PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA
|
|
- Leony Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Abstrak PENDEKATAN HIPERBOISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITA BERWARNA inggaluhung D.W Jurusan Matematika FMIPA-ITS Dosen Pembimbing: Drs. Soetrisno, MI.Komp. Drs. I.G.N. Rai Usadha, M.Si. Pesatnya perkembangan ilmu pengetahuan dan teknologi tidak lepas dari peranan citra digital. Namun, tidak selamanya citra digital memiliki kualitas yang baik. Salah satu hal yang mempengaruhi kualitas citra digital adalah kontras. Kontras citra digital mempengaruhi mata manusia dalam merasakan keindahan sensasi citra digital. Kualitas kontras mempengaruhi kemampuan mata menerima informasi dari citra, sehingga sangat mungkin bila mata manusia memperoleh informasi yang salah dikarenakan buruknya kualitas kontras citra digital. Dalam penelitian ini dilakukan peningkatan kontras citra digital berwarna dengan pendekatan hiperbolisasi histogram fuzzy intuisi Atanassov pada ruang warna ab. Selanjutnya, kontras citra hasil dibandingkan dengan citra asal, yaitu dengan mengamati kenaikan nilai standar deviasi secara numerik. Dari hasil ujicoba yang dilakukan, kontras citra digital hasil mengalami kenaikan dari sebelumnya. Hasil peningkatan kontras ini dipengaruhi oleh besarnya faktor modifikasi yang digunakan. Dari ujicoba juga ditemukan, bahwa semakin rendah nilai faktor modifikasi yang dipilih, maka semakin terang tampilan citra yang dihasilkan. Demikian juga sebaliknya. Kata kunci: citra digital berwarna, hiperbolisasi histogram fuzzy intuisi Atanassov, peningkatan kontras, ruang warna ab. 1. Pendahuluan Citra digital berwarna memegang peranan yang sangat penting dalam perkembangan ilmu pengetahuan dan teknologi, terutama pada bidang pencitraan dan multimedia. Dalam perkembangannya, citra digital berwarna bahkan telah diterapkan dalam teknologi militer dan kedokteran untuk membantu pengamatan suatu lokasi yang tidak mungkin dilakukan oleh manusia itu sendiri. Selain dapat membantu manusia dalam memvisualisasikan suatu masalah, citra digital juga dapat memberikan informasi mengenai keadaan suatu lokasi tanpa mengharuskan seseorang berada langsung di lokasi yang bersangkutan. Namun, tidak selamanya citra digital memiliki kualitas yang baik. Salah satu hal yang mempengaruhi kualitas citra digital adalah tingginya kontras dari suatu citra digital. Kontras citra digital mempengaruhi mata manusia dalam merasakan keindahan sensasi citra digital (R. C. Gonzales, 2002). Semakin tinggi kontras suatu citra digital, maka secara umum semakin tinggi pula kualitas citra digital. Kualitas kontras citra digital mempengaruhi tampilan citra digital secara langsung (R. C. Gonzales, 2002). Semakin rendah kontras citra digital, secara visual citra digital yang dihasilkan juga semakin buruk. Bukan hal yang tidak mungkin, bila mata memperoleh informasi yang salah dikarenakan keburukan kualitas kontras citra digital. Tingginya kontras citra digital dapat diamati dari histogram, yaitu suatu grafik yang merepresentasikan banyaknya jumlah piksel (pixel) yang muncul pada suatu citra digital terhadap setiap nilai intensitas yang mungkin. Semakin merata sebaran piksel citra pada seluruh nilai intensitas yang mungkin, maka semakin tinggi pula kontras citra tersebut (R. C. Gonzales, 2002). Analisis secara statistik bisa dilakukan pada histogram citra digital untuk membandingkan kontras citra yang satu dengan yang lain, yaitu dengan menghitung standar deviasi dari histogram tiap-tiap citra. Semakin tinggi standar deviasi, maka semakin baik pula kontras suatu citra digital (R. C. Gonzales, 2002). Fuzzy Intuisi Atanassov (FIA) merupakan salah satu pendekatan yang mungkin digunakan dalam peningkatan kontras citra digital. Hal ini disebabkan FIA yang mampu menangani keambiguan suatu nilai intensitas dengan baik, yaitu dengan memperhatikan derajat ke-non-anggotaan yang merupakan ciri khusus dari FIA. Proses peningkatan kontras citra digital berwarna dilakukan pada ruang warna ab, yaitu dengan mengatur komponen keterangan (luminance) saja, sehingga kontras dapat 1
2 ditingkatkan tanpa terjadi gangguan pada komposisi warna dari citra digital asal. Dalam tugas akhir ini dilakukan pendekatan Hiperbolisasi Histogram Fuzzy Intuisi Atanassov (HHFIA) dalam ruang warna ab untuk peningkatan kontras citra digital berwarna. Selanjutnya dilakukan simulasi untuk menganalisa lebih lanjut hasil peningkatan citra digital secara numerik berdasarkan histogram yang terbentuk terutama pada nilai standar deviasinya. Permasalahan yang dibahas dalam Tugas Akhir ini dibatasi pada: 1. Citra digital berwarna asal adalah citra digital berwarna dalam ruang warna RGB dengan 256 nilai intensitas serta memiliki kualitas kontras yang rendah. 2. Pada Tugas Akhir ini, citra digital memiliki kontras rendah bila nilai standar deviasinya lebih kecil dari Pengolahan citra digital dilakukan pada ruang warna ab yang standar yaitu CIEab. 4. Nilai intensitas yang dimaksud pada pengolahan citra digital adalah nilai intensitas komponen pada ruang warna ab dengan nilai berada pada [0, 100]. 5. Pengukuran kualitas kontras citra digital yang dimaksud adalah perbandingan standar deviasi dari histogram citra digital asal dan citra digital hasil. Semakin tinggi standar deviasi citra digital yang dihasilkan, maka semakin baik pula kualitas kontras citra digital hasil. 6. Citra digital hasil diasumsikan tidak valid sebagai citra asal untuk diolah kembali, mengingat kualitas kontrasnya telah ditingkatkan. Tujuan dari tugas akhir ini adalah melakukan peningkatan kontras citra digital berwarna dengan pendekatan HHFIA, serta menganalisa kualitas citra digital yang dihasilkan melalui histogram yang terbentuk dengan membandingkan standar deviasi dari citra digital asal dengan citra digital hasil peningkatan kontras. Manfaat dari pengerjaan tugas akhir ini adalah memberikan gambaran pendekatan HHFIA terhadap peningkatan kontras citra digital berwarna, sehingga diharapkan diperoleh citra digital berwarna dengan kualitas kontras yang lebih baik. 2. Dasar Teori 2.1. Citra Digital Sebuah citra (atau biasa disebut sebagai gambar) dapat didefinisikan sebagai fungsi dua dimensi f ( x, y ), dimana x dan y merupakan koordinat spasial, dan nilai dari f pada pasangan koordinat ( x, y ) merupakan nilai intensitas (tingkat kecerahan) dari sebuah citra pada koordinat tersebut. Sebuah citra didekati dengan persamaan ruang sampel yang disusun dalam bentuk array dengan ukuran M N seperti ditunjukkan dalam persamaan (2.1), dimana setiap elemen dalam array merupakan besaran diskrit (R. C. Gonzales, 2002). f(0,0) f(0,1) f(0, N 1) f(1, 0) f(1,1) f(1, N 1) f( x, y) = f( M 1,0) f( M 1,1) f( M 1, N 1) (2.1) Peningkatan Kontras Kontras pada citra digital bisa dipandang sebagai tingkat sebaran seluruh piksel pada suatu citra digital terhadap semua nilai intensitas yang mungkin pada citra digital tersebut (R. C. Gonzales, 2002). Tinggi rendahnya kontras citra digital bisa dilihat dari rentang dinamis (dynamic range), yaitu bagaimana piksel tersebar pada rentang intensitas yang mungkin. Kontras yang tinggi diindikasikan dari lebarnya rentang dinamis, atau dengan kata lain sebaran piksel hampir mengisi secara rata terhadap semua nilai intensitas yang mungkin. Peningkatan kontras merupakan suatu bentuk pengolahan citra digital yang bekerja pada domain spasial, yaitu mengubah secara langsung nilai intensitas setiap piksel yang menyusun citra digital. Konsep dasar peningkatan kontras adalah dengan menyebarkan piksel hingga memiliki rentang dinamis yang lebar Histogram Histogram hl ( i ) dari citra digital adalah jumlah semua piksel yang memiliki suatu nilai intensitas li, dimana i = 0,1, 2, 3,, 1 dan adalah jumlah nilai intesitas yang menyusun citra digital (R. C. Gonzales, 2002). Histogram memiliki peranan yang penting untuk menganalisis bagaimana kontras dari suatu citra digital. Hubungan dari histogram dan bagaimana kontras suatu citra digital seperti pada Gambar 2.1. Gambar 2.1 Hubungan Histogram dengan Kontras 2.2. Ruang Warna Warna adalah sebuah cara HVS (Human Visual System) dalam mengukur bagian dari spektrum elektromagnetik. Sebuah ruang warna 2
3 merupakan model matematika abstrak yang menjelaskan bagaimana cara warna dapat direpresentasikan sebagai kumpulan angka-angka, secara khusus komponen penyusun suatu ruang warna terdiri dari tiga atau empat komponen warna, misalnya RGB dan CMYK (W. K. Pratt, 1991) Ruang Warna RGB Citra digital dalam ruang warna RGB merupakan array tiga dimensi, dimana setiap dimensinya menunjukkan intensitas setiap komponen merah R, hijau G, dan biru B yang menyusun suatu piksel. Representasi ini ditunjukkan di persamaan (2.2) berikut (M. A. Sid-Ahmed, 1995): R(0,0) R(0,1) R(0, N 1) R(1, 0) R(1,1) R(1, N 1) Rxy (, ) = ; RM ( 1,0) RM ( 1,1) RM ( 1, N 1) G(0,0) G(0,1) G(0, N 1) G(1, 0) G(1,1) G(1, N 1) Gxy (, ) = ; GM ( 1,0) GM ( 1,1) GM ( 1, N 1) B(0,0) B(0,1) B(0, N 1) B(1, 0) B(1,1) B(1, N 1) Bxy (, ) =, BM ( 1,0) BM ( 1,1) BM ( 1, N 1) (2.2) dimana R( xy, ), Gxy (, ), dan B( xy, ) adalah intensitas merah, hijau, dan biru yang menyusun informasi warna dari suatu piksel pada ( x, y ) Ruang Warna ab Ruang warna ab menyusun citra digital sebagai array tiga dimensi, dengan memisahkan komponen warna (chromaticity) dan intensitas keterangan (luminance). Komponen warna disusun sebagai kumpulan komponen a (sensasi merahhijau) dan b (sensasi kuning-biru), sedangkan intensitas keterangan adalah. Representasi citra digital berwarna dalam ruang warna ab seperti ditunjukkan pada persamaan (2.3) (A. Hanbury, 2001): (0,0) (0,1) (0, N 1) (1, 0) (1,1) (1, N 1) xy (, ) = ; M ( 1,0) M ( 1,1) M ( 1, N 1) a(0,0) a(0,1) a(0, N 1) a(1, 0) a(1,1) a(1, N 1) axy (, ) = ; am ( 1,0) am ( 1,1) am ( 1, N 1) b(0,0) b(0,1) b(0, N 1) b(1, 0) b(1,1) b(1, N 1) bxy (, ) =, bm ( 1,0) bm ( 1,1) bm ( 1, N 1) (2.3) dimana [0,100], a [ 120,120], dan b [ 120,120]. Ganbar 2.2 menunjukkan secara umum bagaimana garis besar visualisasi ruang warna ab. Gambar 2.2 Ruang Warna ab Dari caranya menyusun komponen warna yang terpisah dari komponen keterangan, dapat dimanfaatkan dalam proses peningkatan kontras citra digital berwarna, yaitu dengan memodifikasi hanya pada intensitas tanpa mengubah komponen warna a dan b, sehingga tidak merusak komposisi warna citra digital asal Konversi Ruang Warna Proses konversi dari ruang warna RGB ke ab (atau sebaliknya) tidak bisa dilakukan secara langsung. Citra digital terlebih dahulu dikonversi ke bentuk dasar tristumulus XYZ. alu dari XYZ, dilakukan konversi ke ruang warna ab. Adapun proses konversi ditunjukkan sebagaimana berikut (A. Hanbury, 2001): a. Konversi dari RGB ke XYZ: X 0, , , R Y 0, , , G = Z 0, , , B b. Konversi dari XYZ ke ab: 116( Y ) 16, jika Y > 0, = ; 903,3( Y ), jika Y 0, X a = 500 f f( Y) ; 0, Z b 200 = f( Y) f 1,088754, dengan 1 3 (2.4) (2.5) f ( α ) = a, jika α > 0, f ( α) = 7,787( α) +, jika α 0, c. Konversi dari ab ke XYZ: , jika > 7,9996 Y = 116, untuk yang lain 903,3 3
4 1 0, a X = Y + ; X b Z = 1, , (2.6) d. Konversi dari XYZ ke RGB: R 3, , , X G 0, , , = Y (2.7) B 0, , , Z 2.3. Citra Digital Dalam Domain FIA Pada pengolahan citra digital dalam domain FIA, citra digital asal harus disajikan terlebih dulu dalam domain fuzzy. Selanjutnya, citra digital dalam domain fuzzy direpresentasikan dalam domain FIA untuk kemudian diolah berdasarkan komponen-komponen fuzzy intuisi Himpunan Fuzzy Definisi 1. Diberikan semesta X.. Suatu himpunan fuzzy A dalam semesta X didefinisikan (K. T. Atanassov, 1999) { } A = ( x, μ ( x)) x X A, (2.8) dengan μ A : X [0, 1] adalah fungsi/derajat keanggotaan dari himpunan fuzzy A Himpunan Fuzzy Intuisi Atanassov Definisi 2. Diberikan semesta X. Himpunan fuzzy intuisi Atanassov (FIA) A didefinisikan (K. T. Atanassov, 1999) A = {( x, μa( x), νa( x)) x X}, (2.9) dengan μ A : X [0,1] adalah fungsi/derajat keanggotaan dari himpunan FIA A dan ν A : X [0, 1] adalah fungsi/derajat ke-nonanggotaan himpunan FIA A, dengan 0 μa( x) + ν A( x) 1 untuk semua x X. Untuk suatu himpunan FIA A dalam X, indeks fuzzy intuisi untuk suatu elemen x X dalam A adalah (K. T. Atanassov, 1999): π A( x) = 1 μa( x) νa( x), (2.10) dimana π A( x ) biasa disebut sebagai derajat keraguan x untuk A. D ( ), ( ) ( ) (2.11) α A = x μa x + απa x, dengan Atanassov α [0,1]. 3 Definisi 3. Diberikan FIAs( X ) adalah semua himpunan FIA dalam semesta X, dan Fs( X ) adalah semua himpunan fuzzy dalam semesta X. Jika A FIAs( X ), maka Dα : FIAs( X) Fs( X), dimana {( )} Peningkatan Kontras Citra Digital Berwarna dalam Domain FIA Secara garis besar, pendekatan Hiperbolisasi Histogram Fuzzy Intuisi Atanassov (HHFIA) dalam peningkatan kontras citra digital berwarna terdiri dari beberapa tahapan Fuzzifikasi Dalam pengolahan citra digital berwarna dengan pendekatan HHFIA, perlu dilakukan fuzzifikasi terlebih dahulu terhadap komponen intensitas citra digital asal. Adapun proses fuzzifikasi dilakukan sebagai berikut (I.K. Vlachos, 2007): x x min μa ( x ) (2.12) =, x x max min dengan xmin dan x max menyatakan nilai minimal dan maksimal intensitas keterangan dari citra digital asal, dan μ ~ ( ) adalah nilai derajat A x keanggotaan suatu nilai intensitas keterangan Fuzzifikasi Intuisi Setelah citra digital direpresentasikan dalam domain fuzzy, selanjutnya citra digital direpresentasikan dalam domain fuzzy intuisi Atanassov (FIA). Untuk suatu citra digital, proses fuzzifikasi intuisi seperti yang diusulkan oleh Vlachos dan Sergiadis adalah sebagai berikut (I.K. Vlachos, 2007): λ μ ( x ) = 1 (1 μ ( x )) ; ν A A λλ ( + 1) A ( x ) (1 ( )) = μ x A A x ) A x ), x (2.13) dimana μ ( dan ν ( adalah derajat keanggotaan dan derajat ke-non-anggotaan nilai intensitas keterangan x pada himpunan FIA. Sedangkan λ adalah parameter bebas dengan λ 0 yang mengatur bentuk ke-fuzzy-an. Sehingga perlu dilakukan pengimalan untuk nilai λ agar fuzzy intuisi yang imal bisa direpresentasikan. Nilai λ diperoleh dengan memenuhi kriteria berikut (I.K. Vlachos, 2007): λ = max{ EA ( ; λ)}, λ 0 dimana E adalah entropi dari fuzzy intuisi seperti yang diusulkan oleh Szmidt dan Kacprzyk (E. Szmidt, 2001): l 1 λ λλ ( + 1) 1 1 max{1 (1 μ ( )),(1 ( )) } A x μa x EA (;) λ = h ( x), A MN λ λλ ( + 1) 1 min{1 (1 μ ( x )),(1 μ ( x )) } x= 0 A A (2.14) 4
5 dimana ha adalah histogram dari intensitas x. Maka dari sini bisa diperoleh A yang imal dengan λ = λ, yaitu A Modifikasi Setelah diperoleh representasi komponen citra digital dalam domain FIA yang imal yaitu A, selanjutnya dilakukan modifikasi terhadap A β β β dengan kriteria berikut (I.K. Vlachos, 2007): A = {( x,( ( )),1 (1 ( )) ) {0,, 1}}, μa x νa x x l (2.15) dimana A β adalah komponen citra digital dalam domain FIA yang telah dimodifikasi, dengan β 0 adalah sebarang bilangan real positif, yang mengatur tingkat modifikasi. Pada tahapan ini diperoleh citra digital baru hasil modifikasi komponen dalam domain FIA, yaitu A β. Proses peningkatan kontras terjadi pada tahap modifikasi ini Defuzzifikasi Intuisi Setelah diperoleh A β komponen termodifikasi dalam domain FIA, selanjutnya A β perlu diubah kembali ke domain asal komponen. Untuk mengubah ke domain asal komponen, tidak bisa dilakukan secara langsung, melainkan harus diubah ke domain fuzzy terlebih dahulu, atau biasa disebut defuzzifikasi intuisi. Adapun defuzzifikasi intuisi ini melibatkan persamaan (2.11), dengan mengimalkan α. Sedangkan α yang imal memenuhi kriteria berikut (I.K. Vlachos, 2007): 0, jika α < 0 α = α, jika 0 α 1 ( 2.16) 1, jika α > 1 dimana, l 1 h ( ) ( ) 1 2 ( ) A x π β x A μ β x A x 0 = α =. l 1 x = 0 2 β A 2 h ( x ) π ( x ) A (2.17) Defuzzifikasi Pada tahap defuzzifikasi, diperoleh nilai intensitas baru citra digital dalam ruang warna ab. Adapun proses defuzzifikasi ini dengan menggunakan hiperbolisasi histogram sebagai berikut (I.K. Vlachos, 2007): l 1 μd ( x) α x = e 1, 1 (2.18) e 1 dengan x adalah nilai intensitas baru dari citra digital. Selanjutnya, citra digital baru dalam ruang warna ab dikonversi ke ruang warna yang umum digunakan yaitu ruang warna RGB. 3. Metode Penelitian 3.1. Kerangka Kerja Penelitian Kerangka kerja yang digunakan sebagai penyelesaian permasalahan dalam penelitian ini adalah sebagai berikut. 1. Studi Pendahuluan Studi mengenai teori dasar pengolahan citra digital serta bagaimana melakukan pengolahan citra dalam domain FIA. 2. Analisis dan Konsep Dasar Bagaimana merepresentasikan citra digital dalam domain FIA dengan melakukan pengimalan nilai Entropy, sehingga citra digital dalam domain FIA dapat direpresentasikan. Selanjutnya dilakukan modifikasi terhadap nilai β untuk menentukan bentuk ke-fuzzy-an dari citra digital. Penentuan nilai faktor modifikasi ini dapat mempengaruhi secara langsung bagaimana kontras yang dihasilkan. 3. Perancangan Sistem Perancangan sistem peningkatan kontras dengan pendekatan hiperbolisasi histogram dalam domain fuzzy intuisi Atanassov sekaligus memberikan nilai baru untuk intensitas. 4. Implementasi dan Ujicoba Sistem Implementasi dari hasil perancangan sistem. Untuk ujicoba dilakukan dengan memberikan berbagai masukan citra digital dengan kontras rendah untuk selanjutnya diuji dan dianalisis tentang bagaimana peningkatan kontras yang dicapai. Selain itu, diujicoba lebih jauh mengenai bagaimana pengaruh besar faktor modifikasi yang digunakan terhadap tampilan citra digital yang dihasilkan. 5. Penarikan Kesimpulan Kesimpulan tentang bagaimana hasil yang dicapai dari implementasi sistem peningkatan kontras citra digital berwarna dengan pendekatan Hiperbolisasi Histogram Fuzzy Intuisi Atanassov Obyek Penelitian Obyek penelitian yang dimaksud di sini sekaligus mencakup data-data yang digunakan dalam sistem peningkatan kontras, baik sebagai masukan ataupun keluaran. Adapun obyek penelititan dalam penelitian ini adalah citra digital 5
6 berwarna dalam ruang warna RGB dengan 256 nilai intensitas dan memiliki kontras yang rendah. Citra digital yang digunakan sebagai obyek penelitian memiliki format data sebagai berikut: JPG JPEG BMP PNG TIF TIFF GIF 3.3. Analisis Hasil Peningkatan Kontras Dalam penelitian ini, analisis hasil peningkatan kontras dilakukan dengan membandingkan nilai standar deviasi citra digital hasil dengan nilai standar deviasi citra digital asal. Jika nilai standar deviasi citra digital hasil lebih besar dari citra digital asal, maka bisa disimpulkan bahwa secara umum kualitas kontras citra digital hasil mengalami kenaikan daripada sebelumnya. Karena citra digital yang digunakan sebagai masukan serta citra digital keluaran merupakan citra digital dalam ruang warna RGB, maka pengamatan standar deviasi dilakukan pada tingkat intensitas kecerahan luminosity. uminosity merupakan tingkat keterangan citra digital yang diukur dalam ruang warna RGB. Untuk mendapatkan nilai luminosity suatu citra digital dalam ruang warna RGB, digunakan persamaan berikut: 1 lxy (, ) = ( Rxy (, ) + Gxy (, ) + Bxy (, )) 3 dimana R( xy, ), Gxy (, ), dan B( xy, ) adalah intensitas merah, hijau, dan biru secara berurutan yang menyusun informasi warna dari suatu piksel pada ( x, y ). 4. Ujicoba Sistem Untuk ujicoba pada penelitian ini, pengujian dilakukan dengan memberikan bermacam masukan citra digital dengan kontras yang rendah. alu dianalisis bagaimana hasil peningkatan kontras yang terjadi. Selanjutnya diamati apakah terjadi peningkatan persepsi mata manusia dalam menerima informasi dari citra hasil, sebagai tolak ukur keberhasilan dari hasil pengolahan citra digital. Analisis hasil peningkatan kontras citra digital dilakukan dengan membandingkan besarnya standar deviasi citra masukan dengan citra keluaran. Jika standar deviasi citra keluaran lebih besar dari citra masukan, maka bisa disimpulkan bahwa peningkatan kontras berhasil diimplementasikan. Pengujian juga dilakukan dengan memberikan variasi faktor modifikasi terhadap sebuah citra masukan. Dari sini diharapkan dapat digali informasi mengenai bagaimana pengaruh besar nilai faktor modifikasi terhadap hasil peningkatan kontras citra keluaran. a. Hasil Pengujian File face_1.jpg Gambar 4.1 menunjukkan perbandingan antara tampilan citra asal dengan citra hasil dengan besar faktor modifikasi β = 0,8. Dari Gambar 4.1 dapat dilihat bahwa terjadi perubahan kualitas terhadap citra yang dihasilkan. Hal ini bisa diamati dari bagaimana terjadi peningkatan persepsi, yaitu lebih jelasnya citra digital yang menampilkan wajah seseorang. (a) Citra Asal (b) Citra Hasil Gambar 4.1 Perbandingan Citra Asal dan Citra Hasil untuk File face_1.jpg Hasil statistik pengujian terhadap file face_1.jpg untuk β = 0,8 disajikan pada Tabel 4.1 berikut: Tabel 4.1 Hasil Pengujian File face_1.jpg S.D. S.D. Peningkatan β Channel Citra Asal Citra Hasil S.D. (%) Merah 7, , ,21% 0,8 Hijau 7, , ,78% Biru 8, , ,29% uminosity 7, , ,07% Dari hasil pengujian dapat dilihat bahwa citra yang dihasilkan mengalami kenaikan nilai standar deviasi yang signifikan, yaitu rata-rata sebesar 451,09%. b. Hasil Pengujian File face_2.jpg Gambar 4.2 menunjukkan perbandingan tampilan citra digital asal dan hasil dari file face_2.jpg. Adapun faktor modifikasi yang digunakan adalah β = 0,6. (a) Citra Asal (b) Citra Hasil Gambar 4.2 Perbandingan Citra Asal dan Citra Hasil untuk File face_2.jpg Hasil statistik pengujian file face_2.jpg untuk β = 0,6 diberikan pada Tabel 4.2 berikut: 6
7 Tabel 4.2 Hasil Pengujian File face_2.jpg S.D. S.D. Peningkatan β Channel Citra Asal Citra Hasil S.D. (%) Merah 14,144 50, ,02% 0,6 Hijau 11,430 51, ,32% Biru 9,661 44, ,36% uminosity 9,737 47, ,73% Dari tabel di atas dapat dilihat, bahwa rata-rata peningkatan standar deviasi mencapai 441,60%. c. Hasil Pengujian File coin.jpg Gambar 4.3 berikut menampilkan bagaimana perbandingan citra asal dan hasil dengan besar faktor modifikasi β = 0,5 dari file coin.jpg. Citra hasil mengalami peningkatan persepsi, yaitu dapat diamati dengan munculnya detail ukiran pada gambar koin uang logam. Untuk statistik hasil pengujian file eye_1.jpg, diberikan pada Tabel 4.4 berikut: Tabel 4.4 Hasil Pengujian File eye_1.jpg S.D. S.D. Peningka β Channel Citra Citra tan S.D. Asal Hasil (%) Merah 22, , ,85% Hijau 22, , ,39% 0,4 Biru 23, , ,56% uminosity 22, , ,80% Dari tabel di atas, dapat dilihat bahwa rata-rata peningkatan standar deviasi mencapai 256,65%. e. Hasil Pengujian File eye_2.jpg Gambar 4.5 menunjukkan perbandingan tampilan citra digital asal dan hasil dari file eye_2.jpg. Citra yang dihasilkan mengalami peningkatan persepsi, ini dapat diamati dari lebih jelasnya detail iris serta warna pada gambar mata manusia. (a) Citra Asal (b) Citra Hasil Gambar 4.3 Perbandingan Citra Asal dan Citra Hasil untuk File coin.jpg Untuk statistik hasil pengujian diberikan pada Tabel 4.3 berikut ini: Tabel 4.3 Hasil Pengujian File coin.jpg S.D. S.D. Peningka β Channel Citra Asal Citra Hasil tan S.D. (%) Merah 2, , ,10% 0,5 Hijau 2, , ,32% Biru 2, , ,81% uminosity 2, , ,33% Dari Tabel 4.3 dapat diamati citra yang dihasilkan mengalami peningkatan nilai standar deviasi yang besar, yaitu rata-rata sebesar 852,39%. d. Hasil Pengujian File eye_1.jpg Gambar 4.4 menampilkan bagaimana perbandingan citra asal dan hasil dengan besar faktor modifikasi β = 0, 4 dari file eye_1.jpg. Citra hasil mengalami peningkatan persepsi, ini dapat diamati dari lebih jelasnya detail iris pada gambar mata manusia. (a) Citra Asal (b) Citra Hasil Gambar 4.4 Perbandingan Citra Asal dan Citra Hasil untuk File eye_1.jpg (a) Citra Asal (b) Citra Hasil Gambar 4.5 Perbandingan Citra Asal dan Citra Hasil untuk File eye_2.jpg Hasil pengujian pada file eye_2.jpg ditunjukkan pada Tabel 4.5 berikut ini: Tabel 4.5 Hasil Pengujian File eye_2.jpg S.D. S.D. Peningka β Channel Citra Citra tan S.D. Asal Hasil (%) Merah 17, , ,82% Hijau 15, , ,92% 0,4 Biru 14, , ,52% uminosity 14, , ,58% Dari tabel dapat diamati, bahwa rata-rata peningkatan standar deviasi mencapai sebesar 250,96%. f. Hasil Pengujian terhadap Besar Faktor Modifikasi Selanjutnya, pengujian dilakukan terhadap sebuah citra digital dengan memberikan berbagai variasi nilai faktor modifikasi. Adapun file citra digital serta histogram luminosity yang diuji adalah seperti pada Gambar 4.6, dimana standar deviasi citra digital asal memiliki nilai 11,2447. Pengujian dilakukan dengan memberikan variasi nilai pada faktor modifikasi. Tabel 4.6 berikut ini adalah variasi nilai faktor modifikasi yang digunakan. 7
8 Untuk β 1.75 = 1, 75 luminosity ditunjukkan pada Gambar Gambar 4.6 Citra Asal Tabel 4.6 Nilai Faktor Modifikasi yang Diuji β Nilai β ,25 β ,75 β ,25 β ,75 β ,25 β ,75 Dari hasil pengujian dengan digunakannya faktor modifikasi seperti Tabel 4.6, diperoleh hasilhasil seperti berikut. Untuk β 0.25 = 0,25 luminosity ditunjukkan pada Gambar 4.7. Gambar 4.10 Citra Hasil dan Histogram dari uminosity untuk β 1.75 Untuk β 2.25 = 2, 25 luminosity ditunjukkan pada Gambar Gambar 4.11 Citra Hasil dan Histogram dari uminosity untuk β 2.25 Untuk β 2.75 = 2,75 luminosity ditunjukkan pada Gambar Gambar 4.7 Citra Hasil dan Histogram dari uminosity untuk 0.25 Untuk β 0.75 = 0,75 luminosity ditunjukkan pada Gambar 4.8. Gambar 4.8 Citra Hasil dan Histogram dari uminosity untuk β 0.75 Untuk β 1.25 = 1, 25 luminosity ditunjukkan pada Gambar 4.9. Gambar 4.9 Citra Hasil dan Histogram dari uminosity untuk β 1.25 Gambar 4.12 Citra Hasil dan Histogram dari uminosity untuk β Pada Gambar 4.7, dapat dilihat bahwa untuk faktor modifikasi terendah β = 0, 25 citra yang dihasilkan tampak terlalu terang, dan kurang seimbang. Kontras juga kurang begitu baik, jika dilihat dari rentang dinamis yang tidak begitu lebar. Sedangkan untuk faktor modifikasi tertinggi β = 2,75 yang diujikan, citra yang dihasilkan terlalu gelap. Jika diamati histogramnya, rentang dinamisnya lebih lebar dari sebelumnya, sehingga bisa disimpulkan kontras mengalami kenaikan. Tabel 4.7 berikut menguraikan bagaimana besar faktor modifikasi mempengaruhi hasil peningkatan kontras, terutama pada pengamatan nilai standar deviasi dari luminosity. Tabel 4.7 Hasil Pengamatan Channel uminosity terhadap Besar Faktor Modifikasi β S.D. Mean β 0.25 = 0,25 46, ,2886 β 0.75 = 0,75 43, ,086 β 1.25 = 1,25 48, ,5995 β 1.75 = 1,75 51, ,6024 β
9 β 2.25 = 2,25 47, ,0099 β 2.75 = 2,75 43, ,1617 Dari tabel dapat dilihat bahwa standar deviasi terbesar terjadi pada β 1.75 = 1, 75, yaitu dengan nilai 51,9675. Sehingga dari sini, kualitas kontras terbaik untuk Gambar 5.21 didapatkan dengan faktor modifikasi β 1.75 = 1, 75. Yang menjadi menarik di sini adalah jika diamati tampilan citra hasil dari Gambar 4.7 hingga 4.12, semakin tinggi nilai faktor modifikasi yang digunakan, maka citra yang dihasilkan semakin gelap. Demikian juga sebaliknya. Karakteristik ini juga bisa diamati pada Tabel 4.7, dimana semakin kecil nilai faktor modifikasi mengakibatkan nilai rata-rata (mean) yang semakin besar. Nilai rata-rata di sini menginformasikan tentang bagaimana mata menangkap kecenderungan nilai suatu intensitas dari citra digital. Semakin tinggi nilai rata-rata dari suatu citra, maka mata manusia menangkapnya sebagai citra yang terang, begitu juga sebaliknya. g. Hasil Pengujian dengan Mengiterasi Faktor Modifikasi Pengujian dilakukan dengan mengiterasi faktor modifikasi sebesar 0,01. Pengujian dilakukan terhadap hasil peningkatan kontras pada bagian f, dimana diperoleh hasil peningkatan kontras terbaik terjadi saat besar faktor modifikasi β 1.75 = 1, 75. Dari hasil pengujian, diperoleh citra hasil yang secara visual tidak berbeda jauh dari citra asal, yaitu citra yang telah dimodifikasi dengan faktor modifikasi β 1.75 = 1, 75. Namun, secara numerik nilai standar deviasi yang diperoleh adalah berbeda, dimana terjadi kenaikan nilai standar deviasi dari sebelumnya. Tabel 4.8 berikut menunjukkan statistik perubahan nilai standar deviasi yang terjadi dengan mengiterasi nilai faktor modifikasi sebesar 0, Kesimpulan Dari hasil implementasi serta ujicoba yang dilakukan, dapat diuraikan kesimpulan sebagai berikut. 1. Peningkatan kontras citra digital berwarna dengan pendekatan hiperbolisasi histogram fuzzy intuisi Atanassov telah berhasil diimplementasikan, dimana implementasi dilakukan pada ruang warna ab. 2. Peningkatan kontras yang terjadi dapat diamati dari peningkatan nilai standar deviasi pada intensitas kecerahan (luminosity) ruang warna RGB. 3. Hasil peningkatan kontras telah mengimplikasi secara langsung kualitas citra digital, yaitu dengan terjadinya peningkatan persepsi terhadap mata manusia dalam mendapatkan informasi dari suatu citra digital. 4. Hasil peningkatan kontras yang terjadi dipengaruhi oleh besarnya nilai faktor modifikasi β yang dipilih. 5. Untuk pemilihan nilai β sebagai besar faktor peningkatan kontras, tidak selalu sama antara satu citra dengan yang lain. Hal ini tergantung pada bagaimana histogram dari citra asal, serta bagaimana bentuk aplikasi yang akan digunakan terhadap citra hasil. 6. Secara khusus, semakin rendah nilai faktor modifikasi β yang dipilih, maka tampilan citra yang dihasilkan semakin terang. Demikian juga sebaliknya. Dari hasil yang sudah diperoleh dari penelitian Tugas Akhir ini, juga ada beberapa hal yang bisa dijadikan pertimbangan terutama sebagai tindak lanjut serta pengembangan terhadap penelitian ini, antara lain adalah. 1. Jika diihat dari sifat fungsi keanggotaan fuzzy pada tahap fuzzifikasi yang linier, sangat mungkin jika digunakan fungsi keanggotaan lain yang non-linier pada pengembangan selanjutnya, seperti fungsi keanggotaan Gaussian. Tabel 4.8 Hasil Pengujian dengan Mengiterasi Nilai Faktor Modifikasi 2. Pengolahan citra digital masih β S.D. diimplementasikan pada ruang warna ab saja. Akan lebih baik jika pengembangan β ,9675 diimplementasikan pada ruang warna lain. β , Sebagai tindak lanjut sangat dimungkinkan jika penelitian ini diterapkan pada sistem lain β ,1063 yang membutuhkan peningkatan kontras citra β ,1743 digital, seperti sistem pengenalan dan β pendeteksian wajah, sistem pengenalan iris ,1146 mata, sistem pengenalan tulisan, serta yang β ,0152 lain. 9
10 6. Daftar Pustaka Atanassov, K. T Intuitionistic Fuzzy Sets: Theory and Application. Heidelberg : Physica-Verlag. Gonzales, R. C., dan Woods, R. E Digital Image Processing Second Edition. New Jersey : Prentice Hall, Inc. Hanbury, A., dan Serra, J Mathematical Morphology in the *a*b* Colour Space. Perancis : Centre de Morphologie Mathématique Ecole des Mines de Paris. Pratt, W. K Digital Image Processing Second Edition. Canada : John Wiley & Sons, Inc. Sid-Ahmed, M. A Image Processing : Theory, Algorithms, and Architectures. Singapore : McGraw-Hill Book Co. Vlachos, I. K., dan Sergiadis, G. D Intuitionistic Fuzzy Histogram Hiperbolization for Color Images. Heidelberg : Springer-Verlag. Vlachos, I. K., dan Sergiadis, G. D A Two Dimensional Entropic Aprroach to Intuitionistic Fuzzy Contrast Enhancement. Heidelberg : Springer- Verlag. 10
PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA
PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA Linggaluhung Dwikawuryan Wibowo - 1205 100 022 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek[11]. Suatu citra diperoleh dari penangkapan kekuatan sinar yang
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih 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 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 terperinciPengembangan 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 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 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 terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciBAB IV IMPLEMENTASI DAN HASIL PENGUJIAN
BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN 4.1 Implementasi Aplikasi Pada bab ini akan dibahas mengenai implementasi aplikasi yang telah dibuat setelah melakukan analisa dan perancangan aplikasi filter sobel
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 terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih 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 terperinciPENERAPAN ALGORITMA IMAGE TINTING PADA CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL REGION MERGING
PENERAPAN ALGORITMA IMAGE TINTING PADA CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL REGION MERGING Erwin Panggabean.,ST.,M.Kom, Guntur Syahputra, S.Kom, M.Kom Program Studi Teknik Informatika STMIK Pelita
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 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 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 terperinciAPLIKASI PENGAMANAN DATA TEKS PADA CITRA BITMAP DENGAN MENERAPKAN METODE LEAST SIGNIFICANT BIT (LSB)
APLIKASI PENGAMANAN DATA TEKS PADA CITRA BITMAP DENGAN MENERAPKAN METODE LEAST SIGNIFICANT BIT (LSB) Mesran dan Darmawati (0911319) Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
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 terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciBAB 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 terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
Lebih 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 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 terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih 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 terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini membahas latar belakang, rumusan masalah, tujuan dari tugas akhir, batasan-batasan masalah, dan metodologi.
BAB I PENDAHULUAN Dalam bab ini membahas latar belakang, rumusan masalah, tujuan dari tugas akhir, batasan-batasan masalah, dan metodologi. 1.1 Latar belakang Perkembangan teknologi pengolahan citra sekarang
Lebih terperinciPERANGKAT LUNAK PERBAIKAN KUALITAS CITRA DIGITAL MODEL RGB DAN IHS DENGAN OPERASI PENINGKATAN KONTRAS
PERANGKAT LUNAK PERBAIKAN KUALITAS CITRA DIGITAL MODEL RGB DAN IHS DENGAN OPERASI PENINGKATAN KONTRAS Tole Sutikno, Kartika Firdausy, Eko Prasetyo Center for Electrical Engineering Research and Solutions
Lebih 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 terperinciBAB 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 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 terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih 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 terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB 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 terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Pembentukan Citra Citra ada 2 macam : 1. Citra Kontinu Dihasilkan dari sistem optik yang menerima
Lebih terperinci(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :
(IMAGE ENHANCEMENT) Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yang dihasilkan lebih baik daripada
Lebih terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciVI. HASIL DAN PEMBAHASAN. Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk
VI. HASIL DAN PEMBAHASAN A. Segmentasi Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk mendapatkan informasi dari basisdata citra. Segmentasi warna adalah proses mengelompokkan citra
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciCitra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo
Citra Digital Petrus Paryono Erick Kurniawan erick.kurniawan@gmail.com Esther Wibowo esther.visual@gmail.com Studi Tentang Pencitraan Raster dan Pixel Citra Digital tersusun dalam bentuk raster (grid atau
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciPERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE)
PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE) ANDRI andriecitra@yahoo.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciAnalisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra
Analisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra Budi Hartono dan Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank Semarang
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciPeningkatan 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 terperinciPerbaikan Citra X-ray Gigi Menggunakan Contrast Stretching
Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Ima Kurniastuti 1, Tri Deviasari Wulan 1, I Ketut Eddy Purnama 2, Mauridhi Hery Purnomo 2, Margareta Rinastiti 3, Fatmala Agustina 1 1 Sistem
Lebih terperinciBAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun
Lebih terperinciOperasi Titik Kartika Firdausy
Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan kamera digital sebagai alat untuk mengambil citra saat ini sudah banyak digunakan karena kepraktisannya, terkadang hasil citra memiliki tampilan
Lebih 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 II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
Lebih terperinciBAHAN AJAR. Mata Kuliah Pengolahan Citra. Disusun oleh: Minarni, S. Si., MT
BAHAN AJAR Mata Kuliah Pengolahan Citra Disusun oleh: Minarni, S. Si., MT JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN
Lebih terperinciBAB 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 terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciBAB 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 terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciPERBANDINGAN 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 terperinciSesi 3 Operasi Pixel dan Histogram. : M. Miftakul Amin, S. Kom., M. Eng.
Sesi 3 Operasi Pixel dan Histogram Materi Kuliah Dosen : Pengolahan Citra Digital : M. Miftakul Amin, S. Kom., M. Eng. Pokok Bahasan Konversi RGB ke Gray Scale Konversi Gray Scale ke Biner Konversi Gray
Lebih terperinciPENERAPAN 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 terperinciTipe dan Jenis Layar Komputer Grafik. By Ocvita Ardhiani.
Tipe dan Jenis Layar Komputer Grafik By Ocvita Ardhiani. PENGERTIAN GRAFIKA KOMPUTER Grafika komputer adalah bidang dari komputasi visual dimana penggunaan komputer akan menghasilkan gambar visual secara
Lebih terperinciAPLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI
APLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI OLEH: FARIS SANTA EKA WIARTA NPM : 0736010025 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK INDUSTRI - FTI UNIVERSITAS
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciSISTEM INFERENSI FUZZY UNTUK MENENTUKAN SENSASI CITRA WARNA
Sukmawati Nur Endah, Priyo Sidik Sasongko, Helmie Arif Wibawa, Frediansah SISTEM INFERENSI FUZZY UNTUK MENENTUKAN SENSASI CITRA WARNA Sukmawati Nur Endah, Priyo Sidik Sasongko, Helmie Arif Wibawa, Frediansah
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 terperinciKOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM)
KOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM) Bambang Trianggono *, Agus Zainal Arifin * Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciPENGEMBANGAN APLIKASI CITRA DIGITAL UNTUK MENGUBAH CITRA GREYSCALE MENJADI CITRA BERWARNA
ISSN 289-8673 PENGEMBANGAN APLIKASI CITRA DIGITAL UNTUK MENGUBAH CITRA GREYSCALE MENJADI CITRA BERWARNA I Md Agus Wirahadi P, Made Windu Antara Kesiman, Dessy Seri Wahyuni Jurusan Pendidikan Teknik Informatika
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
APLIKASI PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE HISTOGRAM EQUALIZATION DAN CONTRAST STRECHING NAMA : DONI KURNIA SURYANA NPM : 12112254 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER. LATAR
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Belakang Penggunaan satelit landsat adalah salah satunya sebagai alat untuk mengambil citra bumi dari luar angkasa, data citra tersebut banyak kegunaannya seperti untuk
Lebih terperinciRANCANG BANGUN APLIKASI PENGABURAN GAMBAR
RANCANG BANGUN APLIKASI PENGABURAN GAMBAR Muhammad Sholeh 1, Avandi Badduring 2 1, 2 Teknik Informatika, Fakultas Teknologi Industri Institut Sains & Teknologi AKPRIND Yogyakarta Jl. Kalisahak 28 Komplek
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengenalan Wajah Pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari
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 terperinciDeteksi Steganografi Berbasis Least Significant Bit (LSB) Dengan Menggunakan Analisis Statistik
N. Rokhman, Deteksi Steganografi Berbasis Least Significant Bit(LSB) Deteksi Steganografi Berbasis Least Significant Bit (LSB) Dengan Menggunakan Analisis Statistik Nur Rokhman dan Juwita Maharanti Abstrak
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Citra atau gambar adalah sebuah fungsi dua dimensi, f(x,y), dimana x dan y koordinat bidang datar dan f di setiap pasangan koordinat disebut intensitas atau level keabuan
Lebih terperinciPeningkatan Kualitas Pada Citra Dengan Metode Point Operation
Editor: Setyawan Widyarto, ISSN: 2477-5894 54 Peningkatan Kualitas Pada Citra Dengan Metode Point Operation Fahmi Rusdi Al Islami 1, Zaenal Mutaqin Subekti 2, Michael Sitorus 3, Danna Saputra 4 Program
Lebih terperinciIMPLEMENTASI 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 terperinciKULIAH 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 terperinciPENGOLAHAN 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 terperinciBAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh
BAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA 3.1 Pemrosesan Citra Konvensional. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh merupakan solusi yang sangat baik. Informasi
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Gambaran Umum Sistem Pada dasarnya, proses yang terjadi pada watermarking memiliki kesamaan dengan steganografi, dimana proses utamanya terdiri dari 2, yaitu proses penyembunyian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi merupakan salah satu bagian penting dari kemajuan banyak bidang di seluruh dunia pada saat ini. Salah satu bidang yang sudah banyak terbantu dengan kemajuan
Lebih terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciDEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL
Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.
Lebih terperinciPERBAIKAN CITRA DIGITAL DENGAN MENGGUNAKAN METODE RETINEX
PERBAIKAN CITRA DIGITAL DENGAN MENGGUNAKAN METODE RETINEX Rudy Adipranata 1, Cherry Galatia Ballangan, Leono Epatha Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciFUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ)
BAB 2 FUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ) Bab ini akan menjelaskan algoritma pembelajaran FNLVQ konvensional yang dipelajari dari berbagai sumber referensi. Pada bab ini dijelaskan pula eksperimen
Lebih terperinci