Pola Tekstur


Berikut ini merupakan 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

Source Code:

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

  1. Makasih mas adi kalau ada yang nanda kurang ngerti nanti nda tanya lagi boleh kan mas 🙂

  2. ??? 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 ?

  3. 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.

  4. 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

  5. assalamualaikum mas adi , kalo boleh tahu untuk glcm itu yang diproses nilai rgb per pixel nya kah ? atau nilai yang lain ?

  6. 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

  7. Terima kasih sekali mas websitenya sangat membantu, kebetulan saya baru belajar Matlab untuk skripsi,

  8. 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.

  9. salam mas adi
    saya mau tanya memasukan data rata-rata ciri di JST itu bagaimana nya

  10. terimakasih mas website nya sangat membantu

  11. 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

    • 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

  12. Miftakhul Jannah

    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

  13. 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

  14. 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

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: