TUGAS 4

Buatlah program untuk menghilangkan latar belakang dari suatu image sederhana yang terdiri dari obyek (kotak, lingkaran dan segitiga) dan latar belakang dengan beda warna yang berbeda.

Thresholding

Thresholding adalah metode sederhana gambar segmentasi. Dari grayscale gambar, thresholding dapat digunakan untuk membuat gambar biner (Shapiro, dkk. 2001:83).
Selama proses thresholding, setiap pixel dalam foto ditandai sebagai "objek" pixel jika nilai mereka adalah lebih besar dibandingkan nilai ambang (asumsi obyek menjadi lebih terang daripada latar belakang) dan sebagai "latar belakang" pixel lain. Konvensi ini dikenal sebagai ambang di atas. Varian termasuk di bawah ambang batas yang berlawanan dari ambang di atas, di dalam batas, dimana piksel yang berlabel "obyek" jika ada di antara dua nilai thresholds; dan di luar batas, yang merupakan kebalikan dari dalam ambang (Shapiro, dkk. 2001: 83). Biasanya, obyek piksel diberi nilai "1" sedangkan piksel latar belakang diberi nilai "0." Akhirnya, biner gambar yang dibuat oleh setiap piksel warna putih atau hitam, tergantung pada pixel labelnya. [1]

TUGAS:
Buatlah program untuk menghilangkan latar belakang dari suatu image sederhana yang terdiri dari obyek (kotak, lingkaran dan segitiga) dan latar belakang dengan beda warna yang berbeda.

Pustaka:

[1] Wikipedia: Thresholding (image processing)
[2] Basic Global Thresholding

TUGAS 2

Buatlah program untuk menghitung dan menampilkan jumlah warna pada suatu image. Buatlah interface dengan 2 jendela dan dua tombol, satu tombol untuk membuka file image dan tombol kedua untuk memulai proses perhitungan dan menampilkan grafik histogram warna, posisi jendela dan tombol dapat diatur sendiri dan apabila ada obyek tambahan dapat ditambahkan sesuai dengan keperluan.
Silahkan mengisi komentar dengan NRP, nama, dan alamat dimana program disimpan, program yang dikumpulkan (diposting) hanya program utamanya saja, dan diposting pada blog masing-masing. Paling lambat minggu depan (25 Mei 2009), program sudah diposting.

Histogram Warna

Histogram adalah kunci untuk mengerti image digital. Sebagai ilustrasi, pada contoh dibawah diperlihatkan 40 tile scene yang terdiri dari 4 warna, kemudian masing-masing warna disusun bertumpuk sesuai banyaknya warna. Makin banyak jumlah suatu warna, makin makin tinggi susunannya secara vertikal. Histogram adalah grafik yang menampilkan distribusi warna dari sebuah scene sesuai dengan jumlah masing-masing warna. Histogram sangat erat kaitannya dengan kemampuan dynamic range dari sebuah kamera. [1]




TUGAS:
Buatlah program untuk menghitung dan menampilkan jumlah warna pada suatu image. Buatlah interface dengan 2 jendela dan dua tombol, satu tombol untuk membuka file image dan tombol kedua untuk memulai proses perhitungan dan menampilkan grafik histogram warna, posisi jendela dan tombol dapat diatur sendiri dan apabila ada obyek tambahan dapat ditambahkan sesuai dengan keperluan.

Pustaka:

[1] Digital Imaging - Histogram

Format Warna

Gambar (Digital) adalah sekumpulan titik yang disusun dalam bentuk matriks, dan nilainya menyatakan suatu derajat kecerahan (derajat keabuan/gray-scale). Derajat keabuan 8 bit menyatakan 256 derajat kecerahan.

Pada gambar berwarna nilai setiap titiknya adalah nilai derajat keabuan pada setiap kompoen warna RGB. Bila masing-masing komponen R,G dan B mempunyai 8 bit, maka satu titik dinyatakan dengan (8+8+8)=24 bit atau 224 derajat keabuan

Format RGB
• Format RGB (Red, Green & Blue) adalah format dasar yang digunakan oleh banyak peralatan elektronik seperti monitor, LCD atau TV untuk menampilkan sebuah gambar.
• Pada format RGB, suatu warna didefinisikan sebagai kombinasi (campuran) dari komponen warna R, G dan B.


TUGAS:
Membuat suatu project transparan dua citra dengan melakukan proses deteksi warna dengan menggunakan static detection dan distance detection:

Pustaka:

[1] Riyanto Sigit: Color Detection

Tugas 1

Buatlah program untuk mengimplementasikan semua metode yang ada baik first-order dan second-order menggunakan visual C++, buatlah tampilan interface dengan dua jendela, dimana jendela pertama untuk menampilkan citra asli sedangkan jendela kedua digunakan untuk menampilkan citra hasil. Modifikasilah tampilan interface sehingga menjadi 7 jendela dapat ditampilkan sekaligus, dan dibawah masing-masing jendela terdapat tombol guna mengaktifkan masing-masing metode.

Copy-kan jawaban program "utama" saudara pada blog saudara masing-masing, kemudian silahkan mengisi komentar sebagai tanda kehadiran (pada posting ini), dengan menyebutkan nama dan nrp, saat jadwal perkuliahan dimulai setiap minggunya.

Deteksi Tepi (Edge Detection)

Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah :
• Untuk menandai bagian yang menjadi detail citra
• Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi citra
Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar
berikut ini meng-gambarkan bagaimana tepi suatu gambar diperoleh. [1]

Ada dua metode untuk dapat mendeteksi tepi yaitu:
1. Metode First-Order Derivative Edge Detection
2. Metode Second-Order Derivative Edge Detection

Sedangkan yang termasuk metode pertama (first-order) adalah:
1. The Roberts operators,
2. The Prewitt operators,
3. The Sobel operators,
4. First-Order of Gausssian(FDOG).

dan yang termasuk metode kedua (second-order) adalah:
1. Laplacian,
2. Canny. [2][3]

TUGAS:
Buatlah program untuk mengimplementasikan semua metode yang ada baik first-order dan second-order menggunakan visual C++, buatlah tampilan interface dengan dua jendela, dimana jendela pertama untuk menampilkan citra asli sedangkan jendela kedua digunakan untuk menampilkan citra hasil. Modifikasilah tampilan interface sehingga menjadi 7 jendela dapat ditampilkan sekaligus, dan dibawah masing-masing jendela terdapat tombol guna mengaktifkan masing-masing metode.

Pustaka:

[1] Riyanto Sigit: Deteksi Tepi - Modul Praktikum
[2] Zhou Wang: Edge Detection
[3] Yeni Herdiyeni: Edge Detection