PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL"

Transkripsi

1 MAKALAH SEMINAR TUGAS AKHIR PERIODE JUNI-JULI PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL Ana Wahyu Hakim 1, Handayani Tjandrasa 2, Bilqis Amalia 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS annawahyu@gmail.com 1, handatj@gmail.com 2, bilqis@if.its.ac.id 3 ABSTRAKSI Noise salt and pepper adalah bentuk noise yang biasanya terlihat titik-titik hitam dan putih pada citra yang disebabkan karena terjadinya error bit dalam pengiriman data, piksel-piksel yang tidak berfungsi maupun kerusakan pada lokasi memori. Filter median merupakan salah satu metode untuk perbaikan citra yang bertujuan untuk menghilangkan noise. Akan tetapi untuk wilayah yang lebih detail seperti pada edge dan texture filter median tidak dapat menjangkaunya atau bahkan pada kerapatan noise yang tinggi akan merusak piskel. Metode filter adaptive-hierarchical menghapus noise dengan estimasi true edge, sehingga tepi citra tidak rusak. Metode filter ini membedakan proses filtering terhadap piksel tepi dan piksel selain tepi, proses ini disebut dengan proses hierarchical edge detection (HED). Hasil dari uji coba menunjukkan bahwa dengan menggunakan metode filter adaptive-hierarchical, hasil filtering terhadap citra lebih tajam dan performa metode ini lebih baik dibandingkan dengan beberapa metode yang sudah ada. bisa menjangkau wilayah citra yang lebih detil. Hierarchical filter akan membentuk sebuah piramida citra [1]. Dari struktur piramida tersebut, informasi global citra secara efektif dapat dibedakan dengan noisenya. Piksel yang rusak akan berkurang pada level yang lebih tinggi karena proses resolusi dengan filter average. Proses pendeteksian dan penghapusan noise dirancang secara adaptif bergantung pada informasi global yang diperkirakan sebelumnya. Prosedur ini diterapkan secara iteratif untuk menghilangkan noise dan memelihara detail citra. 2 HIERARCHY UNTUK ESTIMASI STRUKTUR CITRA (TRUE EDGE) Tepi objek pada citra merupakan informasi paling penting yang terdapat pada sebuah citra. Pada tugas akhir ini, penulis mengimplementasikan pendekatan hierarchi untuk meng-estimasi struktur citra (global edge). Proses estimasi tepi citra disebut dengan proses hierarchical edge detection (HED). Kata kunci : penghapusan noise, edge detection, impuls noise, adaptive filter 1 PENDAHULUAN Noise salt and pepper adalah bentuk noise yang biasanya terlihat titik-titik hitam dan putih pada citra yang disebabkan karena terjadinya error bit dalam pengiriman data, piksel-piksel yang tidak berfungsi maupun kerusakan pada lokasi memori [6]. Oleh karena itu, diperlukan suatu proses noise filtering untuk mengurangi noise yang terdapat padanya. Sudah banyak metode yang dikemukakan untuk menghapus noise pada citra diantaranya median filter dan Switching median filter () []. filter [7] merupakan filter nonlinear untuk mengeliminasi noise pada wilayah yang halus didalam citra. Akan tetapi, untuk wilayah yang lebih detil seperti pada edge dan texture, filter median tidak dapat menjangkaunya atau bahkan merusaknya. Filter Switching median () [] menentukan perbedaan antara piksel gambar dengan nilai median secara bersamaan, namun noise yang dideteksi pada hanya ketika piksel gambar berbeda jauh dengan piksel tetangganya. Pada tugas akhir ini, penulis mengimplementasikan metode filter adaptive-hierarchical, sebuah metode yang. Gambar 1 hierarchy filter (HED) untuk estimasi struktr citra Resolusi citra dilakukan dua kali dari level menjadi level 1 dan level 1 menjadi level 2 dengan menggunakan filter average 2x2. Dari proses resolusi ini akan terbentuk piramida citra seperti pada gambar Tepi objek yang sebenarnya tidak akan hilang dalam proses 1

2 MAKALAH SEMINAR TUGAS AKHIR PERIODE JUNI-JULI resolusi ke level yang lebih tinggi. Piksel yang rusak karena noise akan ter-eliminasi pada level citra yang lebih tinggi. Gambar 1 merupakan skema HED untuk memperkirakan struktur citra. Untuk deteksi tepi tiap level menggunakan operator sobel. Proses HED dilakukan dengan membandingkan tepi tiap level. Karena pada level yang lebih tinggi, piksel yang rusak semakin kecil dan tepi objek semakin tajam,maka untuk meng-estimasi true edge dilakukan dengan membandingkan level berurutan kebawah sampai ke level 2. Jika hingga level tertinggi piksel terdeteksi sebagai edge maka piksel tersebut diestimasi sebagai true edge. Jika pada salah satu level tidak tersdeteksi sebagai edge maka piksel tersebut termasuk ke dalam wilayah smooth dan medium. ketetanggaan piksel. Nilai threshold bergantung pada local statistik masing-masing citra. Dari hasil uji coba nilai K berkisar antara 1 dan 3. Jika piksel terdeteksi sebagai noise, maka piksel tersebut akan diganti dengan nilai tengah (median) dari matrik blok 3x3. Deteksi piksel yang rusak yang kedua merupakan deteksi piksel rusak pada tepi objek. Noise pada tepi dapat diidentifikasi dengan memeriksa ketetanggan piksel tersebut dengan tetangga sesame edge. Jika dihitung dengan uji varians maka akan didapatkan nilai yang kecil, ini membuktikan bahwa sesama tepi memiliki nilai yang homogen. Dengan kata lain, jika kita menghitung selisih dari pusat pixel ke sepanjang piksel tetangganya yang terjangkau (edge) menurut Persamaan. (2), dengan mudah dapat di-identifikasi. Jika nilai tersebut lebih kecil dari threshold maka piksel tersebut bukan noise, tetapi jika nilainya lebih besar dari threshold maka pusat piksel tersebut dideteksi sebagai noise. d1 = x i-1, j-1 x i,j & x i+1,j+1 x I, j d2 = x i-1,j x i,j & x i+1,j x i,j d3 = x i-1,j+1 x i,j & x i+1,j-1 x i,j d4 = x i,j-1 x i,j & x i,j+1 x i,j (2) Gambar 2. Contoh deteksi tepi citra rusak dengan HED Gambar 2 menunjukkan efektifitas deteksi tepi pada citra yang rusak dengan menggunakan HED. 3 DETEKSI DAN PENGHAPUSAN NOISE SECARA ADAPTIVE Metode filter adaptive-hierarchical mendeteksi dan menghapus piksel yang rusak dengan secara adaptif bergantung pada informasi struktur citra yang diperoleh dari proses sebelumnya. Untuk mendeteksi piksel yang rusak pada wilayah edge berbeda dengan deteksi piksel yang rusak pada wilayah selain edge (smooth dan medium). Pada wilayah smooth dan medium, noise diidentifikasi berdasarkan pada selisih antara pusat piksel dengan nilai tengah dari matrik 3x3. Piksel diidentifikasi sebagai noise jika selisih piksel dengan nilai tengahnya lebih besar daripada nilai treshold. Treshold diperoleh bergantung pada struktur lokal citra. dimana merupakan standart deviasi dari matrik 3x3, dan merupakan nilai tengah dari matrik tetangga 3x3. Persamaan (1) mendeteksi noise dengan (1) persamaan (2) jika nilai d lebih besar dari threshold maka pusat piksel merupakan noise. Perhitungan dilakukan selama pusat piksel dan tetangganya merupakan edge. Jika pusat piksel dideteksi sebagai piksel yang rusak, piksel tersebut diganti dengan filter median 1D (1x3 atau 3x1 bergantung pada noise terdeteksi). 4 METODOLOGI Metodologi dari sistem ini dibagi dalam dua tahapan yaitu hierarchical citra dan adaptive filter Start Image grayscale (ukuran M x N) Diberi noise Image level, (ukuran M x N ) Average filter 2x2 Image level 1 ukuran M/2 x N/2 Average filter 2x2 Image level 2 ukuran M/4 x N/4 End Gambar 3. Diagram Alir Piramida Citra 2

3 MAKALAH SEMINAR TUGAS AKHIR PERIODE JUNI-JULI Pada gambar 3 ditunjukkan diagram aliran hierarchy untuk menghasilkan piramida citra. Hasil dari diagram alir 3 akan digunakan sebagai inputan dalam proses pada gambar 4 yaitu diagram alir hierarchical edge detection dan noise cancellation. Start Image level Dicek apakah x(i,j) edge (a) (b) cek level 1 apakah x(i,j) edge cek level 2 apakah x(i,j) edge y(i,j)=x(i,j) x(i,j)= bukan edge x(i,j)>t 1 y(i,j)=xmed(i,j) 3x3 y(i,j)=output_image end y(i,j)=x(i,j) x(i,j)=1 edge x(i,j)>t 2 y(i,j)=xmed(i,j) 1x3 atau 3x1 Gambar 4. Diagram Alir HED, deteksi noise dan filter adaptive (c) (d) Gambar. (a) Lenna 12x12 (b) Baboon 12x12 (c) Mobil 12x12 (d) Paprika 12x12 Nilai performa metode ini dipengaruhi oleh tiga factor yaitu threshold untuk wilayah edge, threshold wilayah selain edge (smooth dan medium), dan banyaknya iterasi. Pada uji coba kali ini variable yang penulis amati adalah variable untuk threshold K dan T setiap bertambahnya kerapatan noise. Kerapatan noise yang digunakan pada uji coba filtering ini adalah %,%, 1%,hingga 6%. Pada uji coba ini akan dibandingkan performa metode filter adaptive-hierarchcal dengan metode filter dan metode filter median. UJI COBA DAN EVALUASI Data uji coba dengan metode adaptivehierarchical filter ini menggunakan data uji citra dibawah ini: Gambar 6. Contoh hasil filter adaptive-hierarchical dengan noise 4% dan K=1, dan T=6 3

4 Tabel 1. Nilai PSNR dari kepadatan noise % sampai 6% Kepadatan Baboon Lenna Mobil Paprika noise Proposed Proposed Proposed Proposed % 23,47 26,8 23,72 34,44 32,17 3,28,97,83 27,71 34, 32,23.38 % 23,13 24,24 23,3 33,31 29,1 34,, 28,16 27,9 32,86 29, % 22,71 22,97 22,98 31,31 27,3 32,76 28, 26,38 26,7 31, 27, % 22,4 21,96 22,4 28,6 2,97 32,3 26,81 24,87 26,12 28,82 2, % 21,18 21,8 22,13 26,16 24,72 31,36 24,98 23,62 2, 2,96 24, %,,3 21,68 23,1 23,3 29,24 22,7 22,33 2,9 23,21 23, % 18,7 19,9 21,29 21, 22,7 28,8,37 21,8 24,81,9 21, % 17,31 19,1,92 19,1 22,44 28,19 18,36 21,1 24,38 18,7 22, % 1,86 18,63,39 16,96 21,63 27,39 16,44,36 23,98 16,92 21, % 14,47 18,19,4 1,23,84 27, 14,86 19,6 23,26 1,12, % 13,19 17,73 19,67 13,72 19,93 2,31 13,28 18,64 22,8 13,6 21, % 12,2 17,29 18,86 12,3 19,21 23,13 11,97 18,1 21,2 12,19 18, contoh hasil uji coba citra Lenna menggunakan metode filter, median filter, dan metode filter adaptivehierarchical dengan noise % 2 1 PSNR citra Baboon % % % 4% % 6% Adaptivehierarchical Gambar 8. Grafik data hasil uji coba citra Baboon (a) (c) (b) (d) Gambar 7. (a) image noise % (b) hasil filter (c) hasil filter median (d) hasil filter adaptive-hierarchical PSNR Citra Lenna % % % 4% % 6% Adaptivehierarchical Gambar 9. Grafik data hasil uji coba citra Lenna Gambar 7 manunjukkan hasil (d) menghasilkan filter citra lebih tajam. Berikut grafik data uji coba dengan keempat data uji yang digunakan: 4

5 3 2 1 Gambar. Grafik data hasil uji coba citra Mobil PSNR citra Mobil % % % 4% % 6% PSNR citra Paprika % % % 4% % 6% adaptivehierarchical Adaptive- Hierarchical Gambar 11. Grafik data hasil uji coba citra Paprika REFERENSI [1] Tsung-Nan Lin, Kai-Jie Chan,7, Adaptivehierarchical filtering approach for noise removal, Computer Science in ScienceDirect. [2] H-L. Eng and K.-K Ma,1, Noise Adaptive Soft-Switching Filter, IEEE Trans. Image Process [3] Gonzales R, Woods R, 2, Digital Image Processing Second Edition, Prentice Hall [4] R. Chan, C.W. Ho, and M. Nikolova, "Salt-andpepper noise removal by median-type noise detector and edge-preserving regularization." Accepted for publication by IEEE Transactions on Image Processing. [] Zhang S, Karim MA. 2. A New Impulse Detector for Switching Filters. IEEE Signal Process Lett 2;9:36-3. [6] Purwiyanti, Sri., & FX.Arinto Setyawan. (8). Penentuan Letak Derau pada Citra Berderau Salt And PepperBerdasarkan Sifat Ketetanggaan Piksel, 9/PROSIDING dies ke-43 UNILA 8/ ARTIKEL Pdf/SRI PURWIYANTI pdf, diakses terakhir tanggal 4 Januari 9. [7] T. Sun, Y. Neuvo, Detail-preserving median based filters in image processing, Pattern Recognit. Lett. 1 (1994) Grafik pada gambar 8, gambar 9, gambar dan gambar 11 menunjukkan efeftivitas metode filter adaptivehierarchical ini pada kerapatan derau yang lebih tinggi. 6 KESIMPULAN. Hasil citra dengan menggunakan metode filter adaptive-hierarchical lebih bersih dan lebih tajam dibandingkan dengan dengan menggunakan metode maupun median filter 3x3. Secara umum, metode adaptive-hierarchical filter ini memiliki performa yang lebih bagus pada saat kerapatan noisenya lebih tinggi. Dengan membedakan antara piksel tepi dengan wilayah nontepi, akan dapat dicapai hasil yang maksimal,karena metode ini menerapkan metode penghapusan noise pada tepi dengan membandingkan daerah sesama tepi yang nilainya homogen,sehingga saat penggantian nilai piksel dengan median output,nilai pengganti piksel tidak jauh beda dari nilai tepi yang sebenarnya, dan tidak merusak detail citra. Semakin besar kerapatan noise maka threshold yang digunakan semakin rendah untuk mendapat PSNR yang tinggi,dan kualitas citra yang lebih bagus

PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL

PENGHAPUSAN 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 terperinci

PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION

PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,

Lebih terperinci

ANALISIS PENERAPAN METODE MEDIAN FILTER UNTUK MENGURANGI NOISE PADA CITRA DIGITAL

ANALISIS PENERAPAN METODE MEDIAN FILTER UNTUK MENGURANGI NOISE PADA CITRA DIGITAL ANALISIS PENERAPAN METODE MEDIAN FILTER UNTUK MENGURANGI NOISE PADA CITRA DIGITAL Wiwin Sulistyo 1, Yos Richard Bech 2, Filipus Frans Y. 3 Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Lebih terperinci

ANALISA DIGITAL FILTER UNTUK MENGURANGI IMPULSE NOISE PADA CITRA DIGITAL

ANALISA DIGITAL FILTER UNTUK MENGURANGI IMPULSE NOISE PADA CITRA DIGITAL ANALISA DIGITAL FILTER UNTUK MENGURANGI IMPULSE NOISE PADA CITRA DIGITAL I Komang Somawirata [1], M. Ibrahim Ashari [2], Teguh Herbasuki [3] Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITN Malang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun imitasi dari sebuah objek atau benda. Citra memiliki beberapa karateristik yang menjadikan

Lebih terperinci

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap

Lebih terperinci

Salt and Pepper Noise Removal dengan Spatial Median Filter dan Adaptive Noise Reduction

Salt and Pepper Noise Removal dengan Spatial Median Filter dan Adaptive Noise Reduction IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 Salt and Pepper Noise Removal dengan Spatial Median Filter dan Adaptive Noise Reduction Syanti irviantina *1, Irpan Pardosi 2 STMIK Mikroskil, Jl.

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

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra. BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini citra digital sedang menjadi trend di kalangan masyarakat, apalagi dengan semakin berkembangnya teknologi digital serta makin murahnya harga perangkat yang

Lebih terperinci

IMPLEMENTASI 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 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 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

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata

Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Arif Senja Fitrani 1, Hindarto 2, Endang Setyati 3 1,2, Jurusan Teknik Informatika Universitas Muhammadiyah Sidoarjo,

Lebih terperinci

IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL

IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi

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

3.2.1 Flowchart Secara Umum

3.2.1 Flowchart Secara Umum BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau

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

ANALISIS DETEKSI TEPI CANNY PADA CITRA DENGAN GAUSSIAN FILTERING DAN BILATERAL FILTERING

ANALISIS DETEKSI TEPI CANNY PADA CITRA DENGAN GAUSSIAN FILTERING DAN BILATERAL FILTERING ANALISIS DETEKSI TEPI CANNY PADA CITRA DENGAN GAUSSIAN FILTERING DAN BILATERAL FILTERING Safriadi 1), Aulia Essra 2), Rahmadani 3) Magister Teknik Informatika, Universitas Sumatera Utara 1,2) Universitas

Lebih terperinci

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL

KOMBINASI 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 terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI 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 terperinci

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram

Modifikasi 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 terperinci

SEGMENTASI 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 ) 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 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

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

Least Square Estimation

Least Square Estimation Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan

Lebih terperinci

Operasi Bertetangga (1)

Operasi Bertetangga (1) Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga

Lebih terperinci

corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I

corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah

Lebih terperinci

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 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

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

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

ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI

ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI MAGDALENA SIREGAR 111401109 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU

Lebih terperinci

ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY

ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 28) Auditorium Universitas Gunadarma, Depok, 2-21 Agustus 28 ISSN : 1411-6286 ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR

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

Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization

Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector

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

BAB 4 PENGUJIAN DAN EVALUASI. teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik

BAB 4 PENGUJIAN DAN EVALUASI. teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik BAB 4 PENGUJIAN DAN EVALUASI 4.1 Pengujian Pengujian yang akan dilakukan buertujuan untuk melakukan perbandingan antara teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik konvensional.

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

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

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

Uji Efektivitas Filter Quasi-Gaussian DCT untuk Memperbaiki Kualitas Citra Ekokardiografi

Uji Efektivitas Filter Quasi-Gaussian DCT untuk Memperbaiki Kualitas Citra Ekokardiografi Uji Efektivitas Filter Quasi- DCT untuk Memperbaiki Kualitas Citra Ekokardiografi Slamet Riyadi, Mohd Marzuki Mustafa, Aini Hussain Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Muhammadiyah

Lebih terperinci

BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC

BINERISASI 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 terperinci

IMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II

IMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II IMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II Kunnu Purwanto 1), Agus Bejo 2), Addin Suwastono 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi Fakultas Teknik

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada saat ini penggunaan sebuah citra sangat meningkat untuk digunakan pada berbagai kebutuhan. Hal ini dikarenakan banyak sekali kelebihan yang ada pada citra digital

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

ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI

ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI Disusun oleh : Gintaris Johanes Tarigan 0922022 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri,

Lebih terperinci

Pengolahan Citra Digital

Pengolahan Citra Digital Tugas Kelompok Pengolahan Citra Digital Filter Robert &Adaptive Median Filter Disusun Oleh : Kelompok 6 PTIK C Alim Hakim Mahmud 102904027 Juradin 102904046 Yeyen Fresanita 102904104 Nur Indah Sari 102904139

Lebih terperinci

IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI

IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1 JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 27-59 (201-9271 Print) 1 Implementasi Citra dengan Menggunakan Regresi Linier dan Metode Wavelet Rina Kharisma Juwitasari, Diana Purwitasari, dan Rully Soelaiman

Lebih terperinci

PENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA

PENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA Seminar Sistem Informasi Indonesia (SESINDO2010) ITS, Surabaya 4 Desember 2010 PENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA Bilqis Amaliah 1, Dwi Lailatul

Lebih terperinci

ANALISIS PERBANDINGAN METODE GAUSSIAN FILTER DENGAN WIENER FILTER UNTUK MEREDUKSI NOISE GABUNGAN GAUSSIAN DAN SALT AND PEPPER

ANALISIS PERBANDINGAN METODE GAUSSIAN FILTER DENGAN WIENER FILTER UNTUK MEREDUKSI NOISE GABUNGAN GAUSSIAN DAN SALT AND PEPPER ANALISIS PERBANDINGAN METODE GAUSSIAN FILTER DENGAN WIENER FILTER UNTUK MEREDUKSI NOISE GABUNGAN GAUSSIAN DAN SALT AND PEPPER Dimas Ari Tonang Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer,

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

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

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

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang 1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Closed Circuit Television (CCTV) adalah sistem pengawasan elektronik yang menggunakan kamera video, yang terhubung dengan sirkuit tertutup untuk menangkap, mengumpulkan,

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam

Lebih terperinci

PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN

PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun

Lebih terperinci

Segmentasi 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 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang

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

IMPLEMENTASI PENGHAPUSAN IMPULSE NOISE DARI CITRA TERDEGRADASI MENGGUNAKAN DETEKTOR IMPULSE NOISE BERBASIS JARINGAN SYARAF

IMPLEMENTASI PENGHAPUSAN IMPULSE NOISE DARI CITRA TERDEGRADASI MENGGUNAKAN DETEKTOR IMPULSE NOISE BERBASIS JARINGAN SYARAF IMPLEMENTASI PENGHAPUSAN IMPULSE NOISE DARI CITRA TERDEGRADASI MENGGUNAKAN DETEKTOR IMPULSE NOISE BERBASIS JARINGAN SYARAF Eva Pratiwi 1, Handayani Tjandrasa 2, Bilqis Amaliah 3 Institut Teknologi Sepuluh

Lebih terperinci

DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI

DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,

Lebih 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

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

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

1. Pendahuluan Gait Recognition atau sistem pengenalan gaya gerak berjalan manusia merupakan salah satu sistem di bidang keamanan biometrik yang menga

1. Pendahuluan Gait Recognition atau sistem pengenalan gaya gerak berjalan manusia merupakan salah satu sistem di bidang keamanan biometrik yang menga Skeletonisasi Citra Pembentukan Rangka Tubuh Manusia Dengan MATLAB 7.12 Megarani Tiara Putri Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok Telp: (021) 78881112

Lebih terperinci

PENERAPAN METODE GAUSSIAN SMOOTHING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL

PENERAPAN METODE GAUSSIAN SMOOTHING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL PENERAPAN METODE GAUSSIAN SMOOTHING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL 129 Sastia Hendri Wibowo 1, Firman Susanto 2 1,2 Program Studi Teknik Informatika Universitas Muhammadiyah Bengkulu Jl. Bali,

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 dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 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

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

Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial

Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,

Lebih terperinci

Implementasi Deteksi Tepi Canny pada Citra Mammografi

Implementasi Deteksi Tepi Canny pada Citra Mammografi JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a

BAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja

Lebih terperinci

Bab 1 Pendahuluan 1.1 Latar Belakang

Bab 1 Pendahuluan 1.1 Latar Belakang Bab 1 Pendahuluan 1.1 Latar Belakang Proses pengolahan citra digital dapat dibagi menjadi beberapa bidang seperti object detection, image analyze, computer vision, dan medical imaging. Medical imaging

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo & Mulyanto, 2009). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding

Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Gideon Aprilius (0522116) Email: dionjuntak@gmail.com Jurusan Teknik Elektro, Fakultas Teknik

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan

Lebih terperinci

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner

MKB3383 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 terperinci

SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)

SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),

Lebih terperinci

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.

Lebih terperinci

PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE

PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE Aeri Rachmad Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Lebih terperinci

Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper

Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Cogito Smart Journal/VOL. 2/NO. 2/DESEMBER 2016 157 Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Ivan Maulana 1, Pulung Nurtantio Andono 2 1,2 Program

Lebih terperinci

SEGMENTASI 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 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 terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI TUGAS AKHIR KI091391 PRESENTASI TUGAS AKHIR KI091391 STUDI KINERJA PENINGKATAN KEAMANAN INFORMASI BERBASIS PENYISIPAN INFORMASI DENGAN MENGGUNAKAN STEGANOGRAFI (Kata kunci: deteksi tepi fuzzy, deteksi tepi hybrid, metode High

Lebih terperinci

PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN

PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor

Lebih terperinci

Jurnal Coding, Sistem Komputer Untan Volume 4, No. 2, Hal ISSN : x

Jurnal Coding, Sistem Komputer Untan Volume 4, No. 2, Hal ISSN : x PENGENALAN MOTIF BATIK INDONESIA MENGGUNAKAN DETEKSI TEPI CANNY DAN TEMPLATE MATCHING [1] Fera Flaurensia, [2] Tedy Rismawan, [3] Rahmi Hidayati [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas

Lebih terperinci

TUGAS 2 COMPUTER VISION PERBAIKAN KUALITAS

TUGAS 2 COMPUTER VISION PERBAIKAN KUALITAS Nama : Ariya Kusuma NIM : 12043124 (sore) TUGAS 2 COMPUTER VISION PERBAIKAN KUALITAS Gambar 1, building_gaussian Sebelum dilakukan teknik Perbaikan Kualitas, Perbaikan dengan teknik Perbaikan Kualitas

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Didukung dengan perkembangan zaman

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital 4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Suatu data atau informasi disajikan tidak hanya berupa data teks tetapi juga dapat berupa audio, video, dan gambar. Pada zaman sekarang informasi sangatlah penting

Lebih terperinci

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe

Lebih terperinci

SAMPLING DAN KUANTISASI

SAMPLING 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data

Lebih terperinci

PRESENTASI TUGAS AKHIR KI091391

PRESENTASI TUGAS AKHIR KI091391 PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute

Lebih terperinci