Ekstraksi Ciri Citra
Ekstraksi ciri citra merupakan tahapan mengekstrak ciri/informasi dari objek di dalam citra yang ingin dikenali/dibedakan dengan objek lainnya.
Ciri yang telah diekstrak kemudian digunakan sebagai parameter/nilai masukan untuk membedakan antara objek satu dengan lainnya pada tahapan identifikasi/ klasifikasi.
Ciri yang umumnya diekstrak antara lain:
1. Ekstraksi Ciri Bentuk
Untuk membedakan bentuk objek satu dengan objek lainnya, dapat menggunakan parameter yang disebut dengan ‘eccentricity’. Eccentricity merupakan nilai perbandingan antara jarak foci ellips minor dengan foci ellips mayor suatu objek. Eccentricity memiliki rentang nilai antara 0 hingga 1. Objek yang berbentuk memanjang/mendekati bentuk garis lurus, nilai eccentricitynya mendekati angka 1, sedangkan objek yang berbentuk bulat/lingkaran, nilai eccentricitynya mendekati angka 0. Penghitungan eccentricity diilustrasikan pada gambar di bawah ini:
Parameter lainnya yang dapat digunakan untuk membedakan bentuk suatu objek yaitu ‘metric’. Metric merupakan nilai perbandingan antara luas dan keliling objek. Metric memiliki rentang nilai antara 0 hingga 1. Objek yang berbentuk memanjang/mendekati bentuk garis lurus, nilai metricnya mendekati angka 0, sedangkan objek yang berbentuk bulat/lingkaran, nilai metricnya mendekati angka 1. Penghitungan metric diilustrasikan pada gambar di bawah ini:
2. Ekstraksi Ciri Ukuran
Untuk membedakan ukuran objek satu dengan objek lainnya dapat menggunakan parameter luas dan keliling. Luas merupakan banyaknya piksel yang menyusun suatu objek. Sedangkan keliling merupakan banyaknya piksel yang mengelilingi suatu objek. Materi mengenai pemrograman matlab untuk menghitung luas dan keliling suatu objek dapat dilihat pada laman berikut ini: Cara menghitung luas dan keliling suatu citra
3. Ekstraksi Ciri Geometri
Ciri geometri merupakan ciri yang didasarkan pada hubungan antara dua buah titik, garis, atau bidang dalam citra digital. Ciri geometri di antaranya adalah jarak dan sudut. Jarak antara dua buah titik (dengan satuan piksel) dapat ditentukan menggunakan persamaan euclidean, minkowski, manhattan, dll. Jarak dengan satuan piksel tersebut dapat dikonversi menjadi satuan panjang seperti milimeter, centimeter, meter, dll dengan cara membaginya dengan resolusi spasial (materi mengenai perhitungan jarak dapat dilihat pada laman berikut ini: Cara mengukur jarak antara dua objek dalam citra). Sedangkan sudut antara dua buah garis dapat ditentukan dengan perhitungan trigonometri maupun dengan analisis vektor.
4. Ekstraksi Ciri Tekstur
Untuk membedakan tekstur objek satu dengan objek lainnya dapat menggunakan ciri statistik orde pertama atau ciri statistik orde dua. Ciri orde pertama didasarkan pada karakteristik histogram citra. Ciri orde pertama umumnya digunakan untuk membedakan tekstur makrostruktur (perulangan pola lokal secara periodik). Ciri orde pertama antara lain: mean, variance, skewness, kurtosis, dan entropy. Sedangkan ciri orde dua didasarkan pada probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu. Ciri orde dua umumnya digunakan untuk membedakan tekstur mikrostruktur (pola lokal dan perulangan tidak begitu jelas). Ciri orde dua antara lain: Angular Second Moment, Contrast, Correlation, Variance, Inverse Different Moment, dan Entropy.
Analisis tekstur juga dapat dilakukan dalam domain frekuensi antara lain menggunakan filter bank gabor.
5. Ekstraksi Ciri Warna
Untuk membedakan suatu objek dengan warna tertentu dapat menggunakan nilai hue yang merupakan representasi dari cahaya tampak (merah, jingga, kuning, hijau, biru, ungu). Nilai hue dapat dikombinasikan dengan nilai saturation dan value yang merupakan tingkat kecerahan suatu warna. Untuk mendapatkan ketiga nilai tersebut, perlu dilakukan konversi ruang warna citra yang semula RGB (Red, Green, Blue) menjadi HSV (Hue, Saturation, Value) melalui persamaan berikut:
R‘ = R/255
G‘ = G/255
B‘ = B/255
Cmax = max(R‘, G‘, B‘)
Cmin = min(R‘, G‘, B‘)
Δ = Cmax – Cmin
Perhitungan nilai Hue:
Perhitungan nilai Saturation:
Perhitungan nilai Value:
V = Cmax
sehingga ruang warna citra yang semula berbentuk kubus berubah bentuk menjadi kerucut
Ekstraksi ciri citra merupakan tahapan penting dalam bidang computer vision (pengolahan citra dan pengenalan pola).
Beberapa hal yang perlu diperhatikan dalam memilih ciri yang tepat yang akan digunakan sebagai masukan pada tahapan klasifikasi citra antara lain:
1. Secara visual (penglihatan manusia), ciri apakah yang membedakan antara kelas satu dengan kelas lainnya?
2. Domain apakah yang akan kita gunakan untuk mengekstrak ciri tersebut? (domain spasial atau domain frekuensi?)
3. Parameter apa sajakah yang akan dipilih untuk mewakili ciri tersebut?
4. Berapa jumlah parameter yang akan kita gunakan?
5. Ciri lain apakah yang memungkinkan untuk kita kombinasikan?
Contoh kasus:
Apabila kita ingin merancang sebuah sistem pengenalan wajah (face recognition) manusia, maka muncul pertanyaan “Ciri apakah yang membedakan antara wajah satu dengan wajah yang lain?”.
Tidak mungkin apabila ciri yang kita gunakan adalah jumlah mata, jumlah telinga, maupun jumlah hidung karena antara wajah satu dengan yang lain jumlah organ-organ tersebut adalah sama.
Oleh karena itu, ciri yang memungkinkan antara lain warna kulit, tekstur wajah, geometri wajah (jarak antara mata kiri dengan mata kanan, jarak antara mata kanan/kiri dengan hidung, jarak antara mata kanan/kiri dengan mulut, jarak antara hidung dengan mulut, dsb).
Kita dapat memilih salah satu ataupun mengkombinasikan ciri-ciri tersebut. Proses pengenalan wajah yang baik adalah proses pengenalan yang menghasilkan akurasi yang tinggi dengan jumlah ciri seminimal mungkin agar dapat menghemat proses komputasi.
Pemilihan ciri terbaik dengan jumlah seminimal mungkin dapat dilakukan pada tahapan feature selection dengan menggunakan beberapa algoritma dalam machine learning dan data mining.
Penerapan ekstraksi ciri bentuk untuk klasifikasi citra daun bisa dilihat pada video tutorial berikut ini:
























































assalamualaikum mas
selamat pagy ..
siska mau tanya lg tentang coding dimatlab..
ketika sya memasukan coding untuk mengetahui dari hasil pengujian namun muncul error sperti dibawah ini :
??? Index exceeds matrix dimensions.
Error in ==> ED at 38
im_test = gbr(:,:,2);
muncul coding sperti diatas kira” bagaimana ea mas???
mohon pencerahannya..
terima kasih
waalaikumsalam
masukan koding tersebut harus citra rgb, bukan citra grayscale
assalamualaikum wr wb
mas mau tanya kalo mau cari bobot nilai berdasarkan warna pada gambar buat nentuin objek itu matang atau tidak, itu harus melalui proses gimana dulu mas makasih
waalaikumsalam wr wb
ekstraksi ciri warna dapat dilakukan berdasarkan parameter nilai hue dan saturasi
materi mengenai hal tersebut dapat dilihat pada laman berikut
dan
assalamualaiakum wr.wb
selamat siang mas..
sisca mau tanya lg dalam proses pencocokan pola dalam citra wajah yang saya teliti hanya keluar 4 citra wajah dari 30 data yang diambil sedangkan sisa 26 citra wajah tidak dapat dikenali, itu kenapa mas???
mohon pencerahannya..
sekian terima kasih..
waalaikumsalam siska
akurasi yg rendah dalam sistem pengenalan wajah, bisa disebabkan oleh banyak faktor di antaranya
1. proses segmentasi/deteksi wajah yang belum baik
2. metode ekstraksi ciri yang digunakan belum bisa membedakan antara wajah satu dengan yang lain
3. algoritma klasifikasi yang digunakan belum bisa mengelompokkan wajah antar kelas dengan baik
bisa dicek kembali metode untuk masing-masing proses tersebut
assalamualaikum mwr.wb
selamat siang mas..
siska mw tanya adakah soure code untuk mencocokan hasil pengujian atau pencocokan pola yang masih random???
mohon pencerahannya???
terima kasih mas..
waalaikumsalam wr. wb.
Source code dan data pada materi di atas dapat diperoleh pada halaman berikut ini
assalamualaikum wr.wb mas
saya mw bertanya tenteng coding dbawah ini yg saya inputkan dprogram saya.
source code codingx seperti dbawa ini:
function [ output_args ] = ED( input_args )
clc
clear all
close all
load Eigenface_data.mat
jum_data_test = 24;
baris = 96;
kolom = 100;
im_gray_buff = [];
for i=1:jum_data_test
link_im = [‘Datauji\’,num2str(i),’.jpg’];
gbr = imread(link_im);
red=gbr(:,:,1);
green=gbr(:,:,2);
blue=gbr(:,:,3);
gray=0.5*red+0.3*green+0.2*blue;
Y=0.59*red+0.31*green+0.1*blue;
Cr=0.713*(red-Y);
Cb=0.564*(blue-Y);
uk=size(Y);
temp=zeros(uk(1),uk(2));
for j=1:uk(1)
for k=1:uk(2)
if (Y(j,k)>16)&&(Y(j,k)>(1*Cr(j,k)))&&(Cr(j,k)>10)
temp(j,k)=1;
end
end
end
im_temp=gbr;
%if numel(ukuran_gbr)>2
%im_gbr = imread(link_im);
%im_gray_buff = im_rgb(:,:,2);
%display(‘kentang’);
%else
%im_rgb = imread(link_im);
%im_test = gbr(:,:,2);
im_gray = imresize(im_temp, [baris kolom]);
im_vector_test = double(reshape(im_gray,[],1));
A_test = im_vector_test – m;
im_proyeksi_test = Eigenface’ * A_test;
for j=1:jum_data
Euc_distance(:,j) = norm( im_proyeksi_test – im_proyeksi_latih(:,j) );
end
[Euc_dist_min , Recognized_index] = min(Euc_distance);
switch Recognized_index
case {1}
label = [‘edi depan’];
case {2}
label = [‘edi kanan’];
case {3}
label = [‘edi kiri’];
case {4}
label = [‘sevi depan’];
case {5}
label = [‘sevi kanan’];
case {6}
label = [‘sevi kiri’];
case {7}
label = [‘salman depan’];
case {8}
label = [‘salman kanan’];
case {9}
label = [‘salman kiri’];
case {10}
label = [‘zen depan’];
case {11}
label = [‘zen kanan’];
case {12}
label = [‘zen kiri’];
case {13}
label = [‘yodi depan’];
case {14}
label = [‘yodi kanan’];
case {15}
label = [‘yodi kiri’];
case {16}
label = [‘gores depan’];
case {17}
label = [‘gores kanan’];
case {18}
label = [‘gores kiri’];
case {19}
label = [‘doni depan’];
case {20}
label = [‘doni kanan’];
case {21}
label = [‘doni kiri’];
case {22}
label = [‘faqih depan’];
case {23}
label = [‘faqih kanan’];
case {24}
label = [‘faqih kiri’];
% case {11,12,13,14,15,16,17,18,19,20}
% label = [‘bona’];
otherwise
%label = [num2str(Recognized_index)];
label = [‘tidak dikenal’];
end
% xlabel(label);
display (label);
end
end
masalah yg saya alami skrng jumlah data yg saya inputkan tdk sama dengan data hasil outputx, hasil keluarannya malah berkurang dengan jumlah data yang di inputkan sebelumnya,
bagaimana mas, mohon pencerahanya??
maksud sya coding dbwah ini mas bkan coding diatas
function [ output_args ] = Untitled2( input_args )
clc
clear all
close all
%buat data base image training
jum_data = 168;
baris = 96;
kolom = 100;
im_gray_buff = [];
for i=1:jum_data
link_im = [‘TrainDatabase\’,num2str(i),’.jpg’];
gbr = imread(link_im);
red=gbr(:,:,1);
green=gbr(:,:,2);
blue=gbr(:,:,3);
gray=0.5*red+0.3*green+0.2*blue;
Y=0.59*red+0.31*green+0.1*blue;
Cr=0.713*(red-Y);
Cb=0.564*(blue-Y);
uk=size(Y);
temp=zeros(uk(1),uk(2));
for j=1:uk(1)
for k=1:uk(2)
if (Y(j,k)>16)&&(Y(j,k)>(1*Cr(j,k)))&&(Cr(j,k)>10)
temp(j,k)=1;
end
end
end
im_temp=gbr;
im_gray = imresize(im_temp,[baris kolom]);
im_vector_latih(:,i) = double(reshape(im_gray,[],1));
end
m = mean(im_vector_latih,2);
for i=1:jum_data
A(:,i) = im_vector_latih(:,i) – m;
end
L = A’*A;
[V D] = eig(L);
L_eigen_vector = [];
for i = 1 : size(V,2)
if( D(i,i)>1 )
L_eigen_vector = [L_eigen_vector V(:,i)];
end
end
Eigenface = A * L_eigen_vector;
for i=1:jum_data
im_proyeksi_latih(:,i) = Eigenface’*A(:,i);
end
save Eigenface_data.mat Eigenface A m jum_data baris kolom im_proyeksi_latih
masalah yg saya alami skrng jumlah data yg saya inputkan tdk sama dengan data hasil outputx, hasil keluarannya malah berkurang dengan jumlah data yang di inputkan sebelumnya,
bagaimana mas, mohon pencerahanya??
mohon maap sebelumx mas..
maksud sya bukan coding seperti diatas tapi coding seperti dibawah ini:
function [ output_args ] = Untitled2( input_args )
clc
clear all
close all
%buat data base image training
jum_data = 168;
baris = 96;
kolom = 100;
im_gray_buff = [];
for i=1:jum_data
link_im = [‘TrainDatabase\’,num2str(i),’.jpg’];
gbr = imread(link_im);
red=gbr(:,:,1);
green=gbr(:,:,2);
blue=gbr(:,:,3);
gray=0.5*red+0.3*green+0.2*blue;
Y=0.59*red+0.31*green+0.1*blue;
Cr=0.713*(red-Y);
Cb=0.564*(blue-Y);
uk=size(Y);
temp=zeros(uk(1),uk(2));
for j=1:uk(1)
for k=1:uk(2)
if (Y(j,k)>16)&&(Y(j,k)>(1*Cr(j,k)))&&(Cr(j,k)>10)
temp(j,k)=1;
end
end
end
im_temp=gbr;
im_gray = imresize(im_temp,[baris kolom]);
im_vector_latih(:,i) = double(reshape(im_gray,[],1));
end
m = mean(im_vector_latih,2);
for i=1:jum_data
A(:,i) = im_vector_latih(:,i) – m;
end
L = A’*A;
[V D] = eig(L);
L_eigen_vector = [];
for i = 1 : size(V,2)
if( D(i,i)>1 )
L_eigen_vector = [L_eigen_vector V(:,i)];
end
end
Eigenface = A * L_eigen_vector;
for i=1:jum_data
im_proyeksi_latih(:,i) = Eigenface’*A(:,i);
end
save Eigenface_data.mat Eigenface A m jum_data baris kolom im_proyeksi_latih
masalah yg saya alami skrng jumlah data yg saya inputkan tdk sama dengan data hasil outputx, hasil keluarannya malah berkurang dengan jumlah data yang di inputkan sebelumnya,
bagaimana mas, mohon pencerahanya??
Assalamu’alaikum mas,
saya mau tanya tentang masalah dari program yang telah di eksekusi itu hasilnya “NaN”, kesalahan biasanya terjadi pada code atau variabelnya?
trimakasih..
Waalaikumsalam Ela
NaN adalah kependekan dari not a number
biasanya NaN merupakan hasil dari pecahan yang penyebutnya bernilai nol
bisa dicek kembali implementasi persamaan yang digunakan
assalamu’alaikum mas
saya mw tanya tentang rumus pre emphasis x(n)=x'(n)-a.x(n-1)
untuk mencari nilai x(n-1) pada code ini yg mana mas
code: y=filter((1,-a)1,x);
itu merupakan code dari pre emphasis
assalamu’alaikum mas
saya mw tanya cara me-resize panjang sinyal
waalaikumsalam ela
sinyal dapat diubah panjangnya dengan cara melakukan dekomposisi
proses tsb salah satunya bisa dilakukan melalui transformasi wavelet
Assalamualaikum mas adi,
saya mau tanya.
misalnya saya punya lima gambar kemudian dari lima gambar tersebut akan di mixing atau di campur dan outputnya menjadi 5 gambar baru yang telah termixing.
ada contoh atau kode matlabnya tidak ya mas? Trimakasih mas
waalaikumsalam thomi luth
ada berbagai jenis algoritma mixing citra
pada umumnya dilakukan proses transparansi pada masing2 citra yang akan dimixing
salah satu contoh proses mixing citra dengan algoritma thresholding dapat dilihat pada laman berikut https://pemrogramanmatlab.com/pengolahan-citra-digital/segmentasi-citra/thresholding-menggunakan-matlab/
Assalamu’alaikum mas,
saya mau tanya tentang proses backpropagation pada matlab, ada function newff. mungkin ada referensi yang bisa menjelaskan beserta contohnya.
terimakasih
waalaikumsalam ela
newff merupakan fungsi perintah dalam matlab untuk membangun feed-forward backpropagation network
materi mengenai pemrograman matlab menggunakan perintah newff dapat dilihat pada laman berikut https://pemrogramanmatlab.com/2016/07/09/jaringan-syaraf-tiruan-untuk-pengenalan-pola/
assalamualaikum mas ..
saya ica
saya mw bertanya apkah ada source code untuk data ascending dan descending…??
mohon pencerahannya..
waalaikumsalam ica
materi mengenai sortir data ascending maupun descending dapat dilihat pada laman berikut https://pemrogramanmatlab.com/2016/12/06/pembuatan-database-mahasiswa-menggunakan-matlab/
assalamu’alaikum mas
saya mau tanya proses backpro menggunakan “nntool”, waktu di training dg data 1000×400 terdapat masalah, yaitu memory.
apa data dengan input 1000 tersebut terlalu banyak, sehingga berpengaruh pada kapasitas memory, memory yg dimaksud itu memory ramnya?
terimakasih
Waalaikumsalam ela
Yang membuat out of memory adalah fitur masukannya yg jumlahnya 1000
Matlab tidak bisa memproses data masukan jst dengan jumlah fitur sebanyak itu
Jumlah fitur umumnya adalah satuan, belasan, atau puluhan
untuk mengatasi hal tersebut bagaimana mas?
terimakasih
untuk mengatasi hal tersebut, jumlah fitur bisa dikurangi
Assalamu’alaikum
mau tanya, untuk ekstraksi fitur batang daun dengan minutiae itu bagaimana ya kalau menggunakan matlab?
terimakasih.
Assalamu’alaikum mas
saya mau tanya hasil dari nntool ada network, error dan outputs. bobot yg di ambil dari proses nntool itu yg mana mas?
terimakasih
Waalaikumsalam Ela
net.IW merupakan bobot yg menghubungkan layer masukan dg layer tersembunyi
net.LW merupakan bobot yg menghubungkan layer tersembunyi dg layer tersembunyi/layer keluaran
net.b merupakan bobot yg menghubungkan bias dengan layer tersembunyi/layer keluaran
apa mungkin dari nilai weight pada nntool itu mas?
Assalamu’alaikum mas
saya mw tanya code threshold
trimakasih
Waalaikumsalam Ela
materi tentang thresholding bisa dilihat pada laman berikut
dan
Assalamu’alaikum mas
saya mw tanya tentang cara menghilangkan nilai nol pada suatu bobot matrik?
trimakasih
trimakasih sebelumya mas adi, saya mau tanya lagi
ada contoh ekstraksi ciri menggunakan metode ICA tidak ya mas, mohon bimbingannya.
trimaskasih mas
wassalammuallaikum wr.wb
Assalamu’alaikum mas..
saya mau tanya tentang penggunaan switch case, dimana data saya ada 100 data.
nomor 1-4 itu ucapan kata akses, nomor 5-8 kata aktuf dll. kata akses tersebut jika dikenali maka akan menampilkan 00000.
saya membuat code seperti :
switch Recognized_index
case{1,2,3,4}
label=(‘00000’);
case{5,6,7,8}
label=(‘00001’);
%dan seterusnya
otherwise
label=(‘tidak dikenal’);
end
dari code di atas ternyata salah, minta tolong untuk penjelasannya mas?
trimakasih..
waalaikumsalam ela
proses tersebut bisa dilakukan dengan menggunakan fungsi strcmp (string comparison)
Assalamualaikum mas. saya mau tanya tentang skripsi saya, judulnya pengenalan tanda tangan menggunakan color code dan algoritma knn. pada proses color codenya ada proses bolding, apa perbedaan bolding sam thickening?
mungkin ada referensi untuk bisa saya pelajari beserta kodingnya.
trimakasih
waalaikumsalam lina
saya rasa yang dimaksud bolding adalah sama dengan thickening yang merupakan operasi morfologi
Assalamualaikum wr wb mas saya mau bertanya, saya kan ingin memakai svm dengan ekstraksi ciri menggunakan nilai skewness, kurtosis, dan entropy, nah pada saya masukkan nilainya ke svm nilainya tidak terdefinisi karna beda dimensinya.
bagaimana caranya agar nilai skewness dan kurtosis ini memiliki dimensi yang sama dengan entropy yaitu 1?
Waalaikumsalam priska
pada toolbox matlab, fungsi svm hanya dapat dijalankan menggunakan dua variable masukan dan dua kelas keluaran
assalamualaikum mas..
mungkin ada contoh code atau program yang menggunakan bolding?
mohon referensinya..
trimakasih
waalaikumsalam lina
materi mengenai operasi morfologi bisa dilihat pada halaman berikut https://pemrogramanmatlab.com/pengolahan-citra-digital/operasi-morfologi-citra/
Assalammualikum, Selamat Malam Mas
Mas saya mau tanya di teori ekstraksi ciri tekstur kan ada 2 ordo, ordo 1 berdasarkan histogram dengan 5 parameter sedangkan ordo 2 berdasarkan kookurensi dengan 6 parameter. Yang saya tanyakan bagaimana code matlab untuk menghitung 5 parameter ordo 1 berdasarkan histogram karena saya sudah buat saat mengambil nilai dari histogram terjadi error dan juga untuk ordo 2 bagaimana menyisipkan perhitungan berdasarkan kookurensi ke dalam code matlabnya, mohon pencerahannya dan solusinya Mas.
Terima Kasih
nb:
*code matlab induk
%Memilih File Gambar
[namefile]=uigetfile(…
{‘*.jpg’,’File Bitra(*.jpg)’;
‘*.jpg’,’File JPEG(*.jpg)’;
‘*.*’,’Semua File(*.*)’},…
‘Pilih Bitra Awal’);
%Membaca Citra awal berdasarkan namafile
A = imread(namefile);
figure, imshow(A);
%Mengubah Citra RGB Menjadi Grayscale
gray = rgb2gray(A);
figure, imshow(gray);
%Membuat Histogram dari Citra Grayscale
histo = imhist(gray);
figure, imhist(gray);
%Ekstraksi Ciri Ordo Satu
D = rata(histo);
%E = variansi(histo);
%F = asimetri(histo);
%G = kurto(histo);
%H = entrop(histo);
*code parameter mean
function rata2 = rata(p)
q=double(p);
[N M]=size(q);
rata2=0;
for i=1:M
for j=1:N
rata2 = rata2+q(i,j);
end
end
rata2 = rata2/(M*N);
rata2=rata2;
*error
Attempted to access q(1,2); index out of bounds because size(q)=[256,1].
Error in rata (line 7)
rata2 = rata2+q(i,j);
Error in tes (line 24)
D = rata(histo);
Assalmualaikum mas terimakasih untuk jawaban sebelumnya
mas adakah coding untuk svm one againts one, soalnya ketika saya coba cari dengan cara manual keluarannya tidak masuk ke kelas tertentu mas. Terimakasih mas
assalamualaikum wr.wb
selamat malam mas, mohon bantuanya mas apakah perhitungan ektraksi ciri seperti ini sudah betul ?
soalnya ketika inputnya menggunakan gambar, nilai Contrast dan IDM 255 dan Corelasi dan Varian 0 (nol)
matKook=(Mat_0+Mat_45+Mat_90+Mat_135)/4;
SumX=sum(matKook);
SumY=sum(matKook’);
MeanX=SumX*I’;
MeanY=SumY*I’;
StdX=sqrt((I-MeanX).^2*SumX’);
StdY=sqrt((I-MeanY).^2*SumY’);
CiriASM=sum(sum(matKook.^2));
CiriCOR = (CiriCOR-(MeanX*MeanY))/(StdX*StdY);
waalaikumsalam reza
materi mengenai koding dan perhitungan glcm bisa dilihat pada halaman berikut http://elib.unikom.ac.id/download.php?id=107467
Assalamualaikum bg adi. saya mau bertanya untuk metode citra yang bagus untuk pengenalan ekstraksi citra darah apa yah bg? apakah grayscale dan hsv bisa??
mohon jawabnnya. kemudian bg source code untuk kedua metode tersebut ada ngk bg?? kalau bisa source code citra gabung jst.
Waalaikumsalam fiqhri
Materi mengenai hal tsb bisa dilihat pada halaman berikut https://pemrogramanmatlab.com/2015/08/10/penghitungan-otomatis-jumlah-sel-darah-merah-dan-identifikasi-fase-plasmodium-falciparum-menggunakan-operasi-morfologi/
Kak buatin gui mendeteksi tekstur jenis batik
Assalam mualaikum
saya mau tanya tentang tamplate maching kira2 ada gk mas materinya.
terima kasih
Assalamualaikum.wr.wb
Mas adi mohon bantuanya, bolehkah saya minta no WA mas adi..
Urgent
Rerimakasih
Permisi saya mau tanya apa bisa melakukan transpose dengan lebih dari 1 matriks, kalau bisa script matlab nya seperti apa atau apa harus dilakukkan satu per satu ??
Terima kasih mohon pencerahannya
kak, ada module code nggak untuk aplikasi matlab yang menghubungkan button antara halaman pertama dan kedua?
assalamualaikum mas,
saya mila mau nanya tentang perhitungan lvq. mungkin ada referensi yang saya pelajari.
terima kasih
Assalamualaikum, mas saya ingin melakukan superimpose 2 buah citra bisa ditunjukan tidak source codenya seperti apa? Terima kasih mas
assalamualaikum, saya sedang melakukan penelitian tugas akhir tentang image processing pada tekstil (kain),pada penelitin ini saya melakukan deteksi terhadap cacat yang terdapat pada kain,kira2 fitur ekstraksi apa yg tepat saya gunakan?apabila saya menggunakan fitur ekstraksi rgb cocok kah untuk penelitian saya?terimakasih sebelumnya 🙂
Waalaikumsalam ratna
ekstraksi ciri tekstur kain bisa menggunakan metode GLCM, wavelet, atau filter gabor
ciri tekstur glcm udah dpt. trus kita mau masukkan database. nah bagian mana yg dimasukkan di database mas. krn setiap angel berbeda. 0.45.dan 90. atau kah cm nilai rata ratanya yg di masukkan di database.
nilai ciri GLCM merupakan nilai rata2 dari semua sudut
Assalamu alaikum mas berarti nilai rata rata GLCM yg dikasi masuk ke database yah mas. bukan yg angel 0,45,90 atau 135. mas ada kah kontak lain yg bisa dihubungi. soalnya banyak yg ingin sy tanyakan. terimakasih sebelumnya mas
Waalaikumsalam
nilai rata2 yg dimaksud adalah nilai rata2 dari keempat sudut tsb
Assalamualaikum mas mau tanya, ada ngak contoh code untuk segmentasi citra medis menggunakan metode fuzzy c-means dan particle swarm optimization. Trimakasih
Waalaikumsalam priyanto
Source code dan data pada materi di atas dapat diperoleh pada halaman berikut ini
Kak, apakah bisa mnegambil ciri warna dari kompenen hsv tapi yg diambil layer 3 nya atau komponen value nya?
Bisa rani
Pada ruang warna hsv
Layer pertama adalah komponen h
Layer kedua adalah komponen s
Layer ketiga adalah komponen v
assalamualaikum mas, saya mau bertanya. apakah bisa hmm dipakai dalam proses ekstraksi? saya lagi bikin project tentang iris recognition. saya mau pakai hmm(hidden markov model) pada proses ekstraksi. apakah memungkinkan memakai hmm buat generate template citra iris mata? ada contoh codes nya gak? terima kasih sebelumnya mas. wassalam.
Waalaikumsalam
Metode hmm bisa diaplikasikan utk melakukan segmentasi iris mata
kalo ekstraksi gak bisa mas? segmentasi itu proses yg nentuan letak irisnya ya?kalo itu saya pake daugman mas. jadi buat ekstraksi fitur/ buat bikin template dari citra iris mata ga bisa ya mas? makasih sebelumnya.
hmm merupakan pemodelan statistika yg dapat digunakan utk ekstraksi ciri
ciri yg diperoleh dapat dijadikan sebagai nilai masukan dalam algoritma klasifikasi atau identifikasi
berarti bisa ya mas? maaf kalo boleh tau ekstraksi nya itu kebentuk apa ya mas? template kah? atau nilai lain? ada contoh codes ekstraksi fitur pake hmm gak mas? makasih mas
fungsi matlab mengenai hidden markov models dapat dilihat pada halaman berikut ini
https://www.mathworks.com/help/stats/hidden-markov-models-hmm.html?requestedDomain=www.mathworks.com
kakak boleh tanya gk?
aku mau simpan data yang ad di edit text gui matlab, isi edit text ny itu hasil dri proses sistem jadi terisi otomatis, cuma pas mau simpan ke dalam database sql itu gk mau ya?
kata Reference to non-existent field ‘text’.
dia bisa ke simpan kalau kita ketik ulang isi edit text nya kak
mohon pencerahannya, terimkasih 🙂
perintah utk mengambil string yang ada pada edit text adalah get(handles.edit1,’String’)
ciee aku aku an :v
:v
mau tanya mas
function buttondeteksi_Callback(hObject, eventdata, handles)
s = get(handles.edit1, ‘String’);
file = char(s);
[pathstr,name,ext] = fileparts(file);
img_path=[pathstr,name,ext];
addpath(img_path);
image1=imread(file,[‘\’,’1.bmp’]);
[ci, cp, out] = thresh(image1,100,400);
axes(handles.axes1);
imshow(out);
image2=imread(file, [‘\’,’2.bmp’]);
[ci, cp, out] = thresh(image2,100,400);
axes(handles.axes2);
imshow(out);
image3=imread(file, [‘\’,’3.bmp’]);
[ci, cp, out] = thresh(image3,100,400);
axes(handles.axes3);
imshow(out);
image4=imread(file, [‘\’,’4.bmp’]);
[ci, cp, out] = thresh(image2,100,400);
axes(handles.axes4);
imshow(out);
error nya di penggunaan imread:
Error using imread (line 347)
Cannot open file “F:\Skripsi\CASIA Iris Image Database (version 1.0)\001\2” for reading. You might not have read permission.
saya mau memproses 4 citra sekaligus yang ada di axes1,2,3, dan4 dengan memanggil thresh.m lalu memunculkan hasi nya ke axes1,2,3 dan 4. itu gimana ya mas? makasih sebelumnya.
sekalian sama code yg ini mas:
function[thv,th,tv]=gen_templateVVV(I)
d=size(I);
a=(d(1)/3)*(d(2)/10);
k=0;l=0;
for i=1:3:d(1)
for j=1:10:d(2)
if(i+3<d(1) && j+10<d(2))
k=k+1;
s(k,:,:)=I(i:i+2,j:j+9);
x(k)=mean(mean(s(k,:,:)));
end
end
end
%vertical grouping
lv=0;
xvgroup=zeros(300);
kk=0;
for kv=1:d(2)/10
lv=lv+1;
kk=0;
mm=0;
for ver=kv:30:kv+870
kk=kk+150;
lv=lv+1;
mm=0;
end
xvgroup(lv)=xvgroup(lv)+x(ver);
mm=mm+1;
xvv(lv,mm)=x(ver);
end
end
xvgroup=xvgroup/5;
for i=1:5:k
if(i+4q)
r=q;s1=p;
else
r=p;s1=q;
end
for j=1:5
if(j>=r && j=svalue(i,prev))
iriscode(i,j)=255;
else
iriscode(i,j)=128;
end
else
iriscode(i,j)=0;
end
end
end
[maxg,p]=max(svaluev(i,1:5));
[ming,q]=min(svaluev(i,1:5));
if(p>q)
r=q;s1=p;
else
r=p;s1=q;
end
for j=1:5
if(j>=r && j=svaluev(i,prev))
iriscodev(i,j)=255;
else
iriscodev(i,j)=128;
end
else
iriscodev(i,j)=0;
end
end
end
b=1;
i=1;
for j=1:5:l
th(i,b:b+4)=iriscode(j,:);
if(b+5>d(2)/10)
i=i+1;
b=1;
end
b=b+5;
end
b=1;
i=1;
%vert
for j=1:5:lv
tv(i,b:b+4)=iriscodev(j,:);
if(b+5>d(2)/10)
i=i+1;
b=1;
end
b=b+5;
end
%vert ends
ths=size(th);
tvs=size(tv);
for i=1:ths(1)
for j=1:ths(2)
thv(i,j)=th(i,j);
end
end
for p=1:tvs(1)
i=i+1;
for q=1:tvs(2)
thv(i,q)=tv(p,q);
end
end
end
yang mau saya tanyain itu pake algoritma apa? ato gini deh, formula (simbol matematika) yg dipake apa buat bikin coding itu? makasih banyak mas, udah desperate banget ini. maaf kalo bikin pusing. semoga M.U menang Europa League. hehe
Assalamualaikum warahmatullahi wabarakaatuh
Maaf mau tanya.
feature ekstraksi ciri apa yg lebih baik untuk digunakan pda ekstraksi ciri dari transformasi Curvelet diskrit, yg menggunakan klasifikasi LDA(linear discriminant analysis)?
Mohon pendapatnya
Terima kasih
Wassalamualikum warahmatullahi wabarakatuh.
Waalaikumsalam wahyu
Bisa menggunakan parameter ciri statistik orde pertama seperti mean, std, varians, entropy, skewness
Atau parameter ciri statistik orde dua seperti contrast, correlation, energy, homogeneity, idm, asm
saya sudah mencoba mean, std, varians, entropy, contrast, correlation, energy, homogeneity, sum-mean. nah dari ke 9 feature tersebut kalo dilihat dari hasil plotnya, varians, std, dan entropy itu lebih jelas hasil perbandingannya. kenapa 3 feature tersebut bisa lebih baik drpd yg lain ya?
Mohon pendapatnya.
Terima kasih
dalam suatu penelitian terkadang perlu untuk dilakukan tahapan feature selection yang tujuannya untuk memilih ciri terbaik yang mampu membedakan antara kelas yang satu dengan kelas lainnya
memang biasanya tidak semua ciri yang diekstrak yang terpilih sehingga diperoleh beberapa ciri saja
Terima kasih pendapatnya.
kalau varians dan std itu yang dihitung berdasarkan apa?
Varians dan standard deviasi merupakan parameter yg menunjukkan tingkat homogenitas nilai intensitas piksel citra
Nilai varians dan std yg semakin mendekati nol maka semakin homogen nilai intensitas piksel citra tsb