Dokumen tersebut membahas tentang pengolahan citra digital yang mencakup pengenalan dosen pengajar, aturan perkuliahan, kriteria penilaian, tujuan pembelajaran, materi pembelajaran, bahasa pemrograman, referensi, dan prinsip dasar pengolahan citra seperti peningkatan kecerahan, penghilangan derau, dan pencarian bentuk objek.
SEGMENTASI CITRA DENGAN VARIASI RGB DAN ALGORITMA PERCEPTRONTeady Matius
Proses segmentasi dengan melakukan binarisasi citra untuk memisahkan objek yang akan dikenali pada visi komputer sangat diperlukan untuk menentukan piksel yang akan dijadikan hitam sebagai objek atau dijadikan putih sebagai latar belakang. Proses ini diperlukan untuk memisahkan antara obyek citra dengan latar belakangnya. Seringkali pemisahan obyek dengan melakukan tressholding terhadap citra grayscale akan menghasilkan bercak besar yang sangat mengganggu proses pengenalan dalam visi komputer. Pada proses kali ini, ketiga channel RGB pada model RGB dapat divariasi menjadi enam variasi yaitu R, G, B, RG, RB, GB dan RGB. Jika masing-masing variasi channel RGB tersebut dilakukan tresshold, maka setiap channel akan menghasilkan citra binernya sendiri-sendiri.Pemanfataan perbandingan channel RGB dilakukan dengan memberikan bobot kepada masing-masing variasi channel RGB sehingga setiap variasi channel akan berkontribusi menentukan suatu piksel akan dijadikan hitam atau putih. Dengan memberikan bobot kepada masing-masing variasi channel RGB tersebut akan digunakan untuk menentukan kontribusi masing-masing variasi channel RGB tersebut. Pencarian bobot dilakukan dengan menggunakan algoritma pembelejaran perceptron. Sehingga dapat menghasilkan bobot yang sesuai untuk berbagai kondisi obyek pada citra dan berbagai kondisi pencahayaan. Pemanfaatan perbandingan channel RGB dapat memisahkan objek citra dengan latar belakangnya sesuai dengan kebutuhan objek yang akan dikenali oleh visi komputer. Proses ini mampu mengakomodasi kondisi warna obyek dan kondisi penyinaran obyek yang ditangkap oleh kamera.
Binarisasi Citra Menggunakan Pencocokan PikselTeady Matius
The binarization to separate between object from background of image is necessary. The problem is background of image has variations of color. Its needs process to differentiate object with its background that has varity of color. As the pre-processing of computer vision, the segmentation need be done as simple as possibly that not waiste time dan effort to do that process. Every pixel at the image has value that will produce color at the image. To simplify image recognition process, the color must change to the simple format as the binary image format. By this simplify can be gained object of image by reduce the background. Image binarization process do by matching the pixel between image contain background only with the tested image. The matching needed range of value to decide that the pixel contain of background or containt of object. Pixel matching can be use to separate object and background. This process has been implemented at a simple application sample to trigger the record image automatically when there are object at the image.
SEGMENTASI CITRA DENGAN VARIASI RGB DAN ALGORITMA PERCEPTRONTeady Matius
Proses segmentasi dengan melakukan binarisasi citra untuk memisahkan objek yang akan dikenali pada visi komputer sangat diperlukan untuk menentukan piksel yang akan dijadikan hitam sebagai objek atau dijadikan putih sebagai latar belakang. Proses ini diperlukan untuk memisahkan antara obyek citra dengan latar belakangnya. Seringkali pemisahan obyek dengan melakukan tressholding terhadap citra grayscale akan menghasilkan bercak besar yang sangat mengganggu proses pengenalan dalam visi komputer. Pada proses kali ini, ketiga channel RGB pada model RGB dapat divariasi menjadi enam variasi yaitu R, G, B, RG, RB, GB dan RGB. Jika masing-masing variasi channel RGB tersebut dilakukan tresshold, maka setiap channel akan menghasilkan citra binernya sendiri-sendiri.Pemanfataan perbandingan channel RGB dilakukan dengan memberikan bobot kepada masing-masing variasi channel RGB sehingga setiap variasi channel akan berkontribusi menentukan suatu piksel akan dijadikan hitam atau putih. Dengan memberikan bobot kepada masing-masing variasi channel RGB tersebut akan digunakan untuk menentukan kontribusi masing-masing variasi channel RGB tersebut. Pencarian bobot dilakukan dengan menggunakan algoritma pembelejaran perceptron. Sehingga dapat menghasilkan bobot yang sesuai untuk berbagai kondisi obyek pada citra dan berbagai kondisi pencahayaan. Pemanfaatan perbandingan channel RGB dapat memisahkan objek citra dengan latar belakangnya sesuai dengan kebutuhan objek yang akan dikenali oleh visi komputer. Proses ini mampu mengakomodasi kondisi warna obyek dan kondisi penyinaran obyek yang ditangkap oleh kamera.
Binarisasi Citra Menggunakan Pencocokan PikselTeady Matius
The binarization to separate between object from background of image is necessary. The problem is background of image has variations of color. Its needs process to differentiate object with its background that has varity of color. As the pre-processing of computer vision, the segmentation need be done as simple as possibly that not waiste time dan effort to do that process. Every pixel at the image has value that will produce color at the image. To simplify image recognition process, the color must change to the simple format as the binary image format. By this simplify can be gained object of image by reduce the background. Image binarization process do by matching the pixel between image contain background only with the tested image. The matching needed range of value to decide that the pixel contain of background or containt of object. Pixel matching can be use to separate object and background. This process has been implemented at a simple application sample to trigger the record image automatically when there are object at the image.
2. INTRODUCTION
• Riwayat Pendidikan :
D1 Akuntansi (AP.)
D3 Komputerisasi Akuntansi (A.Md.)
S1 Teknik Informatika Konsentrasi Software Engineering (S.Kom.)
Pendidikan Sertifikasi International For Microsoft (MOS)
Pendidikan Sertifikasi International Microsoft Web Fundamental
(MTA)
S2 Magister Ilmu Komputer Konsentrasi Komputasi Terapan di
bidang Steganografi dan Kriptografi (M.Kom.)
Sedang Studi S3 Doktor Ilmu MIPA Konsentrasi Ilmu Kriptografi
(Dr.Sc.)
3. ATURAN PERKULIAHAN
• Etika Mahasiswa merupakan hal paling penting selama proses
perkuliahan, dari pertemuan awal sampai dengan pemberian nilai
• Absensi, Kedisiplinan dan Keaktifan merupakan indikator penting
dalam pertimbangan penilaian akhir dan kelulusan.
• Toleransi keterlambatan 10 menit
• Dilarang bermain/menggunakan HP selama proses perkuliahan
• Komunikasi yang baik antara Mahasiswa dan Dosen akan membuat
proses pembelajaran lebih kondusif
4. Kriteria Penilaian
• Quis : 15%
• Tugas : 25%
• UTS : 25%
• UAS : 35%
• >= 85 : A
• >= 75 : B
• >= 65 : C
• >= 55 : D
• < 55 : E
Jika mahasiswa tidak hadir (tanpa
keterangan) >= 6x maka nilai
maksimal adalah D
Jika mahasiswa selalu hadir pada tiap
pertemuan kuliah, mengikuti semua ujian
dan mengumpulkan semua tugas, maka
nilai minimal B
5. Tujuan Pembelajaran
• Memahami konsep dasar tentang citra digital.
• Memahami penyajian dan tools pengolahan
citra digital.
• Memahami berbagai teknik analisa citra.
• Memiliki kemampuan membuat program
aplikasi pengolahan citra yang sederhana.
6. List Materi PCD
• Konsep Citra Digital
• Representasi Citra Digital
• Operasi Piksel dan Histogram
• Mengukur Kualitas Citra
• Operasi Geometrik
• Operasi Citra Frekuensi
• Operasi Citra Biner
• Pengolahan Citra Berwarna
• Segmentasi Citra
• Restorasi Citra
• Ekstraksi Fitur
• Pengenalan Pola
• Steganografi
• Algoritma Klasifikasi untuk
citra
• Transformasi Domain pada
Citra
• Watermarking
• Komprei Citra
8. Referensi
• Abdul Kadir (2013), “Teori dan Aplikasi Pengolahan Citra”
• Rinaldi Munir (2010), “Pengolahan Citra Digital”
• Paper, Jurnal dan Prosiding tentang implementasi citra
digital
9. Pengertian Citra Digital
• Citra Digital adalah “pemrosesan gambar
berdimensi-dua melalui komputer
digital” (Jain, 1989).
• Menurut Efford (2000), pengolahan citra
adalah istilah umum untuk berbagai
teknik yang keberadaannya untuk
memanipulasi dan memodifikasi citra
dengan berbagai cara
11. Aplikasi Pengolahan Citra
• Pengenalan pola
Pada pengenalan pola, pengolahan citra antara lain berperan untuk
memisahkan objek dari latarbelakang secara otomatis. Selanjutnya,
objek akan diproses oleh pengklasifikasi pola. Sebagai contoh, sebuah
objek buah bisa dikenali sebagai jeruk, apel, atau pepaya.
• Penginderaan jarak-jauh melalui satelit atau pesawat udara
Pada penginderaan jarak jauh, tekstur atau warna pada citra dapat
dipakai untuk mengidentifikasi objek-objek yang terdapat di dalam
citra
• Machine vision
Pada machine vision (sistem yang dapat “melihat” dan “memahami”
yang dilihatnya)
16. Beberapa Aplikasi yg telah
dilakukan di Indonesia :
• Identifikasi sidik jari (Isnanto, dkk., 2007)
• Pencarian database orang melalui foto orang (Aribowo,
2009)
• Identifikasi kematangan buah tomat (Noor dan Hariadi,
2009)
• Identifikasi penyakit Diabetes mellitus melalui citra
kelopak mata (Rachmad, 2009)
• Ekstraksi fitur motif batik (Mulaab, 2010)
• Identifikasi telapak tangan (Putra dan Erdiawan, 2010)
17. Prinsip Dasar dalam Pengolahan
Citra
• Beberapa contoh yang telah ditampilkan pada
slide sebelumnya merupakan contoh dari
penerapan citra digital.
• Aplikasi-aplikasi seperti itu sebenarnya
menggunakan prinsip dasar dalam pengolahan
citra seperti peningkatan kecerahan dan
kontras, penghilangan derau pada citra, dan
pencarian bentuk objek
18. Peningkatan Kecerahan dan
Kontras
• Seringkali dijumpai citra yang tidak jelas
akibat sinar yang kurang ketika objek dibidik
melalui kamera digital
• Dengan menggunakan pengolahan citra, citra
seperti itu bisa diperbaiki melalui peningkatan
kecerahan dan kontras
20. Penghilangan Derau
• Citra yang akan diproses seringkali dalam
keadaan terdistorsi atau mengandung derau
• Untuk kepentingan tertentu, derau tersebut
perlu dibersihkan terlebih dulu
• Dalam pengolahan citra, terdapat beberapa
metode yang bisa dipakai untuk keperluan
tersebut
• Salah satu cara adalah menggunakan filter
notch
22. Pencarian Bentuk Objek
• Untuk kepentingan mengenali suatu objek di dalam citra,
objek perlu dipisahkan terlebih dulu dari
latarbelakangnya.
• Salah satu pendekatan yang umum dipakai untuk
keperluan ini adalah penemuan batas objek
• Dalam hal ini, batas objek berupa bagian tepi objek.
• Setelah tepi objek diketahui, pencarian ciri terhadap
objek bisa dilaksanakan, misalnya berdasar perbandingan
panjang dan lebar daun
24. Representasi Citra Digital
• Citra digital dibentuk oleh kumpulan
titik yang dinamakan piksel (pixel atau
“picture element”)
• Setiap piksel digambarkan sebagai satu
kotak kecil.
• Setiap piksel mempunyai koordinat
posisi.
28. Kuantisasi Citra
• Citra digital sesungguhnya dibentuk melalui pendekatan
yang dinamakan kuantisasi
• Kuantisasi adalah prosedur yang dipakai untuk membuat
suatu isyarat yang bersifat kontinu ke dalam bentuk
diskret
• Untuk mempermudah pemahaman konsep ini, lihatlah
Gambar 2.4. Gambar 2.4(a) menyatakan isyarat analog
menurut perjalanan waktu t, sedangkan Gambar 2.4(b)
menyatakan isyarat diskret
30. Kuantisasi Citra
• Gambar ini menunjukkan
contoh citra biner dua nilai
intensitas berupa 0 (hitam)
dan 1 (putih)
• Gambar tersebut
ditumpangkan pada grid 8x8
• Bagian gambar yang jatuh
pada kotak kecil dengan luas
lebih kecil dibanding warna
putih latarbelakang, seluruh
isi kotak dibuat putih
• Sebaliknya, jika mayoritas
hitam, isi kotak seluruhnya
dibuat hitam.