STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM
|
|
- Yohanes Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGOLAHAN CITRA DIGITAL Segmentasi 1
2 Langkah berikutnya dari operasi atas image Image Segmentation Feature Extraction Object Classification 2
3 Image Segmentation W.G.CHO 3
4 Pengertian Segmentasi Segmentasi adalah suatu proses untuk membagi image kedalam r e g i o n a t a u o b j e k t e r t e n t u. Segmentasi akan berakhir bila objek y a n g d i k e h e n d a k i d a r i i m a g e t e r t e n t u s u d a h d i d a p a t. 4
5 Contoh Hasil Segmentasi 5
6 Pendekatan A l g o r i t m a S e g m e n t a s i u m u m n y a didasarkan pada satu dari dua sifat d a s a r n i l a i i n t e n s i t a s, y a i t u : discontinuity : melakukan partisi suatu i m a g e d i d a s a r k a n p a d a p e r u b a h a n mencolok (abrupt changes) dalam hal i n t e n s i t a s, m i s a l n y a a d a n y a e d g e s. similarity : melakukan partisi suatu image kedalam regions yang mirip dengan kriteria t e r t e n t u y a n g t e l a h d i t e t a p k a n. 6
7 Prinsip utama : Diskontinuitas Deteksi titik, garis, tepi (point, suatu image. edges) dari Similaritas line and Tresholding, region growing, region splitting and growing. 7
8 Deteksi Diskontinuitas Melakukan deteksi dari tiga tipe dasar diskontinuitas, yaitu : points, lines, edges Langkah yang paling umum ad alah m ela k uka n p ro ses m a s k i n g t e r h a d a p k e s e l u r u h a n i m a g e. 8
9 Point Detection T: nonnegative threshold: R T R w 1 z 1 w 2 z 2... w 9 z 9 w i z i i 1 Zi adalah gray level dari pixel yang berasosiasi dengan koefisien mask wi. 9 9
10 Point Detection Suatu titik akan dideteksi dari suatu posisi yang terpusat dari tanda mark bila R T Dimana T adalah nonnegative threshold R adalah sum of products dari coefficients dengan gray levels yang berada dalam region yang dicakup oleh tanda mark. Response dari mask akan tergantung dari center point dari operasi masking. Gray level dari isolated point akan benar-benar berbeda dari gray level titik d i s e k i t a r n e i g h b o r h o o d n y a 10
11 Contoh Point Detection 11
12 Line Detection Bila mask pertama digerakkan pada k e s e l u r u h a n i m a g e, m a k a a k a n menghasilkan titik-titik yang membentuk g a r i s p a d a a r a h h o r i s o n t a l. Arah garis yang terdeteksi dipengaruhi oleh posisi nilai koefisien terbesar (dalam h a l i n i n i l a i k o e f i s i e n 2 ). 12
13 Line Detection Bila pada titik tertentu R i > R j untuk j <> i, maka kondisi titik tersebut akan lebih berasosisi dengan garis pada arah mask i. Misal titik pada image R i > R j untuk j = 2,3,4 maka titik tersebut berasosiasi dengan g a r i s h o r i s o n t a l. R 1 R 2 R 3 R 4 13
14 Edge Detection Edge (a set of connected pixels): Suatu boundary antara dua region dengan yang memiliki nilai gray level secara relatif b e r b e d a. Assumsi: Regions bersifat homogen, sehingga transisi antara dua regions dapat ditentukan secara mendasar oleh diskontinuitas gray level. 14
15 Ide utama adalah komputasi dari local d e r i v a t i v e o p e r a r a t o r. Ide Dasar : Suatu profil digambarkan secara tegaklurus d e n g a n a r a h e d g e k e m u d i a n h a s i l n y a d i i n t e r p r e t a s i k a n. Bila titik berada pada posisi ramp (lereng) maka besaran dari turunan pertama digunakan untuk d e t e k s i e d g e. Tanda dari turunan kedua dapat digunakan untuk menentukan apakah pixel dari suatu edge berada daerah gelap (dark) atau terang (light) d a r i s u a t u e d g e Gambar berikut memberikan ilustrasi profile suatu garis dengan background yang b e r b e d a s e r t a s i f a t t u r u n a n n y a. 15
16 Gradient Operators Smooth edges due to blurring (result of sampling) Positive: leading Negative: trailing Zero: in constant gray levels Positive: from dark side Negative: from light side Zero: in constant gray levels 16
17 Gambar (a) Turunan pertama dari profile gray level adalah positif pada kondisi transisi leading edge dan n e g a t i f p a d a p a d a p o s i s i t r a i l i n g edge.selanjutnya bernilai zero pada gray level y a n g k o n s t a n. Turunan kedua bernilai positif pada bagian transisi yang berasosiasi dengan bagian edge yang gelap dan bernilai negatif pada transisi yang bersosiasi dengan bagian edge yang terang. Selanjutnya bernilai zero pada area gray l e v e l y a n g k o n s t a n. 17
18 Turunan pertama Digunakan untuk deteksi ada tidak nya e d g e p a d a s u a t u i m a g e. Turunan kedua Digunakan untuk menentukan apakah pixel a t a u edge berada pada bagian gelap t e r a n g d a r i e d g e t e r s e b u t. 18
19 Edge Types Step Ridge Roof 19
20 20
21 21
22 Tipe dari Operator Edge Operators approximating derivatives differences. directional: Roberts, Prewitt, DoG, etc. Rotationally invariant: Laplacian (sum of derivatives) Operators based on the zero crossing second derivative (e.g. Canny). using second of the 3. Operators that attempt to match a specific image profile. 22
23 f(x,y) Gradient Mask f e (x,y)
24 Gradient Operators Gradien dari suatu image f(x,y) pada lokasi (x,y) dinyatakan dengan v e k t o r b e r i k u t : F G x G y f x f y 24
25 Gradient Operators Untuk kepentingan deteksi edge maka yang penting untuk diperhatikan adalah magnitude dari vektor yang secara sederhana sering dikenal dengan g r a d i e n d a n d i n y a t a k a n d e n g a n : Gradient: f mag( F ) [G 2 G 2 ] 1/ 2 x y (maximum rate of increase of f(x,y) f G x per G y unit distance) 25
26 Besaran yang penting juga adalah direction dari dari gradien vektor. Dan dinyatakan dengan bentuk : Direction angle of f at (x,y): a(x, y) tan 1 G y G x 26
27 Gradient Operators Penyederhanaan dari gradien operator dapat diimplementasikan lewat sifat-sifat dari s e j u m l a h o p e r a t o r m a s k i n g. Operator Sobel lebih cocok digunakan untuk edge detection dengan bentuk masking : G x (z 7 2z 8 z 9 ) (z 1 2z 2 z 3 ) G y (z 3 2z 6 z 9 ) (z 1 2z 4 z 7 ) 27
28 Gradient Operators G x G y 28
29 29
30 30
31 31
32 Image Segmentation Image Preprocessing - remove distracting and useless infor mation from image - image enhancement operations - background subtraction operation - filtering and oth er group processing W.G.CHO 32
33 Image Segmentation Initial Object Discrimination - separate image objects into rough grou like characteristics - image enhancement operations ps with W.G.CHO 33
34 Image Segmentation Bin ary Morphological Proces sing Eros i on and Dilation Er osi on: separating objects that are to u ching each Dila ti on: in combining objects that are divided because of clutter and debris in a n image other W.G.CHO 34
35 Image Segmentation B inary Morphological Processin g - Opening and Closing - Opening : remove noise - Opening : erosion -> dilation - Closing : small holes and gap - Closing : dilation -> erosion W.G.CHO 35
36 Image Segmentation Binary Morphological Proces sing - Outlining W.G.CHO 36
37 Image Segmentation Binary Morphological Proces sing - Skeletonization W.G.CHO 37
38 38
PENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL 1 2 Representasi Image 1 bit 8 bits 3 24 bits 4 Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. 5 Hi s togr a m dar i i ma ge
Lebih terperinciHistogram. Peningkatan Kualitas Citra
Histogram Peningkatan Kualitas Citra Representasi Image 1 bit 8 bits 24 bits Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image. Histogram dari image digital
Lebih terperinciAREA PROCESS. Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel
AREA PROCESS Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel Topik Bahasan Konvolusi (convolution) Filtering (nonmask convolution) Filter Morfologis 3.1
Lebih terperinciDeteksi Tepi (Edge Detection) Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB
Deteksi Tepi (Edge Detection) Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB www.ilkom.fmipa.ipb.ac.id/yeni Deteksi Tepi Deteksi tepi (Edge detection) adalah operasi yang dijalankan untuk mendeteksi
Lebih terperinciWhat are edges? Local intensity change Strong edge = the steep areas in a 3D plot (show: blobs-for-edge, surface plot) Bekerja pada arah x dan y:
Edge Detection (Dosen : Ibu Yeni) Dirangkum oleh: Eko Zulkaryanto (http://zulkaryanto.wordpress.com) Computer Science Bogor Agricultural University (http://www.ipb.ac.id) What are edges? Local intensity
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 terperinciSEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Anik Purwaningsih, Sutopa *
SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION Anik Purwaningsih, Sutopa * ABSTRAK SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Pengujian pelat elemen bakar (PEB)
Lebih terperinciIMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING
IMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING Syarifatun Nadhiroh Qomariyah 1, Handayani Tjandrasa 2, Nanik Suciati 3 Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 2 x 3x 50 Menit Pertemuan : 10&11 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciImplementasi Metode Hough Transform pada Image Segmentation (Implementation of Hough Transform Methods on Image Segmentation)
Implementasi Metode Hough Transform pada Image Segmentation (Implementation of Hough Transform Methods on Image Segmentation) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
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 terperinciPeningkatan Mutu Citra (Image Enhancement) pada Domain Spasial
Peningkatan Mutu Citra (Image Enhancement) pada Domain Spasial Kuliah ke-3 Program Studi S Reguler Departemen Teknik Elektro, FTUI Slides 29 Tujuan Peningkatan Mutu Citra (image enhancement) Tujuan: melakukan
Lebih terperinci10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)
0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 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 terperinciApa yang bisa dilakukan oleh morfologi citra? Operasi morfologi :
Morfologi Citra 2 Morfologi Citra Apa yang bisa dilakukan oleh morfologi citra? Operasi morfologi : Fit dan Hit Erosi (Erosion) Dilasi (Dilation) Operasi Gabungan (Compound Operations) 3 Kegunaan Morfologi
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 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 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 terperinciIMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN
IMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN Dosen Pembimbing Dr. Agus Zainal Arifin, S.Kom., M.Kom. Dosen Pembimbing
Lebih terperinciANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY
Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 28) Auditorium Universitas Gunadarma, Depok, 2-21 Agustus 28 ISSN : 1411-6286 ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR
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 terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Citra Citra merupakan istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik
Lebih terperinciPERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE
PERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE Ayu Leonitami, Noor Aziza Arifani 2, Retno Dewi Anissa 3, Sari Narulita Hantari 4, Widya Wulaningsuci 5 Informatika/Ilmu Komputer,
Lebih terperinciAPLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Hamsina 1, Evanita V Manullang 1, Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
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 terperinciJurnal Coding, Sistem Komputer Untan Volume 4, No. 2, Hal ISSN : x
PENGENALAN MOTIF BATIK INDONESIA MENGGUNAKAN DETEKSI TEPI CANNY DAN TEMPLATE MATCHING [1] Fera Flaurensia, [2] Tedy Rismawan, [3] Rahmi Hidayati [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
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 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 III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA ABDUL AZIS, M.KOM
PENGOLAHAN CITRA 1 Prinsip Enhancement Pemrosesan sebuah image sehingga hasil yang didapat bersifat lebih sesuai untuk digunakan pada aplikasi tertentu dibandingkan dengan image a s l i n y a. Kesesuaian
Lebih terperinciBAB 1 PENDAHULUAN. seperti suhu udara, keindahan, kecantikan adalah hal-hal yang samar, yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kehidupan manusia dipengaruhi oleh hal-hal yang samar atau tidak pasti. Faktorfaktor seperti suhu udara, keindahan, kecantikan adalah hal-hal yang samar, yang tidak
Lebih terperinciPengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia DC - OKT 2003 1 Tujuan Peningkatan Mutu Citra Sumber Pustaka:
Lebih 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 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 terperinciDETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI
DETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Peningkatan ini dikarena mudahnya
Lebih terperinciBAB III LANDASAN TEORI. 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix)
BAB III LANDASAN TEORI 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix) Metode GLCM menurut Xie dkk (2010) merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui
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 I PENDAHULUAN. menganalisis citra menggunakan bantuan komputer yang bertujuan untuk
BAB I PENDAHULUAN A. Latar Belakang Citra (gambar) adalah suatu representasi, kemiripan, atau imitasi dari suatu objek (Annisa, 2010). Citra mengandung informasi tentang objek yang direpresentasikan. Sehingga
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 4 Neighborhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 4 Neighborhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu
Lebih terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
Lebih terperinciPerbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) TerhadapAcuan Canny untuk Mendeteksi Tepi Citra
Perbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) TerhadapAcuan Canny untuk Men Tepi Citra Rico Eko Wibowo *), R. Rizal Isnanto **), Ajub Ajulian Zahra **) Jurusan Teknik Elektro, Universitas
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 terperinciALGORITMA IMAGE THINNING
ALGORITMA IMAGE THINNING Oleh Zurnawita dan Zulharbi Suar Staf Pengajar Teknik Elektro Politeknik Negeri Padang ABSTRACT Using image thinning algorithm, various example of application is processing image
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Informasi Geografis (SIG) 2.1.1 Pengertian SIG Sistem Informasi Geografis (SIG) atau Geographic Information System (GIS) adalah sebuah sistem yang didesain untuk menangkap,
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 terperinciBAB II LANDASAN TEORI. mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision).
BAB II LANDASAN TEORI Computer vision adalah suatu ilmu di bidang komputer yang dapat membuat mesin atau robot untuk melihat (http://en.wikipedia.org/wiki/computer_vision). Terdapat beberapa klasifikasi
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 terperinciPENGGUNAAN PENGOLAHAN CITRA DIGITAL DENGAN ALGORITMA EDGE DETECTION DALAM MENGIDENTIFIKASI KERUSAKAN KONTUR JALAN
PENGGUNAAN PENGOLAHAN CITRA DIGITAL DENGAN ALGORITMA EDGE DETECTION DALAM MENGIDENTIFIKASI KERUSAKAN KONTUR JALAN Andy Suryowinoto 1, Abdul Hamid 2 1,2 e-mail: andysuryo@itats.ac.id ABSTRACT Road infrastructure
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 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 terperinciPEMANFAATAN OPERASI MORPHOLOGI UNTUK PROSES PENDETEKSIAN SISI PADA PENGOLAHAN CITRA DIGITAL
PEMANFAATAN OPERASI MORPHOLOGI UNTUK PROSES PENDETEKSIAN SISI PADA PENGOLAHAN CITRA DIGITAL Tjokorda Agung Budi Wirayuda, ST Jurusan Teknik Informatika, Sekolah Tinggi Teknologi Telkom, Bandung cok@stttelkom.ac.id
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 4 PENGUJIAN DAN EVALUASI. teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik
BAB 4 PENGUJIAN DAN EVALUASI 4.1 Pengujian Pengujian yang akan dilakukan buertujuan untuk melakukan perbandingan antara teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik konvensional.
Lebih terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciREVIEW PROPERTI OPERATOR MATEMATIKA MORPHOLOGI DALAM PEMROSESAN CITRA
Prosiding Semirata 2015 bidang Teknologi Informasi dan Multi Disiplin Universitas Tanjungpura Pontianak Hal 134-141 REVIEW PROPERTI OPERATOR MATEMATIKA MORPHOLOGI DALAM PEMROSESAN CITRA Zaiful Bahri Jurusan
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 II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBy Emy. 2 of By Emy
2 1 3 Kompetensi Mampu menjelaskan dan operasi morfologi Mampu menerapkan konsep morfologi untuk memperoleh informasi yang menyatakan deskripsi dari suatu benda pada citra mampu membangun aplikasi untuk
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 5 Neighboorhood Processing. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 5 Neighboorhood Processing Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih 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 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 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 terperinciKeywords: Spermatozoa, Spermatozoa Counters, Labelling, Eccentricity, Digital Microscope.
Penghitung Jumlah Spermatozoa Berdasarkan Data Mikroskop Digital Dengan Metode Pengolahan Citra Aldo Candra 1, Imam Sapuan 2, Franky Chandra S.A 3 1,2,3 Program Studi Teknobiomedik, Departemen Fisika Fakultas
Lebih terperinciPENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE ABSTRAK
PENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE NOVIANI KRISNADI/0322064 Email Address: s103novi@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40165, Indonesia
Lebih terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL
PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL Copyright @ 27 by Emy 2 Kompetensi Mampu mengimplementasikan teknik-teknik untuk memperbaiki kualitas citra sehingga citra yang dihasilkan
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. Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam
BAB II LANDASAN TEORI 2.1 Teori Dasar Pengolahan Citra Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam bidang dua dimensi, dengan (x,y) menyatakan koodinat citra dan nilai f pada koodinat
Lebih terperinciEKSTRAKSI BENTUK JANIN PADA CITRA HASIL USG 3 DIMENSI MENGGUNAKAN DETEKSI TEPI CANNY
EKSTRAKSI BENTUK JANIN PADA CITRA HASIL USG 3 DIMENSI MENGGUNAKAN DETEKSI TEPI CANNY Abdiansah 1), Rizki Romodhon 2) 1 abdiansah84@gmail.com, 2 rizkiromodhon@gmail.com ABSTRACT In medical research, fetal
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 terperinciPERANCANGAN DAN PENGEMBANGAN SISTEM DETEKSI RINTANGAN MENGGUNAKAN METODE HAAR-LIKE FEATURE PADA BRAIN-CONTROLLED WHEELCHAIR
PERANCANGAN DAN PENGEMBANGAN SISTEM DETEKSI RINTANGAN MENGGUNAKAN METODE HAAR-LIKE FEATURE PADA BRAIN-CONTROLLED WHEELCHAIR Aristian Jovianto Yunus NRP : 1322022 e-mail : aristian_jovianto@yahoo.com ABSTRAK
Lebih terperinciKuantisasi Gray Level untuk Enhancement Citra
Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Kuantisasi Gray Level untuk Enhancement Citra Content: 1. Definisi 2. Ketetanggaan Citra 3. Operator T 4. Transformasi Gray Level
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciPENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA Arief Budiman 0700711481 Muhammad Arya Chandra
Lebih terperinciPENCOCOKAN OBYEK WAJAH MENGGUNAKAN METODE SIFT (SCALE INVARIANT FEATURE TRANSFORM)
Jurnal Ilmiah NERO Vol. 1 No. 1 2014 PENCOCOKAN OBYEK WAJAH MENGGUNAKAN METODE SIFT (SCALE INVARIANT FEATURE TRANSFORM) Meidya Koeshardianto, S. Si., M. T. Program Studi D3Manajemen Informatika, Universitas
Lebih terperinciAplikasi Rekonstruksi 3D Menggunakan Metode Voting- Based Voxel Carving
Aplikasi Rekonstruksi 3D Menggunakan Metode Voting- Based Voxel Carving Ricky Tanojo 1, Liliana 2, Djoni Haryadi Setiabudi 3 Progeram Studi Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciANALISIS DETEKSI TEPI UNTUK MENGIDENTIFIKASI POLA WAJAH REVIUW (IMAGE EDGE DETECTION BASED DAN MORPHOLOGY)
ANALISIS DETEKSI TEPI UNTUK MENGIDENTIFIKASI POLA WAJAH REVIUW (IMAGE EDGE DETECTION BASED DAN MORPHOLOGY) Dian Parikesit Magister Komputer Universitas Budi Luhur Jakarta dianparikesit@gmail.com Dalam
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciPENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL. Moehammad Awaluddin, Bambang Darmo Y *)
PENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL Moehammad Awaluddin, Bambang Darmo Y *) Abstract Image processing takes an image to produce a modified image for better viewing or some other
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)
BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang
Lebih terperinciSegmentasi Citra menggunakan Support Vector Machine (SVM) dan Ellipsoid Region Search Strategy (ERSS) Arimoto Entropy berdasarkan Ciri Warna dan Tekstur Lukman Hakim 1, Siti Mutrofin 2, Evy Kamilah Ratnasari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Pola Pengenalan pola (pattern recognition) adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur atau sifat
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS
PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS Widyawan Tarigan NRP : 0222062 email : widyawan_tarigan@yahoo.com ABSTRAK Pada sistem pengenalan wajah, merancang deskriptor
Lebih terperinciLAPORAN TUGAS AKHIR. Disusun oleh: Nama : Mazid Kamal Nim : A Program Studi : Tekhnik Informatika FAKULTAS ILMU KOMPUTER
LAPORAN TUGAS AKHIR SEGMENTASI CITRA DAUN TEMBAKAU BERBASIS DETEKSI TEPI MENGGUNAKAN ALGORITMA CANNY Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan program studi Teknik Informatika
Lebih terperinciIMPLEMENTASI BOUNDARY BASED SEGMENTATION UNTUK MENGEKSTRASI KONTUR SAPI MADURA
IMPLEMENTASI BOUNDARY BASED SEGMENTATION UNTUK MENGEKSTRASI KONTUR SAPI MADURA Rosida Vivin Nahari 1, Achmad Jauhari 2, Riza Alfita 3 1,2 Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo 3 Teknik
Lebih terperinciPengenalan Pola Menggunakan Persamaan Diferensial Ujung Deteksi
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pengenalan Pola Menggunakan Persamaan Diferensial Ujung Deteksi Rahmat H. Kiswanto 1), Harrizki Arie Pradana 2), Rosiyati
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 terperinciIdentifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra
Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra Shofiyyah Zahrah 1, Ristu Saptono 2, Esti Suryani 3 1,2,3 Program Studi Informatik, FMIPA, Universitas Sebelas Maret Email: 1 shofizr@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
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 terperinciEdge adalah batas antara dua daerah dengan nilai gray-level yang relatif berbeda atau dengan kata lain edge
Definisi Edge Edge adalah batas antara dua daerah dengan nilai gra-level ang relatif berbeda atau dengan kata lain edge merupakan tempat-tempat ang memiliki perubahan intensitas ang besar dalam jarak ang
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 terperinciImplementasi Deteksi Tepi Canny pada Citra Mammografi
JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia
Lebih terperinciBAB 3 METODE PERANCANGAN. 3.1 Evaluasi Metode dan Algoritma Stereo Vision. Evaluasi terhadap beberapa metode dan algoritma yang ada untuk memperoleh
BAB 3 METODE PERANCANGAN 3.1 Evaluasi Metode dan Algoritma Stereo Vision Evaluasi terhadap beberapa metode dan algoritma yang ada untuk memperoleh informasi kedalaman berdasarkan stereo vision. 3.1.1 Metode
Lebih terperinciDETEKSI TEPI BERBASIS METODE SOBEL UNTUK PENINGKATAN KUALITAS CITRA MEDIS
DETEKSI TEPI BERBASIS METODE SOBEL UNTUK PENINGKATAN KUALITAS CITRA MEDIS Derry Setiawan 1, DRA. Erna Zuni Astuti,M.Kom 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer,Universitas Dian Nuswantoro Jl.
Lebih terperinciBAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh
BAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA 3.1 Pemrosesan Citra Konvensional. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh merupakan solusi yang sangat baik. Informasi
Lebih terperinciSEGMENTASI KENDARAAN MENGGUNAKAN IMPROVE BLOB ANALYSIS (BA) PADA VIDEO LALU LINTAS
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 2, No. 1, April 215, hlm. 67-72 SEGMENTASI KENDARAAN MENGGUNAKAN IMPROVE BLOB ANALYSIS (BA) PADA VIDEO LALU LINTAS Sutrisno 1, Imam Cholissodin
Lebih terperinciPERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL
PERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Pitrawati, S.Kom., M.Pd Program Studi Komputerisasi Akuntansi AMIK Dian Cipta Cendikia, Bandar Lampung Abstrak Pengolahan
Lebih terperinciPeningkatan Kualitas Citra. Domain Spasial
Peningkatan Kualitas Citra Domain Spasial 2 Tujuan Perbaikan Citra Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif lebih
Lebih terperinci