Kesepakatan. Kuliah Sopan : Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan

dokumen-dokumen yang mirip
CS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra

Pengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran

Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer

Pendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005

DATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim)

SATUAN ACARA PERKULIAHAN ( SAP )

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

Pengantar Pengolahan Citra. Ade Sarah H., M. Kom

Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA. Akuisisi dan Model ABDUL AZIS, M.KOM

KONSEP DASAR PENGOLAHAN CITRA

Pengolahan Citra : Konsep Dasar

Pengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007

Image Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010

PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA. Anna Dara Andriana, S.Kom., M.Kom

Pengantar Mata Kuliah Pengolahan Citra

PERTEMUAN - 2 PENGOLAHAN CITRA

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

BAB II TEORI PENUNJANG

Pengantar Pengolahan Citra

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )

One picture is worth more than ten thousand words

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan

Pembentukan Citra. Bab Model Citra

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

BAB 2 TINJAUAN PUSTAKA

SPEECH RECOGNITION (Pengenalan Ucapan)

KERANGKA BANGUN MULTIMEDIA

IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE

MAKALAH APLIKASI KOMPUTER 1 SISTEM APLIKASI KOMPUTER GRAFIK KOMPUTER DAN KONSEP DASAR OLAH CITRA. Diajukan sebagai Tugas Mandiri Mata Kuliah NTM

Representasi Citra. Bertalya. Universitas Gunadarma

SATUAN ACARA PERKULIAHAN ( SAP )

Pengolahan Citra - Pertemuan 1 Nana Ramadijanti Politeknik Elektronika Negeri Surabaya

BAB II LANDASAN TEORI

artifak / gambar dua dimensi yang memiliki kemiripan tampilan dengan sebuah subjek. - wikipedia

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL

Gambar (image) merupakan suatu representasi spatial dari suatu obyek, dalam pandangan 2D atau 3D.

BAB I PENDAHULUAN. 1.1 Latar Belakang

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA ABDUL AZIS, M.KOM

Review Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis

Citra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo

PENGOLAHAN CITRA DIGITAL

VIDEO By y N ur N ul ur Ad A h d ay a a y n a ti t 1

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

BAB 2 LANDASAN TEORI

Implementasi Metode Hough Transform pada Image Segmentation (Implementation of Hough Transform Methods on Image Segmentation)

Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts

SEGMENTASI REGION GROWING UNTUK MONITORING PERTUMBUHAN PANJANG KECAMBAH

PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION

Image Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2009

BAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat

SATUAN ACARA PERKULIAHAN

BAB II LANDASAN TEORI

BAB 2 TINJAUAN TEORETIS

Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)

PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto

BAB II LANDASAN TEORI. mesin atau robot untuk melihat (

BAB I PENDAHULUAN. 1.1 Latar Belakang

Gambar 15 Contoh pembagian citra di dalam sistem segmentasi.

BAB 2 LANDASAN TEORI

CEG4B3. Randy E. Saputra, ST. MT.

BAB I PENDAHULUAN. sesuai dengan berbagai macam pemikiran manusia. Banyak teori-teori maupun

Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

PEMAMPATAN CITRA (IMA

Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra

PERANCANGAN PENDETEKSI SENYUM DENGAN METODE PENGUKURAN SIMETRI DAN DETEKSI GARIS PADA BIDANG WARNA HOSSEINI ABSTRAK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

ANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE

KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC

KOMPRESI JPEG 2000 PADA CITRA DIGITAL DENGAN TRANSFORMASI WAVELET DISKRIT

BAB 2 LANDASAN TEORI

Utilizing Median Filter as Pre-processing for Depth Map Compression

BAB I PENDAHULUAN. bit serta kualitas warna yang berbeda-beda. Semakin besar pesat pencuplikan data

BAB 3 METODOLOGI. melakukan pengamatan dan analisis dari gambar yang didapat. Untuk bisa mendapatkan

BAB II LANDASAN TEORI. perangkat komputer digital (Jain, 1989, p1). Ada pun menurut Gonzalez dan Woods

KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK

Penggunaan Filter Frekuensi Rendah untuk Penghalusan Citra (Image Smoothing)

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

APLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS

BAB I PERSYARATAN PRODUK

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN PUSTAKA

BAB I PENDAHULUAN 1.1. Latar Belakang


BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB I. PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN. (images), suara (audio), maupun video. Situs web (website) yang kita jumpai

Analisis Hasil Proses Pemampatan JPEG dengan Metode Discrete Cosine Transform

BAB 1 PENDAHULUAN. sehingga memungkinkan peneliti mendapatkan informasi yang diperlukan. Output alatalat

BAB I PENDAHULUAN. semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga

BAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI

Apa Compressed Sensing?

Transkripsi:

Kesepakatan Kuliah Sopan : Tidak bersandal dan berkaos Busana muslimah yang pantas Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan 3

1. PENDAHULUAN A. Signal Processing B. Pengertian Image C. Konsep Dasar Pemrosesan Image 4

A. Signal Processing Masa awal komputasi, banyak digunakan data numeris. Genarasi berikutnya data textual menjadi lebih umum. Hari ini, banyak format data lain: suara, musik, gambar, film, dll. Masing-masing tersebut adalah data berbentuk sinyal. Dapat dengan bebas digambarkan, sinyal adalah suatu fungsi yang menyampaikan informasi. 5

Orang berusaha untuk mengirim atau menerima data lewat media elektronik : telegraphs, telephones, television, radar, dll. Dalam kenyataannya sinyal banyak dipengaruhi oleh sistem yang digunakan terutama pada saat mendapatkan data, transmisi atau prosessing. Akibat dari pengaruh sistem tersebut adalah munculnya noise, distorsi atau munculnya data lain yang tidak dikehendaki. 6

Memahami efek dari sistem serta mendapatkan cara untuk memperbaikinya adalah suatu hal yang sangat penting dalam signal processing. Tidak jarang sinyal pesan khusus yang untuk penerima tersebut berupa suatu dibuat dan dikirim 7

Bidang yang terkait: Digital Communication Compression Speech Synthesis and Recognition Computer Graphics Image Processing Computer Vision 8

B. Pengertian Image 020 067 073 058 055 076 069 050 074 064 065 066 066 059 023 047 109 107 118 107 115 110 120 120 124 120 128 124 132 131 047 125 130 130 122 121 117 142 131 133 134 141 149 144 135 051 139 143 139 147 134 149 069 127 144 139 144 150 161 149 054 136 161 148 147 158 055 052 034 030 158 156 165 163 156 043 144 165 159 154 171 224 191 047 030 171 165 175 164 163 025 161 174 172 167 049 200 193 112 028 120 169 173 177 173 011 091 101 105 177 039 078 060 041 026 073 102 167 208 121 011 091 094 066 094 033 199 184 139 024 060 094 125 152 134 009 068 072 072 065 031 151 171 075 028 035 072 083 109 063 013 068 074 059 057 037 161 129 062 028 035 071 072 078 056 012 042 063 055 072 033 020 067 031 022 027 082 070 073 060 011 037 064 094 091 026 025 080 066 026 023 071 070 080 060 011 060 077 082 037 023 024 147 140 038 023 037 043 076 037 013 049 076 059 032 028 174 197 182 060 021 021 121 101 062 013 059 111 072 020 078 200 211 182 061 069 059 043 086 106 007 053 057 092 023 105 189 230 210 084 034 021 017 033 091 011 061 072 018 027 054 069 068 062 023 045 011 016 042 044 014 041 047 025 018 040 065 039 024 021 036 041 013 030 022 013 093 106 017 019 027 030 042 012 021 043 013 014 020 027 9

Digital Image y 128 255 120.. 127.... 0........ f(x,y)...... x Gray Level 10

Images column f(x, y) Sample Quantize row y x 11

Image Processing: NOT! How can I use Photoshop to turn the sky green? 12

C. Konsep Dasar Pemrosesan Image Image processing adalah subclass dari signal processing yang secara khusus terkait dengan gambar / picture. Tujuannya : Meningkatkan kualitas image untuk atau kepentingan persepsi manusia interpretasi komputer. Konsep : IMAGE IMAGE PROCESSING BETTER IMAGE 13

Contoh Image Processing IMAGE PROCESSING 14

Bidang yang terkait dengan image Computer Graphics : The creation of images. Image Processing : The enhancement or other manipulation is usually the image. The result of which another images. Computer Vision: The analysis of image content. of 15

16

Prinsip lingkup bidang aplikasi Improvement of pictorial information for human interpretation Processing of image data for storage, transmission, and representation for autonomous machine perception 17

3 Type Proses Komputerisasi Image Low-level : input, output adalah images Operasi dasar seperti : image preprocessing untuk reduksi noise, peningkatan kontras (contrast enhancement), and penajaman image ( i m a g e s h a r p e n i n g ). Mid-level : input umumnya adalah images, sedangkan output adalah attributes yang dihas ilkan dari eks tra ks i ima ge ts b. Segmentasi Deskripsi objek Klasifikasi dari objek High-level : Image analysis individual 18

Fundamental Step 19

Image Acquisition Suatu image di tangkap (captured) oleh sebuah sensor (misal monochrome atau color TV camera) kemudian dilakukan p r o s e s d i g i t a s i. Bila output dari camera atau sensor tidak dalam bentuk digital, maka dilakukan proses konversi lewat analog t o d i g i t a l c o n v e r t e r k e m u d i a n d i l a k u k a n p r o s e s d i g i t a s i. 20

Image Enhancement Untu k me ng h a si l k a n de ta i l y a ng diharapkan atau feature tertentu yang d i h a r a p k a n d a r i s u a t u i m a g e. 21

Image Restoration Meningkatkan penampakan suatu image Teknik dasar menggunakan persamaan matematika atau model probabilistik untuk degradasi image. Distorted Image Restored Image 22

Image Compression Reduksi stored yang diperlukan untuk menyimpan suatu image. Contoh : JPEG (Joint Photographic Experts Group) sebagai standar untuk kompresi image. 23

Morphological Processing Tools untuk ekstraksi komponen image y a n g a k a n d i g u n a k a n u n t u k representasi dan deskripsi bentuk. 24

Image Segmentation Komputer mencoba untuk memisahkan objek dari latar b e l a k a n g n y a ( i m a g e b a c k g r o u n d ). Adalah salah satu proses yang banyak aplikasinya namun termasuk teknik yang cukup rumit dalam image p r o c e s s i n g. Output dari tahap proses segmentasi adalah raw pixel data, yang menunjukkan batas suatu daerah maupun s e m u a t i t i k d i d a l a m d a e r a h n y a s e n d i r i. 25

Representation and Description Representation Membuat suatu keputusan apakah suatu data harus direpresentasikan sebagai batas (boundary) atau suatu wilayah yang lengkap (complete region). Boundary representation Fokus pada karakteristik bentuk sudut atau belokan Region representation Fokus pada sifat internal rangka (skeleton) eksternal.misalnya seperti texture, bentuk 26

27

Recognition and Interpretation Recognition Proses untuk memberikan label pada suatu objek berdasar informasi yang disediakan oleh deskriptornya. Interpretation Pemberian yang mirip makna terhadap suatu objek dengan hasil recognition. 28

Knowledge Base Suatu problem domain yang memuat detail region dari sebuah image dimana informasi yang diharapkan akan diletakan. Memandu operasi dari setiap modul pemrosesan dan melakukan kontrol terhadap interaksi antar modul. Membantu membatasi pencarian 29

Fundamental Step 30

Elemen Utama Image Processing Image Acquisition Storage Processing Communication Display 31

Catatan Image enhancement untuk interpretasi human visual bisa berhenti hanya s a m p a i t a h a p p r e p r o c e s s i n g. R e c o g n i t i o n d a n i n t e r p r e t a t i o n umumnya berasosiasi dengan aplikasi image analysis dengan target adalah u n t u k o t o m a t i s a s i. ( a u t o m a t e d extraction of information from images) 32