Pada manusia, retina berfungsi untuk menerima cahaya terfokus dari lensa, mengubahnya
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 terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciBAB III METODOLOGI. 3.1 Vector Median Filtering (VMF)
BAB III METODOLOGI Pada bab ini akan dijelaskan tentang metode yang dipakai dalam pengerjaan tugas akhir ini yang meliputi pengertian Vector Median Filtering (VMF), Vector Directional Filtering (VDF),
Lebih terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciPENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION YANG MENGGUNAKAN HISTOGRAM REMAPPING DENGAN DISTRIBUSI NON-UNIFORM
PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION YANG MENGGUNAKAN HISTOGRAM REMAPPING DENGAN DISTRIBUSI NON-UNIFORM Budi Nugroho 1, Febriliyan Samopa 2 1 Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciBAB 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