TEKNIK PENGOLAHAN CITRA. Kuliah 14 Pemrosesan Warna. Indah Susilawati, S.T., M.Eng.
|
|
- Hartono Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TEKNIK PENGOLAHAN CITRA Kuliah 14 Pemrosesan Warna Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2014
2 KULIAH 14 TEKNIK PENGOLAHAN CITRA PEMROSESAN WARNA (COLOUR PROCESSING) Warna merupakan gambaran atau deskripsi penting bagi manusia mengenai dunia di sekitarnya. Sistem visual manusia khususnya berkaitan dengan dua hal yaitu tebing atau tepi (edge) dan warna (colour). Sistem visual manusia mempunyai kecenderungan tidak baik dalam hal perubahan yang samar (perubahan kecil) pada level atau aras keabuan. Pemahaman mengenai warna terdiri atas: 1. Sifat fisik cahaya yang menimbulkan warna. 2. Sifat alamiah mata manusia dan caranya dalam mendeteksi (mengenali) warna. 3. Sifat alamiah pusat penglihatan mata manusia dalam otak dan bagaimana cara pesan dari mata diterjemahkan sebagai warna. Cahaya tampak merupakan bagian dari spektrum elektromagnetik. Besaranbesaran panjang-gelombang untuk biru, hijau, dan merah ditetapkan pada tahun 1931 oleh CIE (Commission Internationale d Eclairage) yaitu sebuah organisasi atau badan dunia yang mempunyai wewenang mengenai standar warna. Sistem penglihatan manusia cenderung menganggap setiap warna merupakan gabungan antara warna merah, hijau, dan biru. Dengan kata lain bahwa penglihatan manusia sensitif terhadap ketiga warna tersebut; yaitu merupakan fungsi dari sel-sel cone yang ada di dalam retina mata. Tiga warna ini, yaitu merah, hijau, dan biru, disebut dengan istilah warna primer. Jika dua sebarang warna primer digabung maka akan diperoleh warna sekunder, contoh: Magenta = merah + biru Cyan = hijau + biru Kuning = merah + hijau Besarnya prosentase warna merah, hijau, dan biru yang menentukan suatu warna tertentu dapat diketahui dengan eksperimen yang disebut colour matching. Salah satu yang
3 dihasilkan oleh percobaan yang dilakukan oleh CIE pada tahun 1931 diperlihatkan pada gambar berikut ini. Gambar 1. Fungsi colour matching RGB (CIE, 1931) Perhatikan bahwa untuk beberapa besaran panjang-gelombang, nilai warna merah, hijau, atau biru menjadi negatif; hal ini diinterpretasikan sebagai penambahan berkas warna primer pada sumber cahaya. Untuk menghindari nilai negatif yang diakibatkan oleh hasil colour matching RGB (CIE, 1931), CIE memperkenalkan model warna XYZ. Nilai X, Y, dan Z dapat diperoleh dari nilai R, G, dan B menggunakan alihragam atau transformasi linier sebagai berikut. (1) Dan sebaliknya, nilai R, G, dan B dapat diperoleh kembali dengan cara invers matriks dan dapat dinyatakan sebagai berikut.
4 (2) Fungsi colour matching XYZ yang bersesuaian dengan kurva R, G, B pada gambar 1 diperlihatkan pada gambar 2. Gambar 2. Fungsi colour matching XYZ (CIE, 1931) Komponen Y bersesuaian dengan luminansi (luminance), atau kecerahan (brightness) dari warna tersebut. Hal ini merupakan alasan mengapa pada persamaan (1) di atas, baris kedua matriksnya yang bersesuaian dengan komponen Y dan jika dijumlahkan hasilnya 1, serta pada gambar 2 kurva Y simetris tepat di tengah-tengah spektrum cahaya tampak. Secara umum, nilai X, Y, dan Z yang diperlukan untuk membentuk sebarang warna disebut nilai tristimulus (ada tabel khusus untuk mengetahui nilai tristimulus untuk setiap warna). Untuk mempelajari warna tanpa terpengaruh oleh nilai kecerahan,
5 nilai tristimulus dapat dinormalisasi dengan cara membaginya dengan (X + Y + Z), sehingga: (3) Dengan demikian maka x + y + z = 1 dan sebuah warna dapat ditentukan dengan x dan y saja dan disebut koordinat kromatisitas (chromaticity coordinates). Model-Model Warna Model warna adalah metode untuk menentukan warna menurut suatu standar tertentu. Secara umum biasanya terdiri atas sistem koordinat tiga dimensi dan dalam setiap subspace-nya warna diwakili oleh satu titik tunggal. Dalam bab ini akan dibahas tiga sistem model warna yaitu: 1. Model warna RGB 2. Model warna HSV 3. Model warna YIQ Model Warna RGB. Dalam model ini, setiap warna diwakili oleh nilai R, G, dan B, masing-masing menunjukkan bagian atau prosentase warna merah, hijau, dan biru yang digunakan untuk membentuk warna tersebut. Model ini digunakan untuk display pada layar komputer; sebuah monitor mempunyai tiga senapan elektron yang independen untuk komponen merah, hijau, dan biru. Dari gambar 1, sejumlah warna memerlukan nilai negatif untuk R, G, dan B; tentu saja hal ini tidak dapat direalisasikan pada monitor komputer atau TV karena hanya nilai positif saja yang dimungkinkan. Warna-warna yang bersesuaian dengan nilai-nilai positif membentuk gamut RGB; secara umum gamut warna terdiri atas semua warna yang dapat direalisasikan oleh sebuah model warna. Misalnya dalam hal model RGB ini, gamut warna RGB sesuai gambar 1 dapat diplot menggunakan Matlab, jika nilai RGB ada yang
6 negatif maka dapat dibuat ouputnya berwarna putih. Salah satu contohnya diperlihatkan pada gambar 3. Gambar 3. Gamut RGB Model Warna HSV. HSV merupakan kependekan dari Hue, Saturation, Value. Berikut definisi dari ketiga istilah tersebut. Hue merupakan atribut warna yang sebenarnya (merah, hijau, biru, oranye, kuning dan seterusnya). Saturation menyatakan seberapa banyak warna putih yang tercampur pada warna tersebut. Makin banyak warna putih yang ada maka makin rendah saturasi-nya. Dengan demikian warna merah tua mempunyai saturasi yang tinggi dan warna merah muda (pink) mempunyai saturasi rendah. Value menyatakan derajat kecerahan; warna yang cerah mempunyai intensitas tinggi, warna gelap mempunyai intensitas rendah. Konversi RGB ke HSV. Misalkan sebuah warna dinyatakan dengan nilai RGB. Jika nilai R, G, dan B sama besar, maka warnanya merupakan aras keabuan; yaitu intensitas warna putih. Warna yang semua komponennya putih mempunyai saturasi nol. Sebaliknya, jika nilai R, G, dan B masing-masing sangat berbeda satu sama lain maka warna tersebut mempunyai saturasi tinggi. Jika salah satu atau dua dari R, G, atau B bernilai nol maka saturasinya satu (nilai saturasi paling tinggi).
7 Hue didefinisikan sebagai fraksi sepanjang lingkaran berawal dari warna merah, yang bersesuaian dengan nilai hue = 0. Perhatikan gambar 4. Gambar 4. Ruang warna HSV sebagai sebuah kerucut Berdasarkan gambar 4, nilai hue untuk beberapa warna adalah sebagai berikut. Misalkan terdapat nilai R, G, dan B, yang nilainya (=value) antara 0 dan 1. Maka jika ternyata berada di antara 0 dan 255, maka pertama-tama masing-masing nilai harus dibagi dengan 255. Selanjutnya definisikan: V = maks (R, G, B) = V min (R, G, B) S = / V
8 Untuk memperoleh nilai hue, harus diperhatikan beberapa kasus sebagai berikut. 1. Jika R = V maka 2. Jika G = V maka 3. Jika B = V maka 1 G B H 6 1 B R H R G H 4 6 Jika H yang dihasilkan bernilai negatif maka tambahkan dengan 1. Untuk kasus khusus (R, G, B) = (0, 0, 0) yang berarti juga V = = 0 maka didefinisikan (H, S, V) = (0, 0, 0). Contoh Misalkan (R, G, B) = (0,2; 0,4; 0,6) maka V = maks (0,2; 0,4; 0,6) = 0,6 = V min (0,2; 0,4; 0,6) = 0,6 0,2 = 0,4 S = 0,4 / 0,6 = 0,6667 Oleh karena B = V maka nilai H dihitung sebagai berikut: 1 R G H ,2 0, ,4 0,5833 Maka nilai konversi yang dihasilkan adalah (H, S, V) = (0,5833; 0,6667; 0,6) Program Matlab menyediakan fungsi untuk mengkonversi nilai RGB ke nilai HSV, yaitu fungsi rgb2hsv.m. Dengan menggunakan fungsi ini dapat dicek apakah hasil konversi tersebut di atas sudah benar. >> rgb2hsv ([ ]) ans = Dan hasilnya ternyata sesuai dengan hasil perhitungan seperti pada contoh.
9 Konversi HSV ke RGB. Untuk mengkonversi dari nilai HSV ke RGB dapat dilakukan dengan cara sebagai berikut. Definisikan: H = [6 H ] ambil nilai bulatnya saja F = 6 H H P = V (1 S ) Q = V (1 SF ) T = V (1 S ( 1 F ) ) Oleh karena H merupakan nilai bilangan bulat antara 0 dan 5, maka ada 6 kasus berbeda yang harus diperhatikan untuk proses konversi, pergunakan tabel konversi berikut. Contoh Konversi balik pada contoh sebelumnya yaitu (H, S, V) = (0,5833; 0,6667; 0,6) menjadi nilai RGB. Maka: H = [6 X 0,5833] = 3 F = (6 X 0,5833) 3 = 0,5 P = 0,6 (1 0,6667) = 0,2 Q = 0,6(1 (0,6667)(0,5)) = 0,4 T = 0,6(1 0,6667(1 0,5) = 0,4 Oleh karena H = 3 maka berarti (R, G, B) = (P, Q, V) yaitu (R, G, B) = (0,2; 0,4; 0,6) Dalam Matlab konversi HSV ke RGB diimplementasikan dengan fungsi hsv2rgb.m.
10 Model Warna YIQ. Model warna jenis ini digunakan untuk TV/video di negaranegara yang memakai standar video NTSC. Komponen Y merupakan luminansi (berkaitan dengan intensitas), dan komponen I dan Q membawa informasi warna (kroma). Konversi antara RGB dan YIQ dapat dilakukan menggunakan matriks berikut. Konversi antara RGB dan YIQ diimplementasikan dalam Matlab dengan fungsi rgb2ntsc.m dan ntsc2rgb.m. Citra Warna dalam Matlab Dalam Matlab, citra warna dinyatakan sebagai array berukuran m x n x 3 yaitu sebuah array tiga dimensi. Array ini dapat dipandang sebagai tiga matriks yang terpisah yang disejajarkan secara vertikal. Perhatikan gambar 5 berikut. Gambar 5. Array tiga dimensi untuk sebuah citra RGB
11 Misalkan akan dibaca sebuah citra sebagai berikut. >> x = imread ('lily.jpeg'); >> y = size (x) y = Artinya bahwa citra lily terbaca sebagai sebuah matriks berukuran 91 x 137 x 3, yaitu sebagai sebuah array 3 dimensi. Lapis pertama merupakan komponen warna merah, lapis kedua merupakan komponen warna hijau, dan lapis ketiga merupakan komponen warna biru. Untuk menampilkan masing-masing komponen warna dapat digunakan sintaks sebagai berikut. >> merah = x(:,:,1); >> hijau = x(:,:,2); >> biru = x(:,:,3); >> imshow (merah) >> imshow (hijau) >> imshow (biru) Citra warna Komponen merah Komponen hijau Komponen biru Gambar 6. Citra warna dan komponen-komponen RGB
12 Citra yang dihasilkan dari komponen warna merah menunjukkan bagian dalam bunga lily mempunyai intensitas paling tinggi di antara dua komponen yang lain. Citra yang dihasilkan dari komponen warna hijau menunjukkan bagian daun mempunyai intensitas paling tinggi di antara dua komponen yang lain. Sedangkan pada citra yang dihasilkan oleh komponen warna biru tampak bahwa citra cenderung gelap (intensitas rendah) karena warna biru memang tidak tampak pada citra tsb. Pewarnaan Semu (Pseudocolouring) Pewarnaan semu merupakan suatu kegiatan untuk memberi warna pada citra aras keabuan dengan tujuan untuk kemudahan interpretasi secara visual pada citra tersebut, misalnya pada citra-citra medis. Ada beberapa metode untuk pewarnaan semu. 1. Pembagian Intensitas (Intensity Slicing) Dalam metode ini, citra dibagi menjadi beberapa jangkauan aras keabuan, kemudian untuk masing-masing jangkauan dialokasikan satu warna tertentu. Misalnya contoh berikut. Aras keabuan Warna Biru Magenta Hijau Merah Alokasi warna di atas dapat juga dipandang sebagai suatu pemetaan pada Gambar berikut. Gambar 7. Intensity Slicing sebagai suatu pemetaan
13 2. Transformasi Aras Keabuan ke Warna Dalam metode ini digunakan fungsi-fungsi f R (x), f G (x), dan f B (x) untuk keperluan transformasi atau alih-ragam setiap nilai aras keabuan x. Nilai hasil transformasi kemudian digunakan untuk menampilkan citra atau gambar (setelah proses penskalaan yang diperlukan). Misalkan akan dibuat transformasi seperti pada Gambar 7; maka peta warna (colour map) terdiri atas matriks dengan 3 kolom dan setiap barisnya mengandung nilai-nilai RGB antara 0 hingga 1. Maka peta warna tsb dapat ditampilkan sbb. Tabel 1. Peta warna Warna asli Warna transformasi Merah Hijau Biru Biru Magenta Hijau Merah Colormap yang disediakan Matlab adalah sbb.
14 Misalkan akan mengubah citra cameraman.tif menjadi citra warna menggunakan colormap jenis jet. >> b=imread('cameraman.tif'); >> imshow(b,colormap(jet(256))) Hasilnya: Gambar 8. Citra cameraman.tif asli dan hasil pewarnaan dengan colormap jet Cobalah menggunakan colormap jenis-jenis yang lain. Menggunakan peta warna pada Tabel 1, diperoleh hasil sbb (untuk citra stair.png). >> b=imread('stairs.png'); >> mycolourmap=[0 0 1;1 0 1;0 1 0;1 0 0]; >> b4=grayslice(b,4); >> imshow(b4,mycolourmap) Hasilnya terlihat pada gambar di bawah (asli dan hasil pewarnaan)
15 Gambar 9. Citra stairs.png asli dan hasil pewarnaan dengan colormap Tabel 1 Cobalah menggunakan colormap yang disediakan Matlab, atau colormap buatan anda sendiri. Pemrosesan Citra Warna Pemrosesan citra warna dapat dilakukan dengan dua cara sbb: 1. Memproses atau mengolah matriks (lapisan) R, G, B secara terpisah, 2. Mentrasformasi menjadi color space yang lain yang memisahkan intensitas dari warna, kemudian mengolah komponen intensitasnya saja Secara diagram kedua cara ini diperlihatkan pada gambar 10 berikut. Contrast Enhancement Contrast enhancement untuk citra warna paling baik dilakukan dengan mengolah komponen intensitasnya/komponen-y (cara no 2). clear all; clc; I=imread('stasiun.jpg'); J=rgb2ntsc(I); J(:,:,1)=histeq(J(:,:,1)); JJ=ntsc2rgb(J); imshow(i) figure, imshow(jj) Hasilnya diperlihatkan pada gambar 11.
16 Gambar 10. Pemrosesan citra warna (cara no. 1 dan 2) Gambar 11. Pemrosesan citra warna (cara no 2)
17 Cobalah untuk menggunakan cara no 1, bagaimana hasilnya? Cara yang sama juga dapat dilakukan untuk filtering, noise reduction, dan edge detection yaitu dengan mengolah komponen intensitasnya saja atau dengan mengolah masing-masing lapisan RGB lalu menggabungkannya kembali. Untuk menggabungkan lapisan-lapisan matriks menjadi satu kembali dapat digunakan fungsi cat.m (cari bagaimana sintaknya dengan help cat). Gambar 12. Deteksi tepi citra warna (contoh hasil) Tugas Kumpulkan hasilnya paling lambat Senin, 5 Januari 2015 pukul WIB (coding dalam tulisan tangan, hasilnya gunakan print out) 1. Lakukan noise reduction (noise removal) pada citra warna (citra peppers2.jpg) dengan mengolah masing-masing lapisan (R, G, dan B) kemudian menggabungkannya kembali. Pilih filter yang sesuai (derau pada citra adalah derau jenis salt & pepper). 2. Lakukan edge detection pada citra warna (citra peppers.png) dengan mengolah masing-masing lapisan (R, G, dan B) kemudian menggabungkannya kembali. Gunakan operator deteksi tepi yang pernah diberikan dalam pertemuan sebelumnya.
Grafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16
Pengolahan Citra : Representasi Citra Universitas Gunadarma 006 Pengolahan Citra : Representasi Citra /6 Representasi Citra dalam File (/3) Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar,
Lebih terperinciCOLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP
Lebih terperinciPengolahan Citra Warna 1 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH
Pengolahan Citra Warna 1 Semester Genap 2010/2011 Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Outline Pengolahan warna penuh dan warna pseudo Penyajian
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 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 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 terperinci1.1 Intensitas. 1.2 Luminansi. 1.3 Lightness. 1.4 Hue. 1.5 Saturasi
1.Definis Warna Dalam ilmu fisika warna didefinisikan sebagai gelombang elektromagnetik cahaya, sedangkan dalam bidang ilmu seni rupa dan desain warna didefinisikan sebagai pantulan tertentu dari cahaya
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciPengolahan Citra Berwarna
MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?
Lebih terperinciKULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS
KULIAH TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS Matriks merupakan sebuah susunan segiempat siku-siku dari bilanganbilangan, dalam baris dan kolom. Bilangan-bilangan tersebut disebut entri atau elemen
Lebih terperinciTeori Warna. S1 Tekinik Informatika. Disusun Oleh Dr. Lily Wulandari
Teori Warna S1 Tekinik Informatika Disusun Oleh Dr. Lily Wulandari 1 Sejarah Warna Pada tahun 1672 Sir Isaac Newton menemukan bahwa cahaya yang dilewatkan pada sebuah prisma akan terbagi menjadi berbagai
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
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 terperinciKULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA
KULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA Informasi penting mengenai isi citra digital dapat diketahui dengan membuat histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 10 Removal of Periodic Noise Dan Segmentasi
1 TEKNIK PENGOLAHAN CITRA Kuliah 10 Removal of Periodic Noise Dan Segmentasi Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 9 Removal of Periodic Noise. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 9 Removal of Periodic Noise Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih 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 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 terperinciBUKU TEKNIK ELEKTRONIKA TERBITAN PPPPTK/VEDC MALANG
721 6.2. Mata dan Warna 6.2.1 Spektrum warna Radiasi cahaya tampak menempati pita frekuensi relatif pendek pada spektrum energi gelombang elektromagnetik-kira-kira antara 400nm dan 700nm. Sebagai contoh,
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 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 terperinciIntensity and Color. Pertemuan 12
Intensity and Color Pertemuan 12 Warna Kemajuan teknik raster menjadikan teknik warna (grayscale dan warna) merupakan suatu konsep yang terintegrasi dalam teknologi komputer grafik Konsep warna melibatkan
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 terperincipanjang atau bujur sangkar yang secara beraturan membentuk baris-baris dan
BAB II LANDASAN TEORI 2.1 Strimin Strimin adalah salah satu nama jenis kain yang digunakan sebagai media menggambar menggunakan benang sulam berwarna. Tekniknya adalah dengan memindahkan atau menggambar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciAplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006
Aplikasi Pengolahan Citra DETEKSI WARNA PENS-ITS, 26 Des 2006 Materi Format Warna RGB r-gcolor Normalized RGB HSV YCrCb TSL Deteksi Warna Static Threshold Distance Threshold Dynamic Threshold Format Warna
Lebih terperinciPENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK
Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I
Lebih terperinciAdobe Photoshop CS3. Bagian 2 Bekerja dalam Photoshop
Adobe Photoshop CS3 Bagian 2 Bekerja dalam Photoshop Mengapa Photoshop? Adobe Photoshop adalah perangkat lunak yang menjadi standar dalam industri digital imaging. Sekarang, memiliki keahlian dalam menggunakan
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 II LANDASAN TEORI. Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam
BAB II LANDASAN TEORI 2.1 Teori Dasar Pengolahan Citra Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam bidang dua dimensi, dengan (x,y) menyatakan koodinat citra dan nilai f pada koodinat
Lebih terperinciJudul : APLIKASI PERBAIKAN KUALITAS CITRA DIGITAL MENGGUNAKAN MATLAB 7. 1 Nama : MELISA NPM :
Judul : APLIKASI PERBAIKAN KUALITAS CITRA DIGITAL MENGGUNAKAN MATLAB 7. 1 Nama : MELISA NPM : 50403778 Email : reval_lauren@yahoo.com ABSTRAK Citra yang dimiliki pengguna seringkali mengalami gangguan
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 9 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 9 Filtering in Frequency Domain Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Pembentukan Citra Citra ada 2 macam : 1. Citra Kontinu Dihasilkan dari sistem optik yang menerima
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB II Tinjauan Pustaka
23 BAB II Tinjauan Pustaka II.1. Pengolahan Citra Digital Citra yang diperoleh dari lingkungan masih terdiri dari warna yang sangat komplek sehingga masih diperlukan proses lebih lanjut agar image tersebut
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 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 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 terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 8 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 8 Filtering in Frequency Domain Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciBAB 2 LANDASAN TEORI. Digital image processing adalah istilah untuk memproses gambar (picture) dua
BAB 2 LANDASAN TEORI 2. Definisi Pengolahan Citra Digital image processing adalah istilah untuk memproses gambar (picture) dua dimensi oleh komputer digital (Jain, 989, p). Segala proses yang digunakan
Lebih terperinciStudi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik. Ibnu Alam
Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik Abstrak Ibnu Alam 13506024 Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl.
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 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 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 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 terperinciCS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra
CS3214 Pengolahan Citra - UAS CHAPTER 1. Pengantar Pengolahan Citra Fakultas Informatika IT Telkom CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis) = fungsi
Lebih terperinciPengolahan Citra Berwarna. Sumber : Dr. Aniati Murni Dina Chahyati, M.Kom Fakultas Ilmu Komputer UI, 2004
Pengolahan Citra Berwarna Sumber : Dr. Aniati Murni Dina Chahyati, M.Kom Fakultas Ilmu Komputer UI, 2004 Pengolahan Citra Berwarna Mengapa kita menggunakan citra berwarna (motivasi): Dalam analisa citra
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 10 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 10 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB III ANALISIS METODA
BAB III ANALISIS METODA Bab ini menjelaskan tahap analisis dan perancangan yang dilakukan dalam implementasi aplikasi dan metoda transformasi warna untuk buta warna. III.1 Analisis Transformasi Warna Saat
Lebih terperinciBy: Ahmad SYAUQI Ahsan
By: Ahmad SYAUQI Ahsan Warna Primer Kadang kita diajarkan bahwa warna primer adalah Merah, Kuning, dan Biru: Cukup bagus untuk mencampur cat. Namun tidak bagus untuk digunakan dalam mencampur cahaya Retina
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 11 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 11 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih terperinciIMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 IMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL Ericks Rachmat Swedia 1), M. Ridwan Dwi Septian
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
Lebih terperinciImplementasi Algoritma Kompresi Shannon Fano pada Citra Digital
Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital Muhammad Khoiruddin Harahap Politeknik Ganesha Medan choir.harahap@yahoo.com Abstrak Algoritma kompresi Shannon-Fano merupakan salah satu
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 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 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 terperinciBAB 2 FAKTOR MANUSIA - PENGELIHATAN - PENDENGARAN - SENTUHAN. Interaksi Manusia dan Komputer Faktor Manusia 8
BAB 2 FAKTOR MANUSIA - PENGELIHATAN - PENDENGARAN - SENTUHAN Interaksi Manusia dan Komputer Faktor Manusia 8 BAB 2 FAKTOR MANUSIA PENDAHULUAN Sistem komputer terdiri atas 3 aspek, yaitu perangkat keras
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 terperinciHistogram Warna Pada Image
Histogram Warna Pada Image Konsep Ruang Warna P(r,g,b) Setiap pixel mempunyai warna yang dinyatakan dalam RGB, sehingga merupakan gabungan nilai R, nilai G dan nilai B yang tidak bisa dipisahkan satu dengan
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 terperinciTeori Warna. Grafik Komputer 2. Isikan Judul Halaman. Grafik Komputer 2
Teori Warna Hal.: 1 Apa itu Warna? Warna adalah elemen terpenting dalam desain grafis. Warna menjadi indikator pembeda antara satu objek dengan yang lain. Dari sudut pandang ilmu fisika, warna dihasilkan
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciBAB II DASAR TEORI. Pengolahan Citra
BAB II DASAR TEORI II.1 Pengolahan Citra II.1.1 Citra Sebuah citra yang didefinisikan di dunia nyata dipetakan sebagai sebuah fungsi terhadap intensitas cahaya terhadap bidang dwimatra. Sebagai contoh
Lebih terperinciMANIPULASI CITRA ISHIHARA MENGGUNAKAN PSEUDOCOLORING
POLITEKNOLOGI VOL. 14 No. 2 MEI 2015 MANIPULASI CITRA ISHIHARA MENGGUNAKAN PSEUDOCOLORING Misriana 1 dan Rahmadi Kurnia 2 1 Teknik Elektro Politeknik Negeri Lhokseumawe, Buketrata 24301,2 Teknik Elektro,
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciPENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE
PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE Aeri Rachmad Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya
Lebih terperinciSEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK
SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta
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 terperinciPraktikum. Jobsheet III. untuk Processing. B. Dasar Teori Ada dua mode dan HSB. (a) (b) HSB. Gambar 3.1. memperoleh. A. Tujuan
Praktikum Pemrosesan Sinyal @G4.206 Jobsheet III Warna RGB dan HSB A. Tujuan Mahasiswaa mampu menjelaskan penggunaan filter warna padaa OpenCV untuk Processing Mahasiswaa mampu mengoperasikann filter warna
Lebih terperinciAljabar Linier & Matriks
Aljabar Linier & Matriks 1 Pendahuluan Ruang vektor tidak hanya terbatas maksimal 3 dimensi saja 4 dimensi, 5 dimensi, dst ruang n-dimensi Jika n adalah bilangan bulat positif, maka sekuens sebanyak n
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 terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB V PENGATURAN TAMPILAN DAN WARNA
BAB V PENGATURAN TAMPILAN DAN WARNA Pertemuan : 5 Waktu : 100 Menit Kompetensi Dasar : Mahasiswa dapat merancang antarmuka sesuai dengan paradigma IMK Indikator : Mahasiswa dapat mengatur tampilan dan
Lebih terperinciSelama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belum melakukan pemilahan mutu yang baik sehingga harga jual sangat
SEMINAR TUGAS AKHIR Dosen Pembimbing: Dr. Ir. Djoko Purwanto M.Eng Dr. Tri Arief Sardjono ST.MT Oleh: OKTAVIANO YUDHA N 2203.109.007 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB 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 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 terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciPRAKTIKUM INTERPRETASI CITRA DIJITAL. Ratna Saraswati
PRAKTIKUM INTERPRETASI CITRA DIJITAL Ratna Saraswati KONSEP PENGOLAHAN CITRA Citra dijital disimpan dalam bentuk matriks (array atau grid) 2 dimensi Masing-masing elemennya mewakili sebuah kotak kecil
Lebih terperinciOperasi Piksel dan Histogram
BAB 3 Operasi Piksel dan Histogram Setelah bab ini berakhir, diharapkan pembaca memahami berbagai bahasan berikut. Operasi piksel Menggunakan histogram citra Meningkatkan kecerahan Meregangkan kontras
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 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 terperinciBAB II DASAR TEORI. Pencarian citra merupakan permasalahan yang menarik untuk dicari
BAB II DASAR TEORI 2.1 Tinjauan Pustaka Pencarian citra merupakan permasalahan yang menarik untuk dicari alternatif penyelesaiannya. Berikut ini adalah penelitian yang sebelumnya dilakukan seputar pencarian
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
Lebih terperinciIDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA
IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu
Lebih terperinci