Histogram Warna Pada Image
|
|
- Teguh Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Histogram Warna Pada Image
2 Konsep Ruang Warna P(r,g,b) Setiap pixel mempunyai warna yang dinyatakan dalam RGB, sehingga merupakan gabungan nilai R, nilai G dan nilai B yang tidak bisa dipisahkan satu dengan lainnya. Hal ini dapat dituliskan dengan P(r,g,b)
3 Konsep Warna Pada Image [5] (255,0,0) P=[1,5,9,10,15] P=[4,8] P=[13,14] P=[2,3] [2] [2] (255,255,0) (255,255,255) P=[7] P=[6,11,16] [3] (0,255,0) [1] [1] (0,0,255) (128,128,128) P=[12] [2] (255,0,255)
4 Histogram Warna Histogram [5] (255,0,0) 1 0 [2] (255,255,0) Merah Kuning Putih Hijau Biru Abu-abu Magenta [2] (255,255,255) [3] [1] [1] [2] (0,255,0) (0,0,255) (128,128,128) (255,0,255) ( I( x, y k) H ( k) = ) = y x Histogram warna ke k adalah jumlah pixel yang mempunyai warna k
5 Normalisasi Histogram N image b g r H b g r P ),, ( ),, ( = Merah Kuning Putih Hijau Biru Abu-abu Magenta )},, ( { ),, ( ),, ( b g r H Max b g r H b g r P = Merah Kuning Putih Hijau Biru Abu-abu Magenta Histogram Merah Kuning Putih Hijau Biru Abu-abu Magenta Probability Density Function Norm Histogram
6 Persoalan Dalam Histogram Warna Setiap pixel mempunyai 3 nilai derajat keabuan R,G, dan B yang komposisinya menghasilkan sebuah warna.dengan demikian untuk menyatakan sebuah warna maka harus dinyatakan lengkap w=(r,g,b). Persoalan yang muncul adalah dimensi yang dihasilkan selalu lebih besar dari 1 (Dimensi RGB=3). Bila masingmasing komponen mempunyai derajat keabuan 256 maka jumlah warna yang dihasilkan adalah 256 3! Untuk dapat menyajikan komponen warna yang lebih sederhana diperlukan beberapa teknik histogram antara lain: Histogram R-G-B Histogram indeks Histogram segmen Histogram derajat Hue
7 Histogram RGB Bila masing-masing komponen R, G dan B mempunyai H(r), H(g) dan H(b) maka H=[H(r) H(g) H(b)] Histogram ini sangat sederhana tetapi mempunyai banyak kelemahan dalam menyatakan fitur warna
8 Contoh Histogram R-G-B Derajat keabuan =256 Derajat keabuan =16
9 Warna Sebagai Index Merah 0 s/d 255 Hijau 0 s/d 255 Biru 0 s/d 255 Merah 0 s/d 15 Hijau 0 s/d 15 Biru 0 s/d Jumlah Index = Jumlah Index = 16 3
10 Histogram Indeks Histogram indeks secara langsung mengimplementasikan format warna RGB 3 dimensi dan dituliskan dengan H(r,g,b). Agar histogram indeks ini bisa disajikan maka perlu dilakukan pengurangan kuantisasi nilai derajat keabuan pada masing-masing komponen warna, misalkan dengan kuantisasi 4, 8 atau 16. Histogram ini sudah cukup bagus untuk dapat digunakan sebagai fitur warna.
11 Contoh Histogram Indeks Derajat keabuan =4 Derajat keabuan =8
12 Histogram Segmentasi Histogram ini memanfaatkan proses segmentasi warna sebelum pada akhirnya setiap segmen diberi indeks. Beberapa proses segmentasi yang bisa dimanfaatkan untuk histogram ini Segmentasi menggunakan kemiripan (jarak) dari warna acuan yang ditentukan Segmentasi menggunakan teknik-teknik klasifikasi Segmentasi menggunakan teknik-teknik clustering
13 Histogram Dengan Warna Acuan
14 Histogram Hue-Index Menggunakan nilai Hue sebagai ganti dari RGB karena nilai Hue menyatakan warna alami tanpa memperhatikan pencahayaan. Nilai Hus diperoleh dari proses konversi RGB ke HSV
15 Contoh Histogram Hue Index
16 Contoh Implementasi Identifikasi Kematangan Buah Tomat Tahap 1 Hijau Tahap 2 Campur Tahap 3 Merah
17 Contoh Implementasi Identifikasi Kematangan Buah Tomat Data Training Histogram Hue Index H(i) Fitur General G(i) Menggunakan Histogram Interseksi Fitur Spesifik F(i)=H(i)-G(i) Fitur General Fitur Spesifik Gambar Test Histogram Hue Index H (i) Fitur Spesifik F (i)=h (i)-g(i) Matching Informasi Kematangan
18 Contoh Implementasi Identifikasi Kematangan Buah Tomat Histogram Hue Index belum dapat menunjukkan perbedaan signifikan dari ketiga fase di atas, karena adanya background
19 Contoh Implementasi Identifikasi Kematangan Buah Tomat Histogram Hue Index Fitur general hasil dari histogram interseksi Fitur general adalah fitur yang ada di semua gambar (seperti background), ini tidak baik untuk identifikasi. Untuk identifikasi gunakan fitur spesifik setiap gambar.
20 Contoh Implementasi Identifikasi Kematangan Buah Tomat Fitur spesifik F=H-G dapat menunjukkan perbedaan yang signifikan dari ketiga fase kematangan.
21 Contoh Implementasi Identifikasi Kematangan Buah Tomat
22 Contoh Implementasi Identifikasi Kematangan Buah Tomat
23 Contoh Implementasi Identifikasi Kematangan Buah Tomat
IMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciDeteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri
Thresholding Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri Deteksi Warna Mendeteksi adanya warna-warna tertentu Menentukan posisi pixel dengan warna yang ditentukan Aplikasi: Deteksi rambu-rambu
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciAplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006
Aplikasi Pengolahan Citra DETEKSI WARNA PENS-ITS, 26 Des 2006 Materi Format Warna RGB r-gcolor Normalized RGB HSV YCrCb TSL Deteksi Warna Static Threshold Distance Threshold Dynamic Threshold Format Warna
Lebih terperinciBAB IV ANALISA HASIL SISTEM. Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server
75 BAB IV ANALISA HASIL SISTEM 4.1 UMUM Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server Apache menggunakan PHP4-PHP5 dengan Apache2Triad sebagai tool dan matlab 6.1 sebagai
Lebih terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
Lebih terperinciCOLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP
Lebih terperinciPengolahan Citra Warna 1 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH
Pengolahan Citra Warna 1 Semester Genap 2010/2011 Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Outline Pengolahan warna penuh dan warna pseudo Penyajian
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciGambar 3.1 Contoh Citra yang digunakan
BAB III DATASET DAN RANCANGAN PENELITIAN Pada bab ini dijelaskan tentang dataset citra yang digunakan dalam penelitian ini serta rancangan untuk melakukan penelitian. 3.1 DATASET PENELITIAN Penelitian
Lebih terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciPENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING
PENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING Ahmad Zaky Maula 1, Cahya Rahmad 2, Ulla Delfana Rosiani 3 Program Studi Teknik
Lebih terperinciIV. HASIL DAN PEMBAHASAN
26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter
Lebih terperinciDAFTAR 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan studi (state of the art) Berikut penelitian yang telah dilakukan sebelumnya : 1. Penelitian dilakukan oleh Sigit Sugiyanto Feri Wibowo (2015), menjelaskan tentang klasifikasi
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih 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 II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi, khususnya Ilmu Komputer telah menghasilkan berbagai kemudahan yang tentunya semakin mempermudah manusia di dalam menangani tugas tugas / permasalahan
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciPENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK
Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciPRAKTIKUM 2. MATRIK DAN JENIS CITRA
PRAKTIKUM 2. MATRIK DAN JENIS CITRA 1. TUJUAN: Mahasiswa memahami konsep matriks dan berbagai jenis citra Mahasiswa memahami konsep threshold dan mampu menerapka konsep threshold di dalam script Mahasiswa
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciAdobe Photoshop CS3. Bagian 2 Bekerja dalam Photoshop
Adobe Photoshop CS3 Bagian 2 Bekerja dalam Photoshop Mengapa Photoshop? Adobe Photoshop adalah perangkat lunak yang menjadi standar dalam industri digital imaging. Sekarang, memiliki keahlian dalam menggunakan
Lebih terperinciBAB IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
Lebih terperinciDeteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV
Jati Sasongko Wibowo Program Studi Teknik Informatika, Universitas Stikubank email : jatisw@gmail.com Abstrak Dalam model HSV (Hue Saturation Value) ini digunakan untuk segmentasi warna kulit manusia dan
Lebih terperinciIndarto 1, Murinto 2, I. PENDAHULUAN. Kampus III UAD Jl.Dr.Soepomo, Janturan, Yogyakarta
Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS (Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
Lebih terperinciPraktikum. Jobsheet III. untuk Processing. B. Dasar Teori Ada dua mode dan HSB. (a) (b) HSB. Gambar 3.1. memperoleh. A. Tujuan
Praktikum Pemrosesan Sinyal @G4.206 Jobsheet III Warna RGB dan HSB A. Tujuan Mahasiswaa mampu menjelaskan penggunaan filter warna padaa OpenCV untuk Processing Mahasiswaa mampu mengoperasikann filter warna
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
Lebih terperinciTINJAUAN PUSTAKA. bagian dari kecerdasan buatan (berbasis pengetahuan) yang memungkinkan
II. TINJAUAN PUSTAKA A. Sistem Pakar Sistem pakar yang berbasis pengetahuan kecerdasan merupakan salah satu bagian dari kecerdasan buatan (berbasis pengetahuan) yang memungkinkan komputer dapat berpikir
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinci2.Landasan Teori. 2.1 Konsep Pemetaan Gambar dan Pengambilan Data.
6 2.Landasan Teori 2.1 Konsep Pemetaan Gambar dan Pengambilan Data. Informasi Multi Media pada database diproses untuk mengekstraksi fitur dan gambar.pada proses pengambilan, fitur dan juga atribut atribut
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciGrafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16
Pengolahan Citra : Representasi Citra Universitas Gunadarma 006 Pengolahan Citra : Representasi Citra /6 Representasi Citra dalam File (/3) Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar,
Lebih terperinciDIMENSI WARNA. DEDDY AWARD WIDYA LAKSANA, M.Pd
DIMENSI WARNA DEDDY AWARD WIDYA LAKSANA, M.Pd Warna panas: adalah kelompok warna dalam rentang setengah lingkaran di dalam lingkaran warna mulai dari merah hingga kuning Warna dingin, adalah kelompok
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Secara umum, citra digital merupakan gambar 2 dimensi yang disusun oleh data digital dalam bentuk sebuah larik (array) yang berisi
Lebih terperinciStudi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness
Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id
Lebih terperinciTeori Warna. S1 Tekinik Informatika. Disusun Oleh Dr. Lily Wulandari
Teori Warna S1 Tekinik Informatika Disusun Oleh Dr. Lily Wulandari 1 Sejarah Warna Pada tahun 1672 Sir Isaac Newton menemukan bahwa cahaya yang dilewatkan pada sebuah prisma akan terbagi menjadi berbagai
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciBAB III ANALISIS METODA
BAB III ANALISIS METODA Bab ini menjelaskan tahap analisis dan perancangan yang dilakukan dalam implementasi aplikasi dan metoda transformasi warna untuk buta warna. III.1 Analisis Transformasi Warna Saat
Lebih terperinciBAB I PENDAHULUAN. semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan teknologi informasi dan komunikasi yang semakin pesat, semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra akan
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciBy: Ahmad SYAUQI Ahsan
By: Ahmad SYAUQI Ahsan Warna Primer Kadang kita diajarkan bahwa warna primer adalah Merah, Kuning, dan Biru: Cukup bagus untuk mencampur cat. Namun tidak bagus untuk digunakan dalam mencampur cahaya Retina
Lebih terperinciGambar 4.1 Diagram Percobaan
BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang
Lebih terperinciAlat Koresi Warna & Tonal
BAB 4 Alat Koresi Warna & Tonal Keserasian warna dan tonal menjadi hal yang sangat penting dalam dunia desain grafis karena menentukan indah atau tidaknya sebuah gambar yang dibuat. Bukan saja untuk dunia
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciKory Anggraeni Kory.anggraeni@gmail.com
Histogram Citra Kory Anggraeni Kory.anggraeni@gmail.com Lisensi Dokumen: Copyright 2003-2007 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas
Lebih terperinciIII. METODOLOGI PENELITIAN
15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas
Lebih terperinciPengolahan Citra Berwarna
MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?
Lebih terperinciLaporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F
Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciAplikasi Teori Kombinatorial Dalam Penomeran Warna
Aplikasi Teori Kombinatorial Dalam Penomeran Warna Felix Terahadi - 13510039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciIDENTIFIKASI KERUSAKAN PANKREAS MELALUI IRIDOLOGY MENGGUNAKAN METODE BAYES UNTUK PENGENALAN DIABETES MELLITUS
IDENTIFIKASI KERUSAKAN PANKREAS MELALUI IRIDOLOGY MENGGUNAKAN METODE BAYES UNTUK PENGENALAN DIABETES MELLITUS Mochammad Rochmad Jurusan Elektronika Politeknik Elektronika Negeri Surabaya ITS Kampus PENS,
Lebih terperinciAPLIKASI IMAGE RETRIEVAL MENGGUNAKAN KOMBINASI METODE COLOR MOMENT DAN GABOR TEXTURE
APLIKASI IMAGE RETRIEVAL MENGGUNAKAN KOMBINASI METODE COLOR MOMENT DAN GABOR TEXTURE Arwin Halim 1, Hardy 2, Christina Dewi 3, Sulaiman Angkasa 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciKLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS
KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS Sigit Sugiyanto*, Feri Wibowo Program Studi Teknik Informatika
Lebih terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciBAB I PENDAHULUAN. mulai menopang kehidupan manusia. Teknologi merupakan sebuah hasil
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini kebutuhan akan teknologi semakin meningkat seiring dengan kemajuan dan perkembangan ilmu pengetahuan dan teknologi itu sendiri. Kemajuan teknologi dengan perkembangan
Lebih terperinciBAB II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinci2. TINJAUAN PUSTAKA 2.1 Telur Ayam Konsumsi
pemeriksaan terhadap ribuan telur. Dengan menggunakan alat yang secara otomatis dapat menentukan ukuran fisik sebuah telur, klasifikasi terhadap telur ayam dapat dilakukan dengan lebih cepat. Beberapa
Lebih terperinciBAB V PENGATURAN TAMPILAN DAN WARNA
BAB V PENGATURAN TAMPILAN DAN WARNA Pertemuan : 5 Waktu : 100 Menit Kompetensi Dasar : Mahasiswa dapat merancang antarmuka sesuai dengan paradigma IMK Indikator : Mahasiswa dapat mengatur tampilan dan
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciMendeteksi Kematangan Buah Tomat Menggunakan Fitur Warna Pada Citra. Achmad Basuki Politeknik Elektronika Negeri Surabaya 2013
Meteksi Kematangan Buah Tomat Menggunakan Fitur Warna Pada Citra Achmad Basuki Politeknik Elektronika Negeri Surabaya 2013 Data: 120 gambar 40 gambar tomat yang masih mentah (berwarna hijau) 40 gambar
Lebih terperinciBAB II DASAR TEORI Kajian Pustaka a. Algoritma Pengambilan Keputusan Pada Kiper Robot Sepak Bola [1]
BAB II DASAR TEORI Pada bab ini akan dibahas beberapa teori pendukung yang digunakan sebagai acuan dalam merealisasikan sistem. Teori-teori yang digunakan dalam pembuatan skripsi ini terdiri dari 2.1.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB V PEMBAHASAN UMUM
BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk
Lebih terperinciBAB 2 LANDASAN TEORI. Secara garis besar kita dapat menggambarkannya seperti pada blok diagram berikut ini: Proses Filter
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Digital Digital Image Processing atau biasa disebut dengan pengolahan citra digital adalah salah satu bidang ilmu pengetahuan yang dapat dikatakan berkembang sangat
Lebih terperinciMengenal Lebih Jauh Apa Itu Point Process
Mengenal Lebih Jauh Apa Itu Point Process Faisal Ridwan FaizalLeader99@yahoo.com Lisensi Dokumen: Copyright 2003-2007 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciStudi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik. Ibnu Alam
Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik Abstrak Ibnu Alam 13506024 Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl.
Lebih terperinciIDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA
IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen penting dalam dunia multimedia karena memiliki peranan penting dalam hal menyajikan suatu informasi dalam bentuk gambar
Lebih terperinciMengubah Citra Berwarna Menjadi Gray Scale dan Citra biner
Rina Candra Noor Santi, S.Pd, M.Kom Fakultas Teknologi Informasi, Universitas Stikubank Semarang email : r_candra_ns@yahoo.com Abstrak Proses awal yang banyak dilakukan dalam image processing adalah mengubah
Lebih terperinciBAB I PENDAHULUAN 1. Latar Belakang
BAB I PENDAHULUAN 1. Latar Belakang Dalam proses pemetaan secara fotogrametris, salah satu hal yang harus diatasi adalah masalah restitusi dua foto udara yang saling pertampalan sedemikian rupa sehingga
Lebih terperinciPengolahan Citra (Image Processing)
BAB II TINJAUAN TEORITIS 2.1 Citra (Image) Processing Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
Lebih terperinciPemanfaatan Kriptografi Visual untuk Pengamanan Foto pada Sistem Operasi Android
Pemanfaatan Kriptografi Visual untuk Pengamanan Foto pada Sistem Operasi Android Raka Mahesa - 13508074 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinci