SEGMENTASI OBJEK DIBAWAH PENGARUH PENCAHAYAAN
|
|
- Vera Hardja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SEGMENTASI OBJEK DIBAWAH PENGARUH PENCAHAYAAN Pratiwi, D., Putra, A.P., Sim, P.H., Kartowisastro, I.H. Universitas Bina Nusantara, ABSTRAK Segmentasi citra merupakan salah satu metode pengolahan citra dengan mengelompokkan pixel-pixel pada citra menjadi objek dan latar belakang. Penelitian ini merancang sistem dengan memakai sensor kamera untuk pengambilan citra dan menggunakan komputer sebagai perangkat lunak untuk pemrosesan citra. Pengaruh kondisi lingkungan, dalam hal ini pencahayaan, merupakan parameter yang perlu diperhatikan karena kondisi intensitas cahaya dapat berubah sesuai dengan kondisi lingkungan. Sistem yang dirancang akan diuji dengan parameter-parameter yaitu warna, tekstur dan jumlah objek serta intensitas cahaya yang dapat memberikan pengaruh keberhasilan sistem melakukan segmentasi. Objek yang digunakan pada perancangan ini yaitu cangkir, M-Key BCA, dan pena sebagai foreground dan objek buku, kotak balsam warna jingga, pemantik api dan sampul hansaplas sebagai objek background. Dengan metode edge suppressing yang digunakan untuk proses segmentasi, maka pengaruh pencahayaan memberikan citra hasil segmentasi paling baik saat menggunakan objek cangkir sebagai foreground. Pengaruh kondisi warna dan tekstur objek background memberikan pengaruh keberhasilan sistem dalam melakukan segmentasi karena pengaruh komposisi RGB yang mirip antara objek foreground dan objek background. Segmentasi dengan pencahayaan rendah didapatkan hasil yang baik walaupun masih terdapat sedikit noise. Kata kunci: segmentasi, pencahayaan, warna PENDAHULUAN Robot memiliki kemampuan mengenali lingkungan melalui sistem vision yang dapat memberikan informasi kondisi lingkungan dari suatu citra. Kamera sebagai sensor yang dapat digunakan pada robot, yang memiliki kenggulan lebih fleksibel dibandingkan sensor lain dalam aplikasi input data untuk menghasilkan sebuah citra dari objek yang ditangkap (Collewet, 2011). Pengaruh perubahan lingkungan dapat membuat kamera sulit diaplikasikan pada robot karena kamera sensitif terhadap variasi pencahayaan (Kuo-Yang Tu, 2009). Segmentasi menjadi hal yang penting dalam sistem pengenalan lingkungan sekitar robot oleh kamera pada vision disebut dengan recognition dapat diaplikasikan pada mobile robot salah satunya dengan algoritma seed-fill (Hai-bo, Yu-Mei, Yu-Jie, 2010).Proses segmentasi dengan memisahkan objek dari latar belakang dalam suatu citra merupakan hal yang penting dalam sistem vision dan tidak mudah ketika kondisi pencahayaan tidak merata diberikan pada citra yang ditangkap kamera. Transformasi Top-Hat dengan homomorphic filtering merupakan salah satu metode
2 yang dapat menyelesaikan masalah segmentasi citra dalam pencahayaan yang tidak merata pada suatu citra (Wen-Cheng, Xiao-Jun, 2013). Metode segmentasi yang diperkenalkan oleh Wen- Cheng memberikan hasil dapat menghasilkan warna latar belakang seragam dengan menghilangkan kondisi warna yang tidak seragam akibat pencahayaan yang tidak merata. Dengan memperhatikan pengaruh pencahayaan, sebuah metode segmentasi citra dengan asumsi pencahayaan terarah dapat menyelesaikan segmentasi citra dengan kondisi intensitas cahaya yang berbeda (Sato, Okabe, dan Yoichi, 2006). Dua kriteria yang digunakan pada algoritma yang diperkenalkan oleh Sato, yaitu terdiri dari kriteria single point light source dan general illumination condition. Teknik segmentasi dengan memberikan pencahayaan pada sudut dan panjang gelombang yang berbeda yang diproyeksikan pada robot, dilakukan untuk melakukan segmentasi pada berbagai objek mengidentifikasi latar belakang objek dan memisahkan antara latar belakang dan objek yang digunakan(amr Almaddah, Yasushi Mae, Ohara, Takubo, Arai, 2011). Untuk memisahkan latar belakang dan objek, maka objek akan diberikan multiple light, yaitu memberikan cahaya dengan frekuensi yang berbedabedamengenalkan teknik segmentasi dengan kondisi pencahayaan yang berbeda. Adapun segmentasi warna dengan kondisi tiga macam pencahayaan yang berbeda pada suatu citra dengan metode segmentasi watershed dan canny edge detection(koh, Miles, Morgan, Hayes-Gill, 2007). Algoritma segmentasi yang dikembangkan oleh Koh memberikan hasil segmentasi lebih unggul dengan menghasilkan boundary yang lebih bersih dan akurat dibandingkan dengan teknik segmentasi watershed dan canny edge detection. Melalui pengamatan yang telah dilakukan dari penelitian beberapa tahun terakhir dari jurnal lain menyangkut segmentasi, maka segmentasi merupakan tahap dasar pada pengolahan citra yang penting dan berpengaruh untuk tahap lanjut pada pengolahan citra dalam deteksi objek. Perubahan intensitas cahaya dan variasi warna objek dapat memberikan pengaruh terhadap segmentasi, sehingga perlu dilakukan penelitian mendalam mengenai proses segmentasi yang berkaitan dengan pengaruh pencahayaan serta keragaman warna dan tekstur objek yang digunakan pada perancangan sistem segmentasi. METODE PENELITIAN Dalam merancang sistem segmentasi, terdapat beberapa parameter yang dapat mempengaruhi keberhasilan sistem untuk melakukan segmentasi. Parameter yang akan diuji pada rancangan sistem yaitu kondisi intensitas cahaya, bentuk objek, warna dan tekstur objek yang terkandung pada citra yang ditangkap oleh kamera. Variabel yang diukur pada penelitian ini adalah jumlah pixel yang terdapat pada citra, distribusi penyebaran intensitas pixel citra, dan nilai intensitas pixel yang terkandung pada citra. Perancangan ini telah mengalami beberapa prosesperbaikan dan pengembangan sistem segmentasi dalam metode dan jenis objek yang digunakan. Proses segmentasi dari citra yang ditangkap oleh kamera bergantung pada tiga hal yaitu kondisi fisik yang terkandung pada area pengambilan citra, banyaknya cahaya yang mengenai suatu objek, dan karakteristik kamera. Banyaknya cahaya yang dapat dipantulkan objek akan diterima oleh sensor kamera dan masuk ke komputer sebagai citra input. Kondisi fisik yang terkandung pada area pengambilan gambar, dalam hal ini adalah jenis objek-objek yang digunakan pada penelitian dapat memberikan pengaruh banyaknya pemantulan cahaya yang ditangkap oleh kamera sebagai citra. Suatu citra, yang terdiri dari dua komponen yaitu,, dan, dinyatakan dengan persamaan 1(Gonzalez, 2004) :,,, (1) Banyaknya pencahayaan yang mengenai suatu area pengambilan gambar yang dinyatakan oleh,, dan banyaknya pencahayaan yang dipantulkan oleh objek yang dinyatakan oleh,. Dengan memperhatikan persamaan 1 maka tekstur dan warna menjadi
3 parameter yang dapat mempengaruhi sistem segmentasi, karena perbedaan warna objek yang digunakan pada penelitian dapat mempengaruhi nilai,. Disamping itu dalam kehidupan sehari-hari lebih banyak dijumpai benda yang memiliki warna variatif serta memiliki bentuk tidak beraturan, sehingga perancangan ini menggunakan objek dengan bentuk tidak beraturan. Dengan mengkondisikan sistem segmentasi agar dapat dipakai pada robot RV-M1, maka digunakan objek yang dapat dijangkau oleh end effector robot RV-M1. Dengan memperhatikan parameter bentuk objek, warnadan tekstur objek, maka penelitian ini menggunakan objek M- Key BCA yang memiliki warna variatif yaitu biru, merah, putih, dan hitam. Selain itu digunakan objek cangkir yang mewakili bentuk lingkaran dengan warna putih, dan objek pena dengan warna hitam dan bentuk persegi panjang pipih. Perancangan penelitian ini untuk kedepannya akan digunakan untuk dapat diaplikasikan pada robotrv-m1sehingga kondisi perancangan perlu disesuaikan dengan kondisi robot RV-M1 dengan memperhatikan jarak maksimal yang dapat dijangkau oleh lengan robot tersebut. Kamera diletakkan 40 cm dari dasar tempat objek diletakkan, dengan menyesuaikan jarak maksimal yang dapat dijangkau oleh end effector RV-M1 yaitu 40 cm. Karena penelitian ini hanya menggunakan satu jenis kamera, yaitu kamera web sehingga tidak ada perbandingan antara kamera web dengan kamera vision, oleh karena itu karakteristik kamera dapat diabaikan untuk penelitian ini. Pencahayaan Objek Kamera Komputer Image enhancement Thresholding Region growing Object yang diinginkan Gambar 1Diagram Blok Rancangan Sistem Region growing Percobaan segmentasi terhadap pengaruh pencahayaan awalnya dilakukan menggunakan metode region growing sebagai algoritma untuk proses segmentasi. Dengan menggunakan objek yang paling sederhana bentuknya yaitu kaleng dan kubus, disamping itu warna kedua objek tersebut memiliki perbedaan warna yang kontras yaitu warna biru untuk kaleng dan objek sebagai latar belakang adalah warna kuning untuk kubus pada gambar 2 Percobaan segmentasi objek kaleng dan kubus tersebut dilakukan dengan intensitas cahaya 1 lux sampai 100 lux. Dengan menggunakan region growing maka percobaan sederhana dengan dua objek yaitu kubus kuning dan kaleng biru memberikan hasil segmentasi yang baik seperti pada gambar 3 sehingga kaleng dapat dipisahkan dari background yaitu kubus kuning dan karton putih.
4 Gambar 2 Objek kaleng dan kubus Gambar 3Hasil segmentasi kaleng dari kubus Percobaan segmentasi dikembangkan menjadi lebih kompleks dengan menggunakan beberapa objek sebagai background yang memiliki tekstur dan warna yang bervariasi untuk menguji keberhasilan segmentasi. Objek yang dipakai yaitu kotak persegi panjang berwarna coklat muda yang memiliki corak garis, empat buah lego yang memiliki warna berbeda yaitu kuning, coklat, abu muda dan hijau seperti pada gambar Dengan menggunakan objek yang memiliki variasi warna maka dapat dianalisa pengaruh parameter warna terhadap keberhasilan sistem segmentasi. Gambar 4 Objek lego Gambar 5Hasil segmentasi kurang berhasil
5 Region growing tidak dapat bekerja dengan baik untuk kondisi citra yang mengandung objek dengan warna yang bervariasi pada gambar 3.13 sehingga dikembangkan metode segmentasi yang lain yaitu edge suppressing. Proses edge suppression menggunakan algoritma Edge Suppression by Gradient Field Transformation using Cross-Projection Tensors yang diperkenalkan oleh Agrawal, Raskar dan Chellapa, menggunakan pendekatan penurunan local tensor pada satu citra citra dan tranformasikan ke gradient field ke citra yang lainnya. Image A merupakan foreground, image B adalah background, sedangkan image A adalah citra hasil segmentasi berupa objek yang diingkan. Image A adalah hasil bayangan objek. Setelah citra diubah dari RGB (Red Green Blue) menjadi YUV selanjutnya akan dicari nilai structurtensor, yaitu nilai.komponen yang dibutuhkan untuk mendapatkan nilai structurtensor adalah matriks kernel Gaussian yaitu, yang didapatkan dari persamaan 2, dan gradient citra background dan citra foreground. Dalam mencari nilai structur tensor, kernel Gaussian akan dikonvolusi dengan perkalian antara gradient citra dan gradient citra yang ditranspose seperti pada persamaan 3. (2) I (3) Nilai D B menunjukkan edgebackground yang nantinya akan dihilangkan. Setelah didapat nilai D B, kemudian dengan menggunakan affine transformation dicari yaitu gradientimage A untuk mencari gradient objek yang diinginkan tanpa edge objek background yaitu dengan persamaan 4. (4) Hasil gradient yang baru yaitu akan diintegral untuk mendapatkan citra objek yang diinginkan dan citra objek background telah hilang. Hasil image A yaitu hasil segmentasi edge suppressing. HASIL DAN BAHASAN Implementasi yang dilakukan untuk menguji parameter memperhatikan beberapa kondisi yaitu kondisi objek sebagai background dengan warna, dan tekstur yang bervariasi, kondisi objek sebagai foreground dengan warna dan bentuk yang bervariasi, serta perubahan intensitas cahaya terhadap keberhasilan sistem segmentasi. Dengan melakukan implementasi terhadap sistem yang dirancang maka didapatkan hasil keberhasilan segmentasi citra untuk beberapa objek yaitu objek pena, cangkir, M-key BCA yang setiap objek mempunyai bentuk dan warna variatif yang memberikan pengaruh dalam proses segmentasi objek. Pada gambar 6 memperlihatkan bahwa objek pena yang memiliki bidang yang pipih dan gelap memiliki tingkat keberhasilan segmentasi yang rendah dibandingkan dengan objek yang memiliki permukaan lebih luas dengan warna terang. Objek M-key BCA pada intensitas tertentu memiliki tingkat keberhasilan segmentasi yang tidak terlalu tinggi dikarenakan objek yang ingin disegmentasi memiliki nilai intensitas pixel yang hampir sama dengan objek background. Pada objek cangkir didapatkan hasil segmentasi yang baik karena warna objek cangkir memiliki perbedaan warna yang kontras sehingga nilai intensitas pixel objek cangkir tidak mirip dengan nilai intensitas pixel background. Percobaan dengan intensitas cahaya kondisi saat intensitas di bawah 50 lux memiliki tingkat keberhasilan paling rendah seperti terlihat pada gambar 6 karena pencahayaan
6 yang gelap menimbulkan jumlah cahaya yang dipantulkan r(x, y) mendekati 0, sehingga lebih banyak cahaya yang diserap oleh objek % M-Key BCA pena cangkir Lux Gambar 6 Hasil segmentasi Tabel 1 menunjukkan citra foreground dengan objek cangkir yang ingin kita pisahkan dari background buku dengan nilai intensitas cahaya yang diberikan yaitu 50 lux, 500 lux dan 1000 lux sehingga didapatkan citra objek yang disegmentasi yaitu objek cangkir. Objek cangkir yang mewakili bidang lingkaran memiliki tekstur warna putih dapat berhasil disegmentasi pada sistem. Benda Cangkir Tabel 1Citra foreground objek cangkir dan hasil segmentasi Intensitas cahaya rendah Intensitas cahaya tengah (51 lux 100 lux) (501 lux 600 lux) Intensitas cahaya tinggi (1000 lux 1100 lux) Hasil Segmentasi
7 Dengan menguji parameter background variable maka dilakukan segmentasi dengan empat macam objek sebagai background yaitu kotak balsam jingga, sampul hansaplas, pemantik api dan buku. Segmentasi objek pena dengan kondisi empat macam objek sebagai background berhasil dilakukan walaupun masih terdapat sedikit noise dengan kondisi background dengan objek warna variatif seperti pada tabel 2. Tabel 2 Objek pena dengan background beragam dan hasil segmentasi Benda Intensitas cahaya rendah (51 lux -100 lux) Intensitas cahaya tengah (501 lux 600 lux) Intensitas cahaya tinggi (1000 lux 1100 lux) Pena Hasil Segmentasi Gambar 8 menunjukan cangkir yang disegmentasi dengan kondisi empat macam objek pada background memberikan hasil keberhasilan yang baik ketika dengan pencahayaan sampai 1100 lux. Hasil segmentasi M-Key BCA dengan empat macam objek sebagai background pada gambar 7 memberikan tingkat keberhasilan hasil segmentasi yang lebih konsisten dibandingkan dengan gambar 8 yaitu objek cangkir saat dilakukan segmentasi dengan pencahayaan tinggi yaitu 501 lux sampai 1001 lux. Perbedaan luasnya permukaan dan warna yang dimiliki oleh cangkir dan M-Key BCA menyebabkan tingkat keberhasilan segmentasi yang berbeda. Cangkir yang memiliki luas permukaan lebih besar daripada M-Key BCA menyebabkan cahaya yang dipantulkan oleh cangkir lebih banyak. Selain itu cangkir memiliki warna yang sangat terang yaitu putih sehingga warna cangkir tersebut lebih mudah memantulkan cahaya dibandingkan dengan warna M-Key BCA yang sebagian besar berwarna biru gelap. Banyaknya pemantulan cahaya oleh cangkir dapat menyebabkan perbedaan karakteristik pixel pada citra yang diambil oleh kamera sehingga memungkinkan terjadi perubahan komposisi RGB (Red Green Blue) pada citra tersebut saat intensitas cahaya tinggi. Berbeda dengan M-Key BCA yang tidak terlalu banyak memantulkan cahaya sehingga citra yang ditangkap oleh kamera memiliki karakteristik pixel yang hampir sama saat intensitas cahaya tinggi. Variabel distribusi penyebaran intensitas pixel pada citra yang diukur pada penelitian ini dapat memberikan karakteristik citra yang lebih mudah untuk dilakukan proses segmentasi dan rumit untuk dilakukan proses segmentasi. Disamping itu distribusi penyebaran intensitas pixel yang dinyatakan oleh histogram dapat memberikan karateristik citra yang memberikan hasil segmentasi yang baik dan citra hasil segmentasi kurang baik. Dengan mengukur variabel distribusi penyebaran intensitas pixel citra maka dapat dianalisa komponen RGB (Red Green Blue) yang terkandung pada citra.
8 100 % Lux Gambar 7 Grafik hasil segmentasi M -Key BCA dengan jumlah lebih dari satu objek sebagai background % Lux Gambar 8 Grafik hasil segmentasi cangkir dengan jumlah lebih dari satu objek sebagai background Warna variatif setiap objek yang digunakan pada perancangan ini dinyatakan dengan histogram citra RGB pada gambar 9, gambar 10, dan gambar 11. Histogram citra untuk objek cangkir dengan intensitas 1001 lux sampai 1100 lux pada gambar 9 memperlihatkan jumlah pixel untuk komponen blue pada citra lebih banyak dibandingkan komponen red dan green. Jika dilihat dari histogram citra dengan objek M-Key BCA pada gambar 10 memiliki komponen red yang lebih banyak dibandingkan dengan komponen red pada histogram citra dengan objek cangkir pada seperti terlihatt pada gambar 9. Dengan lebih banyaknya jumlah pixel dengan komponen red dan blue pada citra objek M-Key BCA, maka membuat warna objek tersebut lebih variatif dibandingkan dengan objek cangkir. Disamping itu pada gambar 9 bentuk histogram komponen blue terpusat pada satu daerah yang dapat menggambarkan karakteristik intensitas pixel objek cangkir dimana sebagai besar pixel pada citra tersebut memiliki nilai intensitas komponen blue yang hampir sama. Berbeda dengan pada gambar 10 yang bentuk histogram komponen blue tidak terpusat hanya pada satu daerah saja, sehingga menunjukkan karakteristik bahwa objek M-Key BCA mempunyai memiliki komponen blue dengann intensitas pixel yang beragam.
9 Gambar 9Histogram cangkir dengan satu objek backgorund intensitas 1001 lux sampai 1100 lux Gambar 10HistogramM-Key BCA dengan satu objek background intensitas 1001 lux sampai 1100 lux Dengan melihat citra hasil segmentasi dengan beberapa objek yang telah diuji oleh beberapa parameter yaitu kondisi intensitas cahaya yang berbeda, bentuk, warna dan tekstur objek maka citra yang memberikan hasil segmentasi paling baik yaitu citra dengan objek cangkir dengan nilai intensitas yang tidak terlalu rendah. Intensitas cahaya yang terlalu rendah yaitu dibawah 100 lux memberikan hasil segmentasi kurang baik pada beberapa objek, sehingga parameter intensitas cahaya merupakan salah satu parameter dasar yang mempengaruhi keberhasilan sistem melakukan segmentasi. SIMPULAN DAN SARAN Segmentasi Objek di bawah Pengaruh Pencahayaan merupakan rancangan sistem segmentasi dengan pengujian parameter intensitas cahaya, warna, tesktur dan bentuk objek, untuk memisahkan objek yang diinginkan dari background. Rancangan awal
10 segmentasi dengan metode region growing memberikan hasil segmentasi kurang baik pada objek yang memiliki warna variatif. Pencahayaan dan warna objek menjadi parameter dasar yang dapat mempengaruhi keberhasilan sistem segmentasi pada penelitian ini. Penelitian ini masih terdapat kekurangan-kekurangan, saran penelitian ini dapat sebagai acuan dalam penelitian selanjutnya dalam hal kondisi pencahayaan berupa objek dan pencahayaan dengan faktor faktor yang diperhatikan yaitu peletakkan sumber cahaya dan besarnya nilai intensitas cahaya yang digunakan. REFERENSI [1]Agrawal, A., Raskar, R., Chellapa, R. (2006). Edge Suppressing by Gradient Field Transformation using Cross-Projection Tensor. IEEE Conference on Computer Vision and Pattern Recognition. [2]Almaddah, A., Mae, Y., Ohara, K., Takubo, T., Arai, T.. (2011). Visual and Physical Segmentation of Novel Objects. IEEE/RSJ International Conference on Intelligent Robots and Systems [3]Collewet, C., Marchand, E. (2011). Photometric Visual Servoing. IEEE Transaction on Robotics, [4]Rafael C. Gonzales, Richard E. Woods. Steven L. Eddins (2004). Digital Image Processing Using Matlab. New Jersey: Prentice Hall. [5]Hai-bo, L., Yu-Mei, W., Yu-jie, D. (2010). Fast Recognition Based on Color Image Segmentation in Mobile Robot. Proceedings of the Third International Symposium on Computer Science and Computation Technology [6]Koh, T.K., Miles, N., Morgan, S., Hayes-Gill, B. (2007). Image Segmentation Using Multi Coloured Illumination. Journal of Multimedia [7]Sato, Takahiro Okabe and Yoichi. (2006). Effects of Image Segmentation for Approximating Object Appearance Under Near Lighting. P.J. Narayanan et al. (Eds.): ACCV 2006, LNCS 3851, [8]Tu, K.-Y. (2009). Analysis of Camera's Images Influenced by Varying Light Illumination for Design of Color Segmentation. Journal of Information Science and Engineering Wen-Cheng, W., Xiao-Jun, Cui. (2013). A Segmentation Method for Uneven Illumination Particle Image. Research Journal of Applied Science, Engineering and Technology RIWAYAT PENULIS Dini Pratiwi lahir di Jakarta pada 13 Mei Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Komputer pada tahun Alvien Permana Putra lahir di Surabaya pada 07 Desember 1991.Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Komputer pada tahun Priyangkah Hartawan Simlahir di Jambi pada 02 Maret Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik komputer pada tahun Iman H. Kartowisastro lahir di Surabaya pada 8 Februari Penulis menamatkan S2 di City University dalam bidang Infomation Engineering pada tahun 1987 dan S3 di City University dalam bidang Robotic Control pada tahun Saat ini bekerja sebagai wakil rektor akademik di Universitas Bina Nusantara.
Gambar 4.1 Diagram Percobaan
BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang
Lebih terperinciPENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI
PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu
Lebih terperinciSEGMENTASI OBJEK DIBAWAH PENGARUH PENCAHAYAAN TUGAS AKHIR. Oleh
SEGMENTASI OBJEK DIBAWAH PENGARUH PENCAHAYAAN TUGAS AKHIR Oleh Alvien Permana Putra 1401114202 Dini Pratiwi 1401130181 Priyangkah Hartawan Sim 1401115243 UNIVERSITAS BINA NUSANTARA JAKARTA 2014 SEGMENTASI
Lebih terperinciLAPORAN AKHIR RANCANGAN SISTEM VISION UNTUK KEPERLUAN GRADING DALAM MENGANTISIPASI KEBUTUHAN INDUSTRI PERIKANAN
LAPORAN AKHIR RANCANGAN SISTEM VISION UNTUK KEPERLUAN GRADING DALAM MENGANTISIPASI KEBUTUHAN INDUSTRI PERIKANAN Diusulkan oleh: Dini Pratiwi 1401130181 2010 Priyangkah Hartawan Sim 1401115243 2010 Steven
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 III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
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 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 terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
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 terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciOBJECT TRACKING. Gigih Samudera; Jirio; Okky; Iman H. Kartowisatro
OBJECT TRACKING Gigih Samudera; Jirio; Okky; Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 48 gigih_samudera@yahoo.co.id;
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
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 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 terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih 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 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 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 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 terperinciMENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION
MENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION Danny Agus Wahyudi; Iman H. Kartowisastro Computer Engineering Department, Faculty of Engineering, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciPENDETEKSIAN OBJEK BERWARNA BIRU MENGGUNAKAN MATLAB R2013a
PENDETEKSIAN OBJEK BERWARNA BIRU MENGGUNAKAN MATLAB R2013a Nama : Bagus Muhammad Primaditya NPM : 21113616 Dosen Pembimbing : Dr. Emy Haryatmi. Skom. MEngSc. LATAR BELAKANG Deteksi objek merupakan salah
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
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 terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
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 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 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciAplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra
Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan
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 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 terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
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 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 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. 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 terperinciPengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial
Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,
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 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 terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciINTEGRATION AND EVALUATION USING PATTERN RECOGNITION FOR MOBILE ROBOT NAVIGATION. Iman H. Kartowisastro.; Budiyanto Mulianto; Valentinus Rahardjo
INTEGRATION AND EVALUATION USING PATTERN RECOGNITION FOR MOBILE ROBOT NAVIGATION Iman H. Kartowisastro.; Budiyanto Mulianto; Valentinus Rahardjo Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas
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 terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
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 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 terperinciSISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT
SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT Ardi Satrya Afandi art_dhi@yahoo.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl.
Lebih terperinciSEGMENTASI CITRA TELUR AYAM BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN LAB
SEGMENTASI CITRA TELUR AYAM BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN LAB Putu Desiana Wulaning Ayu 1, Gede Angga Pradipta 2 Program Studi Sistem Informasi, STMIK STIKOM BALI Jl.Raya Puputan Renon No.86,
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE
ROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE Lauw Lim Un Tung, Resmana Lim, Budiman Lewa Electrical Engineering Dept., PETRA Christian University Jl. Siwalankerto 121-131, Surabaya
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 terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih 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 terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
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 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 terperinciPengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM
Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciSISTEM INFERENSI FUZZY UNTUK MENENTUKAN SENSASI CITRA WARNA
Sukmawati Nur Endah, Priyo Sidik Sasongko, Helmie Arif Wibawa, Frediansah SISTEM INFERENSI FUZZY UNTUK MENENTUKAN SENSASI CITRA WARNA Sukmawati Nur Endah, Priyo Sidik Sasongko, Helmie Arif Wibawa, Frediansah
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih 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 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 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 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 terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinciPENDETEKSIAN HALANGAN PADA ROBOT CERDAS PEMADAM API MENGGUNAKAN KAMERA DENGAN INTEGRAL PROYEKSI
PENDETEKSIAN HALANGAN PADA ROBOT CERDAS PEMADAM API MENGGUNAKAN KAMERA DENGAN INTEGRAL PROYEKSI Setiawardhana 1), Nana Ramadijanti 2), Rizky Yuniar Hakkun 3), Aji Seto Arifianto 4) 1,2,3) Dosen Jurusan
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 terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
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 terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
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 terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciImplementasi Pengolahan Citra Digital Sebagai Pengukur Nilai Resistor Pada Sistem Pemindai Resistor Berbasis Android
IJEIS, Vol.5, No.1, April 2015, pp. 1~10 ISSN: 2088-3714 1 Implementasi Pengolahan Citra Digital Sebagai Pengukur Nilai Resistor Pada Sistem Pemindai Resistor Berbasis Android Satrio Firmansyah* 1, Danang
Lebih terperinciBAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperinciSEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET
SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET Miftahus Sholihin, Agus Zainal Arifin, Anny Yuniarti Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia
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 terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciBAB 3 PERUMUSAN OBJEK RANCANGAN. Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi
BAB 3 PERUMUSAN OBJEK RANCANGAN 3.1 Analisis Masalah dan Kebutuhan Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi yang akan kami buat. 3.1.1 Analisis Masalah Untuk mengetahui
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 terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI
BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut
Lebih terperinciBAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi
Lebih terperinciAnalisa dan Perancangan Sistem Deteksi Cacat Produksi
Analisa dan Perancangan Sistem Deteksi Cacat Produksi Arif Setiawan 1 Diterima : 7 Agustus 2012 disetujui : 6 November 2012 diterbitkan : 11 Desember 2012 ABSTRACT Has been developed analysis and design
Lebih terperinci