Pola Tekstur
Berikut ini merupakan contoh aplikasi pemrograman gui matlab untuk analisis tekstur menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM)
1. Gray-Level Co-Occurrence Matrix (GLCM) dengan pixel distance = 1
2. Gray-Level Co-Occurrence Matrix (GLCM) dengan pixel distance = 2
3. Gray-Level Co-Occurrence Matrix (GLCM) dengan pixel distance = 3
File source code lengkap beserta citra pada pemrograman di atas dapat diperoleh melalui halaman berikut ini:
Source Code
Sedangkan tampilan source code-nya adalah:
function varargout = Texture_Analysis(varargin) % TEXTURE_ANALYSIS MATLAB code for Texture_Analysis.fig % TEXTURE_ANALYSIS, by itself, creates a new TEXTURE_ANALYSIS or raises the existing % singleton*. % % H = TEXTURE_ANALYSIS returns the handle to a new TEXTURE_ANALYSIS or the handle to % the existing singleton*. % % TEXTURE_ANALYSIS('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in TEXTURE_ANALYSIS.M with the given input arguments. % % TEXTURE_ANALYSIS('Property','Value',...) creates a new TEXTURE_ANALYSIS or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before Texture_Analysis_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to Texture_Analysis_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help Texture_Analysis % Last Modified by GUIDE v2.5 11-Aug-2015 10:46:06 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @Texture_Analysis_OpeningFcn, ... 'gui_OutputFcn', @Texture_Analysis_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before Texture_Analysis is made visible. function Texture_Analysis_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to Texture_Analysis (see VARARGIN) % Choose default command line output for Texture_Analysis handles.output = hObject; % Update handles structure guidata(hObject, handles); movegui(hObject,'center'); % UIWAIT makes Texture_Analysis wait for user response (see UIRESUME) % uiwait(handles.figure1); % --- Outputs from this function are returned to the command line. function varargout = Texture_Analysis_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) [filename,pathname] = uigetfile({'*.*'}); if ~isequal(filename,0) Info = imfinfo(fullfile(pathname,filename)); if Info.BitDepth == 1 msgbox('Citra masukan harus citra RGB atau Grayscale'); return elseif Info.BitDepth == 8 Img = imread(fullfile(pathname,filename)); axes(handles.axes1) cla('reset') imshow(Img) title('Grayscale Image') else Img = rgb2gray(imread(fullfile(pathname,filename))); axes(handles.axes1) cla('reset') imshow(Img) title('Grayscale Image') end else return end handles.Img = Img; guidata(hObject,handles); % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) Img = handles.Img; pixel_dist = str2double(get(handles.edit1,'String')); GLCM = graycomatrix(Img,'Offset',[0 pixel_dist; -pixel_dist pixel_dist; -pixel_dist 0; -pixel_dist -pixel_dist]); stats = graycoprops(GLCM,{'contrast','correlation','energy','homogeneity'}); Contrast = stats.Contrast; Correlation = stats.Correlation; Energy = stats.Energy; Homogeneity = stats.Homogeneity; data = get(handles.uitable1,'Data'); data{1,1} = num2str(Contrast(1)); data{1,2} = num2str(Contrast(2)); data{1,3} = num2str(Contrast(3)); data{1,4} = num2str(Contrast(4)); data{1,5} = num2str(mean(Contrast)); data{2,1} = num2str(Correlation(1)); data{2,2} = num2str(Correlation(2)); data{2,3} = num2str(Correlation(3)); data{2,4} = num2str(Correlation(4)); data{2,5} = num2str(mean(Correlation)); data{3,1} = num2str(Energy(1)); data{3,2} = num2str(Energy(2)); data{3,3} = num2str(Energy(3)); data{3,4} = num2str(Energy(4)); data{3,5} = num2str(mean(Energy)); data{4,1} = num2str(Homogeneity(1)); data{4,2} = num2str(Homogeneity(2)); data{4,3} = num2str(Homogeneity(3)); data{4,4} = num2str(Homogeneity(4)); data{4,5} = num2str(mean(Homogeneity)); set(handles.uitable1,'Data',data,'ForegroundColor',[0 0 0]) function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double % --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end
Materi lain mengenai pengenalan pola tekstur di antaranya adalah:
1. Algoritma k-means clustering dan Naive Bayes classifier untuk Pengenalan Pola Tesktur
2. Segmentasi Pola Tekstur menggunakan Filter Gabor
Tutorial pembuatan aplikasi GUI MATLAB untuk analisis tekstur menggunakan metode Gray-Level Co-Occurrence Matrix (GLCM) bisa dilihat pada video berikut ini:

Makasih mas adi kalau ada yang nanda kurang ngerti nanti nda tanya lagi boleh kan mas 🙂
iya nanda boleh silakan 🙂
??? Error using ==> iptcheckinput
Function GRAYCOMATRIX expected its third input,
OFFSET, to be integer-valued.
Error in ==> graycomatrix>ParseInputs at 290
iptcheckinput(offset,{‘logical’,’numeric’},…
Error in ==> graycomatrix at 165
[I, Offset, NL, GL, makeSymmetric] =
ParseInputs(varargin{:});
Error in ==> nyoba>pushbutton2_Callback at 116
GLCM = graycomatrix(Img,’Offset’,[0 pixel_dist;
-pixel_dist pixel_dist;
Error in ==> gui_mainfcn at 96
feval(varargin{:});
Error in ==> nyoba at 42
gui_mainfcn(gui_State, varargin{:});
Error in ==>
@(hObject,eventdata)nyoba(‘pushbutton2_Callback’,hObject,eventdata,guidata(hObject))
??? Error while evaluating uicontrol Callback
saya udah coba tpi ada kesalahan gini ini kenapa ya kak ?
mas , boleh minta kontak yang bisa dihubungi ?
saya mau sharing ttg TA saya urgent makasih
Assalamuallaikum wr.wb
Maaf mas, saya mau tanya untuk mixing citra. Ada contoh atau source codenya engga ya mas? saya mau coba untuk mixing banyak citra. kemudian di cari nilai kurtosis sebagai patokannya.
trimakasih mas.
Assalamualaikum
permisi mas adi saya mau tanya.
mas adi tau perhitungan glcm secara matematis ga mas, bukan pake matab. kira kira kalo tau, dapet referensinya dari mana ya mas?
terimaksih sebelumnya mas
waalaikumsalam imam
materi mengenai perhitungan glcm bisa dilihat pada halaman berikut http://elib.unikom.ac.id/download.php?id=107467
makasih mas adi
sama sama imam
assalamualaikum mas adi , kalo boleh tahu untuk glcm itu yang diproses nilai rgb per pixel nya kah ? atau nilai yang lain ?
Waalaikumsalam malek
Sesuai dengan kepanjangan dari glcm yaitu gray level cooccurence matrix
Maka masukan citra glcm adalah citra grayscale
Jika kita memiliki citra rgb maka harus dikonversi menjadi citra grayscale terlebih dahulu
Nilai intensitas citra grayscale adalah nilai yang diolah dalam penghitungan glcm
siap 🙂
makasih mas adi buat pencerahannya
Sama sama malek
Selamat pagi mas pamungkas, saya punya tugas untuk membuat sistem tengenalan motif dengan lvq, yang menjadi masalah saya karena saya awam akan metode ini mohon bantuan bagaiana kita bisa extraksi citra biner ke vektor baris atau kolom apakah ada toolsnya di matlab… mohon bantuan
Terima kasih sekali mas websitenya sangat membantu, kebetulan saya baru belajar Matlab untuk skripsi,
sama sama adigang adigung
semoga bermanfaat
Mas saya boleh mintak PIN BBM nya soalnya saya mw nyak malah algoritma ini. Untuk bahan skripsi , tolong ya mas
Sendiri k email ini gunawanray04@gmail.com , mksh byk y mas , saya tunggu y mas.
salam mas adi
saya mau tanya memasukan data rata-rata ciri di JST itu bagaimana nya
salam juga rara
rara bisa melihat materinya pada halaman berikut ini
https://pemrogramanmatlab.com/2016/10/24/jaringan-syaraf-tiruan-untuk-klasifikasi-citra-daun/
terimakasih mas website nya sangat membantu
Sama sama wisnu semoga bermanfaat
mas kalo saya mau membuat program klasifikasi batuan berdasarkan tekstur, pada tahap preprocessing citra nya lebih baik dilakukan rgb to grayscale atau rgb to hsv atau tidak usah? saya menggunakan metode curvelet.. trims
Pengolahan citra merupakan bidang yang tahapan-tahapannya dilakukan secara trial & error sehingga Mila bisa mencoba-coba untuk kemungkinan yang ada
oke mas hehe jadi kalo saya mau berdasarkan tekstur berarti bebas ya mas bisa rgb to grayscale atau rgb to hsv? takutnya kalo hsv hanya boleh yg berdasarkan warna… kebetulan saya sudah mencobanya dan hasil akurasi yg menggunakan rgb to hsv lebih bagus dari pada yg rgb to grayscale mas hehe
oke mila
oiya mas saya juga pada saat rgb to hsv nya di ambil komponen value nya atau diambil layer 3 nya mas, jadi sebenarnya terlihat grayscale hanya lebih tajam saja gambarnya.. maaf mas saya masih bingung bgt di tahap preprocessing nya takut salah hehe
value juga merupakan citra grayscale, hanya saja persamaannya berbeda dengan persamaan yg biasa digunakan untuk mengubah citra RGB menjadi grayscale
Assalamualaikum mas, maaf sebelumnya aku mau nanya aku kan pakek metode ekstraksi ciri statik ya buat nentuin kematangan buah, nah aku masih bingung tahap-tahapannya?
Makasih sebelumnya mas
Waalaikumsalam miftakhul
Ekstraksi ciri statistik dapat dilakukan dalam orde satu maupun dua
Tahapan2 nya antara lain baca citra rgb, konversi ke grayscale, ekstraksi ciri statistik, kemudian algoritma identifikasi
mencari ciri tekstur mengguanakan local ranger filter dan entropy bisa di kasih contoh kode mas so,alx kepepet sudah karena sidang tinggal 3 hari lagi saya masih bingung di sini-sini saja mas
mohon bantuan nya mas kalau bisa
untuk mencari ciri entropy bisa menggunakan koding dan persamaan yang ada pada materi GLCM di atas
mas adi saya mau nanya ini jika inputnya dlm bentuk analisis tektur maka target yg digunakan seperti apa untuk jaringan syaraf tiruan.. Untuk uji klasifikasi kematangan buah jambu. Jika ada referensi code tolong sarannya ya. Terimakasih
Selamat malam vivi
Utk nilai masukan bisa menggunakan keempat parameter ciri glcm di atas
Utk nilai target bisa menggunakan angka seperti ini: angka 1 utk buah matang, 2 utk buah setengah matang, 3 utk buah belum matang
Atau menggunakan variasi angka yg lain juga bisa
baik terimakasih mas adi.. dan untuk nilai masukan glcm nya itu yang dipakai nilai sudut piksel atau rata2nya saja?
Rata2 nya saja vivi
Karena jika menggunakan nilai rata2, meskipun citra masukannya dirotasi (mempunyai arah yg bermacam2) maka nilai rata2nya tetap sama
Tetapi jika nilai ciri tiap sudut yg digunakan, maka jika citra masukannya dirotasi akan memiliki nilai ciri yg berbeda2
makasih mas adi sangat membantu ilmunya.. trus untuk pixel distance nya apa harus berjarak 2? apa boleh yang lain? ☺
Utk pixel distance bisa vivi variasikan
Berdasarkan pengalaman saya, pixel distance terbaik adalah satu
sudah saya coba untuk klasifikasi buah jambu dng pixel distance nya 1.. Ini kenapa ya mas adi akurasi pda saat training berbeda2? percobaan train pertama 55.55 train kedua 77.77 dan seterusnya berbeda..
agar hasil training tidak berubah maka bobot awal harus diinisialisasi
baik mas adi terimakasi akan sya coba semoga berhasil.. kalo ada kendala lg mohon bantuannya
Oke vivi semoga sukses penelitiannya
ass mas adi.. sudah saya inisialisasi bobot tp akurasinya masih berubah ubah ya? tp bisa ndak data training itu engk harus 100%? matur nuwun
Waalaikumsalam
Vivi bisa cek lagi apakah bobot awal yg diinisialisasi sudah benar susunannya dg arsitektur jaringan yg dibangun
Karena kalau bobot awal sudah diinisialisasi dg benar maka akurasi tidak akan berubah2
Selamat sore mas Adi,ingin bertanya, saya kurang paham disini kegunaan dari pixel distance apa ya mas? terima kasih mas
selamat sore dira
pixel distance digunakan dalam perhitungan pembuatan matriks kookurensi
mas klo pake metode PCA ada contohnya nggak mas?
semoga ke depan terdapat materi mengenai metode PCA
Mas, kalo untuk mendeteksi jenis kulit wajah bagusnya pake algoritma yg mana ya mas? Mohon bantuannya yaa mas 🙏🙏
untuk mendeteksi jenis kulit wajah bisa mempelajari materi pada halaman berikut ini
https://pemrogramanmatlab.com/2017/07/26/multi-level-thresholding/
assalamualaikum mas adi, mau nanya apakah nilai pada GLCM yang ada pada tabel tersebut bisa menjadi acuan untuk mengklasifikasiakan suatu objek ?
waalaikumsalam alwi firsadi
bisa, materi mengenai penggunaan ciri GLCM sebagai masukan pada algoritma identifikasi bisa dilihat pada halaman berikut ini
https://pemrogramanmatlab.com/2017/12/30/identifikasi-jenis-buah-tomat-berdasarkan-analisis-bentuk-dan-tekstur/
Mas adi saya mau nanya. Skripsi saya penelitian glcm pada tulisan tangan aksara (handwritten character recognition) menggunakan klasifikasi svm. Nah akurasi yg saya dapatkan hanya 36%. Itu bagaimana ya mas. Terimakasih
Bisa dicoba diimplementasikan metode lain
bagaimana dengan fungsi ini graycomatrix
Assalamualaikum kak
Mau nanya nih, klo di perhitungan glcm itu kan ada perhitungan berdasarkan sudut 0,45, dst. Klo di matlab proses perhitungan dengan sudut itu terletak dimana ya kak?
Waalaikumsalam
Untuk pengaturan sudut ada pada perintah graycomatrix
Assalamualaikum. siang mas saya mau tanya untuk proses rumus glcm nyaa tanpa gui itu bagaimana ya mas? terimakasih
Maaf mas,mau tanya,utk preprocessing relief candi,sebaiknya menggunakan apa,ciri tekstur?
Bisa dicoba menggunakan ciri tekstur
selamat malam mas, maaf mau tanya untuk perbedaan dari GLCM dan GLRLM itu bagaimana ya mas? lalu bagaimana cara menghitung matriksnya scara manual untuk GLRLM? terimakasih