TEKNIK PENGOLAHAN CITRA. Kuliah 5 Neighboorhood Processing. Indah Susilawati, S.T., M.Eng.

Ukuran: px
Mulai penontonan dengan halaman:

Download "TEKNIK PENGOLAHAN CITRA. Kuliah 5 Neighboorhood Processing. Indah Susilawati, S.T., M.Eng."

Transkripsi

1 TEKNIK PENGOLAHAN CITRA Kuliah 5 Neighboorhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 205

2 KULIAH 5 TEKNIK PENGOLAHAN CITRA NEIGHBOURHOOD PROCESSING Pada operasi titik, citra dimodifikasi dengan menerapkan suatu fungsi pada setiap nilai piksel. Neigbourhood processing dapat dipandang sebagai perluasan dari operasi pengolahan titik, dimana fungsi diterapkan pada sejumlah piksel yang bertetangga. Neigbourhood processing dilakukan dengan menggeser sebuah mask (yang dapat berbentuk segiempat atau bentuk lain) pada citra yang akan diolah. Dengan demikian dapat diperoleh citra baru yang piksel-pikselnya dihitung dari nilai pikselpiksel citra yang berada di bawah mask, lihat gambar berikut. Mask juga sering disebut sebagai window. Mask atau window berukuran 3x5, piksel dengan posisi di pusat mask (yaitu posisi (x,y)) diubah menjadi nilai lain sesuai dengan fungsi yang digunakan. Kombinasi antara mask dan fungsi disebut filter (tapis). Jika fungsinya linear maka disebut filter linear. Sebuah filter linear dapat diimplementasikan dengan mengalikan semua elemen pada mask dengan elemen-elemen yang bersesuaian pada piksel yang 2

3 bertetangga, dan kemudian menjumlahkan hasilnya. Misalnya mask yang digunakan berbentuk segiempat 3 x 5 piksel sbb. Dan nilai-nilai piksel yang bersesuaian pada citra adalah Kemudian dikalikan dan dijumlahkan. s 2 t2 m (s,t)p (i s, j t) (5.) 3

4 Dengan demikian dibutuhkan tiga langkah dalam filtering, yaitu:. menempatkan mask pada piksel yang akan diproses, 2. mengalikan elemen-elemen pada mask dengan elemen yang bersesuaian pada piksel-piksel tetangga pada citra, 3. menjumlahkan seluruh hasil perkalian. Ketiga langkah di atas dilakukan untuk semua piksel pada citra input. Diagram berikut mengilustrasikan proses spatial filtering tsb. Operasi yang sejenis dengan spatial filtering adalah konvolusi. Metode yang diterapkan dalam konvolusi sama dengan yang diterapkan dalam spatial filtering, namun filter diputar 80 terlebih dahulu sebelum proses perkalian dan penjumlahan. 4

5 Dengan notasi yang sama dengan yang digunakan sebelumnya, maka output konvolusi dengan mask 3 x 5 untuk piksel tunggal adalah s 2 t2 m (-s,-t) p (i s, j t) Hasil yang sama dapat diperoleh dengan s 2 t2 m (s,t) p (i s, j t) (5.2) (5.3) Pada persamaan yang terakhir, piksel citra diputar 80; sehingga diperoleh hasil yang sama dengan persamaan sebelumnya. Konvolusi menjadi penting dalam pembahasan transformasi Fourier dan teori konvolusi. Dalam prakteknya, sebagian besar mask filter adalah simetris terhadap putaran (rotationally symmetric) sehingga spatial filtering dan konvolusi akan menghasilkan output yang sama. Contoh Satu filter linear yang penting adalah dengan menggunakan mask 3 x 3 dan mengambil rerata dari semua nilai yang tercakup dalam mask. Nilai rerata ini akan menjadi nilai aras keabuan pada citra output. Operasinya dapat dijelaskan sbb. Dimana a sampai dengan i adalah nilai piksel pada citra input, dan rerata aras keabuan akan menjadi piksel citra output pada posisi piksel yang sama yaitu posisi piksel e. 5

6 Misalnya citra yang piksel-pikselnya sbb Maka piksel-piksel yang bertetangga pada sudut kanan atas adalah dan reratanya adalah, dan dapat dibulatkan menjadi (Ini akan menjadi piksel citra output pada posisi (2,2)). Selanjutnya piksel-piksel bertetangga yang kedua adalah 6

7 dan reratanya adalah 08,888 dan dapat dibulatkan menjadi 08 atau 0. (Ini akan menjadi piksel citra output pada posisi (2,3)). Dengan melakukan operasi yang sama untuk seluruh piksel pada citra, maka diperoleh hasil sbb. contoh_rerata.m Contoh implementasi dalam Matlab untuk filter rerata 3x3 pada matriks 5x5. 7

8 8 Cara yang mudah untuk menggambarkan filter linear adalah dengan menggunakan koefisien-koefisien untuk semua nilai aras keabuan piksel dalam mask. Untuk filter di atas, output filter dapat dinyatakan sbb. i) h g f e d c b (a (5.4) Sehingga filter dapat dinyatakan dengan matriks sbb. rerata.m pererata.m Contoh Sebuah filter HPF_2.m Akan bekerja pada piksel-piksel sbb. Batas atau tepi citra (edges of the image) merupakan suatu hal yang harus diselesaikan dalam operasi filtering, misalnya bagaimana jika sebagian mask berada di luar citra. Perhatikan gambar berikut.

9 Pendekatan untuk menyelesaikan hal ini adalah. Tidak mempedulikan batas atau tepi citra. Dalam hal ini, mask hanya diaplikasikan pada piksel-piksel pada citra dimana seluruh mask berada dalam citra. Pendekatan ini menghasilkan citra output yang ukurannya lebih kecil daripada citra input. Jika ukuran mask sangat besar, akan menyebabkan sejumlah besar informasi menjadi hilang. Pada contoh yang telah dibahas di atas, digunakan pendekatan jenis ini. 2. Tambahkan piksel-piksel dengan nilai 0 (Pad with zeroes) Dalam pendekatan ini, diasumsikan bahwa semua piksel yang berada di luar citra mempunyai nilai aras keabuan nol. Pendekatan ini menghasilkan citra output yang ukurannya sama dengan citra input, namun kadang mempunyai pengaruh pada batas-batas tepi citra. Filtering Menggunakan Matlab Matlab menyediakan fungsi untuk melakukan linear filtering, yaitu fungsi filter2.m dengan sintaks filter2 (filter, image, shape ) Parameter shape bersifat opsional, digunakan untuk mendefinisikan metode atau pendekatan untuk menangani batas atau tepi citra, yaitu: filter2 (filter, image, same ) Merupakan default Matlab; menghasilkan matriks yang sama ukurannya dengan matiks citra input. Digunakan padding dengan nilai nol.

10 filter2 (filter, image, valid ) Hanya mengaplikasikan filter pada piksel-piksel di dalam citra saja, tidak mempedulikan piksel-piksel pada batas atau tepi citra. Ukuran citra output lebih kecil daripada citra input. filter2 (filter, image, full ) Menghasilkan matriks yang ukurannya lebih besar daripada matiks citra input. Digunakan padding dengan nilai nol, dan diterapkan pada semua wilayah dimana masih terdapat overlap antara citra dan filter. Contoh >> a = ones(3,3)/ a = >> x = magic(5) x = >> s = filter2(a, x, 'same') s = >> v = filter2(a, x, 'valid') f =

11 >> f = filter2(a, x, 'full') f = Tidak ada pendekatan tunggal yang terbaik dalam hal memilih jenis filter, pemilihan harus disesuaikan dengan permasalahan yang dihadapi (problem dependent) dan hasil yang diinginkan. Filter yang akan digunakan dapat dibuat sendiri atau dapat pula menggunakan fungsi fspecial.m; yang menyediakan beberapa pilihan filter termasuk diantaranya filter pe-rerata (average). Contoh >> fspecial ( average, [5,7]) membuat filter pe-rerata ukuran 5 x 7 >> fspecial ( average, ) membuat filter pe-rerata ukuran x Jenis-jenis filter yang dapat dipilih antara lain adalah. 'average' averaging filter 2. 'disk' circular averaging filter 3. 'gaussian' Gaussian lowpass filter 4. 'laplacian' filter approximating the 2-D Laplacian operator 5. 'log' Laplacian of Gaussian filter 6. 'motion' motion filter 7. 'prewitt' Prewitt horizontal edge-emphasizing filter 8. 'sobel' Sobel horizontal edge-emphasizing filter. 'unsharp' unsharp contrast enhancement filter

12 Contoh clear all; clc; I = imread ('cameraman.tif'); f = fspecial ('average',[5,5]); If = filter2 (f,i); subplot (,2,), imshow (I) title ('citra input') subplot (,2,2), imshow (mat2gray(if)) title ('citra output') citra input citra output Filtering Menggunakan Scilab Scilab memmpunyai fungsi-fungsi untuk melakukan filtering citra dalam domain spasial, antara lain fungsi: - imfilter - filter2 - fspecial dengan beberapa pilihan jenis filter dan dimungkinkan untuk membentuk filter sendiri. 2

13 Tugas : pelajari sintaks ke-3 fungsi untuk filtering di atas, lakukan filtering dengan ke-3 fungsi tsb untuk citra cameraman.bmp (pilihan jenis filter bebas). Filter pe-rerata akan mengaburkan citra, makin besar ukuran filter maka citra cenderung makin kabur. Dengan menggunakan filter berukuran besar maka dapat terlihat jelas pengaruh padding dengan nilai nol di sekelilling tepi atau batas citra. Perhatikan hasil filtering dengan filter pe-rerata ukuran 5 x 5 berikut. citra input citra output Filter pe-rerata penting dalam permasalahan-permasalahan di mana aspek citra yang menjadi perhatian adalah bukan detail citra, misalnya pengamat hanya tertarik pada berapa jumlah objek yang ada pada citra, atau hanya tertarik pada luas daerah gelap dan daerah terang pada citra. Separable Filter Beberapa filter dapat diimplementasikan sebagai dua filter yang lebih sederhana secara berurutan. Misalnya, oleh karena 3

14 (5.5) maka filter pe-rerata 3 x 3 dapat diimplementasikan dengan menerapkan filter 3 x, kemudian diikuti dengan menerapkan filter x 3 pada hasil filtering yang pertama. Dengan demikian maka dikatakan bahwa filter pe-rerata dapat dibagi (separable) menjadi dua filter yang lebih kecil. Separabilitas menghasilkan penghematan waktu pengolahan. Misalkan filter n x n dapat dibagi menjadi 2 filter ukuran n x dan x n. Penerapan filter n x n membutuhkan sejumlah n 2 perkalian dan (n 2 ) penjumlahan untuk setiap piksel citra. Dengan menggunakan filter n x, hanya dibutuhkan sejumlah n perkalian dan (n ) penjumlahan. Karena dilakukan dua kali, jumlah total operasi yang dibutuhkan adalah 2n perkalian dan 2(n ) penjumlahan. Jika n cukup besar, maka penghematan waktu pengolahan bisa menjadi pertimbangan tersendiri. Semua filter pe-rerata merupakan filter yang separable. Filter yang lain yang separable adalah filter laplacian, (5.5) LPF dan HPF Secara garis besar, frekuensi dari sebuah citra merupakan ukuran besarnya perubahan nilai aras keabuan terhadap jarak. Komponen frekuensi tinggi dicirikan dengan adanya perubahan nilai aras keabuan yang besar pada jarak yang dekat; contoh komponen frekuensi tinggi adalah tebing (edges) dan derau (noise). 4

15 Komponen frekuensi rendah dicirikan dengan perubahan yang kecil pada nilai aras keabuan, termasuk di dalamnya misalnya latar belakang (background). Dengan demikian maka, HPF akan melewatkan komponen frekuensi tinggi dan mengurangi atau menghilangkan komponen frekuensi rendah. LPF akan melewatkan komponen frekuensi rendah dan mengurangi atau menghilangkan komponen frekuensi tinggi. Sebagai contoh, filter pe-rerata adalah LPF karena cenderung membuat citra menjadi kabur (tebing-tebing citra menjadi hilang atau kabur). Contoh filter HPF adalah Pada contoh filter HPF di atas, jumlah semua elemen dalam matriks adalah nol. Hal ini berarti bahwa pada bagian citra yang berfrekuensi rendah (yaitu nilai aras keabuannya hampir sama) maka hasil filtering akan mendekati nol. Contoh 5

16 Terlihat bahwa hasil filtering mempunyai nilai yang mendekati nol. Untuk menangani hasil filtering yang nilainya di luar aras keabuan yang ada (yaitu 0 255) dapat digunakan pendekatan sbb.. Membuat nilai negatif menjadi positif. Pendekatan ini memang menyelesaikan permasalahan adanya nilai negatif pada hasil filtering tetapi tidak mengatasi masalah jika ada nilai di atas 255. Sehingga pendekatan ini hanya digunakan dalam keadaan yang khusus saja, misalnya saat hanya terdapat beberapa nilai negatif saja dan nilai tersebut dekat dengan nol. 2. Memotong nilai (Clip values) Pendekatan ini menerapkan operasi pengambangan (thresholding) pada nilai aras keabuan hasil filtering sehingga nilainya berada pada rentang HPF_2.m (5.6) 3. Penyekalaan (scaling transformation) Misalkan nilai aras keabuan hasil filtering berada pada rentang g L g H dengan g L adalah nilai terendah dan g H adalah nilai tertinggi. Maka semua nilai pada rentang g L g H tersebut dapat ditransformasikan ke rentang menggunakan transformasi linear sbb. 6

17 Oleh karena gradien garis linear di atas adalah 255 / (g H g L ), maka persamaan garis transformasi dapat dinyatakan sbb. (5.7) Contoh (dalam Matlab) clear all; clc; I = imread ('cameraman.tif'); f = [ -2 ;-2 4-2; -2 ]; fi = filter2(f, I); maks = max(fi(:)) mins = min(fi(:)) fi2 = (fi - mins)/(maks - mins); % terskala fi3 = fi/60; % terskala 2 subplot (,3,), imshow (I) title ('citra input') subplot (,3,2), imshow (fi2) title ('ouput HPF terskala ') subplot (,3,3), imshow (fi3) title ('ouput HPF terskala 2') citra input ouput HPF terskala ouput HPF terskala 2 7

18 HPF atau filter lolos tinggi sangat penting dalam deteksi tebing dan peningkatan tebing (edge detection and edge enhancement). Tebing-tebing pada citra dicirikan atau ditandai dengan perubahan yang mencolok (besar) pada nilai aras keabuannya. Contoh HPF yang lain adalah filter laplacian dan filter log. Contoh (dalam Matlab) >> f = fspecial ('laplacian') f = >> f2 = fspecial ('log') f2 = Contoh (dalam Matlab) clear all; clc; I = imread ('cameraman.tif'); f = fspecial('laplacian'); f2 = fspecial('log'); I = filter2(f,i); I2 = filter2(f2,i); subplot (,3,), imshow (I) title ('citra input') subplot (,3,2), imshow (I/00) 8

19 title ('ouput HPF Laplacian') subplot (,3,3), imshow (I2/00) title ('ouput HPF Log') citra input ouput HPF Laplacian ouput HPF Log Tugas: Implementasikan filter rerata (halaman 8) untuk neighborhood atau mask sebagai berikut menggunakan citra cameraman.tif. Submit via web fti.umby paling lambat Rabu, 2 Oktober 205 dengan subject citra-el#5. Hindari mengkopas hasil karya orang lain, kesamaan minimal 40% akan dieliminasi. a. Mask ukuran 5x3 untuk mahasiswa kelas 2 bernomor genap b. Mask ukuran 5x5 untuk mahasiswa kelas 2 bernomor ganjil c. Mask ukuran 5x7 untuk mahasiswa kelas 22 bernomor genap d. Mask ukuran 7x5 untuk mahasiswa kelas 22 bernomor ganjil

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

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

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 5 Edge Sharpening. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 5 Edge Sharpening. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 5 Edge Sharpening Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 9 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 9 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 9 Filtering in Frequency Domain Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer Universitas

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 8 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 8 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 8 Filtering in Frequency Domain Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas

Lebih terperinci

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

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

Lebih terperinci

TEKNIK 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. 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 terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu

Lebih terperinci

PEMFILTERAN SPASIAL LINIER DALAM MENINGKATKAN KUALITAS CITRA

PEMFILTERAN SPASIAL LINIER DALAM MENINGKATKAN KUALITAS CITRA ISSN : 1978-6603 PEMFILTERAN SPASIAL LINIER DALAM MENINGKATKAN KUALITAS CITRA Dian Wirdasari * 1, Trinanda Syaputra #, Herriyance* 3 *1,3 Program Studi Ilmu Komputer, Universitas Sumatera Utara, # STMIK

Lebih terperinci

Konvolusi. Esther Wibowo Erick Kurniawan

Konvolusi. Esther Wibowo Erick Kurniawan Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 8 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 2 Point Processing. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 2 Point Processing. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 2 Point Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana

Lebih terperinci

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

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

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 10 Removal of Periodic Noise Dan Segmentasi

TEKNIK PENGOLAHAN CITRA. Kuliah 10 Removal of Periodic Noise Dan Segmentasi 1 TEKNIK PENGOLAHAN CITRA Kuliah 10 Removal of Periodic Noise Dan Segmentasi Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas

Lebih terperinci

Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial

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

Lebih terperinci

MKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017

MKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017 MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Genap 2016/2017 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah (Lowpass Filter) Filter Lolos-Tinggi

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 9 Removal of Periodic Noise. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 9 Removal of Periodic Noise. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 9 Removal of Periodic Noise Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu

Lebih terperinci

Spatial Filtering Dengan Teknik Operasi Konvolusi

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

Lebih terperinci

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL Copyright @ 27 by Emy 2 Kompetensi Mampu mengimplementasikan teknik-teknik untuk memperbaiki kualitas citra sehingga citra yang dihasilkan

Lebih terperinci

AREA PROCESS. Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel

AREA PROCESS. Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel AREA PROCESS Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel Topik Bahasan Konvolusi (convolution) Filtering (nonmask convolution) Filter Morfologis 3.1

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 14 Pemrosesan Warna. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 14 Pemrosesan Warna. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 14 Pemrosesan Warna Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2014

Lebih terperinci

7.7 Pelembutan Citra (Image Smoothing)

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

Lebih terperinci

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 10 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 10 Mathematical Morphology. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 10 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu

Lebih terperinci

Batra Yudha Pratama

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

Lebih terperinci

Histogram. Peningkatan Kualitas Citra

Histogram. Peningkatan Kualitas Citra Histogram Peningkatan Kualitas Citra Representasi Image 1 bit 8 bits 24 bits Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. Histogram dari image digital

Lebih terperinci

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc

Pertemuan 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 terperinci

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

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

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

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

Lebih terperinci

Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016

Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah

Lebih terperinci

Operasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan

Operasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan KONVOLUSI Informatics Eng. - UNIJOYO log.i Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan Citra ideal: korespondensi satu-satu sebuah titik pada obyek yang dicitrakan

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 11 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 11 Mathematical Morphology. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 11 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 2 x 3x 50 Menit Pertemuan : 10&11 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016

1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016 1. TRANSLASI OPERASI GEOMETRIS Rumus translasi citra x = x + m y = y + n dimana : m = besar pergeseran dalam arah x n = besar pergeseran dalam arah y 4/2/2016 1 TRANSLASI 2. ROTASI Jika citra semula adalah

Lebih terperinci

Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005

Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005 Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image

Lebih terperinci

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

Klasifikasi 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 terperinci

Edge adalah batas antara dua daerah dengan nilai gray-level yang relatif berbeda atau dengan kata lain edge

Edge adalah batas antara dua daerah dengan nilai gray-level yang relatif berbeda atau dengan kata lain edge Definisi Edge Edge adalah batas antara dua daerah dengan nilai gra-level ang relatif berbeda atau dengan kata lain edge merupakan tempat-tempat ang memiliki perubahan intensitas ang besar dalam jarak ang

Lebih terperinci

ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR

ALGORITMA 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 terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN 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 terperinci

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

ANALISIS 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 terperinci

Kuantisasi Gray Level untuk Enhancement Citra

Kuantisasi Gray Level untuk Enhancement Citra Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Kuantisasi Gray Level untuk Enhancement Citra Content: 1. Definisi 2. Ketetanggaan Citra 3. Operator T 4. Transformasi Gray Level

Lebih terperinci

Pendahuluan. Dua operasi matematis penting dalam pengolahan citra :

Pendahuluan. Dua operasi matematis penting dalam pengolahan citra : KONVOLUSI Budi S Pendahuluan Dua operasi matematis penting dalam pengolahan citra : Operasi Konvolusi (Spatial Filter/Discret Convolution Filter) Transformasi Fourier Teori Konvolusi Konvolusi 2 buah fungsi

Lebih terperinci

BAB 3 IMPLEMENTASI SISTEM

BAB 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 terperinci

Analisa 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 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 terperinci

Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel

Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Sri Enggal Indraani, Ira Dhani Jumaddina, Sabrina Ridha Sari Sinaga (enggal24@gmail.com, Ira.dhani5393@gmail.com,

Lebih terperinci

BAB II Tinjauan Pustaka

BAB II Tinjauan Pustaka BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,

Lebih terperinci

10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)

10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) 0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan

Lebih terperinci

Modifikasi Histogram

Modifikasi Histogram Modifikasi Histogram Ekualisasi histogram Nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya seragam Tujuannya untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan

Lebih terperinci

BAB I PENDAHULUAN. menganalisis citra menggunakan bantuan komputer yang bertujuan untuk

BAB I PENDAHULUAN. menganalisis citra menggunakan bantuan komputer yang bertujuan untuk BAB I PENDAHULUAN A. Latar Belakang Citra (gambar) adalah suatu representasi, kemiripan, atau imitasi dari suatu objek (Annisa, 2010). Citra mengandung informasi tentang objek yang direpresentasikan. Sehingga

Lebih terperinci

DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS

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

Lebih terperinci

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2 Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi

Lebih terperinci

GLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness

GLOSARIUM 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL 1. Pendahuluan Citra / gambar merupakan hal yang vital dan menjadi bagian integral dari kehidupan sehari-hari. Pada kepentingan tertentu,

Lebih terperinci

Yudi Ahmad Hambali Pendahuluan. Area Process. Lisensi Dokumen:

Yudi Ahmad Hambali Pendahuluan. Area Process. Lisensi Dokumen: Aplikasi Area Process Berbasis C# menggunakan Visual Studio Yudi Ahmad Hambali yudihambali@yahoo.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui tahapan awal didalam sebuah sistem pendeteksian filter sobel. Didalam aplikasi filter sobel ini

Lebih terperinci

BAB II LANDASAN TEORI. mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision).

BAB II LANDASAN TEORI. mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision). BAB II LANDASAN TEORI Computer vision adalah suatu ilmu di bidang komputer yang dapat membuat mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision). Terdapat beberapa klasifikasi

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 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 terperinci

APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB

APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB PUJI LESTARI 41512010061 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI TAPIS LOLOS RENDAH

Lebih terperinci

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

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

Lebih terperinci

Pengolahan Citra Berbasis Deteksi Tepi Prewitt Pada Gambar Gigi Manusia Image Processing Based On Prewitt Edge Detection For Human Dental Image

Pengolahan Citra Berbasis Deteksi Tepi Prewitt Pada Gambar Gigi Manusia Image Processing Based On Prewitt Edge Detection For Human Dental Image EKSPLORA INFORMATIKA 98 Pengolahan Citra Berbasis Deteksi Tepi Prewitt Pada Gambar Gigi Manusia Image Processing Based On Prewitt Edge Detection For Human Dental Image Andi Pranata 1, Erna ZuniAstuti 2

Lebih terperinci

BAB II TI JAUA PUSTAKA

BAB II TI JAUA PUSTAKA BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi

Lebih terperinci

Peningkatan Mutu Citra (Image Enhancement) pada Domain Spasial

Peningkatan Mutu Citra (Image Enhancement) pada Domain Spasial Peningkatan Mutu Citra (Image Enhancement) pada Domain Spasial Kuliah ke-3 Program Studi S Reguler Departemen Teknik Elektro, FTUI Slides 29 Tujuan Peningkatan Mutu Citra (image enhancement) Tujuan: melakukan

Lebih terperinci

MAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 )

MAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) MAKALAH PENGOLAHAN CITRA DIGITAL ( Histogram Citra ) Disusun Oleh : Nama : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) Jurusan : Tehnik Informatika ( Semester VI ) Kampus : STIMIK HIMSYA

Lebih terperinci

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA ABDUL AZIS, M.KOM

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA ABDUL AZIS, M.KOM PENGOLAHAN CITRA 1 Prinsip Enhancement Pemrosesan sebuah image sehingga hasil yang didapat bersifat lebih sesuai untuk digunakan pada aplikasi tertentu dibandingkan dengan image a s l i n y a. Kesesuaian

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses

Lebih terperinci

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

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

Lebih terperinci

MATHunesa (Volume 3: No 2) 2014

MATHunesa (Volume 3: No 2) 2014 APLIKASI DETEKSI TEPI SOBEL UNTUK IDENTIFIKASI TEPI CITRA MEDIS Mochamad Nor Cholis Jurusan Matematika, FMIPA, Universitas Negeri Surabaya, email : cholis029@gmail.com Yusuf Fuad Jurusan Matematika, FMIPA,

Lebih terperinci

DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL

DEKOMPOSISI 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 terperinci

SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT

SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT Ardi Satrya Afandi art_dhi@yahoo.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl.

Lebih terperinci

BAB IV ANALISA DAN PERANCANGAN

BAB IV ANALISA DAN PERANCANGAN BAB IV ANALISA DAN PERANCANGAN Bab ini berisi pembahasan mengenai analisa dan perancangan program image sharpening dengan menggunakan Matlab GUI. Analisa bertujuan untuk mengidentifikasi masalah, mengetahui

Lebih terperinci

Operasi Ketetanggaan Piksel. Setelah bab ini berakhir, diharapkan pembaca mendapatkan pengetahuan mengenai hal-hal berikut dan cara mempraktikkannya.

Operasi Ketetanggaan Piksel. Setelah bab ini berakhir, diharapkan pembaca mendapatkan pengetahuan mengenai hal-hal berikut dan cara mempraktikkannya. BAB 4 Operasi Ketetanggaan Piksel Setelah bab ini berakhir, diharapkan pembaca mapatkan pengetahuan mengenai hal-hal berikut dan cara mempraktikkannya. Pengertian operasi ketetanggaan piksel Pengertian

Lebih terperinci

ANALISIS SISTEM PENDETEKSI POSISI PLAT KENDARAAN DARI CITRA KENDARAAN

ANALISIS SISTEM PENDETEKSI POSISI PLAT KENDARAAN DARI CITRA KENDARAAN ANALISIS SISTEM PENDETEKSI POSISI PLAT KENDARAAN DARI CITRA KENDARAAN I Dewa Gede Aditya Pemayun 1, Widyadi Setiawan 2, Ngurah Indra ER 3 1 Mahasiswa Jurusan Teknik Elektro, Fakultas Teknik Universitas

Lebih terperinci

Peningkatan Kualitas Citra. Domain Spasial

Peningkatan Kualitas Citra. Domain Spasial Peningkatan Kualitas Citra Domain Spasial 2 Tujuan Perbaikan Citra Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif lebih

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

KULIAH 9 FILTER DIGITAL

KULIAH 9 FILTER DIGITAL KULIAH 9 FILTER DIGITAL TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu

Lebih terperinci

DETEKSI TEPI CITRA BIDANG KEDOKTERAN DALAM KAWASAN ALIHRAGAM POWERLAW

DETEKSI TEPI CITRA BIDANG KEDOKTERAN DALAM KAWASAN ALIHRAGAM POWERLAW DETEKSI TEPI CITRA BIDANG KEDOKTERAN DALAM KAWASAN ALIHRAGAM POWERLAW Muhammad Kusban Staf Pengajar T. Elektro Universitas Muhammadiyah Surakarta E-mail: muhammadkusban@gmail.com Abstrak Deteksi tepi digunakan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bagian ini akan dijelaskan teori-teori yang akan digunakan pada saat penelitian. Teori yang dibahas meliputi teori-teori tentang bagaimana menggabungkan beberapa citra dan pengertian

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :

(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 terperinci

KULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA

KULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA KULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA Informasi penting mengenai isi citra digital dapat diketahui dengan membuat histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran

Lebih terperinci

Image Filtering. Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005

Image Filtering. Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005 Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

PERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE

PERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE PERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE Ayu Leonitami, Noor Aziza Arifani 2, Retno Dewi Anissa 3, Sari Narulita Hantari 4, Widya Wulaningsuci 5 Informatika/Ilmu Komputer,

Lebih terperinci

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran

Lebih terperinci

Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital

Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo

Lebih terperinci

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

PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui

Lebih terperinci

BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL

BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL 3.1 Tepi Objek Pertemuan antara bagian obyek dan bagian latar belakang disebut tepi obyek. Dalam pengolahan citra, tepi obyek

Lebih terperinci

PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN

PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN 1) Merly Indira 2) Eva Yuliana 3) Wahyu Suprihatin 4) Bertalya Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl.

Lebih terperinci

Kuliah 8 KONVOLUSI DAN KORELASI

Kuliah 8 KONVOLUSI DAN KORELASI TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 8 KONVOLUSI DAN KORELASI Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara

BAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara BAB 1 PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang penelitian dibuat, rumusan masalah, batasan masalah yang akan dibahas, tujuan penelitian, manfaat penelitian, metodologi penelitian yang

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci