Blog Archives

Ekstraksi Ciri Citra RGB


Berikut ini merupakan contoh pemrograman matlab untuk melakukan proses ekstraksi ciri dari citra rgb. Ciri yang diekstrak adalah berupa ciri statistik dan ciri bentuk. Pada contoh ini digunakan citra fish.jpg di mana foreground adalah berupa ikan sedangkan background adalah berupa air.

Langkah-langkah pemrogramannya adalah sebagai berikut:
1. Membaca dan menampilkan citra asli

clc;clear;close all;

Img = imread('fish.jpg');
figure, imshow(Img), title('original image');

sehingga diperoleh tampilan:

-read more->

Jaringan Syaraf Tiruan Untuk Pengenalan Pola


Berikut ini merupakan contoh pemrograman matlab untuk mengklasifikasi bentuk suatu objek dalam citra digital menggunakan algoritma jaringan syaraf tiruan propagasi balik (backpropagation neural network).

Pada contoh ini dilakukan pengklasifikasian terhadap bentuk segi-3, segi-4, dan segi-5. Ciri yang digunakan untuk membedakan ketiga jenis bentuk tersebut adalah metric dan eccentricity.

Metric merupakan nilai perbandingan antara luas  dan keliling objek. Sedangkan eccentricity merupakan nilai perbandingan antara jarak foci ellips minor dengan foci ellips mayor suatu objek. (Materi mengenai ekstraksi ciri lebih lanjut dapat dilihat pada laman berikut ini: Ekstraksi Ciri Citra).

Langkah-langkah pemrograman matlab untuk mengklasifikasi bentuk suatu objek dalam citra digital menggunakan matlab adalah sebagai berikut:
1. Menyiapkan data latih untuk proses pelatihan (training). Pada proses ini digunakan 45 citra data latih yang terdiri dari 15 citra segi-3, 15 citra segi-4, dan 15 citra segi-5.

-read more->

Ekualisasi Histogram pada Citra Digital


Histogram Citra merupakan diagram yang menunjukkan distribusi nilai intensitas cahaya pada suatu citra. Pada histogram, sumbu-x menyatakan nilai intensitas piksel sedangkan sumbu-y menyatakan frekuensi kemunculan piksel. Dalam bidang pengolahan citra digital, terkadang perlu dilakukan pre-processing yang merupakan proses perbaikan kualitas citra dengan tujuan untuk memudahkan manusia atau komputer untuk merepresentasikan citra. Salah satu metode perbaikan kualitas citra adalah perataan histogram atau yang sering disebut sebagai histogram equalization.

Berikut ini merupakan pemrograman matlab untuk melakukan ekualisasi histogram citra secara manual.

Langkah-langkahnya adalah:

1. Membaca citra grayscale

clc;clear;close all;

I = imread('pout.tif');
figure, imshow(I);
title('Original Image')

-read more->

Pengolahan Citra Digital untuk Deteksi Tepi Obyek


Berikut ini merupakan contoh pemrograman matlab untuk mendeteksi objek dalam citra digital menggunakan metode deteksi tepi roberts.

Langkah-langkah pemrogramannya adalah sebagai berikut:

1. Membaca citra asli

-read more->

Pengolahan Citra Digital untuk Mendeteksi Warna dan Bentuk Obyek


Berikut ini merupakan pemrograman GUI Matlab untuk mendeteksi warna dan bentuk suatu objek pada citra digital.

Proses deteksi warna diawali dengan mengkonversi ruang warna citra RGB (Red, Green, Blue) menjadi HSV (Hue, Saturation, Value). Selanjutnya proses klasifikasi warna dilakukan berdasarkan pengelompokan nilai Hue.

Sedangkan proses deteksi bentuk diawali dengan mengkonversi ruang warna citra RGB menjadi grayscale. Setelah itu dilakukan thresholding sehingga diperoleh citra biner. Kemudian dilakukan ekstraksi ciri morfologi dari citra biner berdasarkan parameter eccentricity dan metric. Proses klasifikasi citra dilakukan berbasis aturan (rule based) sederhana.

1. Membuka tampilan GUI awal

-read more->

Algoritma k-means clustering dan Naive Bayes classifier untuk Pengenalan Pola Tesktur


K-means Clustering merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster/kelompok. Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.

Sedangkan Naive Bayes Classifier merupakan salah satu metode machine learning yang memanfaatkan perhitungan probabilitas dan statistik. Metode ini dikemukakan oleh ilmuwan Inggris yaitu Thomas Bayes untuk memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya.

Berikut ini merupakan pemrograman matlab (menggunakan Matlab R2015b) mengenai pola tekstur citra menggunakan algoritma k-means clustering dan naive bayes classifier. Citra yang digunakan adalah citra tekstur Brodatz sejumlah 112 buah seperti tampak pada gambar di bawah ini:

-read more->

Model Ruang Warna Pengolahan Citra


Dalam bidang pengolahan citra digital dikenal berbagai macam ruang warna (color space) citra.

Yang paling umum adalah ruang warna RGB (Red, Green, Blue).

Ruang warna RGB mendefinisikan suatu warna berdasarkan tiga kanal (channel) warna yaitu merah, hijau, dan biru.

Ruang warna RGB untuk citra truecolor 24 bit diilustrasikan oleh gambar berikut:
-read more->

k-means clustering menggunakan matlab


Data clustering merupakan salah satu metode data mining yang bersifat tanpa arahan (unsupervised).

Ada dua jenis data clustering yang sering digunakan dalam proses pengelompokan data yaitu hierarchical (hirarki) data clustering dan non-hierarchical (non hirarki) data clustering.

K-means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster/kelompok.

Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.

Ilustrasi algoritma k-means ditunjukkan pada gambar di bawah ini:


-read more->

k-Nearest Neighbor (k-NN) Menggunakan Matlab


Algoritma k-nearest neighbor (k-NN atau KNN) merupakan sebuah algoritma untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut.

Ilustrasi dari metode yang digunakan oleh algoritma k-nn ditunjukkan pada gambar di bawah ini:

-read more->

Akuisisi citra digital menggunakan webcam


Matlab (Matrix Laboratory) merupakan salah satu perangkat lunak yang mendukung bidang pengolahan citra digital. Dalam bidang tersebut pada umumnya diawali dengan proses akuisisi citra digital.

Proses akuisisi citra digital dilakukan dengan cara menangkap (capture) atau memindai (scan) citra analog kemudian mengkonversinya menjadi citra digital agar dapat disimpan dan juga diolah melalui komputer.

Salah satu alat akuisisi citra digital yang sering digunakan adalah webcam.

Dalam software Matlab, proses akuisisi citra digital menggunakan webcam dapat dilakukan dengan terlebih dahulu menginstal driver Image Acquisition Support Packages for Hardware Adaptors.

Ada cukup banyak driver yang perlu diinstal yaitu sebagai berikut:

Adaptor Name Support package name in list Contents
Windows Video (winvideo) OS Generic Video Interface MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system.
Kinect for Windows (kinect) Kinect for Windows Sensor MATLAB files to use Kinect for Windows cameras with the toolbox

Third party files – Kinect for Windows Runtime

QImaging (qimaging) QImaging Hardware MATLAB files to use QImaging cameras with the toolbox

Third party files – QImaging QCam

DALSA IFC (dalsaifc) Teledyne DALSA IFC Hardware MATLAB files to use DALSA IFC cameras with the toolbox
DALSA Sapera (dalsasapera) Teledyne DALSA Sapera Hardware MATLAB files to use DALSA Sapera cameras with the toolbox
GigE Vision (gige) GigE Vision Hardware MATLAB files to use GigE Vision cameras with the toolbox
Matrox (matrox) Matrox Hardware MATLAB files to use Matrox cameras with the toolbox
DCAM (dcam) DCAM Hardware MATLAB files to use DCAM cameras with the toolbox

Third party files – CMU DCAM on Windows driver file

GenICam GenTL (gentl) GenICam Interface MATLAB files to use GenTL cameras with the toolbox
Point Grey (pointgrey) Point Grey Hardware MATLAB files to use Point Grey cameras with the toolbox

Third party files – Point Grey FlyCapture

Linux Video (linuxvideo) OS Generic Video Interface MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system.
Macintosh Video (macvideo) OS Generic Video Interface MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system.
Data Translation (dt) Data Translation Frame Grabbers MATLAB files to use Data Translation hardware with the toolbox
Hamamatsu (hamamatsu) Hamamatsu Hardware MATLAB files to use Hamamatsu cameras with the toolbox
National Instruments (ni) NI Frame Grabbers MATLAB files to use NI hardware with the toolbox

Third party files – NI-IMAQ files

Langkah-langkah untuk menginstal driver-driver tersebut adalah:
1. Klik tool ‘Add-Ons’ pada home tool, kemudian pilih ‘Get Hardware Support Packages’


-read more->

%d bloggers like this: