Tugas 1 Pengolahan Citra Digital
Tugas - Pengolahan Citra Digital
- Pengertian
dan tujuan dari Pengolahan citra digital
a) Pengertian
Pengolahan citra digital
Pengolahan Citra Digital
(Digital Image Processing) merupakan bidang ilmu yang mempelajari tentang
bagaimana suatu citra itu dibentuk, diolah, dan dianalisis sehingga
menghasilkan informasi yang dapat dipahami oleh manusia.
Menurut Suhandy
(2003)
Pengolahan citra digital adalah sebuah teknologi visual yang dipakai untuk mengamati dan menganalisis sebuah objek tanpa berhubungan secara langsung dengan objek yang diamati itu. Teknologi ini bisa dipakai untuk mengevaluasi mutu suatu produk tanpa merusak produk itu sendiri.
b) Tujuan
Pengolahan citra digital
· Memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia
atau mesin. citra keluaran mempunyai kualitas lebih baik daripada citra
masukan.
· Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis
- Tahapan pengenalan pola:
a) Akuisisi
Data
Akuisisi citra
digital merupakan proses menangkap (capture) atau memindai (scan) citra analog
sehingga diperoleh citra digital.
b) Enhancement
citra
merupakan tahapan pre-processing dalam pengolahan citra yang bertujuan untuk
meningkatkan kualitas suatu citra.
c) Segmentasi
Segmentasi bertujuan untuk menentukan keberadaan target tertentu yang akan menjadi obyek dari pengenalan di dalam rekaman data. Hasil tangkapan kamera, sebagai contoh, dapat diolah pada tahap segmentasi untuk menemukan keberadaan dan lokasi wajah manusia.
- Menjelaskan
algoritma pengenalan pola di bawah ini
·
Proses akuisisi citra, citra analog di
tangkap(capture) atau memindai (scan) sehingga memperoleh citra digital
·
Preprocessing, Tahap pemrosesan data (dalam hal
ini citra digital) agar data bisa dan layak digunakan untuk tahap berikutnya.
·
proses enhancement, citra digital diolah agar
kualitas citra meningkat. Proses ini opsional jika kuaitas citra sudah baik
maka proses ini boleh tidak dilakukan
·
Proses segmentasi, Proses memisahkan antara
obyek yang dikehendaki (foreground) dengan obyek lain yang tidak dikehendaki
(background). segmentasi citra juga bersifat subjektif dan eksperimentatif
karena tidak ada algoritma yang pasti untuk memisahkan antara foreground dengan
background. Apabila seluruh obyek dalam citra adalah obyek yang dikehendaki,
maka tidak perlu dilakukan proses segmentasi citra.
·
Proses Ekstraksi ciri, tahap pengambilan ciri
objek yang bisa menjadi bahan pembeda dari objek-objek lainnya . Masing-masing
obyek diekstrak cirinya berdasarkan parameter-parameter tertentu dan
dikelompokkan pada kelas tertentu. Nilai dari parameter-parameter tersebut
kemudian dijadikan sebagai data masukan dalam proses identifikasi/ klasifikasi.
· Klasifikasi / clustering, Merupakan algoritma yang mampu mengeklasifikasikan objek berdasarkan pada karakteristik ciri-ciri yang diberikan. Output dari algoritma ini adalah objek yang akan dikelompokkan ke dalam jelas yang mempunyai kesamaan ciri, misalnya sebua objek masuk dalam kelas apel Amerika atau apel Malang. Dalam tahapan identifikasi, umumnya dilakukan dua proses utama yaitu proses pelatihan dan proses pengujian. Proses pelatihan dilakukan menggunakan sekumpulan data latih yang memuat parameter ciri/ feature yang digunakan untuk membedakan antara objek satu dengan objek lainnya.
- Perbedaan teknik
pembelajaran supervised dan unsupervised dalam pengenalan pola
a)
Pembelajaran supervised
Jika label output data
pembelajaran diketahui, maka disebut sebagai pembelajaran supervised dan
pembelajaran seperti ini untuk keperluan klasifikasi. Pembelajaran Supervised adalah sebuah pendekatan dimana
sudah terdapat data yang dilatih, dan terdapat variable yang ditargetkan
sehingga tujuan dari pendekatan ini adalah mengelompokan suatu data ke data
yang sudah ada
b) Pembelajaran
unsupervised
Jika label output data
pembelajaran tidak diketahui, maka disebut sebagai pembelajaran unsupervised
dan pembelajaran seperti ini digunakan untuk keperluan clustering . Pembelajaran
Unsupervised tidak memiliki data latih, sehingga dari data yang ada, kita mengelompokan
data tersebut menjadi 2 bagian atau 3 bagian dan seterusnya.
jika anda memiliki data data sebelumnya dan memiliki variabel target yang akan diklasifikasikan, maka Anda dapat memakai metode supervised learning. Jika Anda ingin membagi data — data tersebut ke dalam beberapa kelompok maka Anda memakai metode unsupervised learning.
- Alasan mengapa hingga saat
ini pengenalan pola masih banyak dikembangkan di aspek kehidupan manusia.
Karena sangat memberikan andil
atau manfaat bagi kehidupan manusia. Manusia memiliki bentuk atau pola
tersendiri yang menjadi ciri khasnya masing-masing. Di jaman yang semakin maju
dan modern ini berdampak pada perkembangan teknologi yang semakin maju pula,
sehingga banyak yang memanfaatkan pengenalan pola sebagai pendekatan biometrik
untuk mengidentifikasi identitas individu (manusia), seperti sidik jari, iris
mata, wajah, tanda tangan dan lain sebagainya.
