LAMPIRAN A SCRIPT PROGRAM LOW PASS FILTER & HIGH PASS FILTER MENGGUNAKAN MATLAB
|
|
- Farida Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 DAFTAR PUSTAKA Dipokusumo, B. (2004). Diktat Kuliah Fotogrametri. Bandung: Penerbit ITB. Ilham, Fahrizal Kajian Metode Korelasi Nilai Rata-rata Kanal yang Diberi Bobot (Weighted Channel Mean Value) Pada Proses pencocokan Citra (Image Matching) Foto Udara. Bandung : Institut Teknologi Bandung. Munir, R. (2004). Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung: Penerbit Informatika. Schenk, F.(1999). Image Matching Fundamental In Digital Photogrametry. USA. Smith, S. W. (1999). The Scientist and Engineer s Guide to Digital Signal Processing. California Technical Publishing. USA. Vandevenne, L Lode s Computer Graphics Tutorial : Fourier Transform. Wibowo, D. C. (2008). Aplikasi Teknik Maksimum Korelasi Untuk Pencocokan citra Dijital (Digital Image Matching) Pada Citra Foto Homogen. Bandung : Institut Teknologi Bandung. Wijaya, M. C., & Prijono, A. (2007). Pengolahan Citra Digital Menggunakan Matlab. Bandung: Penerbit Informatika. Wolf, P. R., & Dewitt, B. A. (2000). Elements of Photogrametry with Application in GIS. USA: McGraw-Hill Company. 53
2 LAMPIRAN A SCRIPT PROGRAM LOW PASS FILTER & HIGH PASS FILTER MENGGUNAKAN MATLAB
3 LOW PASS FILTER % Image processing pada frequency domain a=imread('itebeh.jpg'); img = a(:,:,1); % Transformasi Fourier dengan FFT img_f = fft2(img); img_fs = fftshift(img_f); % Menyiapkan figure sbg tempat untuk menampilkan citra. h1 = figure; iptsetpref('imshowaxesvisible','off'); set(h1, 'Units','pixels',... 'Position', [ ],... 'MenuBar', 'none',... 'ToolBar','none'); set(h1, 'NumberTitle', 'off'); set(h1, 'Name', 'Image Processing in Frequency Domain (Press Enter to continue...)'); ah1 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes3'); ah2 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes4'); ah3 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes1');
4 ah4 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes2'); % Menampilkan citra asal axes(ah1); imshow(img); pause; % Kompresi dynamic range dari spektrum Fourier % untuk menampilkan spektrum Fourier sbg citra (Gonzalez, p.92) img_spectrum = log(1+abs(img_fs)); axes(ah2); % Menampilkan spektrum Fourier dari citra %imshow(r2f2, [3 10]); imshow(img_spectrum, [3 10]); pause; [M N]=size(img_fs); aa=[m N]; % Memilih area frekuensi yang akan difilter % untuk menghapus noise. h = ones(aa); % Memilih area frekuensi yang akan difilter % Nilai pada freuensi tinggi akan dihilangkan dengan cara dikalikan 0. for ix = 1:M, for iy = 1:N, if ((iy > N/4) & (ix > M/4)) & ((iy < (N-20))&(ix < (M-20))) h(ix,iy) = 0; end end end g = img_fs.* h; % Kompresi dynamic range dari spektrum Fourier img_spectrum = log(1+abs(g)); axes(ah4);
5 % Menampilkan spektrum Fourier yang sudah difilter imshow(img_spectrum, [3 10]); pause; % Inverse Transformasi Fourier hasil = uint8(abs(ifft2(g))); axes(ah3); % Menampilkan citra hasil imshow(hasil); pause; close; HIGH PASS FILTER % Image processing pada frequency domain a=imread('itebeh.jpg'); img = a(:,:,1); % Transformasi Fourier dengan FFT img_f = fft2(img); img_fs = fftshift(img_f); % Menyiapkan figure sbg tempat untuk menampilkan citra. h1 = figure; iptsetpref('imshowaxesvisible','off'); set(h1, 'Units','pixels',... 'Position', [ ],... 'MenuBar', 'none',... 'ToolBar','none'); set(h1, 'NumberTitle', 'off'); set(h1, 'Name', 'Image Processing in Frequency Domain (Press Enter to continue...)'); ah1 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes3'); ah2 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],...
6 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes4'); ah3 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes1'); ah4 = axes('parent',h1,... 'Units','pixels',... 'Position',[ ],... 'XTick',[],... 'YTick',[],... 'Box','on',... 'Tag','Axes2'); % Menampilkan citra asal axes(ah1); imshow(img); pause; % Kompresi dynamic range dari spektrum Fourier % untuk menampilkan spektrum Fourier sbg citra (Gonzalez, p.92) img_spectrum = log(1+abs(img_fs)); axes(ah2); % Menampilkan spektrum Fourier dari citra %imshow(r2f2, [3 10]); imshow(img_spectrum, [3 10]); pause; [M N]=size(img_fs); aa=[m N]; % Memilih area frekuensi yang akan difilter % untuk menghapus noise. h = ones(aa); % Memilih area frekuensi yang akan difilter % Nilai pada freuensi tinggi akan dihilangkan dengan cara dikalikan 0.
7 for ix = 1:M, for iy = 1:N, if ((iy < N/4) (ix < M/4)) ((iy > (N-5)) (ix > (M-5))) h(ix,iy) = 0; end end end g = img_fs.* h; % Kompresi dynamic range dari spektrum Fourier img_spectrum = log(1+abs(g)); axes(ah4); % Menampilkan spektrum Fourier yang sudah difilter imshow(img_spectrum, [3 10]); pause; % Inverse Transformasi Fourier hasil = uint8(abs(ifft2(g))); axes(ah3); % Menampilkan citra hasil imshow(hasil); pause; close;
8 LAMPIRAN B SCRIPT PROGRAM PENGKORELASIAN MENGGUNAKAN MATLAB
9 - Program utama kfft.m % Menu utama clc; clear all; disp('<<< PROGRAM KORELASI TRANSFORMASI FAST FOURIER 2D>>>'); disp('<<< INPUT DATA SUB CITRA ACUAN (SCA) DAN CITRA PENCARIAN (CP) >>>'); filename=input('nama File [Contoh 1A11x2101] : ','s'); filesca=[filename 'L.bmp']; filecp=[filename 'R.bmp']; filetxt=[filename '.txt']; im1=imread(filesca); im2=imread(filecp); fid=fopen(filetxt,'r'); S = fscanf(fid,'%d,%d'); cim1=s(1); rim1=s(2); cim2=s(3); rim2=s(4); % Konversi dari uint8 ke double im1=double(im1); im2=double(im2); % Mengecek Jumlah Kanal kanal1=size(im1,3); kanal2=size(im2,3); if (kanal1 < 3) (kanal2 < 3) error('citra ini bukan citra 3 kanal RGB'); end % menghitung awal proses t1=clock; % menghitung nilai korelasi maksimum yang sebelum transformasi [vcormax rowlk collk]=korelasi(im1,im2); % menghitung nilai korelasi maksimum dalam ruang/domain fourier 2D [vcormaxs2 rowlks2 collks2]=korfft2d(im1,im2); % menentukan ukuran SCA dan CP usca=size(im1(:,:,1)); ucp=size(im2(:,:,1)); % Transformasi dari posisi lokal ke posisi global [prow pcol]=tplokglo(rowlk,collk,usca,ucp,rim2,cim2);
10 [prows1h pcols1h]=tplokglo(rowlks1h,collks1h,usca,ucp,rim2,cim2); [prows1v pcols1v]=tplokglo(rowlks1v,collks1v,usca,ucp,rim2,cim2); [prows2 pcols2]=tplokglo(rowlks2,collks2,usca,ucp,rim2,cim2); etime(clock,t1); wp=clock-t1; disp('proses SELESAI '); filehasil=[filename 'HF.txt']; fid=fopen(filehasil,'w'); fprintf(fid,'hasil PERCOBAAN TRANSFORMASI FFT 1D DAN 2D\n'); fprintf(fid,'nama File Hasil : %s \n',upper(filehasil)); fprintf(fid,'\n'); fprintf(fid,'posisi AWAL KIRI \n'); fprintf(fid,'kolom : %d \n',cim1); fprintf(fid,'baris : %d \n',rim1); fprintf(fid,'\n'); fprintf(fid,'posisi AWAL KANAN \n'); fprintf(fid,'kolom : %d \n',cim2); fprintf(fid,'baris : %d \n',rim2); fprintf(fid,'\n'); fprintf(fid,'posisi HASIL KORELASI SEBELUM TRANSFORMASI \n'); fprintf(fid,'korelasi : %2.4f \n',vcormax); fprintf(fid,'kolom : %d \n',pcol(1)); fprintf(fid,'baris : %d \n',prow(1)); fprintf(fid,'\n'); fprintf(fid,'posisi HASIL KORELASI SETELAH LOW-PASS 2D \n'); fprintf(fid,'korelasi : %2.4f \n',vcormaxs2); fprintf(fid,'kolom : %d \n',pcols2(1)); fprintf(fid,'baris : %d \n',prows2(1)); fprintf(fid,'waktu PROSES KORELASI \n'); fprintf(fid,'waktu Proses : %2.0f jam : %2.0f menit : %2.4f detik ',wp(4),wp(5),wp(6)); fclose(fid); - Program pemisahan kanal chseprgb.m % chseprgb - merupakan program memisahkan kanal RGB (3 kanal) % usage : [imr img imb]=chseprgb(im) % keterangan : % imr : citra 1 (satu) kanal pada kanal Red/Merah % img : citra 1 (satu) kanal pada kanal Green/Hijau
11 % imb : citra 1 (satu) kanal padapada kanal Blue/Biru % dibuat : Andri dan Niam % Prodi Teknik Geodesi dan Geomatika % Fakultas Ilmu dan Teknologi Kebumian % Maret Versi 1.0 (Beta) function [R G B]=chsepRGB(im) nkanal=size(im,3); if (nkanal < 3) message1='citra Bukan 3 Kanal'; error(message1); end R=im(:,:,1); G=im(:,:,2); B=im(:,:,3); - Program transformasi dari koordinat lokal ke dalam koordinat foto (global) function [prow pcol]=tplokglo(prowlk,pcollk,usca,ucp,rim2,cim2) fplk=(usca-1)/2; fpcpr=rim2-((ucp+1)/2); fpcpc=cim2-((ucp+1)/2); prow=prowlk+fplk+fpcpr; pcol=pcollk+fplk+fpcpc; - Program looping dan korelasi sebelum transformasi Fourier kpc.m function kor=kpc(imk1,imk2); [b1 k1]=size(imk1); [b2 k2]=size(imk2); nbaris=b2-b1+1; nkolom=k2-k1+1; imk2sca=imk1; for i=1:nbaris for j=1:nkolom imk2scp(:,:,i,j)=imk2(i:i+b1-1,j:j+k1-1); kor(i,j)=corr2(imk2sca,imk2scp(:,:,i,j)); end; end;
12 - Program transformasi fourier dan low pass filter tff.m function imkttf=tff(imk) f=fft2(double(imk)); F=fftshift(f); [M N]=size(F); % Proses low pass filter dalam ruang FFT aa=[m N]; h = ones(aa); for ix = 1:M, for iy = 1:N, if ((iy < N/4) (ix < M/4)) ((iy > (N-5)) (ix > (M-5))) h(ix,iy) = 0; end end end g = F.* h; imkttf=abs(ifft2(double(g))); - Program transformasi fourier dan high pass filter tff.m function imkttf=tff(imk) f=fft2(double(imk)); F=fftshift(f); [M N]=size(F); % Proses high pass filter dalam ruang FFT aa=[m N]; h = ones(aa); for ix = 1:M, for iy = 1:N, if ((iy > N/4) & (ix > M/4)) & ((iy < (N-5))&(ix < (M-5))) h(ix,iy) = 0; end end end g = F.* h; imkttf=abs(ifft2(double(g))); - Program looping dan korelasi setelah transformasi Fourier dan filtering kpcfft2d function kor=kpcfft2d(imk1,imk2);
13 [b1 k1]=size(imk1); [b2 k2]=size(imk2); nbaris=b2-b1+1; nkolom=k2-k1+1; imk2sca=imk1; for i=1:nbaris for j=1:nkolom imk2scp(:,:,i,j)=imk2(i:i+b1-1,j:j+k1-1); imk2scpttf=tff(imk2scp(:,:,i,j)); imk2scattf=tff(imk2sca); kor(i,j)=corr2(imk2scattf,imk2scpttf); end; end; - Program mencari nilai korelasi masing-masing kanal dan nilai korelasi maksimum total korfft2d function [vcormax rowlk collk]=korfft2d(im1,im2) % pemisahan kanal RGB [R1 G1 B1]=chsepRGB(im1); [R2 G2 B2]=chsepRGB(im2); % menghitung korelasi masing-masing kanal korr =kpcfft2d(r1,r2); korg =kpcfft2d(g1,g2); korb =kpcfft2d(b1,b2); % menghitung berat masing-masing kanal wr=std2(r1); wg=std2(g1); wb=std2(b1); % menghitung nilai korelasi maksimum yang diberi bobot dengan rumus % kortotal=wr*korr + wg*korg + wb*korb /wr+wg+wb Mkortotal=(wR*korR+wG*korG+wB*korB)/(wR+wG+wB); [vcormax rowlk collk]=maxcor(mkortotal); % menghitung nilai korelasi maksimum mqsing-masing kanal // MODIFIKASI [korrhemax rowrlk colrlk]=maxcor(korr); [korghemax rowglk colglk]=maxcor(korg); [korbhemax rowblk colblk]=maxcor(korb); fid=fopen('hasilperkanal2dsetelah.txt','w'); fprintf(fid,'kanal merah : %d %d %2.4f\n',rowRlk,colRlk,korRhemax); fprintf(fid,'kanal hijau : %d %d %2.4f\n',rowGlk,colGlk,korGhemax);
14 fprintf(fid,'kanal biru : %d %d %2.4f\n',rowBlk,colBlk,korBhemax); fprintf(fid,'kanal total : %d %d %2.4f\n',rowlk,collk,vcormax); fclose(fid);
15 LAMPIRAN C DAFTAR TABEL NILAI KORELASI HASIL PERCOBAAN
16 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 21x21 piksel area homogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
17 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 31x31 piksel area homogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
18 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 41x41 piksel area homogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
19 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 51x51 piksel area homogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
20 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 61x61 piksel area homogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
21 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 21x21 piksel area heterogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
22 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 31x31 piksel area heterogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
23 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 41x41 piksel area heterogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
24 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 51x51 piksel area heterogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
25 - Nilai korelasi untuk citra acuan 11x11 piksel dan citra pencarian 61x61 piksel area heterogen nilai korelasi sebelum high pass filter nilai korelasi setelah high pass filter nilai korelasi sebelum low pass filter nilai korelasi setelah low pass filter
26 LAMPIRAN D DAFTAR DATA VALIDASI
27 - Data validasi hasil pengamatan operator berpengalaman Heterogen Prem 1 Point ID Photo X Photo Y 1101 TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB
28 Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB Heterogen Prem TP ITB TP ITB TP ITB
29 9102 TP ITB Homogen Prem TP ITB TP ITB TP ITB TP ITB
REFERENSI. Dipokusumo, Bobby Diktat Kuliah Fotogrametri. Bandung : Penerbit ITB, 2004.
REFERENSI Dipokusumo, Bobby. 2004. Diktat Kuliah Fotogrametri. Bandung : Penerbit ITB, 2004. Dwi, Adhilaksana. 2007. Aplikasi Transformasi Wavelet Dalam Analisis Gerakan Kutub Rotasi Bumi. Bandung : Institut
Lebih terperinciLAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL
LAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL oleh Setyo Nugroho Jurusan Teknik Informatika STIKOM Balikpapan 2005
Lebih terperinciMAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA ( ) 2. DYA AYU NINGTYAS ( )
MAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA (08 615 013) 2. DYA AYU NINGTYAS (08 615 017) JURUSAN TEKNOLOGI INFORMASI POLITEKNIK NEGERI SAMARINDA 2010 TRANSFORMASI
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian, penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub Citra Acuan (SCA)
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA 3.1. Data Sumber data dalam penelitian ini adalah berupa foto dijital berwarna ITB2-05.bmp dan ITB2-06.bmp yang diambil dengan kamera small format Nikon Colpix dengan resolusi 24
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1.1. Latar Belakang BAB I PENDAHULUAN Fotogrametri dapat didefinisikan sebagai suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA 3.1. Algoritma Pengolahan Data Algoritma pengolahan data ini merupakan tahapan-tahapan logis dari pengerjaan olah data penelitian yang hasilnya berupa angka-angka parameter yang
Lebih terperinciKAJIAN PENCOCOKAN CITRA DIGITAL SETELAH LOW PASS FILTER DAN HIGH PASS FILTER DENGAN TEKNIK KORELASI
KAJIAN PENCOCOKAN CITRA DIGITAL SETELAH LOW PASS FILTER DAN HIGH PASS FILTER DENGAN TEKNIK KORELASI Draft Tugas Akhir Diajukan Sebagai Salah Satu Syarat Mendapatkan Gelar Sarjana Teknik Disusun oleh :
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Pengolahan data pada penelitian ini meliputi tahapan pengambilan data, penentuan titik tengah area yang akan menjadi sampel, pengambilan sampel, penentuan ukuran window subcitra
Lebih terperinciINSTITUT TEKNOLOGI BANDUNG
KAJIAN PENCOCOKAN CITRA DIGITAL BERDASARKAN KORELASI KOEFISIEN-KOEFISIEN WAVELET 2-D TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana. Oleh: Muhammad Aldien Said NIM 151
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Fotogrametri adalah suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan sekitarnya melalui proses
Lebih terperinciGambar 2.1 Perkembangan Alat Restitusi (Dipokusumo, 2004)
BAB II TEORI DASAR 2.1 Fotogrametri Digital Fotogrametri dapat didefinisikan sebagai suatu ilmu dan teknologi yang berkaitan dengan proses perekaman, pengukuran/pengamatan, dan interpretasi (pengenalan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan
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 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 terperinciBAB I PENDAHULUAN 1. Latar Belakang
BAB I PENDAHULUAN 1. Latar Belakang Dalam proses pemetaan secara fotogrametris, salah satu hal yang harus diatasi adalah masalah restitusi dua foto udara yang saling pertampalan sedemikian rupa sehingga
Lebih 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 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 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciBAB 1 PENDAHULUAN. Grafika komputer merupakan salah satu topik dalam bidang informatika.
BAB 1 PENDAHULUAN 1.1 PENDAHULUAN Grafika komputer merupakan salah satu topik dalam bidang informatika. Perkembangan grafika komputer tentunya tidak lepas dari pengolahan citra secara digital. Pengolahan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara
BAB 1 PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang penelitian dibuat, rumusan masalah, batasan masalah yang akan dibahas, tujuan penelitian, manfaat penelitian, metodologi penelitian yang
Lebih terperinciSeminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016
IMPLEMENTASI ALGORITMA FAST FOURIER TRANSFORM DAN MEAN SQUARE PERCENTAGE ERROR UNTUK MENGHITUNG PERUBAHAN SPEKTRUM SUARA SETELAH MENGGUNAKAN FILTER PRE-EMPHASIS Fitri Mintarsih 1, Rizal Bahaweres 2, Ricky
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 terperinciPencocokan Citra Terkoreksi Histogram Ekualisasi TUGAS AKHIR. Rivai Nursetyo NIM
Pencocokan Citra Terkoreksi Histogram Ekualisasi TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh Rivai Nursetyo NIM 151 02 043 DEPARTEMEN TEKNIK GEODESI DAN GEOMATIKA
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciKOMPRESI CITRA (2) & SEGEMENTASI CITRA. Pertemuan 13 Mata Kuliah Pengolahan Citra
KOMPRESI CITRA (2) & SEGEMENTASI CITRA Pertemuan 13 Mata Kuliah Pengolahan Citra SPATIAL COMPRESSION (Metode Run Length Encoding / RLE) Cocok digunakan untuk memampatkan citra yang memiliki kelompok-kelompok
Lebih terperinciLAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )
LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA Disusun Oleh : Inggi Rizki Fatryana (1210147002) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya 2014-2015
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. dicolokan ke komputer, hal ini untuk menghindari noise yang biasanya muncul
37 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil 4.1.1 Pengambilan Database Awalnya gitar terlebih dahulu ditala menggunakan efek gitar ZOOM 505II, setelah ditala suara gitar dimasukan kedalam komputer melalui
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 terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciKAJIAN PENCOCOKAN CITRA (IMAGE MATCHING) SETELAH FILTERISASI DENGAN TRANSFORMASI WAVELET SATU DIMENSI
KAJIAN PENCOCOKAN CITRA (IMAGE MATCHING) SETELAH FILTERISASI DENGAN TRANSFORMASI WAVELET SATU DIMENSI TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh IKA NUGRAENI
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 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 terperinciStudi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness
Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian berikut: Diagram blok penelitian yang akan dilakukan dapat digambarkan sebagai Mulai Perancangan Pengumpulan Informasi Analisis Informasi Pembuatan
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 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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab analisa dan perancangan ini akan mengulas tentang tahap yang digunakan dalam penelitian pembuatan aplikasi implementasi kompresi gambar menggunakan metode
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 terperinciANALISIS PENGGUNAAN FILTER PADA SISTEM PENGENALAN PLAT NOMOR MENGGUNAKAN PHASE ONLY CORRELATION (POC)
ANALISIS PENGGUNAAN FILTER PADA SISTEM PENGENALAN PLAT NOMOR MENGGUNAKAN PHASE ONLY CORRELATION (POC) Ossi Aini 1, M. Zen Samsono Hadi 2, Moh. Hasbi Assidiqi 3 Mahasiswa Jurusan Teknik Telekomunkasi Politeknik
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Perancangan aplikasi yang dibuat dalam skripsi ini menggunakan aturan
BAB 3 ANALISIS DAN PERANCANGAN Perancangan aplikasi yang dibuat dalam skripsi ini menggunakan aturan prototyping model. Metode ini memiliki 3 tahapan seperti yang sudah ditulis di dalam Bab 2, yaitu pengumpulan
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 terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian tugas akhir ini dilaksanakan pada : Waktu : Juni 2014 Maret 2015 Tempat : Laboratorium Terpadu Jurusan Teknik Elektro Universitas Lampung
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 8 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015
Lebih terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
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 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 terperinciMODUL 5 EKSTRAKSI CIRI SINYAL WICARA
MODUL 5 EKSTRAKSI CIRI SINYAL WICARA I. TUJUAN - Mahasiswa mampu melakukan estimasi frekuensi fundamental sinyal wicara dari pengamatan spektrumnya dan bentuk gelombangnya - Mahasiswa mampu menggambarkan
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciSimulasi Perancangan Filter Analog dengan Respon Chebyshev
Elkomika Teknik Elekro Itenas Vol. 1 No.2 Jurnal Teknik Elektro Juli Desember 2013 Simulasi Perancangan Filter Analog dengan Respon Chebyshev Rustamaji, Arsyad Ramadhan Darlis, Solihin Teknik Elektro Institut
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 2 Point Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 2 Point Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana
Lebih terperinciSOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA
SOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA 1304405027 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA JIMBARAN 2015 Rancang Filter low pass digital IIR Butterworth
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 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 terperinciANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1
Jurnal Reaksi (Journal of Science and Technology) ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV Raisah Hayati Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe
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 terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih 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 terperinciPanduan Praktikum Pengolahan Citra Digital dengan Matlab IGA Widagda Fisika FMIPA UNUD 2014
Panduan Praktikum Pengolahan Citra Digital dengan Matlab IGA Widagda Fisika FMIPA UNUD 2014 1 Informasi citra Fisika Tomografi 1 Informasi Citra 1.1 Jenis-jenis Citra digital a. Citra Abu-abu (Grayscale)
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
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 terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pemrosesan citra adalah ilmu untuk memanipulasi gambar, yang melingkupi teknikteknik untuk memperbaiki atau mengurangi kualitas gambar, menampilkan bagian tertentu
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Introduction Nama Nazaruddin Ahmad Biodata Tempat/Tgl.Lahir Banda Aceh, 05 Juni 1982 Alamat Hp 081360866064
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciDeteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV
Jati Sasongko Wibowo Program Studi Teknik Informatika, Universitas Stikubank email : jatisw@gmail.com Abstrak Dalam model HSV (Hue Saturation Value) ini digunakan untuk segmentasi warna kulit manusia dan
Lebih terperinciLAMPIRAN A LISTING PROGRAM
LAMPIRAN A LISTING PROGRAM % ---------------------------------------------- % Program Tugas Akhir % Peningkatan Kualitas Sinyal Suara % Menggunakan Metode Estimasi Magnituda Spektral % ----------------------------------------------
Lebih terperinciBAB 1 PENDAHULUAN. Bab 1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi terutama pada dunia digital pada saat ini memungkinkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa batas ruang
Lebih terperinciGaya 1 berisi seni neoplastic modern. Misalnya: Gaya 2 berisi lansekap impresionis. Misalnya: Gaya 3 berisi lukisan aksi ekspresionis.
6-13 July 2013 Brisbane, Australia Bahasa Indonesia 1.0 Sebentar lagi Anda akan menghadapi ujian Sejarah Seni, tetapi Anda lebih memperhatikan mata kuliah informatika daripada mata kuliah seni. Anda perlu
Lebih terperinciSATUAN ACARA PERKULIAHAN
SATUAN ACARA PERKULIAHAN Mata Kuliah : PENGANTAR GRAFIK KOMPUTER & OLAH CITRA Fakultas : Ilmu Komputer Jurusan : S1 Sistem Informasi KODE MATA KULIAH / SKS : AK-011204 / 2 SKS PERTEMUAN POKOK BAHASAN &
Lebih terperinciBAB III METODE PENELITIAN. Adapun metode penelitian tersebut meliputi akuisisi data, memproses. data, dan interpretasi data seismik.
19 BAB III METODE PENELITIAN 3.1. Metode penelitian Metode yang digunakan dalam penelitian ini adalah deskriptif analisitik dari data hasil rekaman seismik refleksi saluran tunggal. Adapun metode penelitian
Lebih terperinciPenerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows
Penerapan Perintah Suara Berbahasa Indonesia untuk Mengoperasikan Perintah Dasar di Windows 1 Muhammad Anggia Muchtar, 2 Raisha Ariani Sirait, 3 Romi Fadillah Rahmat 1,2,3 Program Studi S1 Teknologi Informasi
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 TRANSFORMASI FOURIER & PENCOCOKAN CITRA
BAB II TRANSFORMASI FOURIER & PENCOCOKAN CITRA 2.1. Transformasi Fourier Transformasi fourier adalah hubungan matematik antara representasi sinyal dalam domain waktu dengan representasi sinyal dalam domain
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 terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih 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 terperinciOPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG
OPTIMASI RANCANGAN FILTER BANDPASS AKTIF UNTUK SINYAL LEMAH MENGGUNAKAN ALGORITMA GENETIK Studi Kasus: Sinyal EEG Oleh : Ellys Kumala P (1107100040) Dosen Pembimbing Dr. Melania Suweni Muntini, MT JURUSAN
Lebih terperinciPERBANDINGAN TEKNIK PENYEMBUNYIAN DATA DALAM DOMAIN SPASIAL DAN DOMAIN FREKUENSI PADA IMAGE WATERMARKING
PERBANDINGAN TEKNIK PENYEMBUNYIAN DATA DALAM DOMAIN SPASIAL DAN DOMAIN FREKUENSI PADA IMAGE WATERMARKING Bayu Adi Persada NIM : 13505043 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika
Lebih terperinciRancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography
Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Abdul Haris 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Pada BAB ini, penulis ingin membahas mengenai perencanaan dan implementasi dari Aplikasi tersebut, antara lain Flowchart dari sistem tersebut dan struktur data yang terdapat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan
Lebih terperinciPenggunaan Pencocokan String Metode Booyer-Moore dalam Digital Image Matching untuk Foto Udara Ideal
Penggunaan Pencocokan String Metode ooyer-moore dalam Digital Image Matching untuk Foto Udara Ideal Kanya Paramita - 352072 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
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 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
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 terperinci