Search Results for background subtraction

Pengolahan Video untuk Mendeteksi Objek Bergerak dengan Metode Background Subtraction


Berikut ini merupakan contoh aplikasi pemrograman matlab mengenai pengolahan video untuk mendeteksi objek bergerak (object tracking) dengan metode background subtraction.
Secara garis besar langkah-langkahnya adalah:
1. Mengekstrak semua frame pada video
2. Mencari frame background secara otomatis dengan cara menghitung nilai modus pada setiap frame
3. Mengkonversi CurrentFrame dan BackgroundFrame menjadi citra grayscale
4. Mengkurangkan antara kedua frame tersebut
5. Mengkonversi citra hasil pengurangan menjadi citra biner
6. Melakukan operasi morfologi untuk menghilangkan noise
7. Menjadikan citra hasil operasi morfologi sebagai masking untuk memvisualisasikan objek yang bergerak
8. Menjalankan setiap frame hasil deteksi secara sekuensial (video)

Pada contoh ini digunakan video dengan spesifikasi sebagai berikut:

Name: ‘SampleVideo.avi’
Duration: 5.3333
Width: 360
Height: 240
FrameRate: 15.0000
BitsPerPixel: 24
VideoFormat: ‘RGB24’

Video tersebut memiliki durasi selama 5.3333 detik dan frame rate sebesar 15 frame per detik sehingga banyaknya frame ketika diekstrak adalah 5.3333 x 15 = 80 frame. Tampilan frame pada setiap detik ditunjukkan pada gambar di bawah ini:

Detik ke- Frame
0
1
2
3
4
5

-read more->

Background Subtraction dengan Metode Pengurangan Citra Grayscale


Deteksi kendaraan adalah salah satu tahapan yang harus dilakukan dalam proses identifikasi kendaraan. Contoh aplikasi pemrograman matlab untuk deteksi kendaraan dengan metode background subtraction pengurangan citra grayscale adalah sebagai berikut:

Langkah-langkahnya yaitu:
-read more->

Background Subtraction dengan Metode Pengurangan Citra Biner


Berikut ini merupakan contoh aplikasi pemrograman matlab untuk mendeteksi kendaraan dengan metode background subtraction pengurangan citra biner:

Langkah-langkahnya adalah sebagai berikut:
-read more->

Background Subtraction dalam ruang warna HSV


Berikut ini merupakan contoh aplikasi pemrograman matlab untuk deteksi kendaraan dengan metode background subtraction dalam ruang warna HSV.

Langkah langkahnya adalah sebagai berikut:
-read more->

Background Subtraction (Foreground Detection)


Background Subtraction, yang juga dikenal sebagai Foreground Detection, adalah salah satu teknik pada bidang pengolahan citra dan computer vision yang bertujuan untuk mendeteksi/mengambil foreground dari background untuk diproses lebih lanjut (seperti pada proses object recognition dll). Umumnya foreground yang diinginkan adalah berupa objek manusia, mobil, teks, dll. Background subtraction merupakan metode yang umumnya digunakan untuk mendeteksi objek bergerak pada video dari kamera statis (stationary camera). Proses deteksi objek bergerak dengan metode background subtraction didasarkan pada perbedaan antara background referensi dengan frame. Contoh citra background referensi dan citra current frame ditunjukkan pada gambar di bawah ini:

-read more->

Source Code GUI


Berikut ini merupakan daftar source code pemrograman Matlab mengenai pengolahan data, pengolahan citra, pengolahan sinyal, pengolahan video, pengenalan pola, dan data mining. Seluruh source code dapat diperoleh melalui  >>TOKOPEDIA<<

Sebagian besar source code dapat dijalankan pada semua versi matlab, sebagian kecil hanya dapat dijalankan pada Matlab 2015 & 2017.

File source code lengkap beserta data/ citra pemrograman matlab

  1. Active Contour Segmentation
  2. Adaptive Neuro-Fuzzy Inference System (ANFIS)
  3. Akuisisi Citra Digital menggunakan Webcam
  4. Akuisisi Sinyal Suara Menggunakan MATLAB
  5. Algoritma Genetika untuk Travelling Salesman Problem
  6. Algoritma K-means Clustering dan Naive Bayes Classifier untuk Pengenalan Pola Tesktur
  7. Analisis Tekstur Menggunakan Metode GLCM, LBP, dan FLBP
  8. Aplikasi Informasi Citra Digital
  9. Background Subtraction (Foreground Detection)
  10. Background Subtraction dalam ruang warna HSV
  11. Background Subtraction dengan Metode Pengurangan Citra Biner
  12. Background Subtraction dengan Metode Pengurangan Citra Grayscale
  13. Cara Melakukan Cropping Citra pada GUI Matlab (Region of Interest)
  14. Cara Melakukan Cropping Citra secara Otomatis
  15. Cara Menampilkan Citra Kepala MRI (axial, sagittal, dan coronal) menggunakan GUI Matlab
  16. Cara Menampilkan Video pada GUI Matlab
  17. Cara Mengekstrak Frame Video menggunakan Matlab
  18. Cara Menghitung Koefisien Korelasi menggunakan Matlab
  19. Cara Menghitung Luas, Keliling, dan Centroid suatu Citra
  20. Cara Menghitung Nilai MSE, RMSE, dan PSNR pada Citra Digital
  21. Cara Mengukur Jarak antara Dua Objek dalam Citra
  22. Citra dan Histogram menggunakan GUI Matlab
  23. Complement Image (Negative Image)
  24. Contrast Stretching dan Histogram Equalization
  25. Deteksi Iris Mata dengan Daugman’s Integrodifferential Operator
  26. Deteksi Lingkaran Menggunakan Transformasi Hough
  27. Deteksi Tepi Citra Digital Menggunakan Matlab
  28. Deteksi Titik Sudut Citra Untuk Identifikasi Bentuk
  29. Deteksi Wajah (Face Detection) menggunakan Algoritma Viola-Jones
  30. Efek Sepia pada Foto Digital
  31. Ekstraksi Ciri Bentuk dan Ukuran
  32. Ekstraksi Ciri Citra Grayscale
  33. Ekstraksi Ciri Citra RGB
  34. Ekstraksi Ciri Nilai RGB
  35. Ekstraksi Ciri Wajah Menggunakan Algoritma Viola-Jones
  36. Ekualisasi Histogram pada Citra Digital
  37. Geometric Image Transformations (Transformasi Geometri)
  38. Gerak Parabola
  39. Grafik Sinusoidal
  40. Histogram Citra Digital
  41. Histogram Citra
  42. Identifikasi Jenis Buah Tomat Berdasarkan Analisis Bentuk Dan Tekstur
  43. Identifikasi Jenis Bunga Menggunakan Ekstraksi Ciri Orde Satu Dan Algoritma Multisvm
  44. Identifikasi Nilai Uang Logam Menggunakan Metode Otsu Thresholding
  45. Intensity Adjustment menggunakan GUI MATLAB (1st)
  46. Intensity Adjustment menggunakan GUI MATLAB (2nd)
  47. Jaringan Syaraf Tiruan untuk Identifikasi Jenis Bunga
  48. Jaringan Syaraf Tiruan untuk Klasifikasi Citra Daun
  49. Jaringan Syaraf Tiruan untuk Memprediksi Jumlah Penduduk
  50. Jaringan Syaraf Tiruan untuk Pengenalan Pola
  51. Jaringan Syaraf Tiruan untuk Prediksi menggunakan Matlab
  52. K-Means Clustering menggunakan Matlab
  53. K-Nearest Neighbor (K-NN) Menggunakan Matlab
  54. Kalkulator Sederhana
  55. Klasifikasi Jenis Buah Menggunakan Linear Discriminant Analysis
  56. Klasifikasi Jenis Kendaraan Menggunakan Algoritma Extreme Learning Machine
  57. Klasifikasi Jenis Sayuran Menggunakan Algoritma PCA dan KNN
  58. Kompresi Citra Digital Menggunakan Transformasi Wavelet
  59. Kompresi Citra JPEG
  60. Kompresi Lossless Pada Citra Digital
  61. Konversi Citra Biner menggunakan Metode Otsu
  62. Konversi Intensitas Piksel Citra dalam Hounsfield Unit (HU)
  63. Logika Fuzzy untuk Sistem Pengatur Kecepatan Mesin
  64. Mendeteksi Objek yang Berbentuk Lingkaran
  65. Model Ruang Warna Pengolahan Citra
  66. Morphological Operation (GUI Matlab)
  67. Multi Level Thresholding
  68. Pembuatan Database Mahasiswa menggunakan MATLAB
  69. Pembuatan Database menggunakan Matlab dan Ms. Excel
  70. Pencocokan Citra
  71. Penerapan Algoritma Particle Swarm Optimization (PSO) Pada Kasus Prediksi
  72. Pengenalan Pola Bentuk Menggunakan Chain Code Dan Multi SVM
  73. Pengenalan Pola Bentuk Menggunakan Moment Invariants Dan Jaringan Syaraf Tiruan LVQ
  74. Pengenalan Wajah Menggunakan Algoritma PCA
  75. Pengenalan Warna Objek
  76. Pengolahan Citra Biner
  77. Pengolahan Citra CT Scan Paru-Paru dengan Metode Segmentasi Active Contour
  78. Pengolahan Citra Digital (RGB, Grayscale, dan Biner) menggunakan GUI Matlab (1st)
  79. Pengolahan Citra Digital (RGB, Grayscale, dan Biner) menggunakan GUI Matlab (2nd)
  80. Pengolahan Citra Digital Menggunakan Transformasi Wavelet
  81. Pengolahan Citra Digital untuk Deteksi Tepi Obyek
  82. Pengolahan Citra Digital untuk Mendeteksi Warna dan Bentuk Obyek
  83. Pengolahan Citra Digital
  84. Pengolahan Citra MRI Menggunakan Matlab
  85. Pengolahan Citra untuk Deteksi Warna Kulit (Skin Detection)
  86. Pengolahan Citra untuk Ekstraksi Ciri Objek
  87. Pengolahan Video untuk Mendeteksi Objek Bergerak dengan Metode Background Subtraction
  88. Pengolahan Video untuk Mendeteksi Warna Kulit
  89. Pengolahan Video untuk Mendeteksi Warna
  90. Perbaikan Kualitas Citra (Image Enhancement) menggunakan GUI Matlab
  91. Perbaikan Kualitas Citra dalam Pengolahan Video
  92. Photo Editing using Matlab
  93. Pola Bentuk
  94. Prediksi Harga Saham Menggunakan Algoritma ANFIS
  95. Representasi Citra Digital dan Piksel Penyusunnya
  96. Restorasi Citra Digital Menggunakan Matlab
  97. Rotasi Citra Digital
  98. Segmentasi Citra Bakteri Tuberkulosis Menggunakan K-Means Clustering
  99. Segmentasi Citra dengan Metode Multi Thresholding dan K-Means Clustering
  100. Segmentasi Citra dengan Metode Thresholding
  101. Segmentasi Citra Grayscale dengan Metode K-Means Clustering
  102. Segmentasi Citra Menggunakan Algoritma Klustering
  103. Segmentasi Citra MRI dengan Metode Active Contour
  104. Segmentasi Pola Tekstur menggunakan Filter Gabor
  105. Segmentasi Warna Citra Digital
  106. Segmentasi Warna menggunakan Algoritma Fuzzy C-Means Clustering
  107. Segmentasi Warna
  108. Standard Test Images
  109. Steganografi Citra Digital
  110. Support Vector Machine
  111. Texture Analysis Gray-Level Co-Occurrence Matrix (GLCM) GUI Matlab
  112. Thresholding (1st)
  113. Thresholding (2nd)
  114. Thresholding Citra Digital (GUI Matlab)
  115. Transformasi Fourier Satu Dimensi

Seluruh file source code lengkap beserta data/citra pemrograman matlab yang ada dalam website ini dapat diperoleh melalui >>TOKOPEDIA<<

Save

Save

Save

Klasifikasi Jenis Buah Menggunakan Linear Discriminant Analysis


Linear Discriminant Analysis (LDA) merupakan salah satu metode yang digunakan untuk mengelompokkan data ke dalam beberapa kelas. Penentuan pengelompokan didasarkan pada garis batas (garis lurus) yang diperoleh dari persamaan linear.

Berikut ini merupakan contoh aplikasi pengolahan citra untuk mengklasifikasikan jenis buah menggunakan linear discriminant analysis. Jenis buah yang diklasifikasikan adalah buah apel dan buah jeruk. Kedua jenis buah tersebut dibedakan berdasarkan ciri warnanya menggunakan nilai hue dan saturation. Contoh citra buah pada masing-masing kelas ditunjukkan pada gambar di bawah ini.

-read more->

Thresholding


Apakah yang dimaksud dengan thresholding??

Thresholding merupakan salah satu metode segmentasi citra di mana prosesnya didasarkan pada perbedaan derajat keabuan citra.

Dalam proses ini dibutuhkan suatu nilai batas yang disebut nilai threshold.

Nilai intensitas citra yang lebih dari atau sama dengan nilai threshold akan diubah menjadi putih (1) sedangkan nilai intensitas citra yang kurang dari nilai threshold akan diubah menjadi hitam (0).

Sehingga keluaran dari hasil thresholding adalah berupa citra biner.

Contoh segmentasi citra menggunakan metode thresholding ditunjukkan pada gambar berikut ini:

 

Source code nya adalah sebagai berikut:

clear all
close all
clc

baby = imread('baby.jpg');
baby_gray = rgb2gray(baby);
baby_bw = im2bw(baby_gray,240/255);
baby_bw2 = imcomplement(baby_bw);
baby_bw3 = imfill(baby_bw2,'holes');
baby_bw3(end,:) = 1;
baby_bw3 = imfill(baby_bw3,'holes');
baby_bw3(end,:) = 0;
baby_bw4 = imerode(baby_bw3,strel('disk',1));

red_baby = baby(:,:,1);
green_baby = baby(:,:,2);
blue_baby = baby(:,:,3);

cloud = imread('cloud3.jpg');
red_cloud = cloud(:,:,1);
green_cloud = cloud(:,:,2);
blue_cloud = cloud(:,:,3);

red_cloud(baby_bw4) = red_baby(baby_bw4);
green_cloud(baby_bw4) = green_baby(baby_bw4);
blue_cloud(baby_bw4) = blue_baby(baby_bw4);

rgb = cat(3,red_cloud,green_cloud,blue_cloud);

imwrite(baby_bw4,'bw4.jpg')

figure, imshow(baby);
figure, imshow(baby_bw4);
figure, imshow(cloud);
figure, imshow(rgb);

%% Cropping Citra Bayi
red_baby(~baby_bw4) = 0;
green_baby(~baby_bw4) = 0;
blue_baby(~baby_bw4) = 0;
baby_RGB = cat(3,red_baby,green_baby,blue_baby);
[row,col] = find(baby_bw4==1);
bw = imcrop(baby_bw4,[min(col) min(row) max(col)-min(col) max(row)-min(row)]);
RGB = imcrop(baby_RGB,[min(col) min(row) max(col)-min(col) max(row)-min(row)]);
RGB2 = imcrop(baby,[min(col) min(row) max(col)-min(col) max(row)-min(row)]);

[B,L] = bwboundaries(bw,'noholes');
figure,imshow(RGB)
hold on
for k = 1:length(B)
    boundary = B{k};
    plot(boundary(:,2), boundary(:,1), 'g', 'LineWidth', 2)
end
hold off

figure,imshow(RGB2)
hold on
for k = 1:length(B)
    boundary = B{k};
    plot(boundary(:,2), boundary(:,1), 'g', 'LineWidth', 2)
end
hold off

Tujuan segmentasi citra di atas adalah untuk memisahkan antara objek dengan background. Metode segmentasi citra dapat dikembangkan lebih lanjut agar diperoleh hasil segmentasi yang lebih baik lagi.

File source code lengkap beserta citra untuk thresholding pada materi di atas dapat diperoleh melalui halaman berikut ini: Source Code

Save

%d bloggers like this: