Histogram Citra. Bab Membuat Histogram

dokumen-dokumen yang mirip
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

DISTRIBUSI FREKUENSI

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

RANGKAIAN SERI. 1. Pendahuluan

MINGGU KE- V: UKURAN PENYEBARAN

Warna. Bab Dasar-dasar Warna

BAB IV PENGUJIAN DAN ANALISA

PROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

BAB III METODE KOMPRESI DAN DEKOMPRESI. untuk setiap B X. fraktal. Penjelasan dimulai dengan pengenalan Multiple Reduction Copy

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran:

BAB VB PERSEPTRON & CONTOH

ANALISIS BENTUK HUBUNGAN

BAB II PENDEKATAN PROBABILITAS DAN MODEL TRAFIK

IV. HASIL DAN PEMBAHASAN

SEARAH (DC) Rangkaian Arus Searah (DC) 7

MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

Bab III Analisis Rantai Markov

ANALISIS DATA KATEGORIK (STK351)

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

PENDAHULUAN TINJAUAN PUSTAKA

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta BAB I STATISTIKA

BAB II DASAR TEORI. 2.1 Definisi Game Theory

KWARTIL, DESIL DAN PERSENTIL

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

Pengembangan Algoritma Enkripsi Selektif Citra Digital dalam Ranah Spasial dengan Mode CBC-like Berbasiskan Chaos

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

RAY TRACING dan. Oleh : Karmilasari

BAB IV PEMBAHASAN MODEL

ANALISIS KEMIRIPAN POLA CITRA DIGITAL MENGGUNAKAN METODE EUCLIDEAN

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

STATISTIKA. A. Menyajikan Data dalam Bentuk Diagram

Penerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC

III. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

IMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN. dalam situs BAPEPAM dan berjumlah dua puluh delapan reksadana yang berasal dari dua

KWARTIL, DESIL DAN PERSENTIL

Preferensi untuk alternatif A i diberikan

BAB 2 LANDASAN TEORI

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

Kata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.

BAB V ANALISA PEMECAHAN MASALAH

UKURAN LOKASI, VARIASI & BENTUK KURVA

PENANGANAN BAHAN PADAT S1 TEKNIK KIMIA FT UNS Sperisa Distantina

PENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA

UKURAN-UKURAN DESKRIPTIF DATA

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

BAB II TEORI ALIRAN DAYA

berasal dari pembawa muatan hasil generasi termal, sehingga secara kuat

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta NAMA : KELAS :

ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN

Regresi. Bahan Kuliah IF4058 Topik Khusus Informatika I. Oleh; Rinaldi Munir(IF-STEI ITB)

BAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

TEORI KESALAHAN (GALAT)

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

BAB STATISTIKA. Tujuan Pembelajaran

Modul ini adalah modul ke-8 dalam mata kuliah Matematika. Isi modul ini

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

STATISTIK DESKRIPTIF UKURAN LETAK DATA

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

BAB III FUNGSI MAYOR DAN MINOR. Pada bab ini akan dibahas konsep-konsep dasar dari fungsi mayor dan fungsi

PEMAMPATAN DATA CITRA BERWARNA DENGAN ALIHRAGAM WAVELET

I. PENGANTAR STATISTIKA

BAB II LANDASAN TEORI

Metode Ekstraksi Data Untuk Pengenalan Huruf Dan Angka Tulisan Tangan Dengan Menggunakan Jaringan Syaraf Buatan Propagasi Balik

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

III. METODE PENELITIAN

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

Diagram Kendali Shewhart S 2 Fase I Untuk Memonitor Dispersi Proses

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

ANALISIS KOVARIANSI part 2

Wisnu Ananta Kusuma, Irman Hermadi, Ardiansyah 1. Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut Pertanian Bogor 2 ABSTRAK

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

Analitik Data Tingkat Lanjut (Regresi)

BAB III METODOLOGI PENELITIAN

BAB X RUANG HASIL KALI DALAM

Transkripsi:

Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau bagan tertentu d dalam ctra. Dar sebuah hstogram dapat dketahu frekuens kemunculan nsb (relatve) dar ntenstas pada ctra tersebut. Hstogram juga dapat menunjukkan banyak hal tentang kecerahan (brghtness) dan kontas (contrast) dar sebuah gambar. Karena tu, hstogram adalah alat bantu yang berharga dalam pekerjaan pengolahan ctra bak secara kualtatf maupun kuanttatf. 6. Membuat Hstogram Msalkan ctra dgtal memlk L derajat keabuan, yatu dar nla sampa L (msalnya pada ctra dengan kuantsas derajat keabuan -bt, nla derajat keabuan dar sampa 255). Secara matemats hstogram ctra dhtung dengan rumus n h =, =,,, L (6.) n yang dalam hal n, n = jumlah pxel yang memlk derajat keabuan n = jumlah seluruh pxel d dalam ctra Bab 6_Hstogram Ctra 3

Plot h versus f dnamakan hstogram. Gambar 6. adalah contoh sebuah hstogram ctra. Secara grafs hstogram dtamplkan dengan dagram batang. Perhatkan dar persamaan 6. bahwa nla n telah dnormalkan dengan membagnya dengan n. Nla h berada d dalam selang sampa. h Gambar 6.. Hstogram ctra Sebaga contoh, msalkan matrks d bawah n menyatakan ctra djtal yang berukuran pxel dengan derajat keabuan dar sampa 5 (ada 6 buah derajat keabuan): 3 2 4 2 4 5 2 7 6 2 2 5 3 7 5 3 9 4 5 9 2 3 9 4 4 5 9 2 3 5 2 4 2 7 2 Tabulas perhtungan hstogramnya dtunjukan pada Tabel 6.. Mudah dlhat bahwa semakn besar nla n maka semakn besar pula nla h. Tabel 6. Perhtungan hstogram n h = n /n ( n = 64).25 4.625 2 5.725 4 Pengolahan Ctra Dgtal

3 2.325 4 2.325 5 3.4675 6.5625 7 3.4675 6.9375 9 3.4675 7.9375 4.625 2 5.725 3 3.4675 4 4.625 5 3.4675 6.2 Algortma Perhtungan Hstogram Algortma perhtungan hstogram dtunjukkan pada Algortma 6. [HEN95]. Ctra masukan mempunya 256 derajat keabuan yang nla-nlanya dar sampa 255. Intenstas pxel dsmpan d dalam Image[..N-][..M-], sedangkan hstogram dsmpan d dalam tabel Hst[..255]. Gambar 6.2 memperlhatkan hstogram ctra kapal (52 52). Beberapa program komersl sepert Adobe Photoshop, Pantshop, dan PolyVew, dapat dgunakan untuk membangktkan hstogram ctra. vod hstogram(ctra Image, nt N, nt M, float Hst[256]) /* Menghtung hstogram untuk ctra Image yang berukuran N M. Hstogram dsmpan d dalam tabel Hst yang bertpe rl(float). */ { nt, j, n; /* nsalsas Hst[..255] dengan */ for(=;<=255;++) Hst[]=; for(=;<=n-;++) for(j=;j<=m-;j++) Hst[Image[][j]]=Hst[Image[][j]]+; } /*normalsas Hst[] dengan jumlah seluruh pxel*/ n=n*m; for(=;<=255;++) Hst[]=Hst[]/(float)n; Algortma 6.2. Perhtungan hstogram ctra Bab 6_Hstogram Ctra 5

(b) Hstogram ctra kapal (by PolyVew ) (a) kapal 52 52, -bt Gambar 6.2. Ctra Kapal (52 52) dan hstogramnya Khusus untuk ctra berwarna, hstogramnya dbuat untuk setap kanal RGB (merah, hjau, dan bru). Msalnya ctra berwarna pepper 52 52 pxel -bt, pada Gambar 6.3, hstogramnya ada tga buah, masng-masng untuk komponen merah, hjau, dan bru. Hstogram tersebut dhaslkan dar program [WIC]. (b) Hstogram untuk kanal merah (a) pepper (color), 52 52, 24-bt 6 Pengolahan Ctra Dgtal

(c) Hstogram untuk kanal hjau (d) Hstogram untuk kanal bru Gambar 6.3. Ctra berwarna pepper dan hstogram masng-masng kanal warnanya Hstogram ctra banyak memberkan nformas pentng sebaga berkut:. Nla h menyatakan peluang (probablty) pxel, P(), dengan derajat keabuan. Jumlah seluruh nla h sama dengan, atau L = h = Peluang suatu pxel memlk derajat keabuan lebh kecl atau sama dengan derajat keabuan tertentu adalah jumlah h untuk j, atau j h = P( j) =, j L 2. Puncak hstogram menunjukkan ntenstas pxel yang menonjol. Lebar dar puncak menunjukkan rentang kontras dar gambar. Ctra yang mempunya kontras terlalu terang (overexposed) atau terlalu gelap (underexposed) memlk hstogram yang sempt. Hstogramnya terlhat hanya menggunakan setengah dar daerah derajat keabuan. Ctra yang bak memlk hstogram yang mengs daerah derajat keabuan secara penuh dengan dstrbus yang merata pada setap nla ntenstas pxel (Gambar 6.4). Bab 6_Hstogram Ctra 7

h() h() 255 255 (a) (b) h() h() 255 255 (c) (d) Gambar 6.4. (a) ctra gelap, (b) ctra terang, (c) ctra normal (normal brghtness), (d) normal brghtness dan hgh contrast Gambar 6.5 memperlhatkan tga buah ctra Lena. Ctra Lena yang pertama terlalu gelap. Hstogramnya banyak menumpuk pada bagan kr karena ctra tersebut mengandung banyak nla ntenstas yang dekat dengan (htam). Ctra Lena yang kedua terlalu terang. Hstogramnya banyak menumpuk pada bagan kanan karena ctra tersebut mengandung banyak nla ntenstas yang dekat dengan 255 (puth). Ctra Lena yang ketga adalah ctra yang normal (bagus). Hstogramnya tersebar merata d seluruh daerah derajat keabuan. Tga buah hstogram tersebut dhaslkan dengan program Adobe Photoshop. Pengolahan Ctra Dgtal

(a) Kr: ctra Lena yang terlalu gelap; kanan: hstogramnya (by Photoshop) (b) Kr: ctra Lena yang terlalu terang; kanan: hstogramnya Gambar 6.5. Bermacam-macam hstogram dar beberapa kasus ctra Lena Bab 6_Hstogram Ctra 9

(c) Kr: ctra Lena yang bagus (normal); kanan: hstogramnya Gambar 6.5 (lanjutan). 9 Pengolahan Ctra Dgtal