PRESENTASI TUGAS AKHIR KI091391
|
|
- Teguh Sugiarto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR KI IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Kata Kunci: Citra Fundus Retina, Segmentasi Citra, Deteksi Titik Potong pembuluh, Combined Cross Point Number. Penyusun Tugas Akhir : SANNY HIKMAWATI (NRP : ) Dosen Pembimbing : Prof.Ir. Handayani Tjandrasa, M.Sc, Ph.D. Nanik Suciati, S.Kom, M.Kom, Dr.Eng. 20/06/2011 1
2 Latar Belakang(1) Beberapa penyakit mata dapat diatasi dengan diagnosa dini secara tepat Identifikasi dari pembuluh darah pada retina dapat memberikan informasi tentang gangguan mata Gangguan mata yang terjadi bisa berupa pertumbuhan pembuluh darah yang abnormal yang berakibat pada perubahan pada titik potong pembuluh darah tersebut. 20/06/2011 2
3 Latar Belakang(2) Deteksi titik potong pembuluh darah bisa menjadi alat untuk mengetahui adanya anomali pada retina mata Combined cross point number merupakan metode yang dapat digunakan untuk mendeteksi titik potong pembuluh darah retina. 20/06/2011 3
4 Permasalahan 1. Bagaimana memahami metodologi Combined Cross-Points Number untuk mendeteksi titik potong pembuluh darah pada citra fundus retina 2. Bagaimana menyusun suatu algoritma deteksi titik potong citra retina dan merancang sistem yang sesuai dengan metode yang digunakan. 3. Bagaimana menyusun skenario uji coba terhadap sistem yang telah dibuat, mengamati kinerja sistem yang telah dibuat dan mengidentifikasi kendala yang mungkin timbul. 4. Berapa tingkat kebenaran yang dihasilkan dari deteksi titik potong pada citra retina dengan menggunakan metode Combined Cross-Point Number 20/06/2011 4
5 Batasan Masalah Aplikasi merupakan implementasi dari metode combined cross point number untuk melakukan deteksi titik potong terhadap pembuluh darah pada retina. Implementasi dilakukan dengan menggunakan Matlab 7.6. Citra retina yang digunakan dibatasi untuk citra retina yang diperoleh dari DRIVE database. 20/06/2011 5
6 Tujuan Tujuan dari tugas akhir ini adalah membangun aplikasi deteksi titik potong pembuluh citra retina dengan menggunakan Matlab yang mengimplementasikan metode Combined Cross- Point Number. 20/06/2011 6
7 Perancangan Perangkat Lunak (1) Citra masukan Tahap Preprocessing Pengubahan citra green channel Penghilangan derau dengan median filter Perbaikan kontras citra dengan contrast limited adaptive histogram equalization Citra hasil tahap preprocessing 20/06/2011 7
8 Perancangan Perangkat Lunak (2) Citra hasil tahap preprocessing Tahap Segmentasi Segmentasi cita menggunakan k- means clustering Citra tersegmentasi 20/06/2011 8
9 Citra hasil tahap segmentasi Perancangan Perangkat Lunak (3) Tahap Deteksi Titik Potong Pembuluh Menghitamkan background citra Proses thinning Proses pruning Menghitung jumlah cross over point pada layer dalam Menghitung jumlah cross over point pada layer luar 20/06/2011 9
10 Uji Coba dan Evaluasi Skenario Uji Coba : 1. Perbandingan hasil akurasi deteksi titik potong pembuluh citra dari proses iterasi pruning yang berbeda-beda. 2. Perbandingan hasil akurasi deteksi titik potong pembuluh citra dengan nilai kontras yang berbeda-beda. 20/06/
11 Citra masukan 01_test.tif Uji Coba 1 1 (2 kali iterasi) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 65% 20/06/
12 Citra masukan 01_test.tif Uji Coba 1 1 (5 kali iterasi) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 89% 20/06/
13 Citra masukan 01_test.tif Uji Coba 1 1 (8 kali iterasi) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 76% 20/06/
14 Citra masukan 01_test.tif Uji Coba 1 1 (11 kali iterasi) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 74% 20/06/
15 Citra masukan 01_test.tif Uji Coba 1 1 (14 kali iterasi) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 69% 20/06/
16 Evaluasi Uji Coba 1 Hasil uji coba 1 dilakukan pada 10 citra DRIVE Database yang berbeda-beda No Jumlah iterasi Rata-rata Nilai Akurasi (%) , , , , ,51 20/06/
17 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,0275) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 11,76% 20/06/
18 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras ) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 38,89% 20/06/
19 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,0675) Citra green channel Citra hasil deteksi titik potong Hasil Akurasi Deteksi Titik potong 83,69% 20/06/
20 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,0875) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 52% 20/06/
21 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,1075) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 36,12% 20/06/
22 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,1275) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 29,22% 20/06/
23 Evaluasi Uji Coba 2 Hasil uji coba 2 dilakukan pada 10 citra DRIVE Database yang berbeda-beda No Nilai Kontras Rata-rata Nilai Akurasi (%) , , , , , ,28 20/06/
24 Kesimpulan(1) Algoritma ini dapat mendeteksi titik potong pembuluh dengan baik pada citra fundus mata berwarna sehingga didapatkan hasil deteksi titik potong pembuluh darah pada citra retina dengan rata rata nilai akurasi sebesar 82,45% Jumlah iterasi yang terlalu sedikit pada morphological pruning menyebabkan nilai akurasi kecil. Jumlah iterasi yang terlalu besar menyebabkan nilai akurasi yang kecil. 20/06/
25 Kesimpulan(2) Nilai kontras yang dipilih terlalu kecil menyebabkan nilai akurasi kecil. Apabila nilai kontras terlalu besar menyebabkan nilai akurasi yang kecil. 20/06/
26 Saran Hasil pada saat proses segmentasi masih banyak menghasilkan percabangan pada pembuluh darah. Perlu pengembangan metode untuk proses segmentasi sehingga diperoleh hasil segmentasi yang lebih baik agar kesalahan pendeteksian titik potong pembuluh darah citra retina bisa berkurang. 20/06/
27 Daftar Pustaka [1] A.M. Aibinu, M.I. Iqbal, M. Nilsson, M.J.E. Salami, Vascular Intersection Detection in Retina Fundus Image using new Hybrid Approach, 2010 [2] A.M. Aibinu, M.I. Iqbal, M. Nilsson, M.J.E. Salami, Automatic diagnosis of diabetic retinopathy from fundus images using digital signal and image processing techniques, in: International Conference on Robotics, Vision, Information, and Signal Processing, Penang, Malaysia, November 2007, pp [3] Youssef,A., "Image Downsampling and Upsampling Methods", Department of EECS, The George Washington University. [4] Gonzalez, R. C. and Woods, R. E. Digital Image Processing Using MATLAB, Prentice Hall, Upper Saddle River, NJ [5] Gonzalez R.C., Woods R.E, Digital Image Processing, Third Edition, Prentice Hall, 2008 [6] Wikipedia Channel, <URL: diakses 5 Mei 2011>. [7] Chek Koon Teo, Digital Enhancement of Night Vision and Thermal Images, December 2003 [8] A.Hidayanto, dkk, Analisis Deteksi Tepi pada citra berdasarkan perbaikan kualitas citra, 2005 [9] Homepages, 2011, <URL: diakses 20 Mei 2011 > [10] Sarigul, E., Abbott, A.L., dan Schmoldt, D.L., Rule-driven defect detection in CT images of hardwood logs. Computers and Electronics in Agriculture, 2003, 41, 1-3: [11] Ge, F., Wang, S., dan Liu, T., Image-Segmentation Evaluation From the Perspective of Salient Object Extraction. Proceeding of the 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. [12] The DRIVE database, Image Sciences Institute, University Medical Center Utrecht, The Netherlands <URL : diakses 11 Oktober 2010> [13] Wiwin Sulistyo, dkk, Analisis Penerapan Metode Median Filter Untuk Mengurangi Noise Pada Citra Digital, Konferensi Nasional Sistem dan Informatika, Bali, November /06/
28 20/06/
29 Perhitungan Akurasi Perhitungan akurasi dengan menggunakan persamaan: Dimana: R = Citra hasil dari proses deteksi A = Citra ground truth = irisan citra hasil proses deteksi dan citra ground truth = semua piksel pembuluh darah pada citra proses deteksi dan ground truth A + R - 20/06/
30 Tujuan : Menghilangkan derau pada citra dan menghaluskan citra. Penghilangan Derau dengan Median Filter Median filter adalah suatu teknik filtering digital nonlinear yang sering digunakan untuk menghilangkan derau. Teknik tersebut menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan piksel yang ada di sekelilingnya. Teknik ini bekerja dengan cara mengisi nilai dari setiap piksel dengan nilai median tetangganya. Proses pemilihan median ini diawali dengan terlebih dahulu mengurutkan nilai-nilai piksel tetangga, baru kemudian dipilih nilai tengahnya. Citra green channel Citra setelah median filter 20/06/
31 Contrast Limited Adaptive Histogram Equalization Contrast Limited Adaptive Histogram Equalization (CLAHE) termasuk teknik perbaikan citra yang digunakan untuk memperbaiki kontras pada citra. CLAHE memperbaiki local contrast pada citra. CLAHE merupakan generalisasi dari Adaptive Histogram Equalization (AHE). Berbeda dengan histogram equalization yang beroperasi pada keseluruhan region pada citra, CLAHE beroperasi pada region yang kecil yang disebut dengan tile. Kontras terutama pada area yang homogen bisa dibatasi untuk mengurangi adanya derau yang mungkin muncul pada citra dengan cliplimit. 20/06/
32 Formula dari histogram Equalization adalah sebagai berikut : 20/06/ Contrast Limited Adapive Histogram k j j r k k r p r T S 0 k j j n n 0 n n r P k k r ) (
33 Contrast Limited Adaptive Histogram Equalization (CLAHE) Histogram dari suatu citra digital dengan range tingkat [0 L-1] adalah sebuah fungsi diskrit h(r k )=n k, dengan r k adalah tingkat keabuan ke-k dan n k merupakan jumlah piksel dalam citra yang memiliki tingkat keabuan r k Normalisasi histrogram dilakukan dengan membagi setiap nilai n k dengan total jumlah piksel dalam citra, yang dinyatakan dengan n. p(r k ) menyatakan estimasi probabilitas kemunculan tingkat keabuan r k. Sumbu horisontal dari histogram menyatakan nilai tingkat keabuan r k. Sumbu vertikal menyatakan nilai dari p(r k ) = n k /n (jika nilainya dinormalisasi). 20/06/
34 Interpolasi Bilinear Interpolasi bekerja dengan cara menggunakan data yang sudah diketahui untuk mengistimasi nilai suatu data yang belum diketahui Interpolasi bilinear menghitung 2x2 ketetanggan dari dari piksel yang telah diketahui nilainya untuk menghitung nilai piksel yang belum diketahui. Perhitungannya menggunakan rata rata bobot dari ke empat piksel untuk mndapatkan nilai interpolasi. Hasil dari interpolassi lebih halus efeknya pada citra daripada emnggunakan nearest neighbor Contoh dari interpolasi bilinear seperti pada gambar di bawah ini. Lihat contoh 20/06/
35 Segementasi Citra Segmentasi citra merupakan suatu proses pengelompokkan citra menjadi beberapa region berdasarkan kriteria tertentu. Tujuan dari segmentasi citra adalah untuk menemukan karakteristik khusus yang dimiliki suatu citra. Citra disederhanakan dan atau direpresentasikan dalam gambaran yang lebih mudah untuk di analisis 20/06/
36 K-means Clustering 20/06/
37 Proses Menghitamkan Background Citra Caranya untuk menghitamkan background pada citra adalah sebagai berikut : Mencari red channel citra Mengubah citra red channel menjadi citra biner berdasarkan threshold citra tersebut. Menghitamkan piksel piksel yang alamatnya sama dengan alamat piksel hitam pada citra biner Melakukan deteksi tepi pada citra red channel menggunakan deteksi tepi sobel Menghitamkan piksel piksel citra hasil segmentasi yang alamatnya sama dengan alamat piksel putih pada citra yang telah terdilasi 20/06/
38 Deteksi Tepi Sobel Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra. Tujuan edge detection: Untuk menandai bagian yang menjadi detil citra Untuk memperbaiki detil dari citra yang kabur, yang terjadi karena derau Deteksi Tepi Sobel dengan parameter sensitivitas threshold sebesar Dilasi hasil deteksi tepi sobel dengan SE berbentuk disk dengan R=5 20/06/
39 Deteksi Tepi Sobel (1) Secara sederhana, operator sobel menghitung gradien dari intensitas citra pada setiap titik sehingga didapatkan kemungkinan arah yang terbesar yang bertambah dari warna yang terang sampai warna gelap dan laju perubahan pada masing-masing arah. Hasilnya akan menunjukkan seberapa halus citra akan melakukan perubahan pada titik tersebut. Oleh karena itu, nantinya sebagian citra akan mewakili suatu edge. 20/06/
40 Dilasi 20/06/
41 Proses thinning Algoritma dari proses thinning adalah sebagai berikut : A) 1. 2< N(p1) <=6 2. T(p1)=1 3. P2.P4.P6 = 0 4. P4.P6.P8=0 B) 1. 2< N(p1) <=6 2. T(p1)=1 3. P2.P4.P8 =0 4. P2.P6.P8=0 Penjelasan secara umum dari algoritma di atas adalah sebagai berikut: pada proses A piksel p1 dihapus jika tetangga piksel antara 2-6, Transisi dari 0-1 jumlahnya 1, hapus titik yang berada di kanan, bawah, dan ujung kiri atas Pada Proses B kondisi 1 dan 2 sama dengan kondisi pada proses A, untuk kondisi ketiga dan keempat, titik yang dihapus adalah titik yang berada di kiri, atas dan ujung kanan bawah 20/06/
42 Proses Thinning (2) Algoritma Lainnya adalah dengan cara : Kita bisa mendefinisikan thinning menggunakan serangkaian structuring element sebagai berikut : A { B} ((...(( A B ) B )...) B 1 2 n ) Prosesnya adalah menguruskan A satu pass dengan B 1, selanjutnya menguruskan hasilnya satu pass dengan B 2, dan selanjutnya, sampai A dikuruskan satu pass dengan B n. Keseluruhan proses diulang sampai tidak ada lagi perubahan yang terjadi. 20/06/
43 Proses Pruning Morphological Pruning adalah transformasi yang menghilangkan endpoint dari citra yang telah mengalami proses thinning dan memproses sampai stabilitas tercapai. Proses Morphological Pruning merupakan proses pemangkasan cabang (branches) yang tidak diperlukan. Cabang yang tidak diperlukan biasanya muncul sebagai hasil dari Morphological Thinning. 20/06/
44 Proses Pruning 20/06/ Persamaan untuk pruning adalah sebagai berikut X1 digunakan untuk mendeteksi end point agar mendapatkan hasil seperti yang diinginkan, dimana A adalah citra masukan, dan B adalah structuring element ) ( ) * ( } { X X X A H X X B X X B A X k k
45 Proses Pruning X2 digunakan untuk merestore karakter ke bentuk aslinya dengan branches yang telah diremove Langkah ketiga merupakan dilasi end points selama 3 x, dengan H adalah structuring element X4 merupakan gabungan dari langkah pertama dan ketiga. X4 adalah hasil dari proses pruning 20/06/
46 Proses deteksi Titik Potong Metode ini mencari titik potong citra dengan menghitung jumlah crossover point yang berada di sekitar piksel. Metode ini menggunakan window dengan ukuran 5x5. Window terdiri dari pusat piksel dengan 8 tetangga pada layer yang dalam dan dikelilingi oleh 16 piksel tetangga pada layer luar. Ilustrasi dari window yang digunakan pada metode ini adalah seperti pada gambar di bawah ini : 20/06/
47 Proses perhitungan Cross Over Point 20/06/
48 Contoh Interpolasi bilinear Formula dari interpolasi bilinear adalah sebagai berikut : s = (1-y)((1-x)g A (s) + xg B (s))+ y((1-x)g C (s) + xg D (s)) Interpolasi bilinear pada metode Clahe digunakan untuk mengeliminasi Region boundaries 20/06/
IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER
IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Sanny Hikmawati 1, Handayani Tjandrasa 2, Nanik Suciati 3 Teknik Informatika,
Lebih terperinciSEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina)
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina) Penyusun Tugas Akhir : Diandra
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 terperinciIMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF Dini Nuzulia Rahmah 1, Handayani Tjandrasa 2, Anny Yuniarti 3 Teknik Informatika,
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
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 terperinciImplementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur, Thresholding dan Operasi Morfologi
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Implementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur, Thresholding dan Operasi Morfologi M. Riza Kurnia,Handayani Tjandrasa,
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 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 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 terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih 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 terperinciPERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE)
PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE) ANDRI andriecitra@yahoo.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan
Lebih terperinciPENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL
MAKALAH SEMINAR TUGAS AKHIR PERIODE JUNI-JULI PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL Ana Wahyu Hakim 1, Handayani Tjandrasa 2, Bilqis Amalia 3 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 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 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 terperinciJURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 7 No. 2 Februari 2015
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERBASIS HISTOGRAM EQUALIZATION DAN 2D-GABOR FILTER Fahmi Arya Wicaksono 1 Program Studi Teknik Informatika, Universitas Trunojoyo Madura
Lebih terperinciDEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK
DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1. Identifikasi Masalah Penggunaan citra digital telah menjadi semakin popular akhir-akhir ini. Hal ini menyebabkan program pengolah grafis untuk memanipulasi citra
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
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 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 terperinciIMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA MAKULA MENGGUNAKAN METODE REGION GROWING
IMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA MAKULA MENGGUNAKAN METODE REGION GROWING Rio Bayu Afrianto, Handayani Tjandrasa 2, Isye Arieshanti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS email
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 terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
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 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 terperinciPENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL
PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL Kata Kunci : Noise Removal, Edge Detection, impuls noise, Oleh : ANA WAHYU HAKIM Dosen pembimbing I: Prof. Dr. Ir. Handayani Tjandrasa M.Sc
Lebih terperinciImplementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Implementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions Ivan Hardiyanto,
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 terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak
Lebih terperinciIMPLEMENTASI 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 terperinciBAB IV PREPROCESSING
BAB IV PREPROCESSING 4.1 Langkah yang Dilakukan Interpretasi visual citra Pap smear merupakan hal yang sangat rumit. Hal ini disebabkan karena citra Pap smear memberikan hasil sel yang beragam mulai dari
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
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 terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Retina merupakan salah satu bagian mata yang penting bagi manusia. Pada manusia, retina berfungsi untuk menerima cahaya terfokus dari lensa, mengubahnya
Lebih terperinciALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR
Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini
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 terperinciPERBAIKAN KWALITAS CITRA COVER BUKU PADA SISTEM PEMBACA SAMPUL BUKU BERBASIS SEGMENTASI CITRA UNTUK PENGEMBALIAN BUKU MANDIRI DI PERPUSTAKAAN
PERBAIKAN KWALITAS CITRA COVER BUKU PADA SISTEM PEMBACA SAMPUL BUKU BERBASIS SEGMENTASI CITRA UNTUK PENGEMBALIAN BUKU MANDIRI DI PERPUSTAKAAN Anjik Sukmaaji 1), Teguh Sutanto 2 1,2 Program Studi Sistem
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciANALISIS KOMPARASI METODE PERBAIKAN KONTRAS BERBASIS HISTOGRAM EQUALIZATION PADA CITRA MEDIS
ANALISIS KOMPARASI METODE PERBAIKAN KONTRAS BERBASIS HISTOGRAM EQUALIZATION PADA CITRA MEDIS Aditya Akbar Riadi Fakultas Teknik, Program Studi Teknik Informatika Universitas Muria Kudus Email: aditya.akbar@umk.ac.id
Lebih terperinciPerbaikan Citra dengan Menggunakan Metode Histogram Equalization
Prosiding Seminar Nasional Teknoin 212 Perbaikan Citra dengan Menggunakan Metode Histogram Equalization Muhammad Kusban Jurusan Teknik Elektro Universitas Muhammadiyah Surakarta Jl. A. Yani Tromol Pos
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 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 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 terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
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 terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
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 terperinciSYSTEMIC Vol. 1, No. 1, Agustus 2015, PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI.
SYSTEMIC Vol. 1, No. 1, Agustus 2015, 14-19 PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI Ahmad Yusuf 1) 1) Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel
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 terperinciSEGMENTASI PEMBULUH DARAH PADA CITRA RETINA MENGGUNAKAN MAX-TREE DAN ATTRIBUTE FILTERING
SEGMENTASI PEMBULUH DARAH PADA CITRA RETINA MENGGUNAKAN MAX-TREE DAN ATTRIBUTE FILTERING Kadek Yota Ernanda Aryanto 1,2, I Ketut Eddy Purnama 1 1 Jurusan Teknik Elektro ITS Surabaya, Jawa Timur 2 Universitas
Lebih terperinciPENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING
PENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING Michael Ryan dan Novita Hanafiah School of Computer Science, Bina Nusantara, Jl. Kebon Jeruk Raya No. 27,Kebon Jeruk, Jakarta
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciDeteksi Microaneurysms Pada Citra Retina Mata Menggunakan Matched Filter
Santoso, Deteksi Microaneurysms Pada Citra Retina Mata Menggunakan Matched Filter 59 Deteksi Microaneurysms Pada Citra Retina Mata Menggunakan Matched Filter Muhammad Santoso 1, Tutuk Indriyani 2, Ricky
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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
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 terperinciPERBAIKAN CITRA RETINA DENGAN TRANSFORMASI CONTOURLET DAN ESTIMASI STANDAR DEVIASI NOISE
PERBAIKAN CITRA RETINA DENGAN TRANSFORMASI CONTOURLET DAN ESTIMASI STANDAR DEVIASI NOISE Ekky Natalia W. 1, Dr. Agus Zainial Arifin, S.Kom,M.Kom 2, Bilqis Amaliah, S.Kom, M.Kom 3 Teknik Informatika, Fakultas
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
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 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 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 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 terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra 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 LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB 2 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 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 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 terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
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 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 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 terperinciPENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA
PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno, and R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl.
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 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 terperinciIMPLEMENTASI EKSTRAKSI PEMBULUH RETINA DENGAN METODE MATCHED FILTER DAN FIRST-ORDER DERIVATIVE OF GAUSSIAN
IMPLEMENTASI EKSTRAKSI PEMBULUH RETINA DENGAN METODE MATCHED FILTER DAN FIRST-ORDER DERIVATIVE OF GAUSSIAN Firda Nur Safira 1, Handayani Tjandrasa 2, Arya Yudhi Wijaya 3 Jurusan Teknik Informatika, Fakultas
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 terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
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 terperinciMAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 )
MAKALAH PENGOLAHAN CITRA DIGITAL ( Histogram Citra ) Disusun Oleh : Nama : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) Jurusan : Tehnik Informatika ( Semester VI ) Kampus : STIMIK HIMSYA
Lebih 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
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 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 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 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 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 terperinci