Mata kuliah Digital Image Processing

dokumen-dokumen yang mirip
STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Transformasi Citra ABDUL AZIS, M.KOM

Transformasi Fourier dan Filtering

Muhammad Zidny Naf an, M.Kom. Gasal 2016/2017

Histogram. Peningkatan Kualitas Citra

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

Pengolahan Citra di Ranah Frekuensi

Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)

PENGOLAHAN CITRA DIGITAL

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2

TEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.

10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB III PERANCANGAN PEDOMAN PRAKTIKUM

TEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.

LAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL

BAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara

MAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA ( ) 2. DYA AYU NINGTYAS ( )

Blind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi ( )

SIMULASI PENGARUH PENGGUNAAN FILTER BUTTERWORTH PADA MASUKAN SINYAL GETARAN ACAK TERHADAP NILAI RATA-RATA MAGNITUDO

BAB III PENGOLAHAN DATA

TEKNIK PENGOLAHAN CITRA. Kuliah 5 Edge Sharpening. Indah Susilawati, S.T., M.Eng.

BAB II LANDASAN TEORI

LAPORAN TUGAS AKHIR VISUALISASI TRANSFORMASI FOURIER UNTUK PENINGKATAN KUALITAS CITRA

Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial

DTG2D3 ELEKTRONIKA TELEKOMUNIKASI FILTER ANALOG. By : Dwi Andi Nurmantris

Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016


ABSTRAK. PDF created with FinePrint pdffactory Pro trial version

MKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017

WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT)

Gambar 2.1 Perangkat UniTrain-I dan MCLS-modular yang digunakan dalam Digital Signal Processing (Lucas-Nulle, 2012)

Peningkatan Mutu Citra (Image Enhancement) pada Domain Spasial

Seminar Nasional APTIKOM (SEMNASTIKOM), Hotel Lombok Raya Mataram, Oktober 2016

Panduan Praktikum Pengolahan Citra Digital dengan Matlab IGA Widagda Fisika FMIPA UNUD 2014

IMPLEMENTASI PERBANDINGAN LOW-PASS FILTERING DAN HIGH-PASS FILTERING UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI NURUL ULFAH PRIMADINI

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha

BAB II DASAR TEORI Suara. Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan

BAB I PENDAHULUAN 1.1 Latar Belakang

PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L

AREA PROCESS. Area processes use the input pixel as well as the pixels around it to generate a new ouput pixel

Pengolahan Citra Warna 2 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH

BAB IV ANALISA DAN PERANCANGAN

BAB VI FILTER DIGITAL

Perbandingan Penggunaan Mean Lokal, Median Lokal dan Invarians Statistik Koefisien DCT dalam Perancangan Image Hashing

BAB VI FILTER DIGITAL

PENENTUAN LOKASI GANGGUAN HUBUNG SINGKAT PADA SALURAN TRANSMISI MENGGUNAKAN TRANSFORMASI WAVELET. Oleh : RHOBI ROZIEANSHAH NIM :

KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM)

BAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk

Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC)

REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)

JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1

REALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 ABSTRAK

MODUL 4 ANALOG DAN DIGITAL FILTER

BAB 2 TINJAUAN PUSTAKA

Biasa dilakukan untuk menghilangkan efek pada citra digital yang disebabkan oleh keterbatasan sistem pencuplikan

MATHunesa (Volume 3: No 2) 2014

PERBANDINGAN TEKNIK PENYEMBUNYIAN DATA DALAM DOMAIN SPASIAL DAN DOMAIN FREKUENSI PADA IMAGE WATERMARKING

Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)

APLIKASI PERINTAH SUARA UNTUK MENGGERAKKAN ROBOT. Disusun Oleh : Nama : Astron Adrian Nrp :

BAB I PENDAHULUAN. 1 Universitas Kristen Maranatha

BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)

IMPLEMENTASI LOWPASS FILTERING DAN HIGHPASS FILTERING UNTUK PERBAIKAN KUALITAS CITRA DIGITAL

SATUAN ACARA PERKULIAHAN EK.353 PENGOLAHAN SINYAL DIGITAL

PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE

Bab 1 Pendahuluan 1.1 Latar Belakang

Pengolahan Citra di Kawasan Frekuensi

ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI

TRANSFORMASI CITRA: PROSES KONVOLUSI. Bertalya Universitas Gunadarma

Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding

Kompresi Citra Berwarna Menggunakan Transformasi Wavelet

Definisi Filter. Filter berdasar respon frekuensinya : 1. LPF 2. HPF 3. BPF 4. BRF/BSF

FUNGSI. Blok fungsi juga diawali dengan kata cadangan Begin dan di akhiri dengan kata cadangan End dan titik koma.

Sistem Komunikasi II (Digital Communication Systems)

IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK

ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI

SIMULASI FILTER SALLEN KEY DENGAN SOFTWARE PSPICE

Fast Fourier Transform

Watermarking Video Menggunakan Transformasi Wavelet Diskrit

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL

SOUND CONVERSION USING FAST FOURIER TRANSFORM ALGORITM

LAPORAN APLIKASI DIGITAL SIGNAL PROCESSING EKSTRAKSI CIRI SINYAL WICARA. Disusun Oleh : Inggi Rizki Fatryana ( )

SOAL UAS PENGOLAHAN SINYAL DIGITAL WADARMAN JAYA TELAUMBANUA

BAB II DASAR TEORI. yang dibangkitkan dengan frekuensi yang lain[1]. Filter digunakan untuk

BUTTERWORTH FILTER TUJUAN:

OPTIMASI RERATA DALAM PROSES KORELASI SILANG UNTUK MENENTUKAN LOKASI RADIO TRANSMITTER

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

INSTITUT TEKNOLOGI BANDUNG

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

Kuantisasi Gray Level untuk Enhancement Citra

IMPLEMENTASI IMAGE ENHANCEMENT MENGGUNAKAN HOMOMORPHIC FILTERING

METODE PENELITIAN. Gambar 1 Alur metode penelitian.

REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

Transkripsi:

Mata kliah Digital Image Processing Image Enhancement in the Freqency Domain Perteman ke-5 Dr. Hary Bdiarto Pasca Sarjana STMIK Eresha

Freqency Domain Methods Spatial Domain Freqency Domain

Basics of Enhancement in the Freqency Domain

Example for Freqency Domain Method

Filter Fnction Original signal Low-pass filtered High-pass filtered Band-pass filtered Band-stop filtered

Introdction to the Forier Transform and the Freqency Domain The one-dimensional Forier transform and its inverse Forier transform continos case F Inverse Forier transform: f x f x e F e jx d The two-dimensional Forier transform and its inverse Forier transform continos case F, v f x, y e Inverse Forier transform: f x, y jx dx F, v e where j j xvy j xvy e j 1 dxdy ddv cos j sin

Introdction to the Forier Transform and the Freqency Domain The one-dimensional Forier transform and its inverse Forier transform discrete case DTC F 1 M M 1 x0 f x e jx/ M Inverse Forier transform: M f x 1 0 F e jx/ M for for 0,1,,..., M x 0,1,,..., M 1 1

Since Introdction to the Forier Transform and the Freqency Domain and the fact then discrete Forier transform can be redefined F e j cos j sin 1 M M 1 x0 f x[cos x / M for 0,1,,..., M Freqency time domain: the domain vales of over which the vales of F range; becase determines the freqency of the components of the transform. Freqency time component: each of the M terms of F. j sin x / M ] cos cos 1

Introdction to the Forier Transform and the Freqency Domain F can be expressed in polar coordinates: R: the real part of F I: the imaginary part of F Power spectrm: I R F P or phasespectrm phaseangle tan or spectrm magnitde where 1 1 R I I R F e F F j

The One-Dimensional Forier Transform Example

Program Matlab ntk Transformasi Forier Langkah ntk transformasi Forier 1 dan Dimensi : Transformasi Forier dimensi : F = fftf; Transformasi Forier dimensi : F = fftf, P, Q; P, Q adalah kran matriks, misalkan M x N kran dari gambar yg akan diinptkan maka f adalah psat dari kran matriks PxQ. Gambar signalnya dapat ditnjkan dengan : imshowf Fngsi absolt ntk fngsi f : absf Mengembalikan nilai bilangan kompleks ntk f Memindahkan signal forier ke tengah periode : fftshiftf Melihat nilai Real ata imaginary dengan fngsi : realf; imagf;

Contoh Transformasi Forier 1 Dimensi Gambarkan sinyal ntk transformasi Forier 1 dimensi spectrm dan phase angle response. M = 1000; f = zeros1, M; l = 0; fm/-l:m/+l = 1; F = fftf; Fc = fftshiftf; rfc = realfc; ifc = imagfc; Sbplot,1,1,plotabsFc; Sbplot,1,,plotataniFc./rFc;

Contoh Transformasi Forier Dimensi Program ntk Transformasi forier Dimensi f = ones10,0; F = fftf, 500,500; f1 = zeros500,500; f140:60,30:70 = 1; sbplot,,1;imshowf1,[]; S = absf; sbplot,,; imshows,[]; Fc = fftshiftf; S1 = absfc; sbplot,,3; imshows1,[]; S = log1+s1; sbplot,,4;imshows,[];

Transformasi Forier ntk citra : i = imread image-.jpg ; f=i:,:,1; sbplot1,,1, imshowf; f = doblef; F = fftf; Fc = fftshiftf; S = log1+absfc; Sbplot1,,,imshowS,[];

Sharpening Freqency Domain Filter Filter Penajaman pada domain Frekensi,, v H v H lp hp Ideal highpass filter Btterworth highpass filter Gassian highpass filter, if 1, if 0, 0 0 D v D D v D v H n v D D v H 0, / 1 1, 0 /, 1, D v D e v H

Highpass Filters Spatial Representations

Ideal Highpass Filters H, v 0 1 if if D, v D, v D D 0 0

Btterworth Highpass Filters H, v D D v 1 n 1 /, 0

Gassian Highpass Filters H, v 1 e D, v/ D 0

Ideal Lowpass Filters ILPFs The transfer fnction of an ideal lowpass filter 1 if D, v D0 H, v 0 if D, v D0 where D,v : the distance from point,v to the center of ther freqency rectangle 1 M / v / D, v N

Btterworth Lowpass Filters BLPFs With order n H, v D v D 1, / n 0 1

Btterworth Lowpass Filters BLPFs n= D 0 =5,15,30,80,and 30

Gassian Lowpass Filters FLPFs H, v e D, v/ D 0

Gassian Lowpass Filters FLPFs D 0 =5,15,30,80,and 30

Program Matlab Gassian Lowpass Filters i = imread'image-.jpg'; f=i:,:,1; [m,n] = sizef; % cek nilai kran gambar ifmodm, == 0; cm = floorm/ + 0.5; else; cm = floorm/ + 1; end; ifmodn, == 0; cn = floorn/ + 0.5; else; cn = floorn/ + 1; end F = fftshiftfftdoblef; dnol = 10; H= zerosm,n; for i = 1:n; G = H.*F; g = absifftg; sbplot1,,1, imshowf; sbplot1,,,imshowg,[]; for j = 1:n; dis = i - cm^ + j - cn^; Hi,j = exp-dis//dnol^; end; end; D0=10 D0=0 D0=45