REKONSTRUKSI CITRA MENGGUNAKAN ALGORITMA STRUCTURE-ADAPTIVE NORMALIZED CONVOLUTION
|
|
- Sudirman Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 REKONSTRUKSI CITRA MENGGUNAKAN ALGORITMA STRUCTURE-ADAPTIVE NORMALIZED CONVOLUTION Nama Mahasiswa : Imaddudin Septyan P NRP : Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : 1. DR. Imam Mukhlash, S.Si, MT 2. Drs. Suhud Wahyudi, M.Si Abstrak Super Resolusi adalah sebuah teknik untuk membuat sebuah citra atau kumpulan citra dengan resolusi yang tinggi dari sebuah citra atau rangkaian citra dengan resolusi rendah yang berurutan. Hal ini dimungkinkan karena terdapat informasi piksel dari rangkaian citra masukan yang dapat diproses untuk menjadi informasi baru menjadi citra resolusi tinggi. Terdapat dua langkah utama dalam algoritma Super Resolusi yaitu estimasi gerakan antara citra-citra yang berbeda (Registrasi) dan proyeksi dari nilai-nilai piksel resolusi-rendah ke grid resolusi-tinggi (Rekonstruksi). Tugas Akhir ini menitikberatkan pembahasannya pada proses rekontruksi menggunakan algoritma Structure-Adaptif Normalized Convolution (SANC). Batasan format untuk citra masukan adalah *.tif. Selanjutnya, dilakukan pengukuran hasil Super-Resolusi menggunakan Peak Signal to Noise Ratio (PSNR), dan dilihat citra hasil peningkatan resolusi secara visual. Dari uji coba yang telah dilakukan, dapat diambil kesimpulan bahwa algoritma Structure-Adaptive Normalized Convolution (SANC) dapat merekonstruksi citra dengan baik, hal ini dapat dilihat dari nilai PSNR yang mencapai 33,0496 db pada citra rontgen dengan perbesaran 4x lipat. Kata-kunci: Super Resolusi, Rekonstruksi, Structure-Adaptif Normalized Convolution, Peak Signal to Noise Ratio. 1. PENDAHULUAN Komunikasi visual memainkan peranan penting dalam kehidupan saat ini. Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa multimedia seperti gambar, audio, dan video. Salah satunya adalah informasi yang dimunculkan melalui suatu gambar., istilah lain untuk gambar, sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. kaya akan informasi karena mempunyai karakteristik yang tidak dimiliki oleh data teks. Semakin tinggi resolusi citra tersebut, semakin kaya pula informasi yang terkandung di dalamnya. Namun, seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. yang mempunyai resolusi yang baik bisa diperoleh dengan alat yang baik pula. Optik dengan presisi yang tinggi dan sensor yang tajam akan menghasilkan citra dengan kualitas yang baik. Namun, hal ini membutuhkan biaya yang cukup besar untuk penyediaan alat-alat tersebut. Super Resolusi ditawarkan sebagai alternatif untuk memecahkan masalah tersebut. Oleh karena itu, pendekatan perangkat lunak dikedepankan daripada penggunaan perangkat keras. Super Resolusi digunakan untuk perbaikan citra yang dapat mengubah citra terdegradasi tersebut menjadi sebuah citra beresolusi tinggi. Dengan demikian, biaya untuk mendapatkan citra dengan resolusi tinggi dapat ditekan. Penelitian ini menerapkan Super Resolusi menggunakan Algoritma Structure-Adaptive Normalized Convolution (SANC) untuk menghasilkan sebuah citra dengan resolusi yang tinggi dari rangkaian citra beresolusi rendah yang berurutan. Beberapa tahun belakangan, banyak algoritma Rekonstruksi dalam Super Resolusi yang telah diteliti, diantaranya adalah algoritma interpolasi non-uniformly spaced samples, iterative back projection (IBP), dan maximum a posteriori estimate [2]. Namun, normalisasi konvolusi adalah metode yang umum digunakan untuk filtering data yang hilang dan tidak pasti. Algoritma Structure- Adaptive Normalized Convolution (SANC) termasuk algoritma non-uniformly spaced samples yang mentransformasikan perpindahan piksel tak standart ke pemindahan piksel standart dan selanjutnya digunakan untuk rekonstruksi dalam Super Resolusi. Algoritma SANC digunakan dalam penelitian ini 1
2 karena SANC adalah strategi baru dalam proses filtering pada struktur lokal yang bekerja dengan konvolusi ternormalisasi [4]. Pada penelitian ini diberikan batasan masalah dan asumsi sebagai berikut : a. Rekonstruksi citra yang dipakai bersifat statis. Output dari rekonstruksi ini berupa citra tunggal beresolusi tinggi yang berasal dari input berupa rangkaian citra beresolusi rendah. b. Pergeseran citra masukan adalah pergeseran translasi. c. Proses registrasi menggunakan metode Vandewalle. d. Parameter yang digunakan untuk menguji hasil Super Resolusi untuk rekonstruksi citra adalah nilai Peak Signal to Noise Ratio (PSNR). Tujuan dari penelitian ini adalah membangun sebuah perangkat lunak yang dapat menghasilkan citra tunggal beresolusi tinggi yang berasal dari rangkaian citra resolusi rendah dengan mengimplementasikan algoritma Structure Adaptive Normalized Convolution. 2. Tinjauan Pustaka 2.1 Digital adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dua dimensi. dibentuk dari persegi empat yang teratur sehingga jarak horizontal dan vertikal antara piksel satu dengan yang lain adalah sama pada seluruh bagian citra. Indeks x bergerak ke bawah dan indeks y bergerak ke kanan. Untuk menunjukkan koordinat digunakan posisi kanan bawah dalam citra berukuran m x n piksel. Gambar 2.1 menunjukkan koordinat pada suatu citra digital. Gambar 2.1 Koordinat pada Digital digital dapat direpresentasikan dalam bentuk matriks. Misalkan citra berukuran MxN (M baris dan N kolom), maka representasi citranya ditunjukkan pada matriks berikut ini:. f(0,0) f 0,1 f(0, N 1) f(1,1) f(1, N 1) f(m 1,1) f(m 1, N 1) f(1,0) f(m 1,0) 2.2 Konsep Tetangga Piksel Pada pengolahan citra digital dibutuhkan beberapa konsep dasar tentang citra, misalnya untuk mencari rata-rata piksel atau variansi lokal citra dibutuhkan konsep piksel tetangga. Salah satu konsep piksel tetangga yang digunakan adalah 8- tetangga, yang dinotasikan dengan N8(p). Agar piksel tepi dapat dioperasikan seperti piksel di bagian dalam citra maka dilakukan penambahan satu piksel di sekeliling citra. Piksel tambahan dapat bernilai 0, 1 atau sama dengan piksel tepi dan pemilihannya disesuaikan dengan kebutuhan. Hubungan piksel N8(p) direpresentasikan oleh Gambar 2.2. f(x-1,y-1) f(x-1,y) f(x-1,y+1) f(x,y-1) f(x,y) f(x,y+1) f(x+1,y-1) f(x+1,y) f(x+1,y+1) Gambar 2.2 Hubungan Piksel N8(p) 2.3 Super Resolusi Super Resolusi adalah suatu teknik yang bertujuan untuk mendapatkan citra resolusi tinggi dari rangkaian citra beresolusi rendah. Dengan menggunakan informasi dari ketidak-aturan data sampling, estimasi pergerakan rangkaian citra resolusi rendah, atau interpolasi, fuzzy dan noise dapat diperkecil sehingga citra resolusi tinggi dapat diperoleh. Istilah super pada Super Resolusi merepresentasikan karakteristik dari teknik pengolahan sinyal yang dapat mengatasi keterbatasan dari sitem pencitraan resolusi rendah. Pada umumnya, Super Resolusi terdiri dari dua tahap, yaitu: 1. Registrasi citra 2. Rekonstruksi citra. Kajian-kajian mengenai Super Resolusi biasanya mencoba untuk menyelesaikan kedua permasalahan tersebut. Meskipun pendekatan yang digunakan berbeda, hasil akhirnya adalah sama. Gambar 2.3 mendeskripsikan kedua langkah tersebut secara grafis. 2
3 g x, y = Hf x, y + n(x, y) (2.3) Berarti, proses rekonstruksi dalam hal ini dapat diartikan sebagai proses mendekati citra f(x,y) dari suatu citra g(x,y) dengan menggunakan pengetahuan yang dimiliki mengenai operator H dan derau n(x,y). Gambar 2.3 Langkah-langkah Teknik Super- Resolusi 2.4 Registrasi dan Rekonstruksi Registrasi citra merupakan proses overlay dua atau lebih citra dengan obyek yang sama, yang diambil pada waktu yang berbeda, dari sudut pandang yang berbeda, dan atau oleh sensor yang berbeda pula [10]. Definisi lain yaitu proses menemukan kembali titik-titik yang bersesuaian antara citra I 1 dengan citra I 2 dimana citra I 2 yang mengalami transformasi geometri seperti pergeseran (translasi), rotasi, perbesaran (scaling), pembalikan (fliping), dan penarikan (stretching)[9]. Registrasi citra dapat dilakukan pada domain spasial dan domain frekuensi. Pada domain spasial, registrasi dilakukan dengan cara mencari nilai ratarata, median, atau ukuran statistika lainnya pada setiap nilai derajat keabuan (grayscale) atau RGB [6]. Konsep registrasi citra pada domain spasial dan frekuensi adalah estimasi pergeseran dan estimasi rotasi. Estimasi pergeseran diberikan sebagai berikut, misal I 2 adalah citra I 1 yang mengalami pergeseran sebesar x, y maka I 1 x, y = I 2 (x + x, y + y) (2.1) Untuk estimasi rotasi diberikan sebagai berikut, jika I 2 adalah citra I 1 yang mengalami rotasi sebesar θ, maka untuk menemukan sudut rotasi θ dilakukan dengan mengubah sistem koordinat kartesian pada citra I 1 dan I 2 menjadi sistem koordinat polar sehingga I 1 r, θ = I 2 (r, θ + θ) (2.2) Rekonstruksi citra merupakan proses mendapatkan kembali (rekonstruksi) citra asli dari suatu citra yang telah mengalami proses degradasi [3]. Dengan menggambarkan model tersebut (Gambar 2.4), maka pada hakikatnya suatu citra yang dilihat sesungguhnya merupakan citra yang telah mengalami suatu proses degradasi yang dalam hal ini digambarkan sebagai H ditambah suatu derau n(x,y): Gambar 2.4 Model Degradasi 2.5 Rekonstruksi Menggunakan SANC Algoritma SANC merupakan algoritma interpolasi citra yang bekerja pada ruang lingkup Normalized Convolution. Setelah rangkaian citra resolusi rendah diregistrasi untuk didapatkan nilai perpindahan piksel, maka parameter translasi maupun rotasi perpindahan citra-citra tersebut akan digunakan untuk proses rekonstruksi. Salah satu citra dalam rangkaian citra resolusi rendah akan digunakan sebagai acuan dalam rekonstruksi. tersebut akan diperbesar yang nantinya digunakan sebagai grid citra resolusi tinggi. Nilai parameter translasi dan rotasi perpindahan piksel digunakan untuk memproyeksikan citra citra resolusi rendah pada grid citra resolusi tinggi. Tentukan fungsi aplikabel berdasarkan jarak titik piksel dengan ketetanggaanya. Setelah itu, cari fungsi basis yang didapat dari nilai kepastian pada citra citra tersebut. Operasikan nilai nilai tersebut berdasarkan persamaan 2.6. Operasi diatas merupakan proses Normalized Convolution. Untuk membuat citra semakin tajam, maka proses tersebut diulang kembali namun dengan penambahan parameter-parameter lainnya. Seperti estimasi struktur dan skala citra lokal harus diketahui terlebih dahulu yang kemudian dibuat menjadi densitas citra. Selain itu, fungsi aplikabel dibuat menggunakan fungsi gaussian anisotropic. Proses perulangan inilah yang disebut dengan Structure Adaptive Normalized Convolution Normalized Convolution Normalized Convolution adalah metode untuk analisis sinyal yang memperhitungkan ketidakpastian dari nilai sinyal dan pada saat yang sama memungkinkan lokalisasi fungsi analisis spasial tak terbatas. Definisi lain menyebutkan, Normalized Convolution adalah teknik untuk memodelkan proyeksi dari sinyal lokal ke satu himpunan fungsi basis. Meskipun banyak fungsi basis yang dapat digunakan, namun pada umumnya basis polinomial 3
4 {1, x, y, x 2, y 2, xy,... } yang sering digunakan, dimana 1 = [ ] T (Nseries), x = [x1x2.... xn ] T, x 2 = [x 2 1 x x 2 N ] T dan seterusnya yang direkonstruksi dari koordinat lokal N sampel input. Penggunaan fungsi basis polinomial membuat Normalized Convolution sama dengan deret Taylor lokal yang diperluas. Pusat ketetanggaan lokal terdapat di S 0 = (x 0, y 0 ), nilai intensitas di posisi s = (x +x 0, y +y 0 ) didekati dengan polinomial yang diperluas: f s, s 0 = p 0 s 0 + p 1 s 0 x + p 2 s 0 + p 3 s 0 x 2 + p 4 (s 0 )xy + p 5 (s 0 )y (2.4) dimana (x, y) adalah koordinat lokal dari sampel s berhubungan dengan pusat s 0. P(s 0 ) = [p 0 p 1 p p m ] T (s 0 ) adalah koefisien proyeksi dari hubungan fungsi basis polinomial di s Least-Squares Estimation Untuk menyelesaikan koefisien proyeksi p di posisi output s 0, pendekatan Least-Squares pada fungsi aplikabel α di s 0 ditulis dengan persamaan 2.5 berikut: ε(s 0 ) = [ f (s 0 ) f(s, s 0 )] 2 c(s)α(s s 0 )ds (2.5) dimana sinyal kepastian 0 c(s) 1 menetapkan ukuran realibilitas di s, dengan 0 melambangkan data tidak dapat dipercaya dan 1 sebagai data yang realibel. Meskipun c dan α adalah bobot skalar untuk error kuadrat, namun keduanya memiliki sifat yang berbeda, masing-masing dapat dibuat adaptif dengan data citra lokal. Untuk ketetanggaan pada sampel N, regresi kuadrat standart menghasilkan solusi dalam bentuk matrik persamaan (2.6) berikut: p = (B T WB) 1 B T W f (2.6) dimana f adalah sebuah matrik Nx1 dari intensitas input f (s), B = [b 1 b 2... b m ] adalah sebuah matrik Nxm dari sampel fungsi-fungsi basis di koordinat lokal sampel input N, dan W = diag(c). diag(a) adalah sebuah matrik diagonal NxN yang dibangun dari hasil tiap elemen per elemen dari kepastian sinyal c dan penerapan sampel a Estimasi Struktur dan Skala Lokal Untuk peningkatan level pada Normalized Convolution, sistem Struktur Adaptive Normalized Convolution harus menggunakan informasi pada struktur citra aktual serta jarak antar data input. Untuk membangun sebuah kernel adaptif di piksel output, sekitar struktur lokal citra harus diketahui terlebih dahulu. Gradient Structure Tensor (GST) didefinisikan dengan persamaan (2.7) dan (2.8) : GST = I I T = I x 2 I x I y I x I y I y 2 = λ u uu T + λ v vv T (2.7) = arg u, A = λ u λ v λ u +λ v (2.8) dimana adalah sumbu utama, A adalah nilai intensitas anisotropic, yang keduanya dihitung dari eigenvector u, v yang berkorespondensi dengan eigenvalue (λ u λ v ). I x = I dan I x y = I adalah y gradien koresponden. Karakteristik data penting lainnya adalah densitas sampel lokal, karena menggambarkan seberapa banyak informasi yang tersedia di dekat poin-poin grid resolusi tinggi Fungsi Aplikabel Structure-Adaptive Fungsi aplikabel adaptif adalah sebuah fungsi Gaussian anisotropic yang sumbu utamanya diputar untuk menyesuaikan dengan orientasi dominan lokal: α s, s 0 = ρ s s 0 exp x sin +y cos σ v (s 0 ) 2 x cos +y sin σ u (s 0 ) 2 (2.9) dimana s 0 = x 0, y 0 adalah pusat analisis, s s 0 = x, y adalah koordinat lokal sampel-sampel input yang berhubungan dengan s 0. ρ adalah sebuah fungsi pillbox yang berpusat di titik asal yang membatasi kernel untuk radius tertentu. σ u dan σ v adalah skala arah dari kernel Gaussian Anisotropic. σ v adalah skala yang memanjang sepanjang orientasi dan lebih besar atau sama dengan σ u. Kedua skala arah ini disesuaikan dengan skala lokal σ c. α σ u = σ α+a c, σ v = α+a σ α c (2.10) Parameter dan fungsi yang digunakan untuk merekonstruksi citra resolusi tinggi, yang digunakan cukup karakteristik struktur citra dan detail informasi, bentuk dan ukuran ketetanggaan lokal dapat diatur secara adaptif. 2.6 Mean Square Error MSE atau Mean Square Error merupakan suatu metode pengukuran kontrol dan kualitas yang sudah dapat diterima luas. MSE dihitung dari sebuah contoh obyek yang kemudian dibandingkan dengan obyek aslinya sehingga dapat diketahui tingkat 4
5 ketidaksesuaian antara obyek contoh dengan aslinya. Persamaan MSE terhadap deviasi dari target adalah sebagai berikut: MSE = 1 MN m n x=1 y=1 I x, y I (x, y) 2 (2.11) I(x,y) adalah nilai piksel di citra asli, I (x,y) adalah nilai piksel pada citra hasil rekonstrusi, dan x, y adalah dimensi citra. 3. PERANCANGAN dan IMPLEMENTASI 3.1 Perancangan Sistem Untuk mengetahui gambaran keseluruhan dari proses kerja perangkat lunak yang akan dibuat nantinya, maka diperlukan langkah awal dalam pembuatan perangkat lunak yaitu melakukan analisis kerja sistem secara keseluruhan. a. Pembuatan Program Utama Program Super Resolusi pada citra digital menggunakan algoritma SANC merupakan program utama dalam perangkat lunak ini. Fungsi utamanya adalah merekonstruksi rangkaian citra beresolusi rendah dengan teknik Super Resolusi menggunakan algoritma Structure-Adaptive Normalized Convolution.. Proses pelaksanaan sistem dalam program ini ditunjukkan oleh Gambar 3.1 Gambar 3.1 Diagram alur program Super-Resolusi menggunakan algoritma SANC b. Pembuatan Observasi Masukan dalam program ini berupa citra tunggal beresolusi tinggi yang kemudian didownsampling menjadi rangkaian citra beresolusi rendah sebagai model observasi. Tujuan utama perangkat lunak ini secara keseluruhan tentu saja untuk menghasilkan citra beresolusi tinggi dari rangkaian citra beresolusi rendah yang diambil dari rangkaian frame sebuah video, untuk mendapatkan informasi tertentu. Pembuatan model observasi lebih dimaksudkan untuk penelitian keberhasilan perangkat lunak secara keseluruhan. Proses pembuatan model observasi ditunjukkan oleh Gambar 3.2 c. Pengujian Hasil Menggunakan PSNR Proses pengujian citra hasil Super Resolusi menggunakan algoritma SANC digambarkan pada Gambar 3.3 Mulai Buat RR dari RT Ya Program Generasi Tidak Input Rangkaian RR Simpan Ya Alokasi Memori Tidak Registrasi Rekonstruksi (SANC) Tunggal RT Selesai 5
6 Mulai Input Resolusi Tinggi Banyak RR yang ingin dibuat Simpan Tidak Menggandakan Input Translasi dan Rotasi rangkaian Downsampling dan Blurring Ya Alokasi Memori 4. UJI COBA PROGRAM 4.1 Data Uji Coba Uji coba pada program dalam penelitian ini dilakukan terhadap rangkaian citra resolusi rendah yang berfungsi sebagai citra observasi. observasi itu sendiri dibentuk dari sebuah citra input yang resolusi tinggi sebagai citra asli atau citra referensi. asli terdiri dari 2 citra grayscale dan 2 citra RGB. Pada citra asli dilakukan proses rotasi dan translasi serta downsampling sehingga dapat dihasilkan citra-citra resolusi rendah (jumlah maksimum 10) dengan ukuran yang 4 kali lebih kecil. Selanjutnya, dilakukan uji coba rekonstruksi citra pada Super Resolusi menggunakan Structure Adaptive Normalized Convolution pada citra-citra observasi, citra observasi yang digunakan berjumlah 10. Pembentukan rangkaian citra observasi dengan cara menurunkan kualitas suatu citra resolusi tinggi dimaksudkan agar hasil rekonstruksi dapat dibandingkan dengan citra asli. Daftar citra-citra asli untuk uji coba tersebut antara lain disajikan dalam Tabel 4.1 Penambahan Noise Tabel 4.1 Data Asli No Nama Rangkaian Resolusi Rendah 1 Lena.tif 512 x 512 Selesai Gambar 3.2 Diagram alur sistem pembuatan citra observasi Mulai 2 Cameraman.tif 512 x 512 Input Asli : S(x,y) Input Hasil Rekonstruk si : S (x,y) Hitung nilai MSE 3 Satelit.tif 512 x 512 Hitung nilai PSNR Nilai PSNR 4 tengkorak.tif 400 x 400 Selesai Gambar 3.3 Diagram alur program PSNR 4.2 Pelaksanaan Uji Coba 6
7 Uji coba akan dilakukan dengan memperhatikan input citra asli, dengan memperhatikan ukuran, tipe dan tipe data citra. Untuk meyakinkan bahwa algoritma Structure Adaptive Normalized Convolution untuk proses rekonstruksi citra merupakan algoritma yang bisa diterapkan pada citra RGB (Berwarna) dan Grayscale. Dalam pelaksanaan uji coba, citra asli akan dibandingkan dengan citra hasil rekonstruksi, citra hasil pembesaran 4 kali dengan metode bicubic pada matlab dan citra yang diperbesar 4 kali menggunakan software microsoft paint. Hal ini untuk melihat apakah algoritma SANC merupakan algoritma yang baik dalam merekonstruksi citra. Dalam pengujian kemampuan algoritma SANC, untuk uji coba pertama, akan digunakan input dengan keterangan sebagai berikut : Nama Asli : Lena.tif Ukuran Asli : 512 x 512 Jenis : grayscale d. hasil pembesaran dengan microsoft paint (512x512) e. hasil pembesaran dengan metode bicubic (512x512) a. Asli (512x512) b. citra observasi (128x128) Semua citra asli dilakukan uji coba yang sama, dan dihitung nilai PSNR dari setiap uji coba. Nilai PSNR dari setiap uji coba dapat dilihat pada tabel tabel berikut: 1. Uji Coba Pertama Nama Asli : Lena.tif Jenis : grayscale Tabel 4.2 Perhitungan PSNR Uji Coba Pertama PSNR SANC bicubic microsoft paint - 2 Uji Coba Kedua Nama Asli Jenis : Cameraman.tif : grayscale c. citra hasil rekonstruksi SANC (512x512) Tabel 4.3 Perhitungan PSNR Uji Coba Kedua Skala PSNR SANC bicubic microsoft paint - 3 Uji Coba Ketiga Nama Asli Jenis : Satelit.tif : RGB(berwarna) Tabel 4.4 Perhitungan PSNR Uji Coba Ketiga 7
8 Skala PSNR SANC bicubic microsoft paint Uji Coba Keempat Nama Asli Jenis : tengkorak.tif : RGB(berwarna) Tabel 4.5 PerhitunganPSNR Uji Coba Keempat Skala PSNR SANC Bicubic microsoft paint Evaluasi Pada percobaan diatas secara kasat mata citra hasil proses rekonstruksi citra, perbesaran dengan bicubic dan perbesaran dengan microsoft paint tidak begitu jauh perbedaannya. Namun, bila diperhatikan dengan seksama, citra hasil rekonstruksi SANC mempunyai tampilan visual yang lebih baik dibandingkan dengan yang lain. Selanjutnya, citra hasil rekonstruksi SANC, citra hasil perbesaran bicubic dan citra hasil pembesaran microsoft paint akan dibandingkan dengan citra asli sehingga didapat nilai numerik dari kualitas citra diatas yang disebut nilai PSNR. Dari nilai PSNR yang didapat, secara numerik, citra hasil rekonstruksi SANC lebih baik dari yang lainnya. Dengan rekonsrtruksi SANC, citra tengkorank.tif 128X128 bisa menghasilkan citra dengan nilai PSNR yang tinggi yaitu 33,04. Nilai ini jauh diatas daripada hasil daripada bicubic dan hasil microsoft paint. 5. PENUTUP 5.1 Kesimpulan Dari hasil pengujian perangkat lunak pada Bab V, maka didapat kesimpulan sebagai berikut: a. Algoritma Structure Adaptive Normalized Convolution dapat digunakan sebagai salah satu metode dalam Super-Resolusi untuk merekonstruksi citra. Dengan membuat fungsi basis dari citra input disertai fungsi aplikabel yang tepat membuat algoritma ini dapat merekonstruksi citra dengan baik. b. hasil rekonstruksi menggunakan algoritma Structure Adaptive Normalized Convolution memberikan hasil yang lebih baik dibandingkan dengan citra hasil interpolasi bicubic dan pembesaran menggunakan microsoft paint baik secara numerik maupun visual. c. Nilai parameter rekonstruksi, yaitu Peak Signal to Noise Ratio (PSNR) berbeda-beda pada tiap 8 data citra masukkan, dimana hal ini terkait dengan kerumitan data citra input tersebut. d. Hasil rekonstruksi citra dengan algoritma Structure Adaptive Normalized Convolution dengan perbesaran 4x mempunyai nilai PSNR yang cukup tinggi. Dari hasil pengujian 4 citra, didapatkan nilai PSNR 25,3468 db untuk citra Lena.tif, db untuk citra Cameraman.tif, 18,6471 db untuk citra Satelit.tif dan 33,0496 db untuk citra tengkorak.tif. Artinya, kualitas citra hasil pembesaran mendekati citra asli. 5.2 Saran Saran yang dapat diberikan dalam pengembangan tugas akhir ini antara lain adalah: a. Registrasi citra merupakan bagian yang sangat penting dalam teknik Superesolusi. Untuk penelitian selanjutnya, penulis menyarankan penggunaan metode registrasi citra yang lebih baik dalam estimasi translasi ataupun rotasi sehingga teknik Super-Resolusi menggunakan algoritma Structure Adaptive Normalized Convolution akan memberikan hasil yang lebih baik pula. b. Sebagai pengembangan perangkat lunak, penelitian dapat ditingkatkan untuk menghasilkan video beresolusi tinggi dari video yang resolusinya rendah. 6. DAFTAR PUSTAKA [1]. Fadlisyah Computer Vision dan Pengolahan. Yogyakarta : CV. ANDI OFFSET. [2]. Gonzales, RC. Woods, RE Digital Image Processing. New Jersey : Prentice Hall, Inc. [3]. Krokhin, Andrey Super Resolution in Image Sequences. Thesis for the degree of Master of Science. Northeastern University. [4]. Muchlisuddin Teknik High Accuracy Image Registration Menggunakan Fungsi Phase Only Correlation. Tugas Akhir Jurusan Matematika ITS Surabaya. [5]. Munir, Rinaldi Pengolahan Digital dengan Pendekatan Algoritmik. Bandung: Informatika Bandung. [6] Tiemao, Lin., Xuyuan, Zheng Superresolution Reconstruction of MR Image Based on Structure-adaptive Normalized Convolution. ICSP IEEE. Hal [7] Tuan, Pham, Vliet, Lucas Normalized averaging using adaptive applicability functions with application in image reconstruction from sparsely and randomly sampled data. Proceedings of 13 th
9 Scandinavian Conference on Image Analysis (SCIA). Hal [8] Tuan, Pham Robust Fusion of Irregularly Sampled Data using AdaptiveNormalized Convolution. EURASIP Journal on Applied Signal Processing. Hal 1-12 [9] Tuan, Pham Spational Adaptivity in Super Resolution of Under sampled Image Sequences. Thesis for the degree of Master of Science. Delft University of Technology. [10] Westin, Carl Normalized and Differential Convolution. In Computer Vision and Pattern Recognition. Hal
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 terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB 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 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 terperinciBAB VI KESIMPULAN DAN SARAN
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Dari hasil pengujian perangkat lunak pada Bab V, maka dapat ditarik kesimpulan sebagai berikut: 1. Dengan membuat frekuensi tinggi sama dengan nol, algoritma
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 terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciBAB 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 terperinciWATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL
SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM
Lebih terperinciANALISIS 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 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 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 terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
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 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 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dalam perkembangan teknologi masa kini, suatu informasi sangat mudah untuk di dapatkan. Halnya di kehidupan sehari-hari serta seluruh bidang yang berkaitan
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 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 terperinciIMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM
IMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM Ahmad Adil Faruqi 1, Imam Fahrur Rozi 2 1,2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri Malang 1 ahmadadilf@gmail.com,
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 terperinci1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016
1. TRANSLASI OPERASI GEOMETRIS Rumus translasi citra x = x + m y = y + n dimana : m = besar pergeseran dalam arah x n = besar pergeseran dalam arah y 4/2/2016 1 TRANSLASI 2. ROTASI Jika citra semula adalah
Lebih 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 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 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 terperinciPERANCANGAN 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
Lebih 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 terperinciPERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK
PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Okada Arle Sandi, T. Sutojo, S.Si, M.Kom Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
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 terperinciREGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM
J. Math. and Its Appl. ISSN: 1829-605X Vol. 9, No. 1, Mei 2012, 17-31 REGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM Kartika Mahanani 1, Suhud Wahyudi 2, Budi Setiyono 3, Imam
Lebih terperinciBAB I PENDAHULUAN. semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan mengikuti perkembangan zaman, tentunya teknologi juga semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga pengembangan dari teknologi yang sudah
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB 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 terperinciRestorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah
Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah Bayu Setyo Prayugi Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh
Lebih terperinciPencocokan Citra Digital
BAB II DASAR TEORI II.1 Pencocokan Citra Digital Teknologi fotogrametri terus mengalami perkembangan dari sistem fotogrametri analog hingga sistem fotogrametri dijital yang lebih praktis, murah dan otomatis.
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih terperinciAplikasi Matriks dalam Pengolahan Gambar
Aplikasi Matriks dalam Pengolahan Gambar Adi Purnama (13514006) 1 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia 1
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE
ISSN : 1978-6603 IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE *Tugiono #1, Hafizah #2, Asyahri Hadi Nasyuha #3
Lebih terperinciPENDETEKSIAN 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 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 terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL 1. Pendahuluan Citra / gambar merupakan hal yang vital dan menjadi bagian integral dari kehidupan sehari-hari. Pada kepentingan tertentu,
Lebih terperinciKonvolusi. 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 terperinciPENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,
1 VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini, Abstrak Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video
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 terperinciOperasi 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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra digital adalah citra yang dapat diolah oleh komputer. Citra
Lebih terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB 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 terperinciANALISIS DAN IMPLEMENTASI METODE STEEPEST DESCENT UNTUK MENGURANGI BLUR PADA CITRA DIGITAL
ANALISIS DAN IMPLEMENTASI METODE STEEPEST DESCENT UNTUK MENGURANGI BLUR PADA CITRA DIGITAL I Gede Adnyana Program Magister (S2) Teknik Elektro, Pascasarjana Universitas Udayana, Denpasar, Bali adnyana.nakkuta@gmail.com
Lebih terperinciAnalisa 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 terperinciFajar Syakhfari. Pendahuluan. Lisensi Dokumen:
Aplikasi Geometry Process Menggunakan Visual Studio Fajar Syakhfari Fajar_060@yahoo.com http://syakhfarizonedevils.blogspot.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR
ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id
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 terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciPENERAPAN METODE INTERPOLASI LINIER DAN METODE SUPER RESOLUSI PADA PEMBESARAN CITRA
Jurnal INFOTEK, Vol, No, Juni 6 ISSN 5-668 (Media Cetak) PENERAPAN METODE INTERPOLASI LINIER DAN METODE SUPER RESOLUSI PADA PEMBESARAN CITRA Rini Astuti (5) Mahasiswa Program Studi Teknik Informatika STMIK
Lebih terperinciPendahuluan. Dua operasi matematis penting dalam pengolahan citra :
KONVOLUSI Budi S Pendahuluan Dua operasi matematis penting dalam pengolahan citra : Operasi Konvolusi (Spatial Filter/Discret Convolution Filter) Transformasi Fourier Teori Konvolusi Konvolusi 2 buah fungsi
Lebih terperinciOperasi Geometri (1) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode
Lebih terperinciOperasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma
Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan
Lebih terperinciSetelah mempelajari materi ini, mahasiswa diharapkan mampu:
Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode
Lebih terperinciPENGOLAHAN 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 terperinciImplementasi 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 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 terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciOleh : Deni Purwanti Dosen Pembimbing : 1. Drs.Soetrisno, MI. Komp 2. Drs. I Gst. Ngr. Rai Usadha, M.Si
Oleh : Deni Purwanti 1206 100 715 Dosen Pembimbing : 1. Drs.Soetrisno, MI. Komp 2. Drs. I Gst. Ngr. Rai Usadha, M.Si JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat
Lebih terperinciTUGAS AKHIR. Watermarking Citra Digital dengan Metode Skema Watermarking Berdasarkan Kuantisasi Warna
TUGAS AKHIR Watermarking Citra Digital dengan Metode Skema Watermarking Berdasarkan Kuantisasi Warna (Watermarking on Digital Image Using Watermarking Scheme Based on Color Quantization ) Oleh: MUHAMMAD
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
Lebih terperinciREKONSTRUKSI CITRA PLAT NOMOR KENDARAAN MENGGUNAKAN METODE SUPER RESOLUTION MULTI FRAME
REKONSTRUKSI CITRA PLAT NOMOR KENDARAAN MENGGUNAKAN METODE SUPER RESOLUTION MULTI FRAME Aulia Mahardika 1, Alexander Agung 1, Michael Yoseph 1 1 Binus University, Jl K. H. Syahdan No. 9 Kemanggisan/Palmerah
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciBAB 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 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 terperinciBAB 2 LANDASAN TEORI. pembentukan dan penggunaan prinsip-prinsip engineering untuk
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Rekayasa Perangkat Lunak Menurut Pressman (2010, p.13), rekayasa perangkat lunak adalah pembentukan dan penggunaan prinsip-prinsip engineering untuk memperoleh
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 6 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
Lebih terperinciDETEKSI 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 terperinciBAB 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 terperinciOperasi Geometri (2) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan
Lebih terperinciANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI
ANALISA BICUBIC DAN BILINEAR MENGGUNAKAN METODE DISCRETE WAVELET TRANSFORM PADA SUPER RESOLUSI Beni Hartanto Program Studi Teknik Informatika, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih 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 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 terperinciJURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 ISSN 1411-1586 DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas.. 1-11 Wita Widyandini, Yohana Nursruwening Analisa
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 terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. 1 Tinjauan Studi Berbagai penelitian telah dilakukan untuk menunjukkan betapa pentingnya suatu edge detection dalam perkembangan pengolahan suatu citra, berikut
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 terperinciSimulasi Penyembunyian Error pada Citra Menggunakan Metode Multi Directional Interpolation (MDI)
13 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 2 (2011) No. 1, pp. 13-27 Simulasi Penyembunyian Error pada Citra Menggunakan Metode Multi Directional Interpolation (MDI) Riko Arlando Saragih
Lebih terperinci