METODE SHAPE DESCRIPTOR BERBASIS SHAPE MATRIX UNTUK ESTIMASI BENTUK STRUCTURING ELEMENT
|
|
- Sudomo Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 METODE SHAPE DESCRIPTOR BERBASIS SHAPE MATRIX UNTUK ESTIMASI BENTUK STRUCTURING ELEMENT Sri Huning A NRP DOSEN PEMBIMBING Dr. Agus Zainal Arifin, S. Kom, M.Kom Anny Yuniarti, S.Kom, M.Comp.Sc
2 Abstrak Operasi morfologi analisa bentuk Konsep morfologi : mem-passing sebuah structuring element (strel) pada sebuah citra strel sebagai mask Pemilihan Strel memegang peranan penting berpengaruh terhadap hasil pengolahan citra. Sebuah structuring element yang sesuai digunakan pada sebuah objek, belum tentu sesuai digunakan pada objek lain Belum ada pedoman umum pemilihan strel kemiripan bentuk dengan objek yang diteliti yang ditentukan secara manual. (Gang Li, dkk, 2009). Bentuk (shape) dapat direpresentasikan ke dalam beberapa cara (Cesar dan Costa, 2009) shape descriptor
3 Abstrak (lanjutan) Tujuan penelitian :mengusulkan suatu metode baru untuk estimasi bentuk structuring element berdasar pada representasi bentuk objek yang diteliti berbasis shape matrix. menguji kinerja bentuk structuring element yang didapatkan diujicobakan untuk deteksi tepi menggunakan operasi morfologi gradien. Hasil Uji Coba (akurasi rata-rata): - 30 Citra sintetis : 99,6 % - 3 citra riil : 98,4 %
4 Latar Belakang Bentuk Umum : rectangle, square, disk, linear, dan diamond kelebihan dan kekurangan masing-masing. Bentuk structuring element yang sesuai untuk satu objek belum tentu sesuai untuk objek lain belum ada pedoman baku kemiripan bentuk objek yang diteliti - Gang Li, dkk (2009) : deteksi sel tumor gastric rectangle - Obara (2007) : deteksi retakan kecil (microcrack) pada batu dolomit linear - Ruberto, dkk (2000) : deteksi sel darah pada penyakit malaria disk. Oleh karena itu bentuk objek dapat digunakan sebagai dasar untuk estimasi bentuk stucturing element.
5 Latar Belakang (Lanjutan) Sebuah representasi yang baik 1. akan dapat menggambarkan karakteristik intrinsik dari sebuah shape secara eksplisit. 2. Representasi sebuah shape juga harus invarian terhadap rotasi, scaling dan transformasi (Loncaric, 1999). Beberapa penelitian mengemukakan bahwa shape matrix dapat menggambarkan bentuk objek serta invarian terhadap scaling, rotasi, dan translasi (Goshtasby, 1985, C. Sheng, 2005). Representasi bentuk objek ini dapat digunakan untuk estimasi bentuk structuring element yang mendekati bentuk objek yang diteliti.
6 Square Disk/?????
7 Kontribusi mengusulkan metode baru untuk mengestimasi bentuk structuring element dengan menganalisa representasi shape/bentuk berbasis shape matrix.
8 Rumusan Masalah Bagaimana cara merepresentasikan objek dalam bentuk shape matrix? Bagaimana cara menentukan bentuk structuring element berdasar representasi objek berbasis shape matrix?
9 Tujuan dan Manfaat Tujuan : mengestimasi bentuk structuring element dengan menggunakan algoritma berbasis shape matrix Manfaat : mendapatkan metode lain untuk mencari bentuk structuring element untuk dapat diterapkan pada operasi-operasi pengolahan citra yang menggunakan pendekatan morfologi seperti deteksi tepi, segmentasi, noise reduction, dan beberapa operasi pengolahan citra lain
10 Batasan Masalah Objek citra yang digunakan adalah citra sintetis dan citra asli. Citra uji yang digunakan tidak mengandung noise (noiseless). Penelitian ini hanya membahas operasi deteksi tepi meggunakan morfologi gradien pada morfologi Citra dan structuring element yang dibahas bertipe binary. Menggunakan bahasa pemrograman Matlab 7.0.1
11 BAB 2 DASAR TEORI
12 2.1. Morfologi Tujuannya : memperoleh informasi mengenai bentuk dari suatu citra dengan mengatur bentuk dan ukuran suatu elemen penstruktur (structuring element). Morfologi : analisa bentuk, bukan mengubah bentuk
13 Structuring Element B Gambar 2.2. Contoh Structuring Element (a) titik O adalah titik poros, (b) representasi biner dari structuring element Strel kunci penting dalam morfologi komponen : yaitu bentuk dan ukuran.
14 Bentuk-bentuk Umum Strel a. Disk ukuran 3 b. Square 3 x 3 c. Diamond ukuran 3 d. Linear ukuran 3, rotasi 45 o e. Rectangle 3 x 5 Gambar 2.5. Bentuk-bentuk Umum Structuring Element
15 Pengaruh Strel (a) (b) (c) Gambar 2.3 Citra Hasil MDMF Filter menggunakan strel dengan bentuk sama tetapi ukuran berbeda (a) strel 2x2 ; (b) strel 3 x 3 ; (c) strel 4 x 4 (a) (b) Gambar 2.4. Citra Hasil MDMF Filter menggunakan strel dengan bentuk berbeda tetapi ukuran sama (a) strel rectangle 3 x 3 ; (b) strel diamond 3 x 3
16 Operasi-operasi Morfologi Translasi Dilasi Erosi Opening Closing Morfologi gradien
17 2.2 Representasi Shape Taksonomi Teknik Representasi Shape Menggunakan Region-Based
18 2.3. Shape Matrix 0 L S Misalkan AlgoritmaS Shape adalahmatrix sebuah objek Akan Menentukan Mencari 3. Buat didapatkan titik radius lingkaran tengah ukuran terjauh titik mengelilingi objek, ordo potong objek, misal misal titik titik O A 5. Bagi shape padagaris Akan objek i OA menjadi (n-1) bagian. 1 diketahui matrix, i 2, dengan, m i n-1. x panjang n, r = misal L buat lingkaranoa dengan = L m Kemudian = 6 dan n dari = 5setiap titik potong, radius denganmasing-masing arah berlawanan adalah jarum jam, L/(n-1), Bagi setiap 2L/(n-1), lingkaran, (n-1)l/(n-1) menjadi m busur Dengan dθ = 360/m derajat A θ dθ = 360/m
19 Algoritma menentukan nilai elemen shape matrix
20 Contoh shape matrix m = 6, n = 5, L = 10 Koordinat (il/(n-1),,j(360/m) n = i A m = j Gambar (a) contoh shape, (b) Shape Matriks (Goshtasby, 2005)
21 BAB 3. Metode Penelitian
22 3.1. Desain Sistem mulai Menentukan Citra Uji dan citra ground truth Menentukan representasi bentuk (shape matrix ) untuk dapat menentukan bentuk structuring element selesai Menghitung Kinerja Algoritma Melakukan operasi morfologi gradient menggunakan strel yang didapat Gambar 3.1. Desain Sistem
23 1. Penentuan Citra Uji dan Citra Ground Truth A. CITRA UJI Citra Uji : citra sintetis (40 buah) dan citra asli (riil) (3 buah). Ukuran citra sintetis : 140 x 140 piksel. Sedangkan ukuran citra riil tidak ditentukan. citra grayscale dan citra biner. asumsi yang digunakan adalah nilai 1 : objek, nilai 0 : background dari objek Binerisasi citra uji juga tidak mengandung noise Menguji Rotasi dan Scaling, Hole, dan Objek terpisah B. CITRA GROUND TRUTH : manual menggunakan aplikasi Paint. Ukuran disesuaikan dengan ukuran citra yang diuji. citra biner
24 2. Menentukan shape matrix dari citra binerisasi citra uji (optional) mencari koordinat piksel penyusun objek Mencari titik tengah dari objek (titik O) Mencari radius terjauh dari objek (titik A) Membuat lingkaran yang mengelilingi objek dengan r = L Menentukan ukuran shape matrix (m x n) Bagi garis OA menjadi bagian dengan jarak yang sama Membuat lingkaran - dengan titik pusat O dengan radius lingkaran masingmasing adalah L /( n 1), 2L /( n 1),..., ( n 1) L /( n 1) Membagi lingkaran menjadi busur yang sama dimana sudut masing-masing derajat. d θ = 360 / m menentukan nilai-nilai elemen shape matrix
25 2.1. Binerisasi mengubah tipe citra menjadi bertipe biner (hitam putih). 1. baca citra uji 2. tentukan nilai threshold 3. ubah citra uji menjadi citra biner berdasar pada nilai threshold Gambar 3.5 Algoritma Proses Binerisasi Citra Citra Asli Citra Biner, threshold = (185)
26 2.2. Mencari Koordinat Piksel Penyusun Objek Piksel-piksel penyusun objek berwarna putih (bernilai 1 ), sehingga harus dicari terlebih dahulu piksel-piksel yang bernilai 1. Fungsi yang digunakan adalah fungsi find. Dari tahapan ini akan didapatkan koordinatkoordinat piksel yang termasuk objek.
27 2.3. Mencari Titik Tengah Objek Persamaan mencari koordinat pusat objek (c 1,c 2 ), c 1 = 1 N N i= 1 x i, c 2 = 1 N N i= 1 y i (3.1) dimana ( x, y )( i 1,2,..., N ) adalah koordinat dari piksel dalam objek i i = dan N adalah jumlah piksel dalam objek. Gambar 3.7. Hasil Pencarian Titik Tengah Objek
28 2.4. Mencari Radius Terjauh dari Objek Eucledian distance setiap piksel pada objek dihitung jaraknya terhadap titik pusat O(c1,c2) D = ) 2 + ( ) ( x c y c Di mana (x1,y1) adalah koordinat setiap piksel pada objek, sedangkan (c1,c2) adalah koordinat titik pusat objek.
29 A (rmax,cmax) L O(c 1,c 2 ) Gambar 3.9. Ilustrasi Titik Pusat dan Radius Terjauh Gambar Radius terjauh Bentuk 1
30 2.5. Membuat lingkaran yang mengelilingi objek dengan besar jari-jari sama dengan radius terjauh Gambar Lingkaran Mengelilingi Bentuk 1
31 2.8. Menentukan nilai-nilai elemen shape matrix For i = 0 to (n 1) For j = 0 to (m 1) If titik dengan koordinat polar ( il n berada di dalam shape, then otherwise M ( i, j) : = 0 /( 1), j(360 / m)) M ( i, j) : = Gambar Contoh Shape Matrix ukuran 5 x 5
32 3. Deteksi Tepi Menggunakan Operasi Morfologi Gradien start Citra Uji, structuring element (SE) Melakukan operasi dilasi pada citra uji menggunakan structuring element (SE) Melakukan operasi erosi pada citra uji menggunakan structuring element (SE) Melakukan pengurangan terhadap citra hasil dilasi dikurangi citra hasil erosi Citra Hasil Deteksi tepi selesai Gambar Proses Deteksi tepi
33 Citra Asli Citra Hasil Operasi Dilasi Citra Hasil Operasi Erosi Citra Hasil Deteksi Tepi
34 4. Menghitung Kinerja Algoritma Akurasi = TP + TP TN + + FN FP + FN Tabel 3.1. Perhitungan Akurasi Sistem Ground Truth Edge Bukan Edge Hasil Sistem Edge Bukan Edge True Positif (TP) False Negatif (FN) False Positif (FP) True Negatif (TN)
35 BAB 4 UJI COBA DAN ANALISIS HASIL
36 Data Uji Coba 1. Citra Ground Truth 2. Citra Sintetis Citra Uji Normal Citra Uji dengan Variasi Scaling dan Rotasi Citra Uji dengan Hole Citra Uji dengan Objek Terpisah 3. Citra Riil
37 CITRA GROUND TRUTH (normal) 5/30
38 Citra Uji Normal (5/30)
39 Citra Uji dengan Variasi Scaling dan Rotasi Asli 140 x % 98 x % 210 x o 201 x 201
40 Citra Uji dengan Hole Hole 1 Hole 2 Hole 3
41 Citra Uji dengan Objek Terpisah Pisah 1 Pisah 2 Pisah 3
42 Citra Riil Breast gigi Sel darah
43 Structuring Element Pembanding Diamond Disk Square
44 Hasil Pengujian (Citra Normal) N0 Nama Objek Akurasi (%) SM Square Diamond 1 Bentuk 1 99,99 99,99 98,33 2 Bentuk 2 97,98 97,97 98,00 3 Bentuk 3 98,28 98,28 98,20 4 Bentuk 4 99,61 99,61 98,51 5 Bentuk 5 99,97 99,98 99,31 6 Bentuk 6 99,76 99,76 99,34 7 Bentuk 7 99,98 99,98 99,15 8 Bentuk 8 99,97 99,97 98,88 9 Bentuk 9 99,97 99,97 98,57 10 Bentuk 10 99,99 99,99 99,41 11 Bintang 99,99 99,98 98,51 12 Kotak 100,00 100,00 99,98 13 Flag 99,92 99,92 99,62 14 Bunga 98,29 98,26 98,28 15 Kotaktumpul 100,00 100,00 99,82 Disk 98,33 98,00 98,20 98,51 99,31 99,34 99,15 98,88 98,57 99,41 98,51 99,98 99,62 98,28 99,82
45 99,27 99,27 99,99 99,99 Daun 30 99,30 99,30 100,00 100,00 Trapesium ,22 99,22 100,00 100,00 Segilima 28 99,39 99,39 99,69 99,69 Tanjakan 27 99,42 99,42 100,00 100,00 Trapesium 26 95,40 95,40 95,39 95,40 Kepala 25 98,73 98,73 99,91 99,91 Segitiga ,05 99,05 100,00 100,00 Segitiga ,28 99,28 99,99 99,99 Segienam 22 99,94 99,94 100,00 100,00 PMI 21 99,98 99,98 100,00 100,00 Persegi 20 99,37 99,37 99,99 99,99 Oval 19 98,83 98,83 99,97 99,97 Lingkaran ,00 99,00 99,99 99,99 Lingkaran ,76 97,76 99,27 99,27 Layang 16 Disk Diamond Square SM Akurasi (%) Nama Objek No
46 Tabel 4.3. Perbandingan Rata-rata Akurasi Uji Coba Normal No Structuring Element shape matrix square diamond disk Rata-rata Akurasi (%) 99,6 99,5 98,9 98,9
47 Ukuran Structuring Element : 3 x 3 Citra Asli Citra Ground Truth Hasil Shape Matrix 100 % Hasil Square 100 % Hasil Diamond 99,98 % Hasil Disk 99,98 %
48 Ukuran Structuring Element : 3 x 3 Citra Asli Citra Ground Truth Hasil Shape Matrix (98,29%) Hasil Square (98,26%) Hasil Diamond (98,28%) Hasil Disk (98,28%)
49 Tabel 4.6. Hasil Pengujian Pada Citra Uji dengan Perubahan Scaling dan Rotasi No Nama Citra Ukuran Akurasi (%) Strel SM Square Diamond Disk 1 persegi_besar_150 3 x ,99 99,99 2 persegi_kecil_70 3 x ,95 99,95 3 persegi_rotasi_+45 3 x ,94 98,94 4 persegi_rotasi_-45 3 x ,94 98,94 Tabel 4.7. Hasil Pengujian Pada Citra Uji dengan Hole No Nama Citra Ukuran Akurasi (%) Strel SM Square Diamond Disk 1 Hole 1 3 x ,36 98,36 2 Hole 2 3 x ,95 99,95 3 Hole 3 3 x 3 99,99 99,99 99,58 99,58
50 Tabel 4.9. Perhitungan Akurasi Citra Riil No Nama Objek SM Akurasi (%) Square Diamo nd Disk 1 Breast 97,02 96,41 96,81 96,81 2 Gigi 98,53 98,53 96,89 97,80 3 Sel Darah 99,52 99,51 98,06 98,06 Rata-rata 98,4 98,1 97,2 97,2
51 Analisa Hasil Uji Coba metode shape descriptor berbasis shape matrix dapat diandalkan untuk estimasi bentuk structuring element. Kelebihan : bentuk structuring element menyesuaikan dengan objek yang diteliti, sehingga bentuk structuring element yang didapatkan benar-benar merupakan representasi bentuk objek yang diteliti. Kelemahan : Akan tetapi pemilihan ukuran shape matrix m x n sangat mempengaruhi hasil representasi bentuk objek. Perlu penelitian lebih lanjut untuk membahas tentang metode pemilihan ukuran shape matrix yang tepat.
52 Analisa Hasil (lanjutan) Penelitian ini ada keterkaitan dengan penelitianpenelitian sebelumnya. 1. Menurut Gang Li, dkk (2009), umumnya pemilihan bentuk structuring element hanya didasarkan pada kemiripan dengan bentuk objek yang diteliti. 2. Menurut Loncaric (1999), sebuah bentuk objek dapat direpresentasikan, salah satunya adalah shape matrix. 3. Shape matrix memiliki keunggulan yaitu sudah teruji invarian terhadap translasi, rotasi, dan scaling (Goshtasby, 2005). Representasi objek berbasis shape matrix ini dapat digunakan untuk estimasi bentuk structuring element.
53 BAB 5 KESIMPULAN DAN SARAN
54 5.1. Kesimpulan Algoritma berbasis shape matrix dapat digunakan untuk menentukan bentuk structuring element dari suatu objek. Dapat menangani bentuk objek yang mengalami perubahan scaling dan rotasi, bentuk objek dengan hole, dan citra dengan objek terpisah. Mampu mendeteksi citra riil yang bertipe grayscale Pada deteksi tepi, tingkat akurasi rata-rata berbasis shape matrix lebih tinggi.
55 Kesimpulan (Lanjutan) Faktor mempengaruhi tingkat akurasi: bentuk objek dan nilai threshold (untuk citra grayscale) Akurasi rata-rata untuk seluruh data citra sintetis adalah 99,6 %. Akurasi rata- rata hasil deteksi tepi untuk keseluruhan data citra riil sebesar 98,4%.
56 5.2. Saran Penelitian ini lebih fokus kepada bentuk structuring element, sedangkan ukuran structuring element belum diperhatikan. Sebaiknya dilakukan penelitian lebih lanjut yang memperhatikan juga ukuran structuring element untuk menentukan structuring element yang optimal. Perlu dilakukan penelitian lebih lanjut tentang penggunaan bentuk structuring element berbasis shape matrix untuk menghilangkan noise (noise reduction).
57 Usulan Future Work Bentuk yang sesuai menggunakan structuring element berbasis shape matrix
58 DAFTAR PUSTAKA Cecilia Di Ruberto, Andrew Dempster, Shahid Khan, Bill Jarra. (2000), Segmentation of Blood Images Using Morphological Operators, Proceedings of the International Conference on Pattern Recognition (ICPR'00), London, hal Costa, Luciano da Fontoura dan Cesar, Roberto Marconed, Jr, (2009), Shape Representation and Analysis: Theory and Practice, 2nd Edition, CRC Press, London. Cun Jin, Xue, Fen-Zhen, Su, dan Jun-qi, Zhou. (2006), An Adaptive Algorithm to Define Optimal Size of Structuring Element, Journal of Image and Graphics, Vol. 11, No. 2. F.G. Huang, G. Yang, dkk., (2000), The Application of Soft Morphology in Image Edge Detection, Journal of Image and Graphics of China, Nomor 5, hal Goshtasby, Ardeshir, (1985), Description and Discrimination of Planar Shapes Using Shape Matrices, IEEE Transaction On Pattern Analysis and Machine Intelligence, Vol. PAMI-7, No. 6, hal Goshtasby, Ardeshir, (2005), Intersience 2-D and 2-D and 3-D Image Registration for Medical, Remote Sensing, and Industrial Applications, John Wiley & Sons, Inc., New York. Haralick. S, S. Sternberg, and X. Zhuang. (1987), Image analysis using mathematical morphology, IEEE Transactions on PAMI-9, hal
59 Daftar Pustaka (lanjutan) Loncaric, Sven, (1999), A Survey of Shape Analysis Techniques, Tesis Ph.D., University of Zagreb, Croasia. Murni, Aniati. (2004). Diktat Kuliah : Pengolahan Citra Digital, Universitas Indonesia, Jakarta. Obara, Boguslaw, (2007), Identification of Transcrystalline Microcracks Observed in Microscope Images of a Dolomite Structure using Image Analysis Methods Based on Linear Structuring Element Processing, Journal Computers & Geosciences, Nomor. 33 (2007), hal Serra, J, (1982), Image Analysis and Mathematical Morphology, Academic Press, Inc., London. Soille P., (1999). Morphological Image Analysis: : Principles and Applications, Springer Verlag, Germany. Syamsa, Ardisasmita, (2000), Matematika Morfologi untuk Segmentasi dan Analisis Citra, Procedings Komputer dan Sistem Intelijen, Universitas Gunadarma, Jakarta, hal. D152 D. 163 Tian-Gang Li, Su-pinWang, NanZhao, (2009), Gray-scale Edge Detection for Gastric Tumor Pathologic Cell Images by Morphological Analysis, Biology and Medicine Journal, Nomor. 39, hal
60 Terima Kasih
Abstrak. Kata kunci : deteksi tepi, morfologi gradien, representasi bentuk, structuring element, shape matrix
METODE SHAPE DESCRIPTOR BERBASIS SHAPE MATRIX UNTUK ESTIMASI BENTUK STRUCTURING ELEMENT Sri Huning Anwariningsih 1), Agus Zainal Arifin 1), Anny Yuniarti 1) 1) Program Magister Teknik Informatika, Jurusan
Lebih terperinciESTIMASI BENTUK STRUCTURING ELEMENT BERDASAR REPRESENTASI OBYEK
Vol. 5, No. 3, Januari 200 ISSN 026-0544 ESTIMASI BENTUK STRUCTURING ELEMENT BERDASAR REPRESENTASI OBYEK * Sri Huning Anwariningsih, ** Agus Zainal Arifin, *** Anny Yuniarti Program Magister Teknik Informatika,
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 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 terperinciIMPLEMENTASI TEKNIK WATERSHED DAN MORFOLOGI PADA CITRA SATELIT UNTUK SEGMENTASI AREA UNIVERSITAS BRAWIJAYA
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 1, No. 1, April 24, hlm. 5-13 IMPLEMENTASI TEKNIK WATERSHED DAN MORFOLOGI PADA CITRA SATELIT UNTUK SEGMENTASI AREA UNIVERSITAS BRAWIJAYA Sutrisno
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 terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciOleh Yuli Wijayanti. Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc
Oleh Yuli Wijayanti Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc TEKNIK INFORMATIKA-ITS 26 JULI 2010 Latar Belakang Segmentasi gambar merupakan salah satu faktor
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 Materi 7 Operasi Morfologi M. Miftakul Amin, M. Eng. JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA TUJUAN Istilah morfologi mengadopsi istilah yang ada dalam bidang ilmu
Lebih terperinciIdentifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia
Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia Imam Subekti, I Ketut Eddy Purnama, Mauridhi Hery Purnomo. Jurusan Teknik Elektro FTI - ITS Penelitian ini mengidentifikasi
Lebih terperinciREVIEW PROPERTI OPERATOR MATEMATIKA MORPHOLOGI DALAM PEMROSESAN CITRA
Prosiding Semirata 2015 bidang Teknologi Informasi dan Multi Disiplin Universitas Tanjungpura Pontianak Hal 134-141 REVIEW PROPERTI OPERATOR MATEMATIKA MORPHOLOGI DALAM PEMROSESAN CITRA Zaiful Bahri Jurusan
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 terperinciDEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK
DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciAPLIKASI OPERASI HIMPUNAN DAN MATEMATIKA MORFOLOGI PADA PENGOLAHAN CITRA DIGITAL
Jurnal Ilmu Matematika dan Terapan Desember 2016 Volume 10 Nomor 2 Hal. 83 96 APLIKASI OPERASI HIMPUNAN DAN MATEMATIKA MORFOLOGI PADA PENGOLAHAN CITRA DIGITAL V. Y. I. Ilwaru 1, Y. A. Lesnussa 2, E. M.
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
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 terperinciApa yang bisa dilakukan oleh morfologi citra? Operasi morfologi :
Morfologi Citra 2 Morfologi Citra Apa yang bisa dilakukan oleh morfologi citra? Operasi morfologi : Fit dan Hit Erosi (Erosion) Dilasi (Dilation) Operasi Gabungan (Compound Operations) 3 Kegunaan Morfologi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
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 terperinciPENGARUH PEMAKAIAN EDGE DETECTION PADA SISTEM PENGENALAN HURUF KAPITAL TULISAN TANGAN
Jurnal Teknik dan Ilmu Komputer PENGARUH PEMAKAIAN EDGE DETECTION PADA SISTEM PENGENALAN HURUF KAPITAL TULISAN TANGAN (The Influence of Edge Detection Use on Capital Letter Hand Writing Recognition System)
Lebih terperinciPENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA
PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno, and R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl.
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
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 terperinciPEMANFAATAN OPERASI MORPHOLOGI UNTUK PROSES PENDETEKSIAN SISI PADA PENGOLAHAN CITRA DIGITAL
PEMANFAATAN OPERASI MORPHOLOGI UNTUK PROSES PENDETEKSIAN SISI PADA PENGOLAHAN CITRA DIGITAL Tjokorda Agung Budi Wirayuda, ST Jurusan Teknik Informatika, Sekolah Tinggi Teknologi Telkom, Bandung cok@stttelkom.ac.id
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
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 terperinciPENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING
PENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING Arini 1, Feri Fahrianto 2, Andre Agusta 3, Asep Taufik Muharam 1,2,3,4 Teknik Informatika,
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 terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciBy Emy. 2 of By Emy
2 1 3 Kompetensi Mampu menjelaskan dan operasi morfologi Mampu menerapkan konsep morfologi untuk memperoleh informasi yang menyatakan deskripsi dari suatu benda pada citra mampu membangun aplikasi untuk
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
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 terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciDosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN
Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN 5107100609 PENDAHULUAN Segmentasi Endapan Urin 2 LATAR BELAKANG Segmentasi
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1. Latar Belakang Transportasi tentu sudah tidak asing lagi didengar oleh telinga, transportasi merupakan salah satu hal yang sangat melekat dengan berbagai macam kegiatan yang dilakukan
Lebih terperinciIDENTIFIKASI PENYAKIT LEUKIMIA AKUT PADA CITRA DARAH MIKROSKOPIS
ORBITH VOL. 12 NO. 1 MARET 2016 : 29 34 IDENTIFIKASI PENYAKIT LEUKIMIA AKUT PADA CITRA DARAH MIKROSKOPIS Oleh: Indah Susilawati Staf Pengajar Program Studi Teknik Informatika Universitas Mercu Buana Yogyakarta
Lebih terperinci10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 10. Morphological Image Processing. Pemrosesan citra secara morfologis.
CIG4E3 / Pengolahan Citra Digital BB 10. Morphological Image Processing Intelligent Computing and Multimedia (ICM) Pemrosesan citra secara morfologis Perbedaan antara pemrosesan citra secara morfologis
Lebih terperinciPERBANDINGAN PERFORMA SEGMENTASI CITRA SIDIK JARI MENGGUNAKAN DETEKSI TEPI METODE SOBEL DENGAN METODE CANNY
PERBANDINGAN PERFORMA SEGMENTASI CITRA SIDIK JARI MENGGUNAKAN DETEKSI TEPI METODE SOBEL DENGAN METODE CANNY Sila abdullah syakry 1, Muhammad Syahronir 2, Mulyadi 3 Program Studi Teknik Informatika, Jurusan
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
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 terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciMorphological Image Processing
Morphological Image Processing Muhammad Kusban Teknik Elektro, Universitas Muhammadiyah Surakarta Abstrak -- Proses morphologi terutama digunakan untuk menghilangkan ketidaksempurnaan bentuk yang ada dalam
Lebih terperinciPENERAPAN METODE MORFOLOGI GRADIEN UNTUK PERBAIKAN KUALITAS DETEKSI TEPI PADA CITRA MOTIF BATIK
PENERAPAN METODE MORFOLOGI GRADIEN UNTUK PERBAIKAN KUALITAS DETEKSI TEPI PADA CITRA MOTIF BATIK Arif Sutikno 1), Ema Utami 2), Andi Sunyoto 3) 1,2,3) Magister Teknik Informatika STMIK AMIKOM Yogyakarta
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
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 terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
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 terperinciBAB IV UJI COBA DAN ANALISIS
BAB IV UJI COBA DAN ANALISIS Bab ini tersusun atas penjelasan hasil uji coba terhadap Sistem Pencocokan Dental yang dikembangkan beserta analisis hasil uji coba. Pengujian dan analisis dilakukan untuk
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 terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciSistem Klasifikasi dan Penomoran Posteriror Dental Radiography Menggunakan Support Vector Machine dengan Fitur Mesiodistal Neck
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Sistem Klasifikasi dan Penomoran Posteriror Dental Radiography Menggunakan Support Vector Machine dengan Fitur Mesiodistal Neck Ahmad Mustofa Hadi, Agus
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
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 terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciPENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA ABSTRAK
PENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA Yuliana Melita Pranoto 1, Endang Setyati 2 1) Teknik Informatika, Sekolah Tinggi Teknik Surabaya Jl. Ngagel Jaya Tengah 73-77
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciImplementasi Circular Hough Transform untuk Deteksi Kemunculan Bulan Sabit
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Implementasi Circular Hough Transform untuk Deteksi Kemunculan Bulan Sabit Ike Mardiya Sari, Agus Zainal Arifin, dan Anny Yuniarti Teknik Informatika, Fakultas
Lebih terperinciPERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS 081401039 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciEFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER
EFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER 1 1 Program Studi Teknik Informatika, Universitas Bunda Mulia Jakarta tmulyana@bundamulia.ac.id ABSTRAK Filtering akan melakukan penapisan
Lebih terperinciTeknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari
Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Okta Hadi Saputra, Irawan Jurusan Teknik Elektro FTI - ITS Abstrak Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan
Lebih terperinciTEKNIK PENGOLAHAN CITRA DIGITAL TPE 418
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418 OLEH: Dr. ANDASURYANI, S.TP, M.Si PROGRAM STUDI TEKNIK PERTANIAN JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciBatra Yudha Pratama m111511006@students.jtk.polban.ac.id
Operasi Morfologi Pada Citra Biner Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas
Lebih terperinciPengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM
Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
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 terperinciKeywords: Spermatozoa, Spermatozoa Counters, Labelling, Eccentricity, Digital Microscope.
Penghitung Jumlah Spermatozoa Berdasarkan Data Mikroskop Digital Dengan Metode Pengolahan Citra Aldo Candra 1, Imam Sapuan 2, Franky Chandra S.A 3 1,2,3 Program Studi Teknobiomedik, Departemen Fisika Fakultas
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI ANALISIS DISTRIBUSI UKURAN OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MORPHOLOGI MATEMATIKA GRANULOMETRY
PERANCANGAN DAN PEMBUATAN APLIKASI ANALISIS DISTRIBUSI UKURAN OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MORPHOLOGI MATEMATIKA GRANULOMETRY Oleh I Putu Gede Abdi Sudiatmika,0815051064 Jurusan Pendidikan
Lebih terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
Lebih terperinciDeteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna
Deteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna Iping Supriana 1) Yoseph Suryadharma 2) 1) Program Studi Teknik Informatika Institut Teknologi Bandung email: iping@informatika.org
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciSEGMENTASI SEL DARAH PUTIH PADA CITRA DARAH MIKROSKOPIS
142 JURNAL MATRIX VOL. 5, NO. 3, NOPEMBER 2015 SEGMENTASI SEL DARAH PUTIH PADA CITRA DARAH MIKROSKOPIS Oleh: Indah Susilawati Program Studi Teknik Informatika Universitas Mercu Buana Yogyakarta Jl. Wates
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciSYSTEMIC Vol. 1, No. 1, Agustus 2015, PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI.
SYSTEMIC Vol. 1, No. 1, Agustus 2015, 14-19 PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI Ahmad Yusuf 1) 1) Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel
Lebih terperinciALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR
Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini
Lebih terperinciPendahuluan. Desain & Implementasi. Uji coba & Evaluasi. Kesimpulan
1 Pendahuluan Desain & Implementasi Uji coba & Evaluasi Kesimpulan 2 Latar Belakang Evaluasi performa: Mengukur kualitas algoritma Evaluasi algoritma deteksi struktur garis lengkung 3 Struktur garis lengkung
Lebih terperinciPENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL
PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL Kata Kunci : Noise Removal, Edge Detection, impuls noise, Oleh : ANA WAHYU HAKIM Dosen pembimbing I: Prof. Dr. Ir. Handayani Tjandrasa M.Sc
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 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 terperinciDETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING
DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang
Lebih terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinci1. Pendahuluan Bentuk tubuh manusia adalah sesuatu yang unik dimana setiap orang tidak akan ada yang sama satu sama lain meskipun dia kembar. Perbedaa
Implementasi Perhitungan Sudut Rangka Manusia Menggunakan Matlab 7 Nugroho Dian Purnama Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok Telp: (021) 78881112
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
Lebih terperinciCOUNTING SPERMA AKTIF MENGGUNAKAN METODE OTSU THRESHOLD DAN LOCAL ADAPTIVE THRESHOLD
Teknika : Engineering and Sains Journal Volume 1, Nomor 1, Juni 017, 47-54 ISSN 579-54 online ISSN 580-4146 print COUNTING SPERMA AKTIF MENGGUNAKAN METODE OTSU THRESHOLD DAN LOCAL ADAPTIVE THRESHOLD Moch.
Lebih terperinciSCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING
SCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING Erick Alfons Lisangan Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Alamat email : erick_lisangan@lecturer.uajm.ac.id
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 terperinci