PENGOLAHAN CITRA DIGITAL KONSEP DAN TEORI

Judul Buku	:	PENGOLAHAN CITRA DIGITAL KONSEP DAN TEORI
Pengarang	:	Fajar AStuti Hermawati
Penerbit	:	Andi
Cetakan	:	Ke-1
Tahun Terbit	:	2013
Bahasa	:	Indonesia
Jumlah Halaman	:	290 hlm
Kertas Isi	:	HVS
Cover	:	Soft
Ukuran	:	16 x 23 cm
Berat	:	400 gram
Kondisi	:	Baru
Harga	:	Rp       64,000	diskon 15%
Bayar	:	Rp       54,400
Stock	:	1

PENGELOLAAN CITRA DIGITAL KONSEP DAN TEORI

Pengarang: Fajar AStuti Hermawati

Penerbit: Andi

DAFTAR ISI

BAB I PENDAHULUAN -- 1

1.1. Tujuan Pengolahan Citra Digital -- 1

1.2. Contoh Aplikasi Pengolahan Citra Digital –

1 1.3. Definisi Citra Digital -- 3

1.4. Sistem Perekaman Citra -- 4

1.5. Elemen Fungsi Dasar Sistem Pengolahan Citra –

5 1.6. Elemen-elemen Sistem Analisis Citra -- 6

1.7. Metodologi Pengolahan Citra -- 6

BAB II DASAR CITRA DIGITAL -- 11

2.1. Struktur Mata Manusia -- 11

2.2. Image Sampling & Quantization -- 14

2.3. Representasi Citra Digital -- 15

2.4. Resolusi Spasial & Grey Level (Brightness) – 17

2.5. Zooming & Shrinking Digital Images -- 19

2.6. Beberapa Dasar Hubungan Antar-piksel -- 21

2.6.1. Tetangga Sebuah Pixel -- 21

2.6.2. Adjacency -- 21

2.6.3. Ukuran Jarak (Distance Measures) -- 23

BAB III PENINGKATAN MUTU CITRA PADS DOMAIN SPASIAL -- 27

3.1. Tujuan Peningkatan Mutu Citra (Image Enhancement) 27

3.2. Teknik Peningkatan Mutu -- 27

3.3. Peningkatan Mutu Citra pads Domain Spasial -- 28

3.4. Point Processing -- 28

3.4.1 Image Negative -- 29

3.4.2 Log Transformation -- 31

3.4.3 Power Law Transformation -- 32

3.4.4 Contrast Stretching -- 34

3.4.5 Pengolahan Histogram -- 36

3.4.5.1. Histogram Equalization -- 38

3.4.5.2. Histogram Processing specific grey-level (hist. specification) -- 41

3.4.5.3. Histogram Equalization Specific Area (Local Enhancement) -- 47

3.4.5.4. Penggunaan Histogram Statistic Untuk Image Enhancement -- 48

3.4.6. Peningkatan Mutu Citra Dengan Operasi Aritmatik & Logik -- 53

3.4.6.1. Operasi logik AND dan OR -- 53

3.4.6.2. Operasi Pengurangan Pada Citra (Image Substraction ) -- 55

3.4.6.3. Operasi Penjumlahan Pada Citra -- 57

3.4.6.4. Image Averaging -- 58

3.5. Mask Processing -- 59

3.5.1. Smoothing filters -- 59

3.5.2. Sharpening Spatial Filter -- 65

3.5.2.1. Teori Dasar -- 65

3.5.2.2. Penggunaan Turunan Kedua (Laplacian Filter) 67

3.5.2.3. High-boost filter -- 70

3.5.2.4. Penggunaan Turunan Pertama (Gradien / Derivative Filter) -- 71

BAB IV PENINGKATAN MUTU CITRA PADS DOMAIN FREKUENSI -- 83

4.1. Transformasi Ruang -- 83

4.2. Transformasi Fourier -- 83

4.2.1. Transformasi Fourier 1 Dimensi 85

4.2.2. Transformasi Fourier 2 dimensi 88

4.3. Filtering pads Domain Frekuensi -- 91

4.3.1. Lowpass Filter pads Domain Frekuensi -- 95

4.3.1.1 Ideal Lowpass filter -- 96

4.3.1.2. Butterworth Lowpass Filter -- 97

4.3.1.3. Gaussian Lowpass Filter -- 98

4.3.1.4. Contoh Aplikasi Lowpass Filter -- 99

4.3.2. Highpass Filter -- 100

4.3.2.1. Ideal Highpass Filter -- 101

4.3.2.2 Butterworth Highpass Filter -- 102

4.3.2.3 Gaussian Highpass Filter -- 102

4.4. Aplikasi Transformasi Fourier Untuk Deteksi Plat Nomor Kendaraan -- 103

BAB V RESTORASI CITRA -- 109

5.1. Model dari Proses Degradasi / Restorasi Citra 109

5.2. Model Noise -- 110

5.2.1. Noise Probability Density Functions -- 111

5.2.2. Estimasi Parameter Noise -- 117

5.3 Restorasi Terhadap Noise -- 118

5.3.1 Mean Filter -- 118

5.3.1.1 Arithmetic Mean Filter -- 118

5.3.1.2 Geometric Mean Filter -- 120

5.3.1.3 Harmonic Mean Filter -- 122

5.3.1.4 Contraharmonic Mean Filter -- 124

5.3.2 Order Statistic Filter – 126

5.3.2.1 Median Filter -- 126

5.3.2.2 Max and Min Filter -- 127

5.3.2.3 Midpoint filter -- 130

5.3.2.4 Alpha-trimmed mean filter 131

5.3.3 Adaptive-Filters -- 133

5.3.3.1 Local noise reduction filter 133

5.3.3.2 Adaptive Median Filter -- 135

5.3.4 Periodic Noise Reduction dengan Filtering Domain Frekuensi -- 137

5.3.4.1 Band-reject Filter -- 137

5.3.4.2 Band-pass Filter -- 138

BAB VI KOMPRESI CITRA -- 143

6.1. Dasar Kompresi Citra -- 144

6.1.1. Coding Redundancy -- 145

6.1.2. Interpixel Redundancy -- 146

6.1.3. Psychovisual Redundancy -- 149

6.1.4. Fidelity Criteria -- 150

BAB VII SEGMENTASI CITRA -- 163

7.1. Deteksi Discontinuity -- 163

7.1.1. Deteksi Titik -- 164

7.1.2. Deteksi Garis -- 165

7.1.3. Deteksi Tepi -- 167

7.1.3.1. Deteksi Tepi Dengan Operator Sobel -- 170

7.1.3.2. Deteksi Tepi Dengan Marr-Hilderth Operator 173

7.1.3.3. Deteksi Tepi Dengan Canny Operator -- 178

7.2. Edge Linking dan Boundary Detection -- 180

7.2.1. Local Processing -- 181

7.2.2 Global Processing dengan Hough Transform -- 181

7.2.3 Pemrosesan Global Melalui Teori Graph -- 184

7.3. Threshold ing -- 187

7.3.1. Pengertian Dasar 187

7.3.2. Aturan Illuminasi 188

7.3.3. Basic Global Threshold ing -- 190

7.3.4. Basic Adapter Threshold ing -- 193

7.3.5. Optimal Thresholding -- 195

7.3.6. Basic Adapter Threshold ing -- 197

7.3.7. Optimal dan Adaptive Thresholding -- 198

7.4. Region Based Segmentation -- 199

7.4.1. Region Growing -- 199

7.4.2. Region Splitting and Merging -- 200

LAMPIRAN A

Aijabar Linier dan Matriks -- 203

A.1.Persamaan Linier & Matriks -- 203

A.2. Penyelesaian Persamaan Linear dengan Matriks 204

A.2.1. Bentuk Eselon-Baris -- 204

A.2.2. Operasi Eliminasi Gauss -- 205

A.2.3. Operasi Eliminasi Gauss-Jordan -- 207

A. 3 Operasi Dalam Matriks -- 209

A.3.1. Matriks Balikan (Invers) -- 209

A.3.2. Matriks Transpose -- 211

A.3.3. Matriks Diagonal -- 212

A.3.4. Matriks Segitiga 213

A.3.5. Matriks Simetris 214

A. 4 Determinan -- 215

A.4.1. Determinan dengan Minor dan kofaktor -- 216

A.4.2. Determinan dengan Ekspansi Kofaktor Pada Baris Pertama -- 217

A.4.3. Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama -- 217

A.4.4. Adjoin Matriks, 3 x 3 -- 219

A.4.5. Determinan Matriks Segitiga Atas -- 219

A.4.6. Metode Cramer -- 220

A.4.7. Tes Determinan untuk Invertibilitas -- 221

A.4.8. Mencari Determinan dengan Cara Sarrus -- 221

A.4.9. Menghitung Inverse dari Matrix 3 x 3 222

A.4.10. Sistem Linear Dalam Bentuk Ax = Ax 222

A.S. Vektor dalam Ruang Euklide 224

A.5.1. Euklidian dalam n-Ruang 224

A.5.2. Contoh Penggunaan Vektor dalam Ruang Dime 225

A.5.3. Menemukan norm dan jarak -- 227

A.5.4. Bentuk Newton -- 227

A.5.5. Operator Refleksi -- 227

A.5.6. Operator Proyeksi -- 228

A.5.7. Operator Rotasi -- 228

A.5.8. Interpolasi Polinomial.-- 229

LAMPIRAN B Pengantar MATLAB -- 233

B.1.              Latar Belakang Matlab -- 233

B.2.              Lingkungan Kerja Matlab -- 234

B.2.1. Matlab Desktop -- 234

B.3.              Ekspresi Dalam Matlab -- 237

B.3.1. Variable -- 237

B.3.2. Bilangan 237

B.3.3. Operator 238

B.3.4. Fungsi -- 238

BA Manipulasi Matriks Dalam Matlab -- 240

B.4.1. Notasi Matriks 240

B.4.2. Indeks Matriks 241

B.4.3. Membangun Matriks -- 243

B.4.4. Penggabungan Matriks -- 243

B.4.5. Operasi Matriks -- 244

B.4.6. Menghapus Baris dan Kolom -- 245

B.4.7. Penarikan Informasi dari Matriks -- 246

B.5. Scripting di Matlab -- 248

B.6.                User-Defined Function -- 251

B.7.                Pengolahan Citra Dengan Matlab -- 251

B.7.1. Indexed Image -- 252

B.7.2. Intensity Image -- 252

B.7.3. Binary Image -- 254

B.7.4. RGB Image -- 254

B.7.5. Membaca dan Menampilkan Citra -- 255

B.7.6. Merubah Citra RGB ke Citra Intensitas -- 256

B 7.7. Perbaikan Mutu Citra Dengan Toolbox Image Processing -- 256

B.7.7.1. Histogram -- 256

B.7.7.2. Histogram Equalization -- 257

LAMPIRAN C Statistika dan Probabilitas -- 259

CA.Elernen Statistik -- 259

C.2.                Distribusi Frekuensi -- 260

C.2.1. Frekuensi Relatif -- 261

C.2.2. Frekuensi Kumulatif -- 261

C.2.3. Diagram -- 262

C.2.4. Kurva Frekuensi dan Poligon Frekuensi yang Dimuluskan -- 264

C.3.                  Ukuran Bagi Data -- 266

C.3.1. Ukuran Bagi Data yang Dikelompokkan 266

C. 3.1.1. Nilaitengah (mean) Populasi -- 266

C. 3.1.2. Nilaitengah (mean) Contoh -- 267

C. 3.1.3. Median -- 267

C. 3.1.4. Modus -- 268

C. 3.1.5. Konsep Nilai -- 269

C.3.2. Ukuran Bagi Data yang Tersusun -- 269

C.3.3. Ukuran Penyebaran /ukuran keragaman 272

C.3.3.1. Wilayah(range) -- 273

C.3.3.2. Ragam(variansi) -- 273

C.4. Distribusi Peluang -- 276

CAL Variabel Acak (Random Variable) -- 276

C.4.2. Distribusi Peluang Diskrit -- 276

C.4.2.1. Distribusi Binomial (Binom) -- 278

C.4.2.2. Distribusi Poisson -- 280

C.4.2.3. Distribusi Hipergeometrik -- 282

C.4.2.4. Distribusi Normal -- 283

C.4.2.5. Beberapa Pendekatan Penting -- 285

C.S. Kaidah Bayes -- 287

C.5.1. Dalil Peluang Total (Kaidah Eliminasi) -- 288

C.5.2. Rumus Kaidah Bayes -- 289

KEMBALI KE HALAMAN AWAL