| Judul Buku | : | PENGELOLAAN 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
Tidak ada komentar:
Posting Komentar