TEKNIK PENGOLAHAN CITRA. Kuliah 9 Filtering in Frequency Domain. Indah Susilawati, S.T., M.Eng.
|
|
- Farida Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Mercu Buana Yogyakarta
2 KULIAH 9 TEKNIK PENGOLAHAN CITRA FILTERING IN FREQUENCY DOMAIN (PENAPISAN DI DOMAIN FREKUENSI) Ideal Filtering: Low Pass Filtering Misal diketahui suatu matriks hasil transformasi Fourier yang telah digeser sehingga koefisien DC-nya berada di pusat matriks. Oleh karena komponen frekuensi rendah berada di pusat matriks, maka low pass filtering dapat dilakukan dengan mengalikan matriks tersebut dengan suatu matriks sedemikian sehingga nilai-nilai yang berada di pusat matriks dipertahankan, dan nilai-nilai yang jauh dari pusat dihilangkan atau diminimalkan. Salah satu cara untuk melakukan hal ini adalah dengan mengalikannya dengan suatu matriks low pass ideal yang didefinisikan sebagai berikut. 1, jika jarak titik ( x, y) ke pusat lebih dekat daripada D m( x, y) 0, jika jarak titik ( x, y) ke pusat lebih jauh daripada D Misalnya adalah dengan lingkaran dengan radius D = 15 (seperti yang digunakan pada pertemuan yang lalu). [x,y] = meshgrid(-128:127, -128: 127) z = sqrt(x.^2 + y.^2) c = (z<15) imshow (c) Sebuah lingkaran dengan D = 15 2
3 Maka IDFT dari perkalian yang terjadi dapat dinyatakan sbb. Berikut adalah contoh low pass filtering dalam domain frekuensi. clear all; clc; % % Membaca citra dan melakukan transformasi Fourier % Menggeser koefisien DC ke pusat matriks % I = imread ('einstein.jpg'); If = fft2(i); If = fftshift(if); % % Membuat filter low pass berupa lingkaran dengan % radius D = 15 % [x,y] = meshgrid(-128:127, -128: 127) z = sqrt(x.^2 + y.^2) c = (z<15) % % Mengalikan matriks hasil transf. Fourier dengan % filter low pass % Dalam Matlab.* adalah perkalian element-wise % antara dua matriks % If_low = If.*c; % % Melakukan IDFT pada hasil filtering % If_low_inv = ifft2(if_low); % % Menampilkan hasil % subplot (2,2,1), imshow (I) subplot (2,2,2), fftshow (If) subplot (2,2,3), imshow (c) subplot (2,2,4), fftshow (If_low_inv, 'abs') 3
4 citra asli Filter low pass Dengan menggunakan citra yang lain, tampak sbb. citra asli Filter low pass 4
5 Pada citra hasil filtering dengan LPF tampak efek yang disebut ringing. Hal ini disebabkan oleh cutoff yang tajam pada lingkaran. Semakin kecil lingkaran yang digunakan sebagai filter, maka citra hasil filtering akan semakin kabur (blurr), dan sebaliknya semakin besar lingkaran maka semakin berkurang tingkat ke-kabur-an pada citra hasil filtering. Dua gambar berikut menunjukkan hasil filtering dengan D=5 dan D=30. citra asli Filter low pass D = citra asli Filter low pass D = 30 5
6 Ideal Filtering: High Pass Filtering High Pass Filtering dapat dilakukan dengan cara yang berkebalikan dengan cara yang dilakukan pada How Pass Filtering, yaitu dengan menghilangkan elemen-elemen (nilai-nilai) pada pusat matriks dan mempertahankan nilai-nilai yang lain. Secara sederhana hal ini dapat dilakukan dengan membuat lingkaran yang berkebalikan dengan yang digunakan pada low pass filtering yaitu lingkaran hitam dengan latar belakang putih. 0, jika jarak titik ( x, y) ke pusat lebih dekat daripada D m( x, y) 1, jika jarak titik ( x, y) ke pusat lebih jauh daripada D Misalnya adalah dengan lingkaran dengan radius D = 15 [x,y] = meshgrid(-128:127, -128: 127) z = sqrt(x.^2 + y.^2) c = (z>15) imshow (c) Sebuah lingkaran dengan D = 15 Berikut adalah contoh high pass filtering dalam domain frekuensi, menggunakan filter high pass di atas. 6
7 citra asli Filter high pass D = citra asli Filter high pass D = 5 7
8 citra asli Filter high pass D = Semakin besar cutoff maka semakin banyak bagian yang dihilangkan dari matriks hasil transformasi; artinya hanya frekuensi-frekuensi tertinggi saja yang tertinggal, hal ini terlihat pada hasil restorasi citra dimana hanya tebing-tebing citra (edges) saja yang tampak. Jika cutoff kecil, maka hanya frekuensi-frekuensi terendah saja yang dihilangkan, hasil restorasi masih tampak terdapat aras keabuan. Filter Butterworth Ideal filtering secara sederhana memotong matriks hasil transformasi Fourier pada jarak tertentu dari pusat matriks. Cara ini memang mudah diimplementasikan namun ada kekurangannya, yaitu menimbulkan efek ringing pada citra hasil akhirnya (hasil restorasi atau hasil IDFT). Cara untuk mengatasi kekurangan ini adalah dengan menggunakan matriks filter yang berupa lingkaran dengan cutoff yang tidak terlalu tajam. Jenis filter semacam ini salah satunya adalah filter Butterworh. Filter low pass dan high pass yang ideal dapat dinyatakan dengan fungsi sebagai berikut. 8
9 LPF 1, jika r D f ( r) 0, jika r D HPF 1, jika r D f ( r) 0, jika r D Dengan r adalah jarak dari pusat matriks dan D adalah jarak cutoff. Fungsi-fungsi ini diilustrasikan pada gambar berikut. Fungsi-fungsi filter Butterworth didasarkan pada persamaan-persamaan berikut. Untuk LPF 1 f ( r) 2n 1 ( r / D) Untuk HPF 1 1 ( D / r) f ( r) 2n Dengan parameter n adalah orde dari filter, orde menentukan ketajaman cutoff dari filter yang dibuat. Berikut ilustrasi grafis fungsi filter Butterworth dengan n = 2 dan n = 4. 9
10 Fungsi filter Butterworth dengan n = 2 Fungsi filter Butterworth dengan n = 4 Salah satu variasi dari fungsi filter Butterworth LPF adalah yang dinyatakan dengan persamaan berikut. 1 1 C( r / D) f ( r) 2n Dengan C adalah suatu konstanta. Pada persamaan yang dinyatakan sebelumnya adalah kasus jika diambil C = 1, sehingga saat r = D maka magnitude f(r) = 0,5. Nilai konstanta lain yang juga sering dipakai adalah C = 0,414, sehingga saat r = D maka nilai magnitude f(r) = 1/ 2. Berikut akan diberikan contoh membangun filter Butterworth LPF dengan C = 0,414 dan opsi masukan citra, jarak cutoff, dan orde filter. 10
11 function out = Lbutter(im, d, n) % % Lbutter (im, d, n) membentuk filter Butterworth LPF % ukuran filter sama dengan ukuran citra im % cutoff adalah d % orde filter adalah n % sintaks: % im = imread ('cameraman.tif'); % low = Lbutter (im, 25, 2); % height = size (im, 1); width = size (im, 2); [x, y] = meshgrid (-floor(width/2): floor((width-1)/2):... -floor(height/2):floor((height-1)/2)); out = 1./(1+(sqrt(2)-1)*((x.^2 + y.^2)/d^2).^n); Filter Butterworth HPF dapat dibangun dengan mengurangkan LPF-nya dari 1, sehingga dapat dibuat fungsinya dengan mudah ( HPF = 1 LPF ). function out = Hbutter(im, d, n) % % Hbutter (im, d, n) membentuk filter Butterworth HPF % ukuran filter sama dengan ukuran citra im % cutoff adalah d % orde filter adalah n % sintaks: % im = imread ('cameraman.tif'); % low = Hbutter (im, 25, 2); % out = 1 - Lbutter (im, d, n); Berikut contoh filtering dengan filter Butterworth LPF dan menggunakan fungsi-fungsi di atas. clear all; clc; % I = imread ('cameraman.tif'); If = fft2(i); 11
12 If = fftshift(if); % lb = Lbutter (If, 15, 1); % If_lb = If.*lb; % If_lb_inv = ifft2(if_lb); % subplot (2,2,1), imshow (I) title ('citra asli') subplot (2,2,2), fftshow (If) title ('') subplot (2,2,3), imshow (lb) title ('Filter low pass') subplot (2,2,4), fftshow (If_lb_inv, 'log') title ('') citra asli Filter low pass Jika digunakan filter Butterworth HPF, hasilnya sebagai berikut. 12
13 citra asli Filter high pass Jika digunakan n = 2 dan opsi abs fungsi fftshow, hasilnya sebagai berikut. citra asli Filter high pass 13
14 Gaussian Filtering Filter Gaussian juga dapat dilakukan dalam domain frekuensi, yaitu untuk low pass filtering. Implementasinya sama dengan yang dilakukan pada proses sebelumnya, yaitu membangun filter Gaussian, mengalikannya dengan matriks hasil transformasi Fourier, dan menginversikan hasilnya. Filter Gaussian merupakan jenis filter yang paling smooth dan filter ideal merupakan filter yang paling tidak smooth. Sedangkan filter Butterworth berada di antara keduanya. Contoh clear all; clc; % I = imread ('cameraman.tif'); If = fft2(i); If = fftshift(if); % g1 = fspecial('gaussian', 256, 10); g1 = mat2gray(g1); Ifg1 = If.*g1; Ifg1_inv = ifft2(ifg1); % g2 = fspecial('gaussian', 256, 30); g2 = mat2gray(g2); Ifg2 = If.*g2; Ifg2_inv = ifft2(ifg2); % subplot (2,2,1), fftshow (Ifg1,'log') title ('std = 10') subplot (2,2,2), fftshow (Ifg1_inv, 'abs') title ('Citra hasil') subplot (2,2,3), fftshow (Ifg2, 'log') title ('std = 30') subplot (2,2,4), fftshow (Ifg2_inv, 'abs') title ('Citra hasil') Keterangan: Std = standart deviasi 14
15 std = 10 Citra hasil std = 30 Citra hasil Dengan cara yang serupa, dapat dibangun filter Gaussian high pass dengan mengurangkan filter Gaussian low pass dari satu (HPF = 1 LPF). Contoh clear all; clc; % I = imread ('cameraman.tif'); If = fft2(i); If = fftshift(if); % g1 = fspecial('gaussian', 256, 10); g1 = mat2gray(g1); h1 = 1 - g1; Ifh1 = If.*h1; 15
16 Ifh1_inv = ifft2(ifh1); % g2 = fspecial('gaussian', 256, 30); g2 = mat2gray(g2); h2 = 1 - g2; Ifh2 = If.*h2; Ifh2_inv = ifft2(ifh2); % subplot (1,2,1), fftshow (Ifh1_inv, 'abs') title ('Menggunakan std = 10') subplot (1,2,2), fftshow (Ifh2_inv, 'abs') title ('Menggunakan std = 30') Menggunakan std = 10 Menggunakan std = 30 Tugas 1. Buatlah citra wajah seseorang yang anda kenal dengan kamera digital. Bereksperimenlah dengan menerapkan transformasi Fourier pada citra tersebut dan kemudian terapkan filter ideal (low pass dan high pass). Berapa radius terkecil dari LPF sehingga anda masih bisa mengenali wajahnya? 2. Buatlah citra wajah seseorang yang anda kenal dengan kamera digital. Bereksperimenlah dengan menerapkan transformasi Fourier pada citra tersebut dan kemudian terapkan filter Butterworth (low pass dan high pass). Berapa radius terkecil dari LPF sehingga anda masih bisa mengenali wajahnya? 16
17 3. Carilah formula untuk membangun filter Gaussian dan kemudian buatlah coding-nya untuk membuat fungsi filter Gaussian dari formula tersebut. Kemudian lakukan filtering yang sama dengan coding pada halaman 14 namun menggunakan fungsi yang anda buat tadi (tidak menggunakan fspecial dari Matlab). Bandingkan hasilnya. 17
TEKNIK 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 14 Pemrosesan Warna. Indah Susilawati, S.T., M.Eng.
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
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 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 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 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 terperinciKULIAH 9 FILTER DIGITAL
KULIAH 9 FILTER DIGITAL TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 9 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu
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 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 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 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 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 terperinciTransformasi Fourier dan Filtering
Transformasi Fourier dan Filtering Domain Spasial vs Domain Frekuensi Domain Spasial Konsep koordinat baris dan kolom Pemrosesan pixel-by-pixel Komputasi lama (terutama citra dengan ukuran spasial tinggi)
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 terperinciMODUL 5 FILTER FIR DAN WINDOW
MODUL 5 FILTER FIR DAN WINDOW I. Tugas Pendahuluan Perintah atau fungsi pada MATLAB dapat dilihat dan dipelajari dengan online help pada Command window. Contoh ketiklah : help plot. Maka arti dari perintah
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 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 terperinciKuliah 8 KONVOLUSI DAN KORELASI
TEKNIK PENGOLAHAN ISYARAT DIGITAL Kuliah 8 KONVOLUSI DAN KORELASI Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer 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 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 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 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 IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
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 terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciFilter Orde Satu & Filter Orde Dua
Filter Orde Satu & Filter Orde Dua Asep Najmurrokhman Jurusan eknik Elektro Universitas Jenderal Achmad Yani 8 November 3 EI333 Perancangan Filter Analog Pendahuluan Filter orde satu dan dua adalah bentuk
Lebih terperinciSISTEM PENGOLAHAN ISYARAT
TKE 243 SISTEM PENGOLAHAN ISYARAT Kuliah 1 Filter Digital Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 29 1 KULIAH 1
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 terperinciMODUL 4 PEMFILTERAN PADA SINYAL WICARA
MODUL 4 PEMFILTERAN PADA SINYAL WICARA I. TUJUAN - Mahasiswa mampu menyusun filter digital dan melakukan pemfilteran pada sinyal wicara II. DASAR TEORI 2.1. Filter IIR Yang perlu diingat disini bahwa infinite
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 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 terperinciDAFTAR ISI HALAMAN JUDUL... LEMBAR PENGESAHAN PEMBIMBING LEMBAR PENGESAHAN PENGUJI... KATA PENGANTAR... HALAMAN PERSEMBAHAN... MOTTO... ABSTRAK...
DAFTAR ISI HALAMAN JUDUL... LEMBAR PENGESAHAN PEMBIMBING LEMBAR PENGESAHAN PENGUJI... KATA PENGANTAR... HALAMAN PERSEMBAHAN... MOTTO... ABSTRAK... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 13 Kompresi Citra. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 13 Kompresi Citra Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015 KULIAH
Lebih terperinciIMPLEMENTASI LOWPASS FILTERING DAN HIGHPASS FILTERING UNTUK PERBAIKAN KUALITAS CITRA DIGITAL
IMPLEMENTASI LOWPASS FILTERING DAN HIGHPASS FILTERING UNTUK PERBAIKAN KUALITAS CITRA DIGITAL SKRIPSI EFRIENNI TAMPUBOLON 091401026 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
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 terperinciMODUL 06 RANGKAIAN FILTER PASIF
P R O G R A M S T U D I F I S I K A F M I P A I T B LABORATORIUM ELEKTRONIKA DAN INSTRUMENTASI MODUL 06 RANGKAIAN FILTER PASIF 1 TUJUAN Memahami prinsip yang digunakan dalam rangkaian filter sederhana.
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 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 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 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 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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat
Lebih 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 terperinciAPLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB
APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB PUJI LESTARI 41512010061 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI TAPIS LOLOS RENDAH
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciMAKALAH LOW PASS FILTER DAN HIGH PASS FILTER
MAKALAH LOW PASS FILTER DAN HIGH PASS FILTER Disusun oleh : UMI EKA SABRINA (115090309111002) JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2011 PEMBAHASAN 1.1.
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinciDi dalam perancangan filter-filter digital respons impuls tak terbatas diperlukan transformasi ke filter analog Diperlukan adanya pengetahuan filter
FEG2D3 -INW- 206 Di dalam perancangan filter-filter digital respons impuls tak terbatas diperlukan transformasi ke filter analog Diperlukan adanya pengetahuan filter analog yang dapat bertindak sebagai
Lebih terperinciBy Emy 1 MEREDUKSI NOISE By Emy By Emy
1 MEREDUKSI NOISE 2 1 Kompetensi Mampu menjelaskan macammacam jenis noise Mampu menganalisis jenis noise yang menyebabkan gangguan pada citra Mampu membangkitkan macammacam noise kemudian mengimplementasikannya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dijelaskan tentang berbagai teori yang digunakan untuk melakukan penelitian ini. Teori yang berhubungan seperti penjelasan moment secara umum, Zernike polynomials,
Lebih terperinciLAB PTE - 05 (PTEL626) JOBSHEET 5 (BAND STOP FILTER)
LB PTE - 05 (PTEL626) JOBSHEET 5 (BND STOP FILTER). TUJUN 1. Mahasiswa dapat mengetahui pengertian, prinsip kerja, dan karakteristik Band Stop Filter 2. Mahasiswa dapat merancang, merakit, dan menguji
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 terperinciLAPORAN PRAKTIKUM DSP
LAPORAN PRAKTIKUM DSP MODUL 4 PEMFILTERAN PADA SINYAL WICARA Disusun Oleh : Yuli Yuliantini (121014 7021) Teknik Telekomunikasi - PJJ PENS Akatel Politeknik Negeri Elektro Surabaya Surabaya 2015 22 MODUL
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 terperinciDTG2D3 ELEKTRONIKA TELEKOMUNIKASI FILTER ANALOG. By : Dwi Andi Nurmantris
DTG2D3 ELEKTRONIKA TELEKOMUNIKASI FILTER ANALOG By : Dwi Andi Nurmantris Ruang Lingkup Materi RANGKAIAN RESONATOR PENDAHULUAN LOW PASS FILTER HIGH PASS FILTER BAND PASS FILTER BAND STOP FILTER RANGKAIAN
Lebih terperinciMODUL 4 ANALOG DAN DIGITAL FILTER
MODUL 4 ANALOG DAN DIGITAL FILTER I. Tugas Pendahuluan Perintah atau fungsi pada MATLAB dapat dilihat dan dipelajari dengan online help pada Command window. Contoh ketiklah : help plot. Maka arti dari
Lebih terperinci3.2.1 Flowchart Secara Umum
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau
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 terperinciIMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II
IMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II Kunnu Purwanto 1), Agus Bejo 2), Addin Suwastono 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi 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 terperinciPROSES PENAJAMAN DAN REDUKSI NOISE PADA SEBUAH CITRA DIGITAL DALAM BIDANG FOTOGRAFI
PROSES PENAJAMAN DAN REDUKSI NOISE PADA SEBUAH CITRA DIGITAL DALAM BIDANG FOTOGRAFI Raden Mas Alexander Elldo Septian A11.2009.04644 septianalex@gmail.com Program Studi Teknik Informasi-S1 Universitas
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 terperinciA. Kompetensi Setelah mengiktui mata kuliah ini, mahasiswa diharapkan dapat memahami dan bisa melakukan:
No. LST/EKA/PTI 236/07 Revisi: 01 April 2011 Hal 1 dari 9 A. Kompetensi Setelah mengiktui mata kuliah ini, mahasiswa diharapkan dapat memahami dan bisa melakukan: 1. Mengenal dan menggunakan matlab sebagai
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 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 terperinciSistem Pengaturan Waktu Riil
Sistem Pengaturan Waktu iil Teknik Akusisi Data (1) Ir. Jos Pramudijanto, M.Eng. Jurusan Teknik Elektro FTI ITS Telp. 594732 Fax.5931237 Email: jos@elect-eng.its.ac.id Sistem Pengaturan Waktu iil - 2 Proses
Lebih terperinciPERBAIKAN CITRA MENGGUNAKAN EKSTRAPOLASI NONLINEAR PADA DOMAIN FREKUENSI
PERBAIKAN CITRA MENGGUNAKAN EKSTRAPOLASI NONLINEAR PADA DOMAIN FREKUENSI Chastine Fatichah - Nanik Suciati - Dewi Rosida Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciBahan 4 Filter Butterworth dan Chebyshev
Bahan 4 Filter Butterworth dan Chebyshev Ase ajmurrokhman Jurusan Teknik Elektro Universitas Jenderal Achmad Yani /7/9 EK36 Perancangan Filter Analog Pendahuluan Aroksimasi filter = roses mendaatkan fungsi
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciSimulasi dan Analisis Perbaikan Citra Digital Domain Frekuensi dengan Transformasi Fourier
Jurnal Reka Elkomika 7-49X Februari 1 Jurnal Online Institut Teknologi Nasional TeknikElektro Itenas Vol.1 No. Simulasi dan Analisis Perbaikan Citra Digital Domain Frekuensi dengan Transormasi Fourier
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 IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciMODUL XI / 11. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Iradath, ST., MBA ELEKTRONIKA ANALOG 1
MODUL XI / 11 2.10.1 Low Pass Filter (LPF) Low pass filter yang dibahas disini adalah model butterworth dan beberapa model lainnya antara lain adalah model buffer model inveting. Seperti tampak pada gambar
Lebih terperinci