• Tidak ada hasil yang ditemukan

Staffsite STMIK PPKIA Pradnya Paramita 66aef bab 1 pcd

N/A
N/A
Protected

Academic year: 2018

Membagikan "Staffsite STMIK PPKIA Pradnya Paramita 66aef bab 1 pcd"

Copied!
44
0
0

Teks penuh

(1)
(2)

Buku Acuan (1)

 Pengolahan Citra Digital, Rinaldi Munir, 2004, Penerbit Informatika,

Bandung

 Pengolahan Citra Digital & Teknik pemrogramannya, Usman Ahmad,

2005, Penerbit Graha Ilmu, Yogyakarta

 Pengolahan Citra Digital menggunakan Visual Basic, Achmad Basuki

dkk, 2005. Penerbit Graha Ilmu, Yogyakarta

 Pengolahan Citra Digital menggunakan MatLAB Image Processing

Toolbox, Marvin Ch. Wijaya & Agus Prijono, 2007. Penerbit INFORMATIKA Bandung

 Pengolahan Citra menggunakan Delphi, Fadlisyah dkk, 2008.

(3)

Buku Acuan (2)

 Pengolahan Citra pada MOBIL ROBOT, Tabratas Tharom

dan Onno W. Purbo, 2000, Penerbit ITB Bandung

 Interpretasi Citra Digital, F. Sri Hardiyanti Purwadhi, 2001,

Penerbit Gramedia Jakarta

 Teknik Pengolahan CITRA DIGITAL menggunakan

DELPHI, Balza Achmad dan Kartika Firdausy, 2005, Penerbit Ardi Yogyakarta

 PENGOLAHAN CITRA DIGITAL Teori dan Aplikasinya

dalam Bidang Penginderaan Jauh, Projo Danoedoro, 1996, Penerbit Fakultas Geografi UGM Yogyakarta

 Pemanfaatan KAMERA DIGITAL & Pengolahan

(4)

Sejarah

Minat PCD dimulai awal 1921 yaitu

pertama kali sebuah foto berhasil

ditransmisikan secara digital melalui

kabel laut dari New York ke London

(5)

Lanjutan

(6)

lanjutan

(7)

lanjutan

1960 perkembangan pesat

Munculnya teknologi komputer

Kecepatan proses

Kapasitas memori

(8)

Pengelompokan dua kegiatan

1.

Memperbaiki kualitas gambar (citra)

sehingga dapat lebih mudah

diinterpretasikan oleh mata manusia

2.

Mengolah informasi yang terdapat pada

(9)

lanjutan

 Situs WEB (website) di Internet menarik

visualisasi gambar atau video

 HP. SMS (Short Message Service)

MMS (Multimedia Message Service) gambar atau video

Sosial media (SOSMED)

(10)

Pengertian Citra

Citra (image) – istilah lain untuk gambar-

sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual.

 Citra punya karakteristik yang tidak dimiliki

teks, yaitu citra kaya informasi

 Secara harfiah, citra (image) adalah gambar

(11)

 Citra adalah gambar dua dimensi yang

dihasilkan dari gambar analog dua dimensi yang kontinus menjadi gambar diskrit melalui proses sampling (Wikepedia, 2006).

Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit.

(12)

Secara Matematis

 Citra merupakan fungsi menerus (continue)

dari intensitas cahaya pada bidang 2D

 Sumber cahaya menerangi obyek, obyek

memantulkan kembali sebagian dari berkas cahaya tsb.

 Pantulan cahaya ini ditangkap oleh alat-alat

optik mis. Kamera, scanner, mata manusia dsb, sehingga bayangan obyek yang

(13)

Citra sebagai keluaran dari sistem perekaman data dapat bersifat:

 Optik

 Analog

 Digital

Pengertian Citra

foto

sinyal video/gambar pada monitor TV (screen)

(14)

Macam citra menurut keadaan

 Citra diam (Still Images), citra tunggal yang

tidak bergerak

 Citra bergerak (Moving Images), rangkaian

citra diam yang ditampilkan secara beruntun

(sequencial), sehingga memberi kesan pada mata kita sebagai gambar bergerak. Setiap citra dalam rangkaian disebur frame.

(15)

Degradasi citra

Citra kaya informasi, seringkali mengalami

penurunan mutu (degradasi) :

a.

Mengandung cacat atau derau (

noise

)

b.

Warna terlalu kontras,

c.

Kurang tajam,

d.

Kabur (

blurring

)

(16)

lanjutan

 Agar citra terdegradasi mudah diinterpretasi

(manusia/mesin), maka citra tersebut perlu

dimanipulasi menjadi citra lain yang kualitasnya lebih baik.

 Bidang studi yang menyangkut ini adalah

Pengolahan Citra Digital (Digital Image Processing)

 Contoh : Citra agak gelap diperbaiki kontrasnya

(17)

Perbaikan citra

1. Perbaikan/modifikasi citra untuk

meningkatkan kualitas penampakan/ untuk menonjolkan aspek informasi yang

terkandung di dalam citra

2. Elemen di dalam citra perlu

dikelompokkan, dicocokkan atau diukur

3. Sebagian citra perlu digabung dengan

(18)

3 Bidang Studi yang berkaitan

dengan Citra (Rinaldi Munir)

deskripsi deskripsi citra citra Pengolahan Citra

Pengenalan Pola

(19)

 Grafika Komputer (computer graphics),

menghasilkan citra dengan primitif-primitif geometri spt: garis, lingkaran, elips dll. Hal ini penting dalam visualisasi

 Pengolahan Citra (image processing),

memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer

 Pengenalan Pola (pattern recognition),

mengelompokkan data numerik dan simbolik untuk mengenali suatu objek di dalam citra

(20)

Bidang Tambahan

 Artificial intellegence (Kecerdasan Buatan), menganalisis

pemandangan dalam citra dengan perhitungan simbol-simbol yang mewakili isi pemandangan tsb setelah citra diolah untuk memperoleh ciri khas (usg)

 Artificial neural network, mengolah berbagai data yang

dihasilkan oleh sistem visual dalam upaya pengambilan keputusan yang tepat berdasarkan data-data

 Psycophysics, sistem visual manusia dalam bidang

(21)

Bidang Studi Citra

Citra karakter “D” digunakan sebagai masukan untuk pengenalan huruf Contoh Pengenalan Pola

Pola batik

(22)

Pengolahan Citra

Pengolahan citra (image processing)

(23)

Penerapannya:

 Perbaikan/modifikasi citra

kualitas citra

 Pengelompokan elemen dalam citra

pengukuran, pencocokan

 Penggabungan citra

jika diperlukan

(24)

Contoh: citra buah tomat

Pengolahan Citra

(25)

Computer Vision

Computer vision merupakan proses

otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, klasifikasi, pengenalan (recognition) dan membuat keputusan.

(26)

Sistem Visual

Computer vision terdiri dari teknik-teknik untuk

(27)

Proses dalam computer vision

Computer Vision

1. Mengakuisisi citra digital.

2. Melakukan teknik komputasi (operasi-operasi pengolahan citra).

(28)

Computer Vision

Hirarki Pemrosesan Contoh Algoritma

preprocessing noise removal contras enhancement

lowest-level feature extraction edge detection texture detection

intermediate-level feature identification

conectivity pattern matching boundary coding

high-level scene interpretation via images

model-base recognition

Scalkoff, 1989

(29)

Operasi Pengolahan Citra

1. Perbaikan kualitas citra (image enhancement)

Operasi ini bertujuan memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra.

Contoh perbaikan kualitas citra:

perbaikan kontras gelap/terang

perbaikan tepian objek (edge enhancement)penajaman (sharpening)

(30)

Operasi Pengolahan Citra

1. Perbaikan kualitas citra (image enhancement)

Citra asli

(31)

Operasi Pengolahan Citra

2. Pemugaran citra (image restoration)

Operasi ini bertujuan menghilangkan/ meminimumkan cacat pada citra.

(32)

Operasi Pengolahan Citra

3. Pemampatan citra (image compression)

Operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit.

(33)

Operasi Pengolahan Citra

4. Segmentasi citra (image segmentation)

(34)

Operasi Pengolahan Citra

5. Pengorakan citra (image analysis)

(35)

Operasi Pengolahan Citra

5. Pengorakan citra (image analysis)

Contoh pengorakan citra:

Pendeteksian tepi objek (edge detection)Ekstraksi batas (boundary)

(36)

Operasi Pengolahan Citra

5. Pengorakan citra (image analysis)

Citra Landsat berikut menunjukkan suhu permukaan laut global (dengan thermal IR). Dengan analisis

(37)

Operasi Pengolahan Citra

6. Rekonstruksi citra (image recontruction)

(38)

Aplikasi Pengolahan Citra dan

Pengenalan Pola

1. Bidang perdagangan : bar code di supermarket,

pengenalan huruf/angka pada formulir secara otomatis

2. Bidang militer : Mengenali sasaran peluru kendali melalui sensor visual, mengidentifikasi jenis pesawat musuh

3. Bidang kedokteran : Citra sinar X untuk deteksi kanker, Nuclear Magnetic Resonance, USG dll

4. Bidang biologi/Bioinformatika: pengenalan

kromosom, DNA

(39)

lanjutan

6. Hiburan : Pemampatan Video (MPEG)

7. Robotika : Visualy guided autonomous Navigation

8. Pemetaan : Klasifikasi penggunaan tanah mll foto udara/LANDSAT

9. Geologi : Jenis-jenis batuan

10.Hukum : Sidik jari/ pengenalan wajah dll 11.Digital printing/publishing

(40)

Aplikasi Pengolahan Citra dan

Pengenalan Pola

Bidang kedokteran

Citra otak bayi direkam menggunakan NIRS.

(41)

Aplikasi Pengolahan Citra dan

Pengenalan Pola

Bidang biometrik untuk diabetes

(42)

Aplikasi Pengolahan Citra dan

Pengenalan Pola

Bidang geologi

(43)

Aplikasi Pengolahan Citra dan

Pengenalan Pola

Bidang geologi

(44)

Referensi

Dokumen terkait

Peraturan Pemerintah Nomor 79 Tahun 2005 tentang Pedoman Pembinaan dan Pengawasan Penyelenggaraan Pemerintah Daerah 54. Perpres Nomor 185 Tahun 2014 tentang Percepatan

1. Pelarangan hilah didasarkan kepada pertimbangan adanya hikmah di balik ketetapan syari’at di samping juga bertentangan dengan syari’at itu sendiri. Sebenarnya tujuan

2015 menyatakan Pelelangan Gagal dengan mengacu pada Peraturan Presiden Republik Indonesia Nomor 04 tahun 2015 tentang Perubahan Keempat atas Peraturan Presiden Nomor 54 Tahun

Hasil penelitian yang diperoleh untuk masing-masing indikator self-efficacy yakni indikator: (1) Keyakinan terhadap kemampuan dalam menghadapi situasi yang tidak

adalah tentang riba (tambahan/kelebihan) yang dibolehkan, akan tetapi tidak dihitung sebagai tambahan di sisi Allah karena pemberian itu tidak didasarkan untuk mencari ridha

I then provide empirical evidence that these reforms suc- ceeded in substantially increasing the labor market attachment of the target population and that local welfare

[r]

Dengan ini diberitahukan bahwa berdasarkan Surat Penetapan Panitia Pengadaan Barang/Jasa Pengembangan Permukiman dan Tata Bangunan Nomor : 60a/TAP/FSK/APBD/P2TB/VI/2012 tanggal 12