BAB II LANDASAN TEORI
|
|
- Harjanti Sasmita
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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, color segmentation, ketiga metode yang akan dibandingkan, yaitu Harris Corner Detection, Edge Based Corner Detection dan FAST Corner Detection, dan metode perhitungan akurasi untuk menguji performa sistem..1 Metode Viola Jones untuk Mendeteksi Wajah Viola dan Jones memperkenalkan metode deteksi wajah yang mampu mendeteksi wajah dalam suatu citra secara cepat dengan tingkat akurasi yang tinggi pada tahun 001 [1]. Metode yang kemudian lebih dikenal dengan nama Viola Jones Detector ini menggunakan tiga komponen utama, komponen pertama adalah Integral Image yang membuat fitur dari citra mampu dikomputasi secara cepat. Komponen kedua adalah klasifier yang sederhana dan efisien berdasarkan pada algoritma Ada Boost yang mampu memilih beberapa fitur penting dari sekumpulan fitur yang sangat banyak. Komponen ketiga adalah menggabungkan klasifier dalam bentuk Cascade atau bertingkat, hal ini mampu menghilangkan latar belakang citra pada daerah yang memiliki kemiripan sangat besar dengan wajah manusia. Metode ini mampu melakukan deteksi wajah dengan kecepatan 15 frames per detik.. Konversi Citra RGB ke Grayscale Citra wajah yang telah yang diambil merupakan citra RGB (red, green, blue). Citra tersebut akan dikonversi menjadi citra grayscale. Konversi citra dari RGB ke grayscale dapat dilakukan dengan mengeliminasi informasi warna dan saturasi dengan tetap mempertahankan pencahayan (luminance) [6]. Luminance merupakan jumlah energi dari sumber yang ditangkap oleh pengamat, dinyatakan dalam lumen [7]. Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial sedangkan f(x,y) adalah nilai intensitas citra pada koordinat tersebut [8]. Citra dalam komputer tersusun dari sekumpulan piksel, dimana setiap triplet 5
2 terdiri atas variasi tingkat keterangan (brightness) dari elemen red, green, dan blue. Triplet terdiri dari 3 angka yang mengatur intensitas dari red (R), green (G), dan blue (B). Angka-angka RGB ini yang seringkali disebut dengan color values. Citra grayscale adalah citra yang terdiri atas beberapa aras keabuan. Warna abu-abu pada citra jenis ini merupakan variasi dari warna hitam untuk bagian dengan intensitas terlemah dan warna putih pada intensitas terkuat [9]. Citra grayscale berbeda dengan citra hitam-putih, dimana citra hitam putih hanya terdiri atas warna saja yaitu hitam dan putih saja. Citra grayscale disimpan dalam format 8 bit untuk setiap sampel piksel, yang memungkinkan sebanyak 56 intensitas. Untuk mengubah citra berwarna yang mempunyai nilai matriks masing-masing R, G, dan B menjadi citra grayscale dengan nilai X, maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai R, G, dan B. Persamaan (1) merupakan persamaan untuk merepresentasikan hal tersebut. X = R+G+B 3 (1).3 Color Segmentation Segmentasi adalah proses mempartisi citra menjadi beberapa daerah atau region [4]. Proses segmentasi citra berwarna dapat dilakukan pada setiap lapisan warna (HSI atau RGB). Segmentasi warna sederhana dilakukan menggunakan metode thresholding. Pada skripsi ini, color segmentation dilakukan pada lapisan warna RGB dengan batas nilai Red > 80, Blue < 80 dan Green < 100, nilai piksel diluar nilai tersebut akan diubah menjadi 0 (hitam)..4 Harris Corner Detection Harris Corner Detection adalah sistem pendeteksi sudut yang sering digunakan karena mampu menghasilkan nilai yang konsisten pada citra yang mengalami rotasi, penskalaan, variasi pencahayaan maupun memiliki banyak derau pada gambar [4]. Deteksi sudut dengan metode Harris ini didasarkan pada variasi intensitas sinyal. Variasi intensitas yang besar menunjukkan adanya sudut pada citra. Pada pendeteksian sudut metode Harris, sudut didefinisikan sebagai pertemuan dua tepian [4]. Oleh karena itu, titik sudut tidak bisa didefinisikan pada piksel tunggal, karena disana hanya ada satu gradien setiap titik. Gradien adalah arah perubahan intensitas kecerahan dalam suatu citra seperti yang ditunjukkan pada 6
3 Gambar.1. Gradien dari suatu citra dapat dikelompokkan menjadi: a) konstan: jika hanya sedikit atau tidak ada perubahan kecerahan b) sisi: jika ada perubahan intensitas kecerahan yang kuat pada satu arah c) flow: garis yang paralel d) tepi: Jika terjadi perubahan kecerahan yang kuat dalam arah saling tegak lurus (a) (b) (c) Gambar.1. Gradien Garis dari Suatu Piksel (a) adalah gradien garis horisontal, (b) adalah gradien garis vertikal, (c) adalah gradien garis diagonal Deteksi sudut metode Harris merupakan metode pendeteksian sudut hasil pengembangan Moravec corner detection. Moravec membuat suatu metode pendeteksian sudut dengan memperhitungan nilai variasi intensitas suatu citra pada suatu jendela biner yang akan digeser ke arah sumbu (x, y) tertentu. Pada persamaan skripsi ini, digunakan jendela biner berukuran 3 3 yang akan digeser ke arah (1,0), (1,1), (0,1), atau (-1,1). Persamaan variasi intensitas Moravec diberikan oleh Persamaan (3). dengan, E x,y E x,y = w b (u, v) I x+u,y+v I u,v u,v () = variasi intensitas citra yang tergeser ke arah (x,y) w b (u, v) = jendela biner, bernilai 1 di seluruh jendela dan 0 diluar jendela I x+u,y+v = intensitas citra yang tergeser ke arah (1,0), (1,1), (0,1), atau (-1,1). I u,v = intensitas citra di posisi (u, v) Deteksi sudut metode Harris mengganti jendela biner yang digunakan oleh Moravec dengan jendela Gaussian yang bersifat menghaluskan hasil kuadrat selisih intensitas yang diperoleh dari Persamaan (). Secara matematis, pengaplikasian jendela Gaussian pada citra sama halnya dengan mengalikan citra tersebut dengan sebuah fungsi Gaussian dimensi [7]. 7
4 dengan w g (u, v) = e u +v σ (3) w g = nilai tiap elemen jendela Gaussian di posisi (u, v) σ = standar deviasi distribusi Gaussian (sigma) Persamaan () menunjukkan adanya proses pengurangan intensitas citra di posisi akhir terhadap intensitas citra di posisi awal. Pergeseran dari jendela Gaussian ini terjadi ke arah sumbu x dan ke arah sumbu y seperti yang ditunjukkan pada Gambar. dan Gambar.3. Gambar.. Pergeseran Jendela Gaussian ke arah (1,0). Warna biru menunjukkan posisi pergeseran, warna merah menunjukkan posisi awal jendela pada citra. Gambar.3. Pergeseran Jendela Gaussian ke arah (0,1). Warna biru menunjukkan posisi pergeseran, warna merah menunjukkan posisi awal jendela pada citra. 8
5 Dari Gambar. dan Gambar.3, Harris menuliskan persamaan variasi intensitas yang mengalami pergeseran ke arah sumbu x seperti yang ditunjukkan pada Persamaan (4) berikut dengan, E 1,0 = 3 3 I m x A i,j +1 A i=1 j =1 i,j k=1 (4) I m x I m ( 1,0,1) A i,j +1 A i,j sedangkan persamaan variasi intensitas yang mengalami pergeseran ke arah sumbu y ditunjukkan pada Persamaan (5) dengan, E 0,1 = 3 3 i=1 j =1(A i+1,j A i,j ) m =1 (5) I m y I m ( 1,0,1) T A i+1,j A i,j Pergeseran jendela yang ditunjukkan oleh Persamaan (4) dan (5) menunjukkan bahwa variasi intensitas dapat ditulis ke dalam bentuk fungsi gradien citra di tiap titik. Karena digunakan jendela berukuran 3 3, maka akan diperoleh fungsi gradien di 9 titik yang dilewati oleh jendela, sehingga Persamaan () dapat ditulis menjadi E x,y = u,v w u,v x I x = w u,v x I + y I y 9 9 I m y I I I u,v x + xy + y (6) x y y Persamaan (6) menunjukkan adanya proses perkalian antara gradien suatu citra dengan jendela yang tergeser ke seluruh bagian citra. Proses ini sama halnya seperti konvolusi pada citra, sehingga dapat didefinisikan, A = I x w D = C = I y I I x y w w dari permisalan di atas, maka Persamaan (5) dapat disederhanakan menjadi E x,y = Ax + Cxy + Dy (7) Persamaan (6) inilah yang kemudian dikenal dengan istilah ekspansi analitis yang digunakan pada deteksi sudut metode Harris. Harris menyadari bahwa pada 9
6 pergeseran yang sangat kecil ke arah (x,y), Persamaan (6) dapat ditulis ke dalam bentuk matriks seperti yang ditunjukkan oleh Persamaan (7) E x,y = x y M x y (8) dengan nilai M = A C (9) C D Persamaan (9) ini unik karena mengandung semua persamaan diferensial. Harris menggunakan persamaan ini untuk mencari persamaan tanggapan detektor Harris yang dimanfaatkan untuk menentukan apakah suatu titik merupakan sudut atau bukan. Persamaan tanggapan detektor Harris dapat diperoleh dengan cara mengurangi determinan M dengan suatu konstanta sensitivitas dikalikan kuadrat trace M. seperti yang ditunjukkan pada Persamaan (10) R H = det M k trace (M) (10) dengan R H k = nilai tanggapan detektor Harris citra = konstanta sensitivitas dari corner detection metode Harris Jika nilai R H >0 menunjukkan bahwa titik pada citra merupakan suatu sudut, nilai R H <0 menunjukkan bahwa titik pada citra merupakan suatu tepian [10]. Penurunan hubungan persamaan tanggapan detektor Harris terhadap determinan dan trace nya dapat dilihat pada Lampiran C. Nilai k pada perhitungan nilai sudut ini merupakan konstanta sensitivitas yang besarnya bisa diubah-ubah. Berdasarkan penelitian dan percobaan yang dilakukan oleh Neil Bruce dan Pierre Kornprobst, nilai k yang memberikan hasil yang baik berkisar antara [11]. Titik biru pada Gambar.4 (a) dan (b) menunjukkan sudut dari citra setelah diproses menggunakan Harris corner detection. 10
7 (a) (b) Gambar.4. Hasil Harris Corner Detection (a) adalah hasil Harris Corner Detection pada citra wajah, (b) adalah hasil Harris Corner Detection pada citra bibir.5 Edge Based Corner Detection Edge detection adalah salah satu proses ekstraksi fitur yang mengidentifikasi tepian citra, yaitu posisi dimana terjadi perubahan intensitas piksel secara tajam. Tepian dari suatu citra mengandung informasi penting dan mampu merepresentasikan objek-objek yang terkandung dalam citra tersebut meliputi bentuk, ukuran serta tekstur [1]. Pada penelitian kali ini digunakan operator Sobel karena mampu menghasilkan hasil ekstraksi paling halus dan memberikan kinerja paling baik dibandingkan operator Prewitt maupun operator Roberts [7][13]. Operator Sobel sensitif terhadap tepian diagonal daripada tepian vertikal dan horisontal, sehingga operator Sobel harus diterapkan secara terpisah untuk mendapatkan gradien horisontal dan gradien vertikalnya [7]. Operator Sobel diberikan oleh Persamaan (11). Untuk mencari gradien gabungan dari operator Sobel digunakan Persamaan (1). Contoh hasil edge detection menggunakan operator Sobel diberikan oleh Gambar.5. 11
8 S v S h (11) dengan S v S h S I S = (I S v ) + (I S h ) (1) = matriks operator Sobel vertikal = matriks operator Sobel horisontal = gradien gabungan dari operator Sobel vertikal dengan Sobel horisontal = citra bibir Gambar.5. Hasil Edge Detection Menggunakan Operator Sobel Setelah citra masukan dipra proses dengan edge detection operator Sobel, citra akan dideteksi sudutnya menggunakan Harris Corner Detection. Titik sudut hasil Harris Corner Detection nantinya yang akan menentukan ekspresi wajah citra masukan termasuk tersenyum atau bukan..6 FAST Corner Detection FAST (Features from Accelerated Segment Test) adalah suatu algoritma yang dikembangkan oleh Edward Rosten, Reid Porter, and Tom Drummond. FAST corner detection ini dibuat dengan tujuan mempercepat waktu komputasi secara real-time dengan konsekuensi menurunkan tingkat akurasi pendeteksian sudut [14]. FAST corner detection dimulai dengan menentukan suatu titik p pada koordinat (x p, y p ) pada citra dan membandingkan intensitas titik p dengan 4 titik di 1
9 sekitarnya. Titik pertama terletak pada koordinat (x, y p-3 ), titik kedua terletak pada koordinat (x p+3, y), titik ketiga terletak pada koordinat (x, y p+3 ), dan titik keempat terletak pada koordinat (x p-3, y p ). Jika nilai intensitas di titik p bernilai lebih besar atau lebih kecil daripada intensitas sedikitnya tiga titik disekitarnya ditambah dengan suatu intensitas batas ambang, maka dapat dikatakan bahwa titik p adalah suatu sudut. Setelah itu titik p akan digeser ke posisi(x p+1, y p ) dan melakukan perbandingan intensitas di keempat titik di sekitarnya lagi. Iterasi ini terus dilakukan sampai semua titik pada citra sudah dibandingkan. FAST corner detection bekerja pada suatu citra sebagai berikut: 1. Tentukan sebuah titik p pada citra dengan posisi awal (x p, y p ). Tentukan lokasi keempat titik. Titik pertama (n=1) terletak pada koordinat (x p, y p 3 ), titik kedua (n=) terletak pada koordinat x p+3, y p, titik ketiga (n=3) terletak pada koordinat (x p, y p+3 ), titik keempat (n=4) terletak pada koordinat (x p 3, y p ) 3. Bandingkan intensitas titik pusat p dengan keempat titik di sekitar. Jika terdapat paling sedikit 3 titik yang memenuhi syarat berikut, maka titik pusat p adalah sudut C p = 1, I n < I p t or I n > I p + t (13) 0, otherwise dengan C p I n I p t = keputusan titik p sebagai sudut, nilai 1 menunjukkan bahwa titik merupakan suatu sudut, dan nilai 0 menunjukkan bahwa titik bukanlah sudut = nilai intensitas piksel ke-n = nilai intensitas titik p = batas ambang nilai intensitas yang ditoleransi 4. Ulangi proses sampai seluruh titik pada citra sudah dibandingkan intensitasnya 13
10 Gambar.6. Jendela FAST Corner Detection. Jendela d dengan titik pusat p yang akan dibandingkan intensitasnya dengan intensitas 4 titik di sekitarnya..7 Deteksi Senyum Ketiga metode yang digunakan pada skripsi ini menghasilkan beberapa titik sudut pada citra bibir ekspresi tersenyum. Selanjutnya dipilih dua buah titik sudut pada koordinat x terbesar (x max, y 1 ) dan koordinat x terkecil (x min, y ) yang diharapkan merupakan tepi bibir sebelah kiri dan tepi bibir sebelah kanan. Selanjutnya kedua koordinat ini dirata-rata untuk mendapatkan koordinat tengah-tengah dari bibir (y rata ). Koordinat ini dirata-rata untuk mentoleransi kemiringan bibir yang tidak sama pada tiap obyek foto. Titik koordinat rata-rata ini kemudian disimpan dan dijadikan sebagai batas minimum koordinat bibir ekspresi tersenyum. Proses ini diulang untuk seluruh citra pelatihan yang terdiri dari citra dengan ekspresi tersenyum saja, sehingga dapat diperoleh koordinat rata-rata ekspresi tersenyum. Untuk proses pengujian dilakukan hal yang sama. Ketiga metode akan menghasilkan beberapa titik sudut pada citra bibir uji. Kemudian dipilih dua buah titik sudut pada koordinat x terbesar (x max_u, y 1_u ) dan koordinat x terkecil (x min_u, y _u ), lalu nilai koordinat titik sudut citra bibir uji ini akan dirata-rata (y rata_u ). Jika nilai koordinat rata-rata citra uji (y rata_u ) lebih besar dari batas minimum yang sudah disimpan (y rata ), maka citra dianggap bukan ekspresi tersenyum, begitu juga sebaliknya, nilai koordinat titik sudut citra bibir uji (y rata_u ) yang lebih kecil atau sama dengan batas minimum yang sudah disimpan (y rata ) dianggap ekspresi tersenyum..8 Perhitungan Akurasi Akurasi untuk klasifikasi dua kelas dan banyak kelas dapat dihitung menggunakan persamaan (14) berikut 14
11 Akurasi = dengan, TP+TN TP+FP+TN+FN TP = True Positive, jumlah citra senyum yang dideteksi tersenyum oleh sistem (14) TN FP FN = True Negative, jumlah citra bukan tersenyum yang dideteksi bukan tersenyum oleh sistem = False Positive, jumlah citra tersenyum yang dideteksi bukan tersenyum oleh sistem = False Negative, jumlah citra bukan tersenyum yang dideteksi tersenyum oleh sistem 15
PERBANDINGAN METODE HARRIS CORNER DETECTION, EDGE BASED CORNER DETECTION DAN FAST CORNER DETECTION DALAM APLIKASI PENDETEKSI SENYUM PADA WAJAH MANUSIA
PERBANDINGAN METODE HARRIS CORNER DETECTION, EDGE BASED CORNER DETECTION DAN FAST CORNER DETECTION DALAM APLIKASI PENDETEKSI SENYUM PADA WAJAH MANUSIA Oleh Eduard Royce Siswanto NIM : 612009003 Skripsi
Lebih terperinciBAB III PERANCANGAN PERANGKAT LUNAK
BAB III PERANCANGAN PERANGKAT LUNAK 3.1. Sistem Pendeteksi Senyum Sistem pendeteksi senyum dalam skripsi ini dibuat dengan membandingkan tiga buah metode, yaitu Harris Corner Detection, Edge Based Corner
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 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 terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciBAB II 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 terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. 1 Tinjauan Studi Berbagai penelitian telah dilakukan untuk menunjukkan betapa pentingnya suatu edge detection dalam perkembangan pengolahan suatu citra, berikut
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
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 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 terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
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 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
Lebih terperinciOperasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan
KONVOLUSI Informatics Eng. - UNIJOYO log.i Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan Citra ideal: korespondensi satu-satu sebuah titik pada obyek yang dicitrakan
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas
Lebih 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Secara harafiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya
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 terperinciEDGE DETECTION MENGGUNAKAN METODE ROBERTS CROSS
EDGE DETECTION MENGGUNAKAN METODE ROBERTS CROSS Arifin 1, Budiman 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 arifins2c@yahoo.com 1, sync_vlo@yahoo.com 2 Abstrak Pengolahan citra digital
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 terperinciMENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET
MENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET Purnomo Adi Setiyono Program Studi Teknik Informatika-S1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro (Udinus) Semarang
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
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 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 terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
Lebih terperinciBAB 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 terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
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 terperinciBAB II Tinjauan Pustaka
BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,
Lebih terperinciOperasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma
Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan
Lebih 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 terperinci2.Landasan Teori. 2.1 Konsep Pemetaan Gambar dan Pengambilan Data.
6 2.Landasan Teori 2.1 Konsep Pemetaan Gambar dan Pengambilan Data. Informasi Multi Media pada database diproses untuk mengekstraksi fitur dan gambar.pada proses pengambilan, fitur dan juga atribut atribut
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 6 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih 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 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 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 terperinciA. Aras Komputasi. 1. Aras Titik. 1. Aras Titik. 1. Aras Titik. 1. Aras Titik 3/18/2017
A. Aras Komputasi Kuliah Ke 4 dan Ke 5 Ada empat aras (level) komputasi pada pengolahan citra, yaitu : 1. Aras titik 2. Aras lokal 3. Aras global 4. Aras Objek 1. Aras Titik Operasi pada aras titik hanya
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 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 terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
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 terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
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 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 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciBatra Yudha Pratama
Pendeteksian Tepi Pengolahan Citra Digital Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara
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 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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Steganografi Steganografi adalah mekanisme penanaman atau penyisipan pesan (m) kedalam sebuah cover objek (c) menggunakan kunci (k) untuk berbagi rahasia kepada orang lain,
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 terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Steganografi Kata steganografi berasal dari bahasa yunani yang terdiri dari steganos (tersembunyi) graphen (menulis), sehingga bisa diartikan sebagai tulisan yang tersembunyi.
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 terperinciRika Oktaviani
Operasi Operasi Dasar Pengolahan Citra Digital Rika Oktaviani rika.jtk11@gmail.com Lisensi Dokumen: Copyright 2003 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan
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 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
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 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 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 II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY
Jurnal Riset Komputer (JURIKOM), Volume :, Nomor: 1, Februari 2016 ISSN : 2407-89X ANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY Linda Herliani Harefa Mahasiswa Program
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih 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 II. Computer vision. teknologi. yang. dapat. Vision : Gambar 2.1
BAB II LANDASAN TEORI Computer vision adalah bagian dari ilmu pengetahuan dan teknologi yang membuat mesin seolah-olah dapat melihat. Komponen dari Computer Vision tentunya adalah gambar atau citra, dengan
Lebih terperinciCitra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo
Citra Digital Petrus Paryono Erick Kurniawan erick.kurniawan@gmail.com Esther Wibowo esther.visual@gmail.com Studi Tentang Pencitraan Raster dan Pixel Citra Digital tersusun dalam bentuk raster (grid atau
Lebih terperinciSegmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi
Segmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi Ayu Ambarwati 1 Sistem Komputer, Fakultas Ilmu Komputer, Universitas Sriwijaya Jl. Raya Prabumulih-Palembang
Lebih terperinciARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR
ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR Oleh: RIDHO ARY SUMARNO 13.1.03.02.0092 Dibimbing oleh : 1. Hermin Istiasih M.T., M.M. 2. Mochammad Bilal S.kom.,
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 terperinciSEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING DIGITAL FISH IMAGE SEGMENTATION BY THRESHOLDING METHOD
SEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING Max R. Kumaseh 1), Luther Latumakulita 1), Nelson Nainggolan 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat,
Lebih terperinciBAB II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
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 terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih 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 terperinci