Laporan Pengolahan Citra Gambar

LAPORAN
Makalah Pengolahan Citra Gambar


Nama Kelompok & NIM  :

1.     Andrean Majid Nurdin       161011401347
2.     Azmi Zikir Nur Ilham        171021450019
3.     M. Rafli Al Maroghi          161011401402
                4.  Nizwar Fathurrohman        161011401393

KELAS : 06TPLP003

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
STMIK ERESHA
SK.MENDIKNAS 143/D/0/2006
Jl.RayaPuspitek No. 10, Serpong - Tangerang Selatan telp. (021) 741 2566



KATA PENGANTAR

Puji syukur kehadirat Allah Subhanahu Wata’ala Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah, Taufik dan Hidayahnya sehingga kami dapat menyelesaikan penyusunan makalah ini dalam bentuk maupun isinya yang sangat sederhana. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk,, maupun pedoman bagi pembaca serta harapan kami semoga makalah ini membantu menambah pengetahuan dan wawasan bagi para pembaca.
Kami sadari dalam pembuatan makalah ini masih banyak kekurangan karena pengetahuan yang kami miliki masih sangat kurang. Oleh kerena itu, kami harapkan kepada para pembaca untuk memberikan masukan-masukan yang bersifat membangun untuk kesempurnaan makalah ini kedepannya.

DAFTAR ISI

KATA PENGANTAR................................................................................................
DAFTAR ISI ….........................................................................................................
BAB 1 PENDAHULUAN ........................................................................................
            1.1 Latar Belakang ........................................................................................
BAB 2 PEMBAHASAN ...........................................................................................
2.1 Definisi Pengolahan Citra Digital ...........................................................
2.2 Grafika Komputer ...................................................................................
            2.3 Pengolahan Citra .....................................................................................
            2.4 Aplikasi Pengolahan Citra ......................................................................
            2.5 Pengenalan Pola ......................................................................................
                2.6 Computer Vision .................................................................................
BAB 3 PENUTUP ....................................................................................................
         3.1 Kesimpulan ................................................................................................
DAFTAR PUSTAKA ................................................................................................


BAB 1
PENDAHULUAN

1.1 Latar Belakang

Mata adalah Indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan panting dalam perspektif manusia. Namun, mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik. Komputer atau mesin pencitraan lainnya dapat menangkap hampir keseluruhan sinyal elektro magnetik mulai dari gamma hingga gelombang radio. Mesin pencitraan dapat bekerja dengan citra dari sumber yang tidak sesuai, tidak cocok, atau tidak dapat ditangkap dengan penglihatan manusia. Hal inilah yang menyebabkan pengolahan citra digital memiliki kegunaan dan spektrum aplikasi yang sangat luas.

Teknologi  pengolahan citra dapat masuk ke berbagai bidang seperti kadokteran, industri, pertanian, geologi, kelautan, dan lain sabagainya. Kehadiran teknologi peng­olahan citra memberikan kemajuan yang luar biasa pada bidang-­bidang tersebut. Ke depan penerapan teknologi pengolahan citra digital ini akan terus meluas dan hal ini merupakan tantangan tersendiri bagi para penekun dan peneliti di bidang ini.

BAB 2
PEMBAHASAN

2.1  Definisi pengolahan citra digital
Meskipun  sebuah citra kaya informasi, namun seringkali  citra  yang kita  miliki mengalami  penurunan mutu (degradasi), misalnya mengandung  cacat atau derau ( noise ), warnanya terlalu kontras, kurang tajam, kabur ( blurring ), dan sebagainya. Tentu saja citra semacam ini  menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang.
Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain  yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image processing).

Pengolahan citra adalah  pemrosesan citra,  khususnya dengan  menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila:
A. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra.
B. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur.
C. Sebagian citra perlu digabung dengan bagian citra yang lain.

2.2 Grafika Komputer

Grafika komputer adalah teknik-teknik dalam ilmu komputer dan matematika untuk merepresentasikan dan memanipulasi data gambar menggunakan komputer. Dengan bahasa lain, istilah grafika komputer juga dapat diartikan segala sesuatu selain teks atau suara. Seiring dengan perkembangan teknologi dewasa ini, gambar-gambar yang dihasilkan dan ditampilkan pada komputer menjadi bagian kehidupan sehari-hari yang dapat ditemui misalnya pada televisi, koran dan majalah yang fungsinya untuk menampilkan hasil yang lebih komunikatif dan realistis. Selain itu juga grafika komputer ditemukan pada bidangbidang kedokteran, geologi dan tak terkecuali dalam bidang pendidikan untuk pengajaran dan penulisan karya-karya ilmiah.

Salah satu aplikasi yang nyata dari grafika komputer adalah untuk visualisasi data dalam bentuk grafis 2D atau 3D dilengkapi dengan animasi.Walaupun bentuk grafis 3D lebih realistis, namun bentuk 2D masih banyak dipergunakan. Grafika komputer muncul sebagai bagian ilmu komputer yang mempelajari metode-metode sintesa dan manipulasi konten visual secara dijital. Visualisasi informasi dan sains telah menjadi fokus penelitian terutama yang berkaitan dengan fenomena-fenomena 3D dalam bidang arsitektur, meterorologi, kedokteran, biologi dan sebagainya. Penekanan diberikan dalam rangka menjawab pertanyaan bagaimana menghasilkan gambar benda yang realistis sesuai dengan kondisi dan situasi yang terjadi.

Sejarah Grafika Komputer
Seperti bidang ilmu lain, sejarah grafika komputer sangat bervariatif tergantung darimana kita melihat sudut pandangnya. Namun beberapa nama menjadi pionir dalam pengembangan grafika komputer yaitu:
William Fetter. Mempopulerkan istilah computer graphics pada tahun 1960. Istilah ini digunakan untuk menjelaskan metode perancangan pesawat baru yang dikembangkan di tempat ia bekerja yaitu Boeing. Citra, yang direproduksi menggunakan plotter, menggambarkan rancangan kokpit menggunakan model 3D tubuh manusia.
Ivan Sutherland. Seorang mahasiswa MIT pada tahun 1961 menciptakan program komputer yang disebut Sketchpad. Dengan bantuan light pen seseorang dapat menggambar bangun sederhana pada layar komputer.
Steve Russell. Di tahun yang sama menciptakan video game pertama yang disebut Spacewar. Program ini dijalankan pada mesin DEC-PDP-1, dan sekaligus menjadi program uji bagi setiap komputer DEC yang dipasarkan.
E. E. Zajac. Seorang ilmuwan dari Bell Telephone Laboratory, tahun 1963, menciptakan sebuah film yang mensimulasikan gerakan-gerakan satelit pada saat mengorbit bumi. Animasinya dilakukan menggunakan komputer mainframe IBM 7090. Pada waktu yang sama beberapa ilmuwan lain menciptakan film untuk mensimulasikan hukum Newton, Gerakan fluida/cairan dan getaran. Masih banyak nama-nama lain yang berkiprah dalam pengembangan grafika komputer, baik sebagai pionir, sebagai inventor, sebagai adapter maupun sebagai follower.

Aplikasi-aplikasi Grafika Komputer
Setidaknya ada tujuh area dimana aplikasi grafika komputer dapat dimanfaatkan, yaitu :
1. User Interface. Penggunakan grafika komputer sebagai antar muka komputer pada system operasi dan aplikasi modern dewasa ini, misalnya Windows dan Visual Studio.
2. Membuat Presentasi. Digunakan untuk membuat diagram-diagram. Office Automation Penggunakan grafis pada aplikasi otomasi perkantoran seperti Office sudah menjadi trend aplikasi modern dengan konsep point and click.
3. Percetakan Digital. Penggunaan untuk percetakan, pembuatan brosur, billboard digital, buku dan sebagainya.
4. CAD/CAM (Computer-Aided Design/Computer-Aided Manufacturing). Aplikasi pada bidang teknik, misalnya untuk pembuatan rancang bangun rumah, kendaraan dan alatalat suku cadang.
5. Seni dan Komersil. Aplikasi grafika komputer pada bidang seni dan komersil, misalnya lukisan dijital, promosi barang-barang yang dijual secara online yang dilengkapi dengan gambar.
6. Pengontrolan Proses. Aplikasi visualisasi data dengan menghubungkan alat dengan komputer melalui saluran USB atau RS-232. Digunakan untuk memonitor lokasi, webcam dan pengawasan dan sebagainya.
2.3 Pengolahan Citra
1. Pengolahan citra adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia/mesin (komputer). Inputannya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik daripada citra masukan Æ misal citra warnanya kurang tajam, kabur (blurring), mengandung noise (misal bintikbintik putih), dll sehingga perlu ada pemrosesan untuk memperbaiki citra karena citra tersebut menjadi sulit diinterpretasikan karena informasi yang disampaikan menjadi berkurang.
2. Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan. Termasuk ke dalam bidang ini juga adalah pemampatan citra (image compression).

Operasi-operasi pada pengolahan citra diterapkan pada citra bila :
1. Perbaikan atau memodifikasi citra dilakukan untuk meningkatkan kualitas penampakan citra/menonjolkan beberapa aspek informasi yang terkandung dalam citra (image enhancement) contoh : perbaikan kontras gelap/terang, perbaikan tepian objek, penajaman, pemberian warna semu, dll.
2. Adanya cacat pada citra sehingga perlu dihilangkan/diminimumkan (image restoration) contoh : penghilangan kesamaran (debluring) Æ citra tampak kabur karena pengaturan focus lensa tidak tepat / kamera goyang, penghilangan noise.
3. Elemen dalam citra perlu dikelompokkan, dicocokan atau diukur (image segmentation) Operasi ini berkaitan erat dengan pengenalan pola.
4. Diperlukannya ekstraksi ciri-ciri tertentu yang dimiliki citra untuk membantu dalam pengidentifikasian objek (image analysis). Proses segementasi kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh : pendeteksian tepi objek.
5. Sebagian citra perlu digabung dengan bagian citra yang lain (image reconstruction).
6. contoh : beberapa foto rontgen digunakan untuk membentuk ulang gambar organ tubuh.
7. Citra perlu dimampatkan (image compression) contoh : suatu file citra berbentuk BMP berukuran 258 KB dimampatkan dengan metode JPEG menjadi berukuran 49 KB.
8. Menyembunyikan data rahasia (berupa teks/citra) pada citra sehingga keberadaan data rahasia tersebut tidak diketahui orang (steganografi & watermarking)

Operasi Pengolahan Citra
Operasi-operasi yang dilakukan di dalam pengolahan citra banyak ragamnya. Namun, secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut:
1. Perbaikan kualitas citra (image enhancement)
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
Contoh-contoh operasi perbaikan citra:
§  perbaikan kontras gelap/terang
§  perbaikan tepian objek (edge enhancement)
§  penajaman (sharpening)
§  pemberian warna semu (pseudocoloring)
§  penapisan derau (noise filtering)

2. Pemugaran citra (image restoration).

a.    Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra.
b.    Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra.

Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.
Contoh-contoh operasi pemugaran citra:
a.       penghilangan kesamaran (deblurring).
b.       penghilangan derau (noise)

3. Pemampatan citra (image compression).

Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus.

4.  Segmentasi citra (image segmentation).

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.

5.  Pengorakan citra (image analysis).

Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi

Kadang kala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya.
Contoh-contoh operasi pengorakan citra:
a.         Pendeteksian tepi objek (edge detection)
b.        Ekstraksi batas (boundary)
c.         Representasi daerah (region)

 6. Rekonstruksi citra (image reconstruction)

              Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh.


2.4 Pengenalan Pola
Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan sebagai "tindakan mengambil data mentah dan bertindak berdasarkan klasifikasi data" Dengan demikian, ia merupakan himpunan kaidah bagi pembelajaran diselia (supervised learning). Ada beberapa definisi lain tentang pengenalan pola, di antaranya
Pengenalan Pola mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin (dalam hal ini komputer). Tujuan pengelompokan adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskripsi objek di dalam citra.

Pengenalan Pola secara Statistik

Pendekatan ini menggunakan teori-teori ilmu peluang dan statistik. Ciri-ciri yang dimiliki oleh suatu pola ditentukan distribusi statistiknya. Pola yang berbeda memiliki distribusi yang berbeda pula. Dengan menggunakan teori keputusan didalam statistik, kita menggunakan distribusi ciri untuk mengklasifikasikan pola.

Ada dua fase dalam sistem pengenalan pola: (i) fase pelatihan dan (ii) fase pengenalan. Pada fase pelatihan, beberapa contoh citra dipelajari untuk menentukan ciri yang akan digunakan dalam proses pengenalan serta prosedur klasifikasinya. Pada fase pengenalan, citra diambil cirinya kemudian ditentukan kelas kelompoknya.

Preprocessing
        Proses awal yang dilakukan untuk memperbaiki kualitas citra (edge enhancement) dengan menggunakan teknik-teknik pengolahan citra yang sudah diejelaskan pada bab-bab sebelum ini.

Feature Extraction

              Proses mengambil ciri-ciri yang terdapat pada objek di dalam citra. Pada proses ini objek di dalam citra mungkin perlu dideteksi seluruh tepinya, lalu menghitung properti-properti objek yang berkaitan sebagai ciri. Beberapa proses ekstraksi ciri mungkin perlu mengubah citra masukan sebagai citra biner, melakukan penipisan pola, dan sebagainya.

Classification
Proses mengelompokkan objek ke dalam kelas yang sesuai.

Feature Selection
              Proses memilih ciri pada suatu objek agar diperoleh ciri yang optimum, yaitu ciri yang dapat digunakan untuk membedakan suatu objek dengan objek lainnya.

Learning 
              Proses belajar membuat aturan klasifikasi sehingga jumlah kelas yang tumpang tindih dibuat sekecil mungkin. Kumpulan ciri dari suatu pola dinyatakan sebagai vektor cirri dalam ruang bahumatra (multi dimensi). Jadi, setiap pola dinyatakan sebagai sebuah titik dalam ruang bahumatra.
              Ruang bahumatra dibagi menjadi sejumlah uparuang (sub-ruang). Tiap uparuang dibentuk berdasarkan pola-pola yang sudah dikenali kategori dan ciri-cirinya (melalui fase pelatihan).

Pengenalan Pola secara Sintaktik
Pendekatan ini menggunakan teori bahasa formal. Ciri-ciri yang terdapat pada suatu pola ditentukan primitif dan hubungan struktural antara primitif kemudian menyusun tata bahasanya. Dari aturan produksi pada tata bahasa tersebut kita dapat menentukan kelompok pola.

         Pendekatan yang digunakan dalam membentuk tata bahasa untuk mengenali pola adalah mengikuti kontur (tepi batas).objek dengan sejumlah segmen garis terhubung satu sama lain, lalu mengkodekan setiap garis tersebut (misalnya dengan kode rantai). Setiap segmen garis merepresentasikan primitif pembentuk objek.

2.4 Aplikasi pengenalan citra & Pengenalan pola

              Pengolahan citra mempunyai aplikasi yang sangat luas dalam berbagai bidang kehidupan. Di bawah ini disebutkan beberapa aplikasi dalam beberapa bidang.

1.      Bidang perdagangan 
a.         Pembacaan kode batang (bar code) yang tertera pada barang (umum digunakan di pasar swalayan/supermarket).
b.         Mengenali huruf/angka pada suatu formulir secara otomatis.

2.      Bidang militer
a.       Mengenali sasaran peluru kendali melalui sensor visual.
b.      Mengidentifikasi jenis pesawat musuh.

3.      Bidang kedokteran
a.       Pengolahan citra sinar X untuk mammografi (deteksi kanker payudara)
b.      NMR (Nuclear Magnetic Resonance)
c.       Mendeteksi kelainan tubuh dari foto sinar X.
d.      Rekonstruksi foto janin hasil USG

4.      Bidang biologi Pengenalan jenis kromosom melalui gambar mikroskopik.

5.      Komunikasi data Pemampatan citra yang ditransmisi.

6.      Hiburan Pemampatan video (MPEG).

7.      Robotika Visualy-guided autonomous navigation.

8.      Pemetaan Klasifikasi penggunaan tanah melalui foto udara/LANDSAT.

9.      Geologi Mengenali jenis batu-batuan melalui foto udara/LANDSAT.

10.  Hukum
a.       Pengenalan sidik jari.
b.      Pengenalan foto narapidana.

     Berikut ini tampilan desain dari pengolahan citra dari kelompok kami.


1. Pertama masukkan picture box nya masukkan 2 picture box dan juga masukkan proggresbar

·    2.  Kedua kita buat button untuk memilih foto nya dan ganti nama button nya “OpenIMG”

Public Class Form1
Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.Click
OpenFileDialog1.Filter = "Images|*.bmp;*.jpg;*.png"
OpenFileDialog1.ShowDialog()
If OpenFileDialog1.FileName <> "" Then
PictureBox1.Image = Image.FromFile(OpenFileDialog1.FileName)
PictureBox1.Width = Convert.ToInt32(PictureBox1.Height * PictureBox1.Image.Width / PictureBox1.Image.Height)
Me.Text = OpenFileDialog1.FileName & "_" & PictureBox1.Image.Width & " X " & PictureBox1.Image.Height
ProgressBar1.Minimum = 0
ProgressBar1.Maximum = PictureBox1.Image.Width
End If
End Sub


Hasil RUN OpenIMG

3. Ketiga buat button untuk binner

Private Sub Button4_Click(sender As Object, e As EventArgs) Handles Button4.Click
Dim gambar = New Bitmap(PictureBox1.Image)
Dim pb, pc As Integer
Dim rata, M, H, B As Double
With gambar
For pb = 0 To .Height - 1
For pc = 0 To .Width - 1 'deteksi intensitas warna
M = .GetPixel(pc, pb).R
H = .GetPixel(pc, pb).G
B = .GetPixel(pc, pb).B
'cari nilai rata-rata
rata = (M + H + B) / 3
If (rata < 128) Then
'jika Bilai Masing - Masing Warna Dibawah 128 maka akan diset menjadi 0
M = 0
H = 0
B = 0
Else
M = 255
H = 255
B = 255
End If
.SetPixel(pc, pb, Color.FromArgb(M, H, B))
Next
ProgressBar1.Increment(1)
Next
PictureBox2.Image = gambar
PictureBox2.Refresh()
End With
End Sub


·         Hasil Run Binner




·   4.  Ke Empat buat button untuk Red

Private Sub Button7_Click(sender As Object, e As EventArgs) Handles Button7.Click
Dim gambar = New Bitmap(PictureBox1.Image)
PictureBox2.Image = gambar
Dim baris, kolom As Integer
Dim Merah As Integer 'Menampung intensitas warna R'
For baris = 1 To gambar.Width - 1
For kolom = 1 To gambar.Height - 1
Merah = gambar.GetPixel(baris, kolom).R
gambar.SetPixel(baris, kolom, Color.FromArgb(Merah, 0, 0))
Next
ProgressBar1.Increment(1)
Next
PictureBox2.Refresh()
End Sub

·         Hasil Run Untuk Red


·   5. Ke Lima buat button untuk Green

Private Sub Button6_Click(sender As Object, e As EventArgs) Handles Button6.Click
Dim gambar = New Bitmap(PictureBox1.Image)
PictureBox2.Image = gambar
Dim baris, kolom As Integer
Dim Hijau As Integer 'Menampung intensitas warna Hijau'
For baris = 1 To gambar.Width - 1
For kolom = 1 To gambar.Height - 1
Hijau = gambar.GetPixel(baris, kolom).G
gambar.SetPixel(baris, kolom, Color.FromArgb(0, Hijau, 0)) 'set warna lain menjadi 0
Next
ProgressBar1.Increment(1)
Next
PictureBox2.Refresh()
End Sub

·         Hasil Run Untuk Green


6. Ke Enam buat button untuk Blue

Private Sub Button5_Click(sender As Object, e As EventArgs) Handles Button5.Click
Dim gambar As New Bitmap(PictureBox1.Image) 'Deklarasi Variabel bertipe bitmap'
PictureBox2.Image = gambar 'Meletakkan hasil pengolahan citra'
Dim baris, kolom As Integer 'Variabel Perulangan/looping'
Dim Biru As Integer 'Menampung intensitas warna B'
For baris = 1 To gambar.Width - 1
For kolom = 1 To gambar.Height - 1
Biru = gambar.GetPixel(baris, kolom).B
gambar.SetPixel(baris, kolom, Color.FromArgb(0, 0, Biru))
Next
ProgressBar1.Increment(1)
Next
PictureBox2.Refresh()
End Sub

·         Hasil Run untuk Blue


     7. Ke Tujuh buat button untuk Negative

Private Sub Button8_Click(sender As Object, e As EventArgs) Handles Button8.Click
Dim Pb, Pc As Integer
Dim M, H, B As Double
Dim gambar = New Bitmap(PictureBox1.Image)
For Pb = 0 To gambar.Height - 1
For Pc = 0 To gambar.Width - 1
M = 255 - gambar.GetPixel(Pc, Pb).R
H = 255 - gambar.GetPixel(Pc, Pb).G
B = 255 - gambar.GetPixel(Pc, Pb).B
If M <= 0 Then M = 0
If B <= 0 Then B = 0
If H <= 0 Then H = 0
gambar.SetPixel(Pc, Pb, Color.FromArgb(M, H, B))
Next
ProgressBar1.Increment(1)
Next
PictureBox2.Image = gambar
PictureBox2.Refresh()
End Sub

·         Hasil Run Untuk Negative


      8. Ke Delapan buat button untuk Gray Scale

Private Sub Button3_Click(sender As Object, e As EventArgs) Handles Button3.Click
ProgressBar1.Value = 0
Dim gambar As New Bitmap(PictureBox1.Image) 'Deklarasi Variabel bertipe bitmap'
PictureBox2.Image = gambar 'Meletakkan hasil pengolahan citra'
Dim baris, kolom As Integer 'Variabel Perulangan/looping'
Dim Merah, Hijau, Biru As Integer 'Menampung intensitas warna RGB'
Dim abu2 As Integer 'Menampung intensitas warna Gray Scale'
For baris = 0 To gambar.Width - 1
For kolom = 0 To gambar.Height - 1
Merah = gambar.GetPixel(baris, kolom).R
Hijau = gambar.GetPixel(baris, kolom).G
Biru = gambar.GetPixel(baris, kolom).B
abu2 = Int((Merah + Hijau + Biru) / 3) 'rumus GS=(R+G+B)/3'
gambar.SetPixel(baris, kolom, Color.FromArgb(abu2, abu2, abu2))
Next
ProgressBar1.Increment(1)
Next
PictureBox2.Refresh()
End Sub

Hasil Run Grey Scale



9. Ke Sembilan buat button untuk Save

Private Sub Button2_Click(sender As Object, e As EventArgs) Handles Button2.Click
SaveFileDialog1.ShowDialog()
If SaveFileDialog1.FileName <> "" Then
PictureBox2.Image.Save(SaveFileDialog1.FileName + ".jpg")
End If
End Sub

·         Hasil Run pilih lokasi pengimpanan kalau sudah klik save dan tersimpan gambar yang anda simpan picture tersebut.


2.6 Computer Vision

       Terminologi lain yang berkaitan erat dengan pengolahan citra adalah computer vision atau machine vision. Pada hakikatnya, computer vision mencoba meniru cara kerja sistem visual manusia (human vision). Human vision sesungguhnya sangat kompleks. Manusia melihat objek dengan indera penglihatan (mata), lalu citra objek diteruskan ke otak untuk diinterpretasi sehingga manusia mengerti objek apa yang tampak dalam pandangan matanya. Hasil interpretasi ini mungkin digunakan untuk pengambilan keputusan (misalnya menghindar kalau melihat mobil melaju di depan).
        Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, klasifikasi, pengenalan (recognition), dan membuat keputusan.
        Computer vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang berkaitan dengan geometri objek, dan menginterpretasi informasi geometri tersebut. Mungkin berguna bagi anda untuk mengingat persamaan berikut.
Vision = Geometry + Measurement + Interpretation




BAB 3 

PENUTUP

3.1 Kesimpulan

1. Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer.

2. Grafika komputer adalah teknik-teknik dalam ilmu komputer dan matematika untuk merepresentasikan dan memanipulasi data gambar menggunakan computer.
3. Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan sebagai "tindakan mengambil data mentah dan bertindak berdasarkan klasifikasi data" Dengan demikian, ia merupakan himpunan kaidah bagi pembelajaran diselia (supervised learning).
4. Aplikasi pengenalan citra & Pengenalan pola :
1. Bidang perdagangan
a. Pembacaan kode batang (bar code) yang tertera pada barang (umum digunakan di pasar swalayan/supermarket).
b. Mengenali huruf/angka pada suatu formulir secara otomatis.
2. Bidang militer
a. Mengenali sasaran peluru kendali melalui sensor visual.
b. Mengidentifikasi jenis pesawat musuh. 

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

DAFTAR PUSTAKA

Edward Angel, Interactive Computer Graphics: A Top-Down Approach with OpenGL 2nd, Addison Wesley, 2005
John F. Hughes, Andries Van Dam, Morgan Mcguire, David F. Sklar, James D. Foley, Steven K. Feiner, Kurt Akeley, Computer Graphics: Principles and Practice (3rd edition), Addison-Wesley, 2014
Rafael C. Gonzalez and Richard E. Woods, “Digital Image Processing”, Addison-Wesley Publishing, 2002
Ioannis Pitas, “Digital Image Processing Algorithms”, Prentice-Hall International, 1993
Rinaldi Munir, “Pengolahan Citra Digital dengan Pendekatan Algoritmik”, Informatika Bandung,2004
Balza Achmad, Kartika Firdausy, “Teknik Pengolahan Citra Digital Menggunakan Delphi”, Ardi Publishing, 2005
Agustinus Nalwan, “Pengolahan Gambar Secara Digital”, Elex Media Komputindo, 1997
Achmad Basuki, Jozua F. Palandi, Fatchurrochman, “Pengolahan Citra Digital Menggunakan Visual Basic”, Graha Ilmu, 2005
Edy Mulyanto, “Catatan Kuliah Pengolahan Citra”, Teknik Informatika Udinus, 2007




 Notice:
"BILA GAMBAR TIDAK MUNCUL MOHON BUKA MENGGUNAKAN COMPUTER ATAU LAPTOP.... "
TERIMAKASIH.....

Komentar

Postingan Populer