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

Seluruh file source code lengkap beserta data/citra pemrograman matlab yang ada dalam website ini dapat diperoleh di >>BUKALAPAK<< atau >>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: