Selasa, 18 November 2008
I=imread('saturn.tif');
hpf1=[ 1 -2 1;-2 5 -2; 1 -2 1];
hpf2=[ 0 1 0;1 -5 1; 0 1 0]; %letak matrik yang digunakan untuk proses "Simple Laplacian"
hpf3=[ 1 1 1;1 -9 1; 1 1 1]; %letak matrik yang digunakan untuk proses "Variant Laplacian"
hpf4=[-1 -1 -1;-1 9 -1;-1 -1 -1]; %Merupakan Hasil dari Proses Filtering
J1=uint8(conv2(double(I),hpf1,'same'));
J2=uint8(conv2(double(I),hpf2,'same'));
J3=uint8(conv2(double(I),hpf3,'same'));
J4=uint8(conv2(double(I),hpf4,'same'));
figure,imshow(I);
figure,imshow(J1);
figure,imshow(J2);
figure,imshow(J3);
figure,imshow(J4);
Script untuk Perataan image
I=imread('rice.tif');
J=imadjust(I,[0.15 0.9],[0 1]);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);
Script matlab grayscale
function varargout = GUIdemo(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @GUIdemo_OpeningFcn, ...
'gui_OutputFcn', @GUIdemo_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin & isstr(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
function GUIdemo_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
guidata(hObject, handles);
image_file = get(handles.inEdit,'String');
if ~isempty(image_file)
im_original=imread(char(image_file));
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(im_original);
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
end;
function varargout = GUIdemo_OutputFcn(hObject, eventdata, handles)
varargout{1} = handles.output;
function edit3_CreateFcn(hObject, eventdata, handles)
if ispc
set(hObject,'BackgroundColor','white');
else
set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor'));
end
function inEdit_CreateFcn(hObject, eventdata, handles)
if ispc
set(hObject,'BackgroundColor','white');
else
set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor'));
end
function inEdit_Callback(hObject, eventdata, handles)
function loadPush_Callback(hObject, eventdata, handles)
image_file = get(handles.inEdit,'String');
if ~isempty(image_file)
im_original=imread(char(image_file));
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(im_original);
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
end;
function transfCheck_Callback(hObject, eventdata, handles)
function intSlider_CreateFcn(hObject, eventdata, handles)
usewhitebg = 1;
if usewhitebg
set(hObject,'BackgroundColor',[.9 .9 .9]);
else
set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor'));
end
function intSlider_Callback(hObject, eventdata, handles)
t = get(handles.intSlider,'value');
set(handles.valText,'String',num2str(t));
function appPush_Callback(hObject, eventdata, handles)
Flag = get(handles.transfCheck,'value');
scale = get(handles.intSlider,'value');
image_file = get(handles.inEdit,'String');
orim=imread(char(image_file));
orim = double(orim);
if Flag == 0
nim = orim*scale;
nim = (nim <=255 ).*nim + (nim>255)*255;
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(orim/255);
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','OFF');
set(handles.newIm,'HandleVisibility','ON');
axes(handles.newIm);
m = max(max(max(nim)));
if m>255
t = m;
else t = 255;
end;
image(nim/t);
axis equal;
axis tight;
axis off;
set(handles.newIm,'HandleVisibility','OFF');
else
im = floor((orim(:,:,1)+orim(:,:,2)+orim(:,:,3))/3);
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(im);
colormap(gray(256));
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
nim = im*scale;
nim = (nim>255)*255+(nim<=255 & nim>0).*nim;
set(handles.newIm,'HandleVisibility','ON');
axes(handles.newIm);
image(nim);
colormap(gray(256));
axis equal;
axis tight;
axis off;
set(handles.newIm,'HandleVisibility','OFF');
end;
function closePush_Callback(hObject, eventdata, handles)
close all;
Artikel 1
PERANCANGAN PENGOLAHAN CITRA PADA SEBUAH MOBIL ROBOT
Perancangan pengolahan citra sebuah mobil robot tidak bisa dilepaskan dari perangkat sensor dan kecerdasan robot. Fitur umum semua robot yang akan dibahas lebih jauh mempunyai kemampuan untuk menerjemahkan sekuen dari rangkaian operasi penangkapan gambar selama alat itu dibutuhkan. Bagaimana mampu merasakan dan memberi tanggapan terhadap perubahan sesaat pada lingkungan.
Level yang lebih tinggi dari hierarki sebuah sensor ialah kemampuan untuk merasakan perubahan sesaat pada lingkungan tersebut yang kemudian diasosiasikan dengan antarmuka dan algoritma artificial intelligent.
Bila digambarkan dalam bentuk diagram, siklus yang didapat adalah tertutup melalui algoritma interpolator yang kemudian merespons perintah program asli yang berisi serangkaian instruksi dengan faktor koreksi yang didapat dari algoritma artificial intelligent yang sebelumnya.
Manipulator tersebut akan terus dalam keadaan statik ketika proses sensing telah dilaksanakan. Kemudian, dapat diawasi gerak yang telah dikerjakan tanpa referensi yang lebih jauh dari sensor. Metode ini mengacu pada sensor statik.
Sebaliknya, dalam sensor siklus tertutup robot dikendalikan oleh alat sensing selama pergerakan manipulator. Kebanyakan sistem vision beroperasi pada mode siklus tertutup ini. Di sini sistem vision mengawasi faktor koreksi antara posisi aktual robot dengan posisi yang diinginkan. Faktor error ini kemudian digunakan untuk menggerakkan penggerak robot. Dengan sensor siklus tertutup, bahkan ketika objek masih dalam pergerakan, sebuah robot pasti mampu melakukan transfer informasi aktual yang diinginkan.
Kebanyakan sistem vision dilengkapi dengan satu atau lebih kamera yang dihubungkan dengan prosesor vision. Prosesor ini kemudian mendigitalisasi citra yang ditangkap melalui kamera dan menganalisisnya untuk mendefinisikan objek tersebut. Aplikasi utama sistem vision adalah handling, assembly, pengklasifikasi terpisah, dan juga inspeksi. Dalam handling dan assembly, sistem digunakan untuk mengenali posisi dan orientasi dari objek yang akan menjalani assembly . Sistem tersebut juga akan mendeterminasi presensi bagian-bagian dan mendeteksi tambahan partikular objek (misalnya diameter) untuk mengecek bagian mana yang tidak memenuhi kriteria fungsionalnya lagi.Pada pengenalan perancangan pengolahan citra pada mobil robot nantinya, citra yang telah terdigitalisasi akan disimpan dalam memori komputer vision dan diproses secara subsekuen. Komputer dapat mendeterminasi tipe objek dan orientasinya, dan mentransfer informasi yang didapat ke dalam pengendali komputer robot. Pada dasarnya, citra
sebuah objek dapat direpresentasi dan disimpan dalam citra biner ataupun citra grey-scale. Dalam sistem pengolahan citra secara biner, peta dua warna dari pemandangan visual disimpan dalam komputer dengan bentuk representasi 1’s untuk bayangan (silhouette ) dan 0’s untuk latarnya (background).
Perangkat keras preprosesor video digunakan dalam sistem vision pada citra biner untuk memperbaiki perbandingan dari derau sinyal dan untuk mengurangi sejumlah informasi yang dikirimkan ke komputer. Salah satu perintah umum yang akan dibuat oleh perangkat ini adalah mendeteksi sudut.
Perangkat video preprosesor hanya mengirimkan titik-titik transisi kepada komputer, diikuti dengan pengurangan sejumlah informasi yang akan disimpan ke dalam komputer utama. Perangkat lunak komputer utama terdiri atas algoritma
pendeteksian sudut yang akan mendeterminasi sudut mana yang dimiliki oleh masing-masing objek yang dilihat, dan memasukkan titik yang didapat ke dalam daftar sudut yang telah dibuat sebelumnya.
Pada perancangan pengolahan citra untuk mobil robot ini, akan banyak ditemui pemrograman perangkat keras untuk masing-masing alat yang dibutuhkan. Juga diperlukan pemrograman perangkat lunak, khususnya dalam hal pembangkitan model objek ke dalam bentuk virtualnya. Dalam kasus ini kami memakai pemrograman C/C++, Watcom C/C++, dan VRML (Virtual Reality Modelling Language), yang telah banyak digunakan karena kemudahannya membangkitkan model objek tiga dimensi.
1.2. ELEMEN PENGOLAHAN CITRA MOBIL ROBOT
Elemen pengolahan citra pada sebuah mobil robot yang akan diimplementasikan semuanya berbasis visual. Dengan menggunakan sensor visual, maka robot ini diharapkan dapat bekerja sesuai dengan cara kerja manusia. Sensor visual dianalogikan sebagai indera penglihatan pada manusia. Sistem visual yang digunakan pada mobil robot ini diharapkan dapat melakukan berapa fungsi, yaitu :
- Pemetaan lingkungan (environment mapping)
- Pengenalan objek dan penghalang (object and obstacle recognition)
- Penjejakan objek (object tracking)
- Pembentukan lintasan (path generating)
- Pemindahan objek (pick and place)
Robot ini dilengkapi dengan sensor visual dan sensor ultrasonik.Sensor visual memberikan informasi visual yang kemudian diolah menjadi deskripsi objek dalam lingkungan tempat robot tersebut bekerja. Sensor ultrasonik akan memberikan data berupa informasi jarak relatif robot dengan objek disekitarnya
Artikel 2
Metode penggunaan kata kunci banyak digunakan dalam
pengamanan kerahasiaan data. Tetapi akhir-akhir ini seringkali ditemui
fakta bahwa metode tersebut mudah dibobol. Karena itu, diperlukan
sebuah metode baru yang lebih aman dan sulit dibobol demi menjaga
kerahasiaan data. Salah satu caranya adalah dengan teknologi
pengenalan tanda tangan. Jaringan Syaraf Tiruan dan pengolahan citra
dapat digunakan seabagai basis dari metode ini untuk mengenali pola
tanda tangan seseorang.
Dengan bantuan light pen maka komputer dapat mengubah
informasi input dari light pen menjadi sebuah citra atau gambar.
Pengolahan citra adalah suatu metode atau teknik yang dapat digunakan
untuk memproses citra atau gambar dengan jalan memanipulasinya
menjadi data gambar yang diinginkan untuk mendapatkan informasi
tertentu.
Penampakan suatu obyek tanda tangan yang kita lihat sehari-hari
seperti sesuatu persoalan yang sederhana, banyak dari kita mungkin tidak
membayangkan bahwa orang lain akan menduplikasi tanda tangan kita
karena sulit untuk diduplikasi atau tidak ada gunanya untuk
menduplikasinya. Tetapi pada saat-saat tertentu kita perlu mewaspadai
tanda tangan yang kita buat atau yang dibuat orang lain, dengan tujuan
agar kita dapat mengetahui keaslian dari suatu tanda tangan baik tanda
tangan milik kita maupun tanda tangan milik orang lain. Hal tersebut
mulai menjadi persoalan bagi kita, bila suatu transaksi menjadi tidak sah
karena terjadi pemalsuan tanda tangan. Dan tentunya dapat merugikan
salah satu pihak yang bersangkutan.
Dalam makalah ini dicoba untuk membuat perangkat lunak yang
dapat dipergunakan untuk mengenali tanda tangan dengan menggunakan
pengolahan citra. Adapun metode yang digunakan adalah dengan cara
mengembangkan Jaringan Syaraf Tiruan dengan metode pembelajaran
backpropagation.
APLIKASI PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI ADANYA MINERALISASI
Metode penginderaan jauh dalam eksplorasi mineral berfungsi sebagai penunjang, terutama dalam pemetaan geologi permukaan dan analisis struktur geologi. Data penginderaan .jauh merupakan data digital dan hanya dapat diproses dengan perangkat lunak yang l:husus dibuat untuk maksud tersebut. Tugas ahhir ini membahas penerapan meiode penginderaan jauh untuk memetakan kelurusan struktur geologi yang bertujuan untuk menentukan lokasi mineralisasi di daerah Gunung Pongkor Jawa Barat.
Elcsiraksi data dan informasi (pemetaan) dilakukan dengan dua cara yaiiu visual dan digital. Secara visual dilakukan dengan memetakan langsung dari tampilan citra, sedangkan secara digital dilakukan dengan program khusus (subrutin) dan formula Tahap-tahap pengolahan citra digital vang dilakukan adalah pemrosesan awal, operasi deteksi tepi, operasi thresholding dan analisis citra tepi. Hasil pengolahan ini adalah linear extraction, rose diagram dan fracture density yang merupakan salah satu parameter dalam eksp(orasi mineral.
Korelasi antara data hasil pengolahan citra dengan peta tahanan jenis semu hasil survey lapangan Tim Aneka Tambang menunjukkan bahwa daerah A dipastikan merupakan daerah prospek mineralisasi. Daerah B, C, dan D menunjukkan adanya kesamaan pola dengan dengan daerah A, yaitu adanya kelwusan dengan densitas tinggi (high dencity, fracture), adanya intrusi yang merupakan pembawa mineralisasi dan adanya alterasi hidrothermal. Daerah B, C, dan D diperkirakan sebagai jalan keluar dari proses alierasi hidroihermal. Untuk memastikan bahwa proses mineralisasi terjadi pada daerah-daerah tersebut perlu dilakukan penyelidikan lebih lanjut.