PENGOLAHAN CITRA DIGITAL
|
|
- Hadian Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGOLAHAN CITRA DIGITAL 1
2 2
3 Representasi Image 1 bit 8 bits 3
4 24 bits 4
5 Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. 5
6 Hi s togr a m dar i i ma ge di g i ta l dengan gray levels dari 0 sampai L-1 adalah fungsi diskrit h(r k )=n k, d i m a n a : r k adalah nilai gray level ke k n k adalah jumlah pixels dalam image yang memiliki gray level k n adalah jumlah keselirihan pixel pada image k = 0, 1, 2,, L-1 6
7 Histogram dari image digital dengan gray level yang berada dalam range [0, L-1] adalah sebuah f u n g s i d i s k r i t h(rk) = nk dimana rk adalah nilai gray level ke k dan nk adalah jumlah pixel yang memiliki nilai gray level rk. Number of Occurrences Pixel Value 7
8 8
9 9
10 10
11 Image colors red green blue 11
12 Sifat Sifat Histogram Histogram adalah pemetaan Many-to-One Image yang berbeda dimungkinkan untuk m e m i l i k i h i s t o g r a m y a n g s a m a. 1 A Images B Histograms 12
13 Histogram sebuah image tidak berubah bila image dikenakan o p e r a s i t e r t e n t u s e p e r t i : R o t a t i o n, s c a l i n g, f l i p. Rotate Clockwise Scale Flip 13
14 Ekualisasi Histogram Adalah proses Mapping dari Grey Levels p menjadi Grey Levels q sedemikian sehingga distribusi dari Grey Levels pada q mendekati bentuk Uniform 14
15 Bila p(k) = image histogram pada k = [0..1] T u j u a n : contrast sehingga m e n c a r i t r a n s f o r m a s i stretching T(k) sedemikian I2 = T(I) and p2 = 1(uniform) p(k) p2 15
16 Dengan Histogram informasi spasial dari image diabaikan dan hanya mempertimbangkan frekuensi relatif p e n a m p i l a n g r a y l e v e l. 16
17 Normalisasi Histogram Normalized histogram: p(r k )=n k /n Jumlah keseluruhan komponen = 1 Adalah membagi setiap nilai dari histogram dengan jumlah pixel d a r i i m a g e ( n ), p(rk) = nk /n. Normalisasi Histogram berguna untuk melihat statistika dari i m a g e. 17
18 18
19 Diberikan sebuah image 8-level berukuran 64 x 64 dengan nilai gray value (0, 1,, 7). Nilai normalisasi dari gray value adalah (0, 1/7, 2/ 7,,,.,., 1). 19
20 20
21 Hanya ada 5 nilai gray level yang berbeda yang berpengaruh dalam image tsb. H a s i l e k u a l i s a s i a d a l a h p e n d e k a t a n t e r h a d a p b e n t u k h i s t o g r a m y a n g u n i f o r m 21
22 22
23 23
24 24
25 25
26 Spatial Filtering 2D FIR filtering Mask filtering: operasi konvolusi image 2 D masking Applikasinya antara lain untuk image enhancement: Smoothing: low pass Sharpening: high pass Data-dependent nonlinear filters Local histogram Order statistic filters Medium filter dengan 26
27 Spatial filtering adalah operasi y a n g d i l a k u k a n Terhadap intensitas pixel dari s u a t u i m a g e Dan bukan terhadap komponen f r e k u e n s i d a r i i m a g e a b g(x, y) w(s, t) f (x s, y t) s a t b a = (m - 1) / 2 b = (n - 1) / 2 27
28 Konvolusi Image 28
29 Smoothing Spatial Filters _ averaging (lowpass) filters Linear Smoothing filters are used - Noise reduction - Smoothing of false contours - Reduction of irrelevant detail Undesirable side effect of - Blur edges smoothing filters Weighted average filter reduces blurring in the smoothing process. Box filter Weighted average 29
30 Smoothing Linear Filters i I j J g(m, n) I J I J w(i, j) f (m i, n j) i I j J w(i, j) Normalization of coefficient to ensure 0 g(m,n) L-1 30
31 Averaging dan Threshold filter size n = 15 Thrsh = 25% of highest intensity 31
32 Sharpening Linear Filters High boosting filter: Laplacian operator: A 1 Derivative filter: Use derivatives to approximate high pass filters. Usually 2 nd derivatives are preferred. The most common one is the Laplacian operator. 2 f (x, y) f (x, y) f (x, y) 2 2 x 2 y 2 f (x 1, y) f (x 1, y) f (x, y 1) f (x, y 1) 4 f (x, y) 32
33 Order Statistics Filters Order-statistics filters are nonlinear spatial filters whose response is based on ordering (ranking) the pixels contained in the image area encompassed by the filter, and then replacing the value of the center pixel with the value determined by the ranking result. 3 3 Median filter [ ] = Max filter [ ] = Min filter [ ] = 10 Median filter eliminates isolated clusters of pixels that are light or dark with respect to their neighbors, and whose area is less than n 2 /2. 33
34 Order Statistics Filters n = 3 Average filter n = 3 Median filter 34
35 2-D, STMIK AMIKOM 2nd PURWOKERTO Order Derivatives for Image Enhancement Isotropic filters: rotation invariant Laplacian (linear operator): Discrete 2 f 2 f x 2 version: y 2 2 f 2 f 2 x 2 f (x 1, y) f (x 1, y) 2 f (x, y) 2 f f (x, y 1) f (x, y 1) 2 f (x, y) 2 y 2 35
36 Laplacian Digital implementation: 2 f [ f (x 1, y) f (x 1, y) f (x, y 1) f (x, y 1)] 4 f (x, y) Two definitions negative of the Accordingly, to features: of Laplacian: one is the other recover background 2 f f ( x,y ) ( x,y )( I ) g(x, y) { 2 f ( x,y ) f ( x,y )( II ) I: if the center of the mask is negative II: if the center of the mask is positive 36
37 Simplification g(x,y) g(x, y) Filter and step: f (x,y) [ f (x 1,y) f (x recover original part in one 1,y) f (x,y 1) f (x,y 1)] 4 f (x,y) 5 f (x, y) [ f (x 1, y) f (x 1, y) f (x, y 1) f (x, y 1)] 37
38 38
39 39
40 40
41 High-boost Filtering Unsharp masking: Highpass filtered image = f s (x, y) f (x, y) f (x, y) Original lowpass filtered image. If A is an amplification factor then: High-boost = A original lowpass (blurred) = (A-1) original + original lowpass = (A-1) original + highpass 41
42 High-boost Filtering A=1 : standard highpass result A>1 : the high-boost image looks more like the original with a degree of edge enhancement, depending on the value of A. w=9a-1, A 1 42
43 43
44 1st Derivatives The most common method of differentiation in Image Processing the gradient: f F G x x G y f at (x,y) y is The magnitude of this vector is: 2 2 f f f mag( f ) [G x G y ] 2 x y / 2 44
45 The Gradient Non-isotropic Its magnitude (often rotation invariant call the gradient) is Computations: f G x G y Roberts uses: Approximation Operators): G x (z 9 z 5 ) G y (z 8 z 6 ) (Roberts Cross-Gradient f z 9 z 5 z 8 z 6 45
46 46
47 Derivative Filters At z 5, the magnitude can be approximated as: f [(z 5 z 8 ) (z 5 z 6 ) ] f z 5 z 8 z 5 z / 2 47
48 Derivative Filters Another approach is: f [(z 5 z 9 ) (z 6 z 8 ) ] f z 5 z 9 z 6 z / 2 One last approach is (Sobel Operators): f (z 7 2z 8 z 9 ) (z 1 2z 2 z 3 ) (z 3 2z 6 z 9 ) (z 1 2z 4 z 7 ) 48
49 Robert operator Sobel operators 49
50 50
51 51
52 (b) 52
53 53
Histogram. Peningkatan Kualitas Citra
Histogram Peningkatan Kualitas Citra Representasi Image 1 bit 8 bits 24 bits Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. Histogram dari image digital
Lebih terperinciPengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia DC - OKT 2003 1 Tujuan Peningkatan Mutu Citra Sumber Pustaka:
Lebih terperinciAREA PROCESS. Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel
AREA PROCESS Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel Topik Bahasan Konvolusi (convolution) Filtering (nonmask convolution) Filter Morfologis 3.1
Lebih terperinciPeningkatan Mutu Citra (Image Enhancement) pada Domain Spasial
Peningkatan Mutu Citra (Image Enhancement) pada Domain Spasial Kuliah ke-3 Program Studi S Reguler Departemen Teknik Elektro, FTUI Slides 29 Tujuan Peningkatan Mutu Citra (image enhancement) Tujuan: melakukan
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Segmentasi 1 Langkah berikutnya dari operasi atas image Image Segmentation Feature Extraction Object Classification 2 Image Segmentation W.G.CHO 3 Pengertian Segmentasi Segmentasi
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA ABDUL AZIS, M.KOM
PENGOLAHAN CITRA 1 Prinsip Enhancement Pemrosesan sebuah image sehingga hasil yang didapat bersifat lebih sesuai untuk digunakan pada aplikasi tertentu dibandingkan dengan image a s l i n y a. Kesesuaian
Lebih terperinci10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)
0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan
Lebih 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 terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL
PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL Copyright @ 27 by Emy 2 Kompetensi Mampu mengimplementasikan teknik-teknik untuk memperbaiki kualitas citra sehingga citra yang dihasilkan
Lebih 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 terperinciImage Enhancement by webmaster - Thursday, December 31, 2015 http://suyatno.dosen.akademitelkom.ac.id/index.php/2015/12/31/image-enhancement/ Definisi Perbaikan citra merupakan proses yang dilakukan untuk
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 5 Edge Sharpening. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 5 Edge Sharpening Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta
Lebih 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 terperinciWhat are edges? Local intensity change Strong edge = the steep areas in a 3D plot (show: blobs-for-edge, surface plot) Bekerja pada arah x dan y:
Edge Detection (Dosen : Ibu Yeni) Dirangkum oleh: Eko Zulkaryanto (http://zulkaryanto.wordpress.com) Computer Science Bogor Agricultural University (http://www.ipb.ac.id) What are edges? Local intensity
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 terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2
Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi
Lebih terperinciDeteksi Tepi (Edge Detection) Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB
Deteksi Tepi (Edge Detection) Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB www.ilkom.fmipa.ipb.ac.id/yeni Deteksi Tepi Deteksi tepi (Edge detection) adalah operasi yang dijalankan untuk mendeteksi
Lebih terperinciYudi Ahmad Hambali Pendahuluan. Area Process. Lisensi Dokumen:
Aplikasi Area Process Berbasis C# menggunakan Visual Studio Yudi Ahmad Hambali yudihambali@yahoo.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara
Lebih terperinciMKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Genap 2016/2017 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah (Lowpass Filter) Filter Lolos-Tinggi
Lebih 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 terperinciSimulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)
Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) ISSN : 1693 1173 Abstrak Penelitian ini menekankan pada pentingnya teknik simuasi pada pengolahan citra digital. Simulasi
Lebih terperinciBAB II LANDASAN TEORI. perangkat komputer digital (Jain, 1989, p1). Ada pun menurut Gonzalez dan Woods
BAB II LANDASAN TEORI 2.1 Definisi Digital Image Processing Digital Image Processing adalah proses pengolahan gambar dua dimensi oleh perangkat komputer digital (Jain, 1989, p1). Ada pun menurut Gonzalez
Lebih terperinciPEMFILTERAN SPASIAL LINIER DALAM MENINGKATKAN KUALITAS CITRA
ISSN : 1978-6603 PEMFILTERAN SPASIAL LINIER DALAM MENINGKATKAN KUALITAS CITRA Dian Wirdasari * 1, Trinanda Syaputra #, Herriyance* 3 *1,3 Program Studi Ilmu Komputer, Universitas Sumatera Utara, # STMIK
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA. Akuisisi dan Model ABDUL AZIS, M.KOM
PENGOLAHAN CITRA Akuisisi dan Model Dasar Image 1 2 Apakah itu image / citra? Gambar atau foto atau data visual lainnya, umumnya dalam bentuk 2D atau 3D. Apakah itu digital image? Sebuah image yang berbentuk
Lebih terperinciKuantisasi Gray Level untuk Enhancement Citra
Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Kuantisasi Gray Level untuk Enhancement Citra Content: 1. Definisi 2. Ketetanggaan Citra 3. Operator T 4. Transformasi Gray Level
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Transformasi Citra ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Transformasi Citra 1 Dua Domain Manipulasi Image Spatial Domain : (image plane) Adalah teknik yang didasarkan pada manipulasi l a n g s u n g p i x e l s u a t u i m a g e. Frequency
Lebih terperinciLAPORAN TUGAS MATA KULIAH PENGOLAHAN CITRA DIGITAL Aplikasi Filter pada Domain Spasial
LAPORAN TUGAS MATA KULIAH PENGOLAHAN CITRA DIGITAL Aplikasi Filter pada Domain Spasial Disusun oleh: Iyan Hanafi Van Tony NIM: 11/316832/PA/13958 JURUSAN ILMU KOMPUTER DAN ELEKTRONIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB III PERANCANGAN PEDOMAN PRAKTIKUM
BAB III PERANCANGAN PEDOMAN PRAKTIKUM Pada skripsi ini disusun pedoman praktikum untuk mata kuliah Pengolahan Citra Digital menggunakan bahasa pemrograman C++ dan pustaka OPENCV 2.4.5 dengan compiler Microsoft
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 4 Neighborhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 4 Neighborhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu
Lebih 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 terperinciBiasa dilakukan untuk menghilangkan efek pada citra digital yang disebabkan oleh keterbatasan sistem pencuplikan
Image Smoothing Biasa dilakukan untuk menghilangkan eek pada citra digital ang disebabkan oleh keterbatasan sistem pencuplikan atau kanal transmisi Teknik penghalusan: Domain spasial contoh: mean median
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciPRAKTIKUM PENGOLAHAN CITRA DIGITAL MODUL 1 PERBAIKAN KUALITAS CITRA
PRAKTIKUM PENGOLAHAN CITRA DIGITAL MODUL 1 PERBAIKAN KUALITAS CITRA Citra direpresentasikan dalam bentuk matrik. Berbagai macam citra disimpan menggunakan format berbeda seperti bmp, png, gif, jpg atau
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 5 Neighboorhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 5 Neighboorhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih terperinciAchmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005
Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Bab ini berisi pembahasan mengenai analisa dan perancangan program image sharpening dengan menggunakan Matlab GUI. Analisa bertujuan untuk mengidentifikasi masalah, mengetahui
Lebih terperinciWATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT)
WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT) Disusun Oleh : Aldo Roy Hardiansa Putra (0922056) Jurusan Teknik Elektro, Fakultas Teknik,
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 terperinciPERANCANGAN PERANGKAT LUNAK SISTEM TEMU BALIK CITRA MENGGUNAKAN JARAK HISTOGRAM DENGAN MODEL WARNA YIQ SKRIPSI AYU SATYARI UTAMI
PERANCANGAN PERANGKAT LUNAK SISTEM TEMU BALIK CITRA MENGGUNAKAN JARAK HISTOGRAM DENGAN MODEL WARNA YIQ SKRIPSI AYU SATYARI UTAMI 091421075 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
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 terperinciMuhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah
Lebih terperinciImplementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel
Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Sri Enggal Indraani, Ira Dhani Jumaddina, Sabrina Ridha Sari Sinaga (enggal24@gmail.com, Ira.dhani5393@gmail.com,
Lebih terperinciALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR
Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Citra Digital Citra digital dapat diartikan sebagai suatu fungsi dua dimensi f(x.y), dengan x maupun y adalah posisi koordinat sedangkan f merupakan amplitude pada posisi (x,y)
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciSpatial Filtering Dengan Teknik Operasi Konvolusi
Spatial Filtering Dengan Teknik Operasi Konvolusi Pendahuluan : Spatial filtering digunakan untuk proses-proses pengolahan citra seperti : Perbaikan Kualitas Citra (Image Enhancement) Penghalusan / Pelembutan
Lebih 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 terperinciPengolahan Citra Warna 2 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH
Pengolahan Citra Warna 2 Semester Genap 2010/2011 Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Outline Pengolahan citra warna pseudo Penyajian bidang
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 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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra di Kawasan Frekuensi (Transformasi Fourier) Muhammad Zidny af an, M.Kom. Gasal 2015/2016 Outline Pengolahan Citra di Kawasan Spasial VS Kawasan Frekeunsi
Lebih terperinciBAB II LANDASAN TEORI. mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision).
BAB II LANDASAN TEORI Computer vision adalah suatu ilmu di bidang komputer yang dapat membuat mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision). Terdapat beberapa klasifikasi
Lebih 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 terperinciIMPLEMENTASI ORDER-STATISTIC FILTERS UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL
IMPLEMENTASI ORDER-STATISTIC FILTERS UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI JUNI SANTO SIHOTANG 091401017 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinciPengolahan Citra di Ranah Frekuensi
Pengolahan Citra di Ranah Frekuensi Iwan Setyawan Dept Electronic Engineering, Satya Wacana Christian University EE-671 Pengolahan Citra & Video Digital Pendahuluan Sama seperti pada ranah spatial, pengolahan
Lebih terperinciIMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING
IMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING Syarifatun Nadhiroh Qomariyah 1, Handayani Tjandrasa 2, Nanik Suciati 3 Teknik Informatika, Fakultas Teknologi Informasi,
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bagian ini akan dijelaskan teori-teori yang akan digunakan pada saat penelitian. Teori yang dibahas meliputi teori-teori tentang bagaimana menggabungkan beberapa citra dan pengertian
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI
Lebih terperinciPeningkatan Figure of Merit Pada Detektor Tepi Canny Menggunakan Teknik Skala Multiplikasi
Peningkatan Figure of Merit Pada Detektor Tepi Canny Menggunakan Teknik Skala Multiplikasi ABSTRAK Ni Luh Putri B. Vidyawati (0522138) Jurusan Teknik Elektro Email : niluhputribv@ymail.com Teknik pendeteksian
Lebih terperinciPengolahan Citra. Pusat Studi Mikroelektronika & Pengolahan Citra Universitas Gunadarma, Jakarta
Pendahuluan Konsep Dasar pengolahan Citra Peningkatan Mutu Citra Pemampatan Citra Steganografi Pusat Studi Mikroelektronika & Universitas Gunadarma, Jakarta http://pusatstudi.gunadarma.ac.id/pscitra Pendahuluan
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 terperinciAPLIKASI PEMROSESAN CITRA UNTUK PENTAPISAN, DETEKSI TEPI, DAN PENGABURAN PADA KASUS CITRA MIKROSKOP ELEKTRON
APLIKASI PEMROSESAN CITRA UNTUK PENTAPISAN, DETEKSI TEPI, DAN PENGABURAN PADA KASUS CITRA MIKROSKOP ELEKTRON AHMAD ISHLAHUDDIN 41508010125 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS
Lebih terperinciPENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL. Moehammad Awaluddin, Bambang Darmo Y *)
PENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL Moehammad Awaluddin, Bambang Darmo Y *) Abstract Image processing takes an image to produce a modified image for better viewing or some other
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak
Lebih terperinciPengenalan Pola Menggunakan Persamaan Diferensial Ujung Deteksi
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pengenalan Pola Menggunakan Persamaan Diferensial Ujung Deteksi Rahmat H. Kiswanto 1), Harrizki Arie Pradana 2), Rosiyati
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 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 terperinciAPLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS
APLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS Apri 1, Herlina 2, Ade 3 1,2 Jurusan Teknik Informatika Sekolah
Lebih terperinciTeknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding
Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Gideon Aprilius (0522116) Email: dionjuntak@gmail.com Jurusan Teknik Elektro, Fakultas Teknik
Lebih terperinciABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha
ABSTRAK Content-Based Image Retrieval (CBIR) adalah proses untuk mendapatkan suatu citra berdasarkan konten-konten tertentu, konten yang dimaksud dapat berupa tekstur, warna, bentuk. CBIR pada dasarnya
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciModifikasi Histogram
Modifikasi Histogram Ekualisasi histogram Nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya seragam Tujuannya untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat
Lebih terperinciPERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE
PERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE Ayu Leonitami, Noor Aziza Arifani 2, Retno Dewi Anissa 3, Sari Narulita Hantari 4, Widya Wulaningsuci 5 Informatika/Ilmu Komputer,
Lebih terperinciANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI
ANALISIS PERBANDINGAN GEOMETRIC MEAN FILTER DENGAN OPERATOR SOBEL, OPERATOR PREWITT DAN OPERATOR ROBERT PADA CITRA BITMAP SKRIPSI MAGDALENA SIREGAR 111401109 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU
Lebih terperinciBAB 3 METODOLOGI. melakukan pengamatan dan analisis dari gambar yang didapat. Untuk bisa mendapatkan
BAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah 3.1.1 Analisis Kebutuhan Dalam melakukan analisa gambar mammogram, biasanya dokter secara langsung melakukan pengamatan dan analisis dari gambar yang
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 terperinciPengolahan Citra - Pertemuan 1 Nana Ramadijanti Politeknik Elektronika Negeri Surabaya
Pengolahan Citra - Pertemuan 1 Nana Ramadijanti Politeknik Elektronika Negeri Surabaya Materi: 1. Pendahuluan 2. Formasi Citra 3. Pemrosesan Citra dan Ekualisasi 4. Koreksi Warna 5. Konvolusi 6. Spatial
Lebih terperinciMata kuliah Digital Image Processing
Mata kliah Digital Image Processing Image Enhancement in the Freqency Domain Perteman ke-5 Dr. Hary Bdiarto Pasca Sarjana STMIK Eresha Freqency Domain Methods Spatial Domain Freqency Domain Basics of Enhancement
Lebih terperinciBlind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi ( )
Blind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi (0822048) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY
Jurnal Riset Komputer (JURIKOM), Volume :, Nomor: 1, Februari 2016 ISSN : 2407-89X ANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY Linda Herliani Harefa Mahasiswa Program
Lebih terperinciImage Filtering. Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005
Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun merupakan imitasi dari sebuah objek atau benda. Citra memiliki beberapa karakteristik yang
Lebih terperinciPutu Agus Junaedi¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2006 ANALISIS DAN IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY ( ANALYSIS AND IMPLEMENTATION OF NOISE REDUCTION
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 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 terperinciRESTORASI CITRA. Budi s
RESTORASI CITRA Budi s Sumber Noise Setiap gangguan pada citra dinamakan dengan noise Noise bisa terjadi : Pada saat proses capture (pengambilan gambar), ada beberapa gangguan yang mungkin terjadi, seperti
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 terperinciANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY
Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 28) Auditorium Universitas Gunadarma, Depok, 2-21 Agustus 28 ISSN : 1411-6286 ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR
Lebih terperinciMAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 )
MAKALAH PENGOLAHAN CITRA DIGITAL ( Histogram Citra ) Disusun Oleh : Nama : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) Jurusan : Tehnik Informatika ( Semester VI ) Kampus : STIMIK HIMSYA
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
Lebih terperinciANALISIS DAN IMPLEMENTASI ALGORITMA GAUSSIAN DAN HIGH PASS FILTER UNTUK MENGHASILKAN CITRA HIGH DYNAMIC RANGE SKRIPSI RIRI INDRIATI PURBA
ANALISIS DAN IMPLEMENTASI ALGORITMA GAUSSIAN DAN HIGH PASS FILTER UNTUK MENGHASILKAN CITRA HIGH DYNAMIC RANGE SKRIPSI RIRI INDRIATI PURBA 111421013 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU
Lebih terperinciSCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING
SCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING Erick Alfons Lisangan Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Alamat email : erick_lisangan@lecturer.uajm.ac.id
Lebih terperinciIMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA
Hal : -29 IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Asmardi Zalukhu Mahasiswa Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Deteksi
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2016/2017
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra di Kawasan Frekuensi Transformasi Fourier) Muhammad Zidny af an, M.Kom. Gasal 06/07 Outline Pengolahan Citra di Kawasan Spasial VS Kawasan Frekeunsi Fourier
Lebih terperinci