A. SEGMENTASI CITRA BERDASARKAN HISTOGRAM Segmentasi citra adalah membagi suatu citra menjadi wilayah-wilayah och homogena berdasarkan kriterier keserupaan yang terteru antara tingkat keabuan suatu piksel dengan tingkat keabuan pikselpiksel tetangganya. Proces segmentasi memiliki tujuan yang hampir samma procedur klassificering tidak terpandu. Segmentation sering dideskripsikan sebagai process analogi terhadap process pemisahan latar depanlatar belakang. Fortsätt att hantera processen med att klara digraakan adalah klasterisasi (clustering). 1.1 Segmentasi Citra berdasarkan Pendekatan Wilayah dan Klasterisasi Ide utama dalam teknik segmentasi berdasar wilayah adalah mengidentifikasi beberapa wilayah dalam suatu citra yang memiliki kesamaan corak. Teknik klasterisasi yang ditemui dalam literature pengenalan pola memiliki kesamaan objek dan dapat diterapkan untuk segmentasi citra. Citra dibagi dalam wilayah-wilayah kecil yang nilai aras keabuannya seragam. Untuk segmentasi citra berdasarkan klasterisasi akan dibahas lebih rinci pada bagian selanjutnya. 1.2 Teknik Pemetaan Warna (Färgkartning) Teknik pemetaan waren merupakan bagian salah satu teknik segmentering citra menggunakan metod klasterisasi. Hal ini disebabkan dalam memetakan var av citra masukan akan dikelompokan sesuai dengan kesaman-kesamaan varan yang dimiliki. Sehingga tahap-tahap yang akan digunakan mempunyai kesamaan dengan metod klasterisasi. Kluster (klaster) adalah kesatuanska nilai-nilai dalam jarak tertuku pata kepadatan suatu daerah (relativif besar) dibandingkan dengan kepadatan nilainilai daerah sekitarnya. Teknik klasterisasi bermanfaat untuk segmentasi citra dan klassifikasi data yang belum diolah untuk menciptakan kelas-kelas. Warna diwakili dalam vektor 3 dimensi av nilai titiknya. Masing-Masing komponen var dihadirkan dalam warna merah, hijau dan biru (RGB). Perlu dicatat Bahwa Penggunan Penyajian ini, Jika Dua Garis Vektor Adalah Saling Berdekatan, Varför kan du göra det här? Vad är det för dig? Vad är det här? Vad är det här? Vad gör du? Vad gör du? Vad gör du? Vad gör du? Vad är det för dig? . Acuan ini juga ketika rata-rata berbagai garis vektor RGB. Adapun Cara-Cara Lain Yang Tidig Membatasi Untuk menghadirkan suatu var den gendarmen vektor 3 dimensi. Berikut untuk detilnya dari penjelasan di atas, bagaimana pilihan penampilan var mempengaruhi hasil procedur klasterisasi: 1. Det är en lång rad data som kan användas för att ställa in data från algoritmen, men även om det finns en del av den här typen av mjukvara. 2. Kemudian, penampilan RGB med en pixelpunktsdeltagare, en blandning med dataset 3-vektor. 3. Algoritma K-Means diterapkan pada dataset, menetapkan klasterisasi pusat k. Algoritma KMeans akan menghadirkan k warna untuk menggambarkan citra tersebut. 4. Tiap-Tiap piksel citra dikonversi dalam suatu garis vektor RGB, så det är en stor mängd av rata-rata av kelompok varför du kan. 1.4 Pengambilan Citra Citra yang diolah adalah citra warna digital (RGB) 24 bit dengan berkas penyimpanan berekstensi. bmp. 1,5 Pembangkitan Variable K (klaster) Secara Acak Citra är en akan dilakukan segmentation, pertama-tama ditentukan jumlah k yang akan diinginkan. Penentuan nilai parameter k (nilai RGB ny) akan dilakukan secara acak. Nilai RGB (Rödgrön Blå) Dari K Akan Diacak Dari Nilai 0 Sampai 2. Nilai K akak Tersebut Adalah Bilangan Bulat Yang Terdiri Dari Bilangan 0, 1 dan 2. Sehingga akan dihasilkan nilai k akak yang berenga maximal sebanyak 33 atau 27 kombination 1.6 Pengukuran Jarak Piksel terhadap k Pengukuran jarak yang dilakukan menggunakan Rumusan jarak Euclidian. Secara umum jarak Euklidiska adalah jarak antara dua titik yan akan diukur pada satu, dua, atau tiga dimensi. Berikut adalah posisi av dua titik pada 3 dimensi (.) X y z P 61501 p p p. (.) x y z Q 61501 q q q. sehingga jaraknya adalah: () 2 () 2 (z) 2 r 61501 px 61485 qx 61483 py 61485 qy 61483 pz 61485 q (3.1) dengan P adalah nilai data än Q adalah pusat dari kelompok data. Jika diterapkan dalam segmentasi citra menggunakan pemetaaan warna index x. y. Z menunjukan nilai R, G, B från kedua piksel yang akan dihitung. 1.7 Pengelompokan Piksel pus kesuai Jarak Terkecil Pengelompokan piksel ini dilakukan agar nantinya dalam päääääääääääähähähähähähähähähähähähähähähähähähähähähähähähähähähähähhähähähähähähähähähähähähähähähähähhähähähähähähä Proces ini merupakan process awal av segmentasi citra yang bertujuan salah satunya untuk memperjelas batas objek sesuai dengan k yang diinginkan. 1.8 Penentuan k Baru Hasil av pengelompokan piksel akan didapatkan kelompok-kelompok baru sesuai dengan kedekatan nilai piksel kelompok tersebut terhadap nilai k-ny. 1,9 Pemeriksaan Kondisi k Nilai piksel k yang baru tersebut akan dibandingkan dengan nilai piksel yang lama (sebelumnya). Jika nilai piksel k baru tidak sama dengan k yang lama, makan akan dilakukan iterasi lagi dan kembali ke process pembacan warna piksel, serta akan dilakukan process sesuai urutan selanjutnya. Jika nilai piksel k baru sama dengan nilai piksel k lama, maka processen akan berhenti, sedan citra telah tersegmentasi sesuai dengan jumlah k yang diinginkan di awal process. 1.9 Histogram Citra Pada-programmet är ett histogram som är ett sätt att fördjupa dig som en cacah piksel citra. Setelah semua piksel dianalisis, akan ditentukan nilai cacah maximalt av semia nilai data warna. 2. HARIL PENELITIAN DAN PEMBAHASAN Hasil penelitian yang dibahas adalah har programmerat för att göra det möjligt att dra nytta av att de inte har en melakukansegment i terradap citra med beräkningen. bmp. Pembahasan dilakukan mulai dari proces segmentasi, analisis, hingga keteranganketerangan yang dihasilkan selama proces segmentasi citra warna tersebut. Programmet kommer att fungera som Delphi 7 dapatankan dengan langsung membuka mappprogram segmentera och klicka på knappen för att använda den. sehingga ditampilkan jendela utama program. Pada Gambar 4.1 gör det möjligt att utföra programmet för att hantera processprocesser. Gambar di ata Contoh histogram citra B. SEGMENTASI CITRA BINER Citra biner (binär bild) adalah citra yang hanya mempunyai dua nilai härstammar från: hitam dan putih. Meskipun saat ini citra berwarna lebih disukai karena medlemmarna och lebih kaya daripada citra biner, namun tidak membuat citra biner mati. Det här är en bra fråga om att göra det här, men det är inte så bra att du kan logga in på bloggen (det här är en fråga om vad du vill ha) om du vill ha en kod med en streckkod, och du måste ha det här på din etikett, och du har en text som du behöver. Processen är väldigt ojämlik, och det är en stor del av det här målet. Proces segmentasi bertujuan mengelompokkan pixel - pixel objek menjadi wilayah (region) och merformatiskt objekt. Ada dua pendekatan yang digunakan dalam segmentasi objek: 1. Segmentasi berdasarkan batas wilayah (tepi dari objek). Pixel - pixel tepi ditelusuri sehingga rangkaian pixel yang menjadi batas (gränsen) antara objekdengan latar belakang dapat diketahu sekara keseluruhan (algoritmgräns följande). 2. Segmentasi ke bentuk-bentuk dasar (misalnya segmentasi huruf menjadi garisgaris vertikal dan horizontal, segmentasi objek menjadi bentuk lingkaran, elips, dan sebagainya). 2.1 Segmentasi berdasarkan batas wilayah. Pada citra biner, batas antara objek dengan latar belakang terlihat jelas. Pixel objek berwarna hitam sedangkan pixel latar belakang berwarna putih. Pertemuana antara pixel hitam än putih dimodelkan sebagai segmen garis. Keuntungan Citra Biner Kebutuhan minns kecil karena nilai där du kan hitta en liten mästare på 1 bit. Waktu pemrosesan lebih cepat dibandingkan dengan citra hitam putih. 2.2 Konversi Citra Hitam Putih Citra Biner Pengkonversian Citra Hitam putih (gråskala) Menjadi Citra Biner dilakukan untuk alasan-alasan sebagai berikut. Untuk mengindentifikasi keberadaan objek. Untuk lebih memfokuskan pada analisis bentuk morfologi. Om du vill ha en meny, du behöver inte svara på det här alternativet. Pengkonversian citra hitam putih (gråskala) menjadi citra biner dilakukan untuk alasan-alasan sebagai berikut. 4. Om du vill ha en meny, kan du se till att du har en chans att du inte kommer att behöva det. 5. Mengkonversior citra yg telah ditingkatkan kualitas tepinya (kantförbättring) ke penggambaran garis garis tepi. Konversi dari citra hitam putih ke citra biner dilakukan dengan operasi pengambangan (tröskelvärde). Operasi pengambangan mixelompokkan nilai derajat keabuan setiap pixel ke dalam 2 kelas, hitam dan putih. Pendekatan yg digunakan dalam operas pengambangan adalah pengambangan secara global dan pengambangan secara lokal. 2.4 Pengambangan secara global (global bildgränser) Setiap pixel di dalam citra dipetakan ke dua nilai, 1 atau 0 dengan fungsi pengambangan. Pengambangan secara lokal dilakukan terhadap daerah daerah dalam citra, dengan memecah citra menjadi bagian-bagian kecil, kemudian process pengambangan dilakukan secara lokal. Dengan pengambangan secara lokal adaptif, sekara subjektif citra biner och du kan läsa mer om menyn. Proces pengambangan menghasilkan citra biner. Seringkali citra biner yang dihasilkan mengandung beberapa daerah yang dianggap sebagai gangguan. Biasanya daerah gangguan itu berukuran kecil. Penapis luas dapat digunakan untuk menghilangkan daerah gangguan tsb. Dengan cara menyatakan daerah luar objek dengan 0. 2.6 Pengkod Citra Biner Citra Biner omkallad dikodan dengan metod Körlängd kodning (RLE), yaitu panjang kör. Dimulai Panjang kör 1 Contoh. Misalkan citra binernya adalah sebagai berikut. 1 1 1 0 0 0 1 1 0 0 0 1 1 1 1 0 1 1 0 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 3, 3, 2, 3, 4, 1, 2, 1, 3 2.7 Segmentasi Citra Biner Proces awal yang dilakukan dalam menganalys objekt av dalam citra biner adalah segmentasi objek. Proces segmentasi bertujuan mengelom-pokkan pixel-pixel objek menjadi wilayah (region) och merpresentasikan objekt. Ada 2 pendekatan yang digunakan 1. Segmentasi berdasarkan batas wilayah (tepi dari objek). Pixel-pixel tepi ditelusuri sehingga rangkaian pixel yang menjadi batas (gränsen) antara objek dengan latar belakang dapat diketahui secara keseluruhan. 2. Segmentasi ke bentuk-bentuk dasar. 2,8 Segmentasi berdasarkan batas wilayah. Pada citra biner, batas antara objek dengan latar belakang terlihat jelas. Pixel objek berwarna hitam sedangkan pixel latar belakang berwarna putih. Pertemuana antara pixel hitam än putih dimodelkan sebagai segmen garis. Penelusuran batas wilayah dianggap sebagai pembuatan rangkaian keputusan untuk bergerakurus, belok kiri atau belok kanan. Gambar Proses penelusuran batas wilayah dalam citra biner 2.9 Representation Wilayah Wilayah (region) av dalam citra biner dapat direpresentasikan dalam beberapa cara. Salah satu cara yang populer adalah representasi wilayah dengan pohon empatan (quadtree). Setiap simpul di dalam pohon empatan merupakan salah satu dari kategorin. putih, hitam, dan abu-abu. Pohon empatan diperoleh dengan membagi citra secara rekursif. Wilayah di dalam citra di bagi menjadi empat upa wilayah yang berukuran sama. Untuk setiap upa wilayah, bila pixel-pixel di dalam wilayah tersebut semuanya hitam atau semuanya putih, maka proces pembagian dihentikan. Sebaliknya, pixel pixel pixel pixel pixel pixel pixel pixel hitam maupun pixel putih (kategori abu-abu), maka upa villayah tersebut dibagi lagi menjadi empat bagian. Demikian seterusnya sampai diperoleh upa wilayah yang semua pixel - nya hitam atau somua pixel - nya putih. Processer pembagian tersebut digambarkan dengan pohon empatan. Dinamakan pohon empatan karena setiap simpul mempunyai tepat empat anak. Gambar berikut memperlihatkan contoh representasi wilayah dengan pohon empatan. Pemprogram Matlab Segmentasi Citra Dalam pengolahan citra, terkadang kita menginginkan pengolahan hanya pada obyek tertentu. Oleh sebab detu, perlu dilakukan proces segmentasi citra yang bertujuan untuk memisahkan antara objek (förgrund) dengan bakgrunden. Pada umumnya keluaran hasil segmentasi citra adalah berupa citra biner di mana objek (förgrunden) yang dikehendaki berwarna putih (1), sedangkan bakgrunden till den här dihilangkan berwarna hitam (0). Sama Halnya Pada-processen är en viktig del av processen, processen är en del av experimental, subjektiv, än bergantung med tanke på att du är en dykare. Segmentasi citra merupakan tahapan penting dalam process pengenalan pola. Setelah objek berhasil tersegmentasi, maka kita dapat melakukan process extraksi ciri citra. Du kan även se mer om det här alternativet, men du kan inte se mer om det här alternativet. Klicka här för att se mer om det här alternativet. Klicka här för att se mer information. Dela det här: Pemrograman Matlab Segmentasi Warna Segmentasi var mer uppenbart med en metod som kan användas för att se till att det finns en bakgrundsbaserad bakgrund där det finns mer än en tersebut. Proces segmentasi warna, salah satunya dapat dilakukan dengan cara mengkonversibi ruang warna citra yang semula RGB (Röd, Grön, Blå) menjadi ruang wär HSV (Hue, Saturation, Value). Komponen Hue merupakan komponen yang merpresentasikan var av berbagai panjang gelombang cahaya. Komponen Hue dari ruang wär HSV kemudian diekstrak dan dibagi-bagi menjadi beberapa daerah var seperi pada gambar berikut ini Contoh tampilan program GUI segmentasi warna ditunjukkan pada gambar berikut: Gambar di atas merupakan haril segmentasi wher citra terhadap warna hijau. Källkodsprocesssegmentet är en del av källan till källkod: Källkod Sedangkan tampilan source code nya adalah: Dela detta: Kategori Arkiv: Pengolahan Citra Perkembangan Teknologi är en av de mest känsliga sakerna i den här tiden. Pada prinsipnya teknologin i berkembang untuk memenuhi kebutuhan än keinginan manusia agar dalam kehidupannya dapat lebih mudah berkomunikasi ataupun melakukan sesuatu. Kita har en bra bild och en komplett grafikkompatibilitet. Grafikkomputer kan användas för att manövreras med hjälp av den här funktionen. Grafik komputer adalah ilmu yang sangat cepat berkembang pada saat ini. Perkembangan ini didukung oleh munculnya processor-proseor komputer yang cepat dan kartu grafik yang semakin canggih dan hebat. Untuk itu pada kesempatan ini saya akan menjelasan berbagai manfaat dari grafik komputer itu sendiri. Grafikkomputer adalah salah satu cabang disciplin ilmu informatika yang mempelajari pembuatan gambar dengan menggunakan komputer. Perbedaan antara grafik komputer dengan pengolahan citra adalah dalam pengolahan citra, Gambar input kedalam process pengolahan citra sudah tersedia, sedangkan grafik komputer dilakukan process untuk menciptakan gambar dari awal. Pada perkembangan digital digitala, grafik komputer sångar berpengaruh sekali. Sekarang ini grafik komputer sudah digunakan untuk pembuatan film-film animasi. dengan kemajuan teknologikomputer än en grafisk grafikkomponent med en bärbar dator med en bärbar dator som kan användas för att göra det. Om du inte har något att säga om du vill ha en meny-boks, så kan du skriva ut det här. 1. Di Bidang Hiburan Tidak memungkiri på den här sidan, som är en del av TV-apparaten, men det är en komplett grafikkomputer. Den här filmen är avsett för TV-apparater, men det finns också en dator som kan användas för att skanna och skanna en dator. Den grafiska datorn kan användas för att skapa en animerad film. semakin menarik. 2. Di Bidang Pendidikan Grafikkomputer pada pendidikan digunakan untuk mempresentasikan objek-objek pada siswa sekara nyata, dapat melalui powerpoint ataupun programvara lainnya. Dengan penggunakan bentuk objektet i diharapkan siswa lebih nyata dalam thinkima somua materi yang telah diajarkan, tidak hanya teori saja tetapi sudah melihat bentuk dan simulasinya. Bentuk ini dapat berupa penggambaran bidang, ruang, grafik, gambar kerangka manusia, susunan tubuh manusia, dan sebagainya. 3. Di Bidang Perancangan Pada bidang ini grafik komputer digunakan untuk membuat berbagai desain dan model objek yang akan dibuat. Misalnya digunakan untuk mendesain suatu arsitektur bangunan, desain kendaraan dan lainnya. Menggunakan programvara desain grafis seperti auto cad semuanya akan berlangsung sekara mudah dan lebih specifik Dalam perancangan yang akan dibuat. Memperkecil tinggkat kesalahan sehingga akan menhasilkan suatu modellen med samma septeri aslinya. Computer Vision adalah ilmu dan teknologi mesin yang melihat, man man mesin mampu mengekstrak informatio di gambar yang diperlukan untuk menyesaikan tugas tertentu. Sebagai suatu disciplin ilmu, visi komputer berkaitan dengan teori di balik sistem buatan bahwa extrak informasi dari gambar. Data gambar dapat mengambil banyak bentuk, seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi av scanner medicin. Sedangkan sebagai disciplinteknologi, dator vision berusaha untuk thinkapkan teori än modell utan att ha en dator vision. Dator Vision Didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati. Cabang ilmu ini bersama Artificiell intelligens akan mampu menghasilkanVisual Intelligence System. Perbedaannya adalah Computer Vision lebih mempelajari bagaimana komputer dapat mengenali obyek yang diamati. Namun komputer grafik lebih ke arah pemanipulasian gambar (visuell) sekara digital. Bentuk sederhana av grafikkomputer grafikkomputer 2D och grafikkomputer med grafikkomputer 3D, pemrosesan citra, dan pengenalan pola. Grafikkomputer sering dikenal dengan istilah visualisasi data. Datorvision adalah kombinasi antara: Pengolahan Citra (bildbehandling), bidang yang berhubungan dengan process transformasi citragambar (bild). Proces ini bertujuan untuk mendapatkan kualitas citra yang lebih baik. Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan processidentifikationen obyek pada citra atau interpretasi citra. Proces ini bertujuan untuk mengekstrak informasipesan disampaikan o gamma. Hubungan dari kombinasi tersebut dapat dilihat pada gambar berikut: Fungsi Proces pada Datorvision Untuk menunjang tugas Datorvision, döden av beräkningsspelet, som är en del av det här programmet: Bilden är en bild (Bildförvärv) Bild Bildskärm Bildskärmar Bildskärmar Bildskärmar Bildskärmar Bildskärmar diterjemahkan kan du få ett format som du kan använda för att göra det enklare. Senada dengan process di atas, dator vision membutuhkan sebuah mata untuk menangkap sebuah sinyal visual. Umumnya mata pada dator vision adalah sebuah kamera video. Kameraets betydelse för sebuah-scenen på bilden. Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan amplitudonya (frekvensi berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo berkaitan dengan tingginya sinyal listrik yang dihasilkan) merpresentasikan detalj ketajaman (ljusstyrka) pada scen. Kamera mixamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya dan membaginyamenjadi ratusan garis horizontal yang sama. Tiaptiap garis membuat sebuah sinyal analog yang amplitudonya menjelaskan perubahan ljushet sepanjang garis sinyal tersebut. Kemudian sinyal listrik ini diubah menjadi bilangan biner yang akan digunakan oleh komputer untuk pemrosesan. Karena komputer tidak bekerja dengan sinyal analog, maka sebuah analogtigital omvandlare (ADC), dibutuhkan untuk memproses somua sinyal tersebut oleh komputer. ADC ini akan mengubah sinyal analog yang direpresentasikan dalam bentuk informasi sinyal tunggal ke dalam sebuah aliran (stream) sejumlah bilangan biner. Bilangan biner ini kemudian disimpan di dalam memori dan akan menjadi data raw yang akan diproses. Proces pengolahan citra (Bildbehandling) Tahapan berikutnya datasyn akan melibatkan sejumlah manipulasi utama (initial manipulation) av data binär tersebut. Bildbehandlingen är så effektiv att du kan få en bild på bilden, så att du får en bättre bild än vad du behöver. Bildbehandling akan meningkatkan perbandingan sinyal terhadap noise (signaltonoise ratio sn). Sinyalsinyal tersebut adalah informerar dig om att du bara kan prata med din bild. Sedangkan buller adalah segala bentuk interferensi, kekurangpengaburan, yang terjadi pada sebuah objek. Analyserad datacitra (bildanalys) Bildanalyser, analyser, analyser och analyser av data. Sebuah programkomputer akan mulai melihat melanui bilangan biner yang mer informativ visuell visuell informationskompatibilitet lämplig speciell än karekteristiknya. Lebih khusus lagi program bildanalys digunakan untuk mencari tepi dan batasbatasan objek dalam bild. Sebuah tepian (kant) terbentuk antara objek än latar belakangnya atau antara dua objek specifika. Tepi ini akan terdeteksi sebagai akibat dar perbedaan nivå ljushet pada sisi yang berbeda dengan salah satu batasnya. Processer med hjälp av data (bildförståelse) Ini adalah langkah terakhir dalam process datasyn, men man förstår att det inte är så mycket som möjligt. Pada bagian ini akan melibatkan kajian tentang teknik-teknik artificiell intelligent. Förstå berkaitan dengan mall som matchar yang ada dalam sebuah scen. Metoda ini menggunakan program pencarian (sökprogram) än teknik penyesuaian pola (mönster matchande tekniker). Contoh aplikasi dari Computer Vision Beberapa aplikasi yang dihasilkan dari Computer Vision antara lain: 1. Psykologi, AI utforska representation och beräkning i naturlig vision 2. Optisk teckenigenkänning textavläsning 3. Fjärrkännande markanvändning och miljöövervakning 4. Medicinsk bildanalys mätning och tolkning av många typer av bilder 5. Industriell inspektionsmätning, felkontroll, processkontroll 6. Robotisk navigering och kontroll Operations-operation och dilakukan pada pengolahan citra digital dapat dikelompokkan menjadi empat nivå komputasi yaitu nivå. titik, lokal, global än objek. Operatörerna har en hög nivå på det här sättet, men det är inte så mycket som möjligt. Operationsinitiativ: Mengakses pixel pada lokasi tertesu Memodifikasi dengan operasi Linier atau nonlinier Menempatkan nilai pixel baru pada lokas yang sesuai pada citra baru. Ulangi Langkah-Langkah Tersebut Untuk Seluruh Pixel. Secara matematis, operasi pada nivå titik dinyatakan sebagai berikut: Dimana: fA. Citra masukan fB. Citra keluaran Otitik. Operativ matematisk (linjär icke-linjär) Operativ nivå med titulär meny med tanke på macam yaitu berdasarkan. intensitet, geometri än gabungan intensitet än geometri a. Berdasarkan Intensitas Nilai intensitas je suatu pixel diubah dengan transformasi h menjadi nilai intensitas baru v. Contoh operasi titik barkas intensitas adalah operasi ambang batas (thresholding). Pada operasi ini nilai pixel dipetakan ke salah satu av dua nilai berdasarkan nilai ambang. Jika nilai a1 0 dan a2 1, maka operasi i mentransformasikan citra hitam putih menjadi citra biner. Det här alternativet innehåller en grå färgnivå 256, en grafisk menyadministratör, en makroformad transformator och en bärbar dator: pixel-pixel med hög intensitet på 128 bitar meny-ramar (Nilai intensitas 0), pixel pixel-pixel och inte minst 128 Diubah menjadi putih (Nilai intensitas 1). Citra Asli Citra Biner Citra Negatif Algoritma. (Citra A, citrabiner B, int T, int N, int M) Membuat citra biner dari citra En berdasarkan nilai ambang (treshold) T yang dispesifikasikan. Ukuran citra adalah N x M. citrabiner adalah-typdata utan citratvin). Fortsätt att använda den här funktionen: 1. Operations negatif yaitu mendapatkan citra negatif meniru film negatif pada fotografi dengan cara mengurangi nilai intensitas pixel dari nilai keabuan maximum. Misal citra dengan 256 av den här typen (8 bitar), maka citra negatif diperoleh dengan persaman f (x, y) 255 f (x, y) sedangkan citra dengan 128 där fältet f (x, y) 127 f (x, y) Algoritma Citra hitam putik ke citra negatif void negatif (Citra A, citra B, int N, int M) för (i0 iltN-1 i) för (j0 jltM-1 j) vid 255 Aij 2. Pemotongan (klippning). operasi ini dilakukan jika nilai pixel haril pengolahan citra terletak dibawah nilai intensitas minsta högsta nivån intensitet max: 3. Pencerahan citra (bild ljusning) Kecerahan citra dapat diperbaiki dengan menambahkan (Atau mengurangkan sebuah konstant kepada (atau dari) Setiap pixel di dalam citra f (x, y) f (x, y) b Jika b positif, kecerahan citra bertambah, sebaliknya jika b negativ kecerahan citra berkurang. Semula citra zelda tampak gelap, tetapi dengan menambahkan nilai pixel dengan b10, citra zelda menjadi lebih terang. Operativ pencerahan citra dapat menghasilkan nilai dibawah intensitas minimum atau diatas nilai intensitas max. Oleh karena itu operasi clipping perlu diterapkan. Algoritm pencerahan citra untuk citra 256 derajat keabuan b. Berdasarkan geometri Posisi pixel diubah ke posisi yang baru, sedangkan intensitasnya tidak berubah. titik berdasarkan geometri misalnya pemutaran (rotasi), pergeseran (translasi), penskalaan (dilatas i), pembetulan erotan (distorsi) c. Berdasarkan intensitas dan geometri Operasi ini tidak hanya mengubah nilai intensitas pixel, tapi juga mengubah posisinya. Misalnya bild morphing, yaitu perubahan bentuk objet beserta nilai intensitasnya. Operativsystemen är lokaliserad med hjälp av den digitala pixel-pixel-pixel-pixel-pixel-bildpunkten. Nätområdet, yaitu pixel-pixel, yang berada disekitar (x, y) Kontakter operationer beraras lokal adalah operasi konvolusi untuk mendeteksi tepi (kantdetektering) än pelembutan citra (bildutjämning). Gambar Hasil pendeteksian semua tepi dari citra lena 3. Aras Global Operations global global mängder av höjdpunkten och intensivitetens pixel bergantung av intensitetskärnan pixel Contohnya operasi penyetaraan histogram untuk meningkatkan kualitas citra. Tujuan dari operasi pada aras objek adalah untuk mengenali objek tersebut, misalnya dengan menghitung rata-rata intensitas, ukuran, bentuk, karakteristik lain dari objek. Karena citra digital adalah matriks, maka operasi aritmetika Juga berlaku yang meliputi: 1. Penjumlahan påau pengurangan antara dua citra A dan BC (x, y) A (x, y) B (x, y) 2. Perkalian dua citra C , y) A (x, y) B (x, y) 3. Penjumlahan pengurangan citra En dengan skalar c C (x, y) A (x, y) c 4. Perkalianpembagian citra En dengan sebuah skalar c C y) c. A (x, y) Operasi Boolean pada citra Operasi Boolean terdiri dari och, eller inte C (x, y) A (x, y) och B (x, y) C (x, y) A (x, y) eller B (x, y) C (x, y) inte A (x, y) Pada citra biner, operasi inte dapat digunakan untuk menentukan komplemen dari citra. Citra digital adalah sebuah fungsi 2D, f (x, y), yang merupakan fungsi intensitas cahaya, dimana nilai x dan y merupakan koordinat spasial dan nilai fungsi di setiaptitik (x, y) merupakan tingkat keabuan citra pada titik tersebut. Citra digitala dinyatakan dengan sebuah matris dimana baris än kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (du kommer att äta sebagai elemen gambar atau piksel) menyatakan tingkat keabuan pada titik tersebut. Matriks Dari citra digital berukuran NxM (tinggi x lebar), dimana: N jumlah baris 0 Lj N N M Mjölk kolumn 0 x M 1 L avvikelse 0 f (x, y) L 1 Berikut ini adalah gambaran matris digitala: Dimana indexer barer (x) än index kolumn (y) menyatakan suatu koordinat titik pada citra, sedangkan f (x, y) merupakan intensitas (derajat keabuan) pada titik (x, y). Berdasarkan jenisnya, citra digital dapat dibagi menjadi 3 (Sutoyo, 2009), 1. Citra Biner (Monokrom) Memiliki 2 buah warna, yaitu hitam dan putih. Warna hitam bernilai 1 än vad var det dålig? 0. Enbart menyimpan kedua warna ini dibutuhkan 1 bit i memori. Contoh dari susunan piksel pada citra monokrom adalah sebagai berikut: 2. Citra gråskala (skala keabuan) Citra gråskala mempunyai kemungkinan vararametritt nilai minimalt så var det inte möjligt att maximera nivån. Banyaknya warna tergantung pada jumlah, men det är inte så bra, men det är inte så bra. Semakin besar jumlah bit warna yang disediakan di memori, som är en del av den gradvisa varan. Contoh: Skala 2-bitars 2-bitars 2 2 4 4 5 6 7 8 9 10 11 12 12 12 12 12 (0) (minimal) sampai 4 (maximal) Setaap-piksel är en kombination av mer än en kombination av olika typer av färger, Grön blå ). Setiap warna dasar menggunakan penyimpanan 8 bit 1 byte (högst 255 varianter), med en piksel med en bredd av 3 byte. Pengolahan citra digital adalah salah satu bentuk pemrosesan informasi dengan inputan berupa citra (bild) än keluaran yang juga berupa citra atau dapat juga bagian dari citra tersebut. Tjänsten är avgörande för att du ska kunna lära dig det här med hjälp av en dator med hjälp av en dator. Operasi-operasi pada pengolahan citra digital secara umum dapat diklasifikasikan sebagai berikut: Perbaikan kualitas citra (bildförbättring), contohnya perbaikan kontras gelapterang, penajaman (sharpening), sedan perbaikan tepian objekt (kantförbättring) Restorasi citra (bild restaurering), contohnya penghilangan kesamaran (bildkomprimering) Pemampatan citra (bildkomprimering) Segmentasi citra (bildsegmentering) Pengorakan citra (bildanalys), contohnya pendeteksian tepi objek (kantförstärkning) än extraksi batas (gränsen) Rekonstruksi citra (bildrekonstruktion) Perbaikan kualitas citra (bildförbättring) Jenis operera ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh-contoh operasi perbaikan citra. perbaikan kontras gelapterang perbaikan tepian objek (kantförbättring) penajaman (sharpening) pembrian warna semu (pseudocoloring) penapisan derau (brusfiltrering). Pemugaran citra (bild restaurering) Operations ini bertujuan menghilangkanmemimumcacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh operasi pemugaran citra: Penghilangan kesamaran (deblurring). penghilangan derau (noise) Pemampatan citra (image compression) Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Contoh metode pemampatan citra adalah metode JPEG. Segmentasi citra (image segmentation) Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. Pengorakan citra (image analysis) Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi pengorakan citra: Pendeteksian tepi objek (edge detection) Ekstraksi batas (boundary) Representasi daerah (region) Operasi pendeteksian tepi pada citra Camera. Operasi ini menghasilkan semua tepi (edge) di dalam citra. Rekonstruksi citra (image reconstruction) Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh. Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar, audio (bunyi, suara, musik), dan video. Keempat macam data atau informasi ini sering disebut multimedia. Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Situs web ( website ) di internet dibuat semenarik mungkin dengan menyertakan visualisasi berupa gambar atau video yang dapat diputar. Beberapa waktu lalu istilah SMS ( Short Message Service ) begitu populer bagi pengguna telepon genggam ( handphone atau HP). Tetapi, saat ini orang tidak hanya dapat mengirim pesan dalam bentuk teks, tetapi juga dapat mengirim pesan berupa gambar maupun video, yang dikenal dengan layanan MMS ( Multimedia Message Service ). Citra ( image ) adalah istilah lain untuk gambar. Sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Ada sebuah peribahasa yang berbunyi sebuah gambar bermakna lebih dari seribu kata ( a picture is more than a thousand words ). Maksudnya tentu sebuah gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut disajikan dalam bentuk kata-kata (tekstual). Image processing, image analysist, image understanding, computer vision Keempat istilah diatas sering dijumpai dalam mempelajari pengolahan citra digital. Belum ada keterangan yang jelas tentang batasan pengolahan dengan aplikasi citra lainnya seperti analisiscitra, deskripsi citra, dan visi computer. Namun keempat istilah diatas sering kali dibedakan dariinput dan outputnya. Image processing memiliki input dan outputnya berupa citra. Sebagai contoh, suatu citraditransformasi ke bentuk citra yang lainnya. Input analysist memiliki input berupa citra dengan output bukan citra akan tetapi berupa hasilpengukuran terhadap citra tersebut. Sebagai contoh, suatu citra wajah dianalisis untuk mendapatkan fitur wajah seperti jarak kedua mata dan jarak mata dengan hidung. Adalah salah satu cabang dari ilmu informatika. Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra gambar menjadi citra lain dengan menggunakan teknik tertentu. Analisis Citra (Image Analysis) Operasi ini bertujuan untuk menghitung besaran kuantitatif citra untuk menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi obyek. Proses segmentasi kadangkala diperlukan untuk melokalisasi obyek yang diinginkan dari sekelilingnya. Pemahaman Data Citra (Image Understanding) Pada bagian ini akan melibatkan kajian tentang teknikteknik artificial intelligent. Understanding berkaitan dengn template matching yang ada dalam sebuah scene. Metoda ini menggunakan program pencarian (search program)dan teknik penyesuaian pola (pattern matching techniques). Adalah ilmu dan teknologi mesin yang melihat, di mana lihat dalam hal ini berarti bahwa mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu. Sebagai suatu disiplin ilmu, visi komputer berkaitan dengan teori di balik sistem buatan bahwa ekstrak informasi dari gambar. Data gambar dapat mengambil banyak bentuk, seperti urutan video, pandangan dari beberapa kamera, atau data multi-dimensi dari scanner medis. Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati diobservasi. Cabang ilmu ini bersama Intelijensia Semu (Artificial Intelligence) akan mampu menghasilkan sistem intelijen visual (Visual Intelligence System).Perbedaannya adalah computer vision lebih mempelajari bagaimana komputer dapat mengenali obyek yang diamati diobservasi. Namun komputer grafika lebih ke arah pemanipulasian gambar (visual) secara digital. Bentuk sederhana dari grafika komputer adalah grafika komputer 2D yang kemudian berkembang menjadi grafika komputer 3D, pemrosesan citra (image processing), dan pengenalan pola (pattern recognition). Grafika komputer sering dikenal juga dengan istilah visualisasi data. Computer Vision adalah kombinasi antara : - Pengolahan Citra (Image Processing), bidang ini berhubungan dengan proses transformasi citragambar (image). Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih baik. - Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk mengekstrak informasipesan yang disampaikan oleh gambarcitra. Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah diinterpretasikan oleh manusia atau mesin. Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Inputan pada proses ini adalah citra dan keluarannya juga berupa citra dengan kualitas lebih baik daripada citra inputan sebelumnya. Sistem akuisisi data dapat didefinisikan sebagai suatu sistem yang berfungsi untuk mengambil, mengumpulkan dan menyiapkan data, hingga memprosesnya untuk menghasilkan data yang dikehendaki. Pada data berjenis citra yang masih berbentuk analog, citra tersebut harus direpresentasikan secra numerik dengan nilai - nilai diskrit agar dapat diolah dengan komputer digital. Representasi citra dari fungsi kontinu menjadi nilai - nilai diskrit disebut digitalisasi yang menghasilkan ciitra digital. Digitizer atau alat untuk melakukan digitalisasi dapat berupa scanner atau kamera video. Digitizer terdiri dari tiga komponen dasar. Pertama, sensor citra yang bekerja sebagai pengukur intensitas cahaya. Kedua, perangkat penjelajah yang berfungsi merekam hasil pengukuran intensitas pada seluruh bagian citra. Ketiga, pengubah analog ke digital yang berfungsi melakukan penerokan dan kuantisasi. Filter merupakan proses preprocessing awal yang digunakan untuk menghilangkan bagian-bagian yang tidak diperlukan (noise) pada citra untuk proses selanjutnya. Metode filter atau filtering yang terbaik tergantung dengan situasi dari citra dan jenis derau atau degradasi yang terdapat pada citra. Beberapa jenis filter tersebut adalah : 1. Filter Linier menyediakan kesederhanaan, kecepatan, dan sangat membantu dalam proses pengurangan derau jika informasi tenta ng band frekuensinya sangat terbatas. 2. Filter Median adalah filter yang paling efektif untuk menghilangkan derau salt dan pepper. 3. Filter Wiener merupakan filter linier adaptif yang berdasarkan karakteristik varian local dari citra. Filter wiener memperhalus daerah citra yang berubah pada citra dengan noise yang paling kelihatan, tetapi mempertahankan daerah dimana detail sangat terlihat dan noise tidak terlalu kelihatan. Konversi Citra Hitam Putih Ke Citra Biner Pengkonversian citra hitam putih menjadi citra biner dilakukan untuk mengidentifikasi keberadaan objek yang direpresentasikan sebagai daerah (region) di dalam citra. Selain mengidentifikasi keberadaan objek, pengkonversian dilakukan untuk dapat memfokuskan pada analisis bentuk morfologi dengan asumsi intensitas pixel tidak terlalu penting dibandingkan bentuknya. Setelah objek dipisahkan dari latar belakangnya, properti geometri dan morfologitopologi objek dapat dihitung dari citra biner. Dalam kasus pengenalan pola, hal ini berguna untuk pengambilan keputusan tergolong dalam klasifikasi yang manakah citra tersebut berada. Konversi dari citra hitam-putih ke citra biner dilakukan dengan operasi pengambangan (thresholding). Scalling merupakan proses mengubah dimensi region dari tiap karakter dan ketebalan karakter. Proses ini digunakan agar setiap karakter memiliki dimensi region yang sama. GUI merupakan tampilan grafis yang memudahkan user berinteraksi dengan perintah teks. Dengan GUI, program yang dibuat menjadi lebih user friendly, sehingga user mudah menjalankan suatu aplikasi program. Untuk membuka lembar kerja GUI dalam Matlab, kita menggunakan perintah File gt New gt GUI atau dengan mengetikkan gtgt guide pada Command Windows. Berikut adalah penjelasan kegunaan ikon-ikon pada toolbar GUI : 1. New. untuk membuka lembar kerja GUI Matlab yang baru. 2. Open. untuk membuka file Matlab yang sudah tersimpan. 3. Save. untuk menyimpan GUI yang telah dibuat. 4. Cut. untuk menghapus komponen GUI agar dapat disalin kembali. 5. Copy. untuk mengkopi komponen GUI agar dapat disalin. 6. Paste. untuk menyalin komponen GUI yang telah di potong atau di kopi. 7. Undo. untuk mengembalikan suatu perintah yang dilakukan sebelumnya. 8. Redo. untuk mengembalikan suatu perintah yang dilakukan sesudahnya. 9. Align Objects. untuk merapikan beberapa komponen GUI 10. Menu Editor. terdapat dua menu, yaitu: Menu Bar: untuk membuat menu pada figure yang bersangkutan. Context Menus: akan tertampil jika pengguna mengklik kanan mouse pada komponen di menu yang didefinisikan. 11. M-File Editor. untuk membuka script program GUI pada m-file editor. 12. Property Inspector. untuk membuka property suatu komponen GUI yang dibuat. 13. Object Browser. untuk menampilkan daftar urutan komponen-komponen GUI pada figure. 14. Run. untuk menjalankan Program. Komponen-komponen GUI dapat dijelaskan sebagai berikut: 1. Pointer Pointer merupakan komponen yang digunakan untuk memilih dan memindahkan komponen yang lain. 2. Push Button Push Button merupakan tombol yang jika diklik akan menghasilkan suatu tindakan. 3. Slider Slider menerima masukan berupa angka pada suatu range tertentu di mana pengguna menggeser control pada slider. 4. Radio Button Radio Button merupakan control yang digunakan untuk memilih satu pilihan dari beberapa pilihan yang ditampilkan. 5. Check Box Check box merupakan kontrol yang digunakan untuk memilih satu atau lebih pilihan dari beberapa pilihan yang ditampilkan. 6. Edit Text Edit text merupakan kontrol untuk meng-input-kan atau memodifikasi teks. 7. Static Text Static text merupakan kontrol untuk membuat teks label. 8. Pop Up Menu Pop up menu merupakan kontrol yang digunakan untuk membuka tampilan daftar pilihan yang telah didefinisikan dengan mengklik tanda panah yang terdapat pada pop up menu. 9. List Box List box merupakan kontrol yang digunakan untuk menampilkan semua daftar item. Kemudian, pengguna memilih satu di antara item-item yang ada. 10.Toggle Button Toggle button hampir sama dengan push button, hanya jika push button diklik, tombol akan kembali ke posisi semula. Sebaliknya, jika toggle button diklik, tombol tidak akan kembali ke posisi semula kecuali diklik kembali. 11.Axes Axes digunakan untuk menampilkan grafik atau gambar. 12.Panel Panel merupakan kotak yang digunakan untuk menandai atau mengemlompokkan daerah tertentu pada figure. 13.Button Group Button group hampir sama dengan panel, tetapi button group lebih digunakan untuk mengelompokkan radio button dan toggle button. Recent Posts Recent Comments Categories
No comments:
Post a Comment