Penerapan Tranformasi Ruang Warna Yuv Dan Wavelet Dalam Meningkatkan Intensitas Pixel Pada Analisa Citra Panas Payudara (original) (raw)
Related papers
Analisa PSNR, Rasio Kompresi Warna Dan Mse Terhadap Kompresi Image Menggunakan 31 Fungsi Wavelet
Peak signal to noise ratio (PSNR) merupakan sebuah parameter yang biasa digunakan dalam proses kompresi image untuk menentukan kualitas hasil rekonstruksi image akhir. Pada paper ini dibahas mengenai proses pengujian kompresi image dengan menggunakan metode wavelet. Selain PSNR dijadikan sebagai parameter pengukuran kualitas hasil rekonstruksi image, perbandingan nilai rasio kompresi warna dan mean square error (MSE) dijadikan pembanding untuk melihat korelasi yang terjadi antara ketiga parameter ini terhadap kualitas image hasil rekonstruksi. Proses pengujian dilakukan dengan menguji 31 fungsi wavelet menggunakan aplikasi MATLAB. Hasil yang diperoleh adalah gelombang bior2.4 dan biro2.6 memiliki nilai MSE terendah dan rasio kompresi warna dan PSNR tertinggi, artinya kedekatan hasil rekonstruksi dengan image asli sangat dekat.
Kompresi Citra Berwarna Menggunakan Transformasi Wavelet
Jurnal Matematika Integratif, 2014
Kompresi citra merupakan proses mereduksi ukuran citra untuk menghasilkan representasi digital yang padat atau mampat, namun tetap dapat mewakili kualitas informasi yang terkandung pada citra tersebut. Pada dasarnya citra berwana adalah penggabungan dari 3 buah matriks piksel red, green dan blue disingkat RGB. Pada makalah ini, proses kompresi citra dilakukan dengan menggunakan dua metode wavelet yang terkenal, yaitu wavelet Haar dan Daubechies (Db2). Kedua metode itu dibandingkan untuk memperoleh informasi wavelet manakah yang optimum dalam kompresi citra. Proses kompresi pada citra dilakukan pada 1 level dan 2 level. Penelitian ini menggunakan citra true colour berformat jpg. Dari hasil yang didapat, wavelet Daubechies Db2 level 2 memberikan kompresi yang optimum berdasarkan nilai RMSE, PNSR dan rasion kompresinya. Kata kunci: Kompresi Citra, wavelet Haar, wavelet Daubchies (Db2)
Perbandingan Segmentasi Pada Citra Asli Dan Citra Kompresi Wavelet Untuk Identifikasi Telur
ILKOM Jurnal Ilmiah
Citra digital merupakan gambaran yang jelas dari objek yang dapat diolah dengan komputer. Semakin besar ukuran (pixel) citra akan membutuhkan tempat penyimpanan yang besar pula. Dasar pengolahan citra yang dilakukan dalam penelitian ini terletak pada proses segmentasi pengolahan citra. Hal yang perlu dipertimbangkan adalah objek dari citra telur ayam yang akan diidentifikasi. Proses pengolahan citra melibatkan beberapa proses mulai dari akuisisi citra, preprocessing dan proses pengolahan citra sampai hasilnya. Preprocessing dilakukan untuk proses segmentasi yaitu dengan mengubah citra menjadi citra grayscale, dan kemudian diubah menjadi citra hitam putih. Dalam setiap proses dilakukan padding haar untuk mengurangi ukuran (size on disk) dengan matrik haar 8x8. Dan juga dilakukan proses dilasi dan opening untuk membuat objek terlihat jelas serta menghaluskan permukaan untuk menghilangkan noise. Pada proses pengolahannya dilakukan dengan menggunakan segmentasi dan pelabelan dengan didahului dengan perhitungan centroid dan penentuan bounding box untuk mengidentifikasi telur ayam. Perbandingan hasil pengolahan citra asli dengan hasil kompresi dari citra asli menunjukkan bahwa proses segmentasi citra telur ayam memberikan hasil 100% sama (baik citra asli maupun citra kompresi wavelet). Dengan kompresi akan menghemat penyimpanan (disk) dan hasil yang sama diperoleh dalam proses perhitungan objek, luas area, dan penentuan titik centroid. Kata kunci: kompresi wavelet, padding haar, segmentasi dan labelling, centroid dan bounding box.
Perbesaran Citra Menggunakan Metode Wavelet
JUTI: Jurnal Ilmiah Teknologi Informasi, 2003
Perbesaran citra merupakan salah satu cabang dalam pengolahan citra digital, yang sering dibutuhkan dalam berbagai aplikasi seperti dalam bidang kedokteran, multimedia, dan dalam citra satelit. Seiring makin berkembangnya teknologi, makin banyak pula metode yang digunakan untuk perbesaran citra. Pada penelitian ini, proses perbesaran citra dilakukan menggunakan metode wavelet. Jenis filter induk wavelet yang digunakan, yaitu haar, daubechies 4, daubechies 6, daubechies 8, dan coiflet 1. Langkah-langkah proses perbesaran citra adalah sebagai berikut: transformasi wavelet diskrit, yaitu mendekomposisi citra inputan dengan menggunakan algoritma pyramida. Kemudian hasil dekomposisi (koefisien wavelet) dikalikan dengan dua dan diletakkan dalam matrik yang berukuran dua kali citra inputan pada sisi pojok kiri atas, sedangkan elemen matrik yang lain diisi nol. Setelah dilakukan proses transformasi wavelet invers (proses rekonstruksi) terhadap matrik tersebut, dihasilkan nilai untuk citra output (hasil perbesaran). Proses di atas memanfaatkan dua buah fungsi filter, yaitu low-pass filter (scaling function) dan high-pass filter (wavelet function). Dari uji coba yang dilakukan pada perangkat lunak ini terhadap lima filter induk wavelet yang digunakan, filter haar mempunyai nilai MSE (Mean Square Error) terkecil. Uji coba juga menunjukkan bahwa karakteristik citra asli, seperti standard deviasi juga mempengaruhi besarnya nilai MSE.
2018
Kualitas citra adalah dasar masalah pada penelitian ini, sering kali dijumpai citra yang tidak jelas akibat kekurangan sinar ketika objek dibidik melalui kamera digital. Dengan menggunakan pengolahan citra dapat memperbaiki peningkatan kecerahan dan kontras, selain intensitas kecerahan, jumlah piksel yang digunakan untuk menyusun citra mempengaruhi kualitas citra tersebut. Discrete Cosine Transform (DCT) adalah Discrete Cosine Transform (DCT) atau Transformasi Cosinus Diskrit adalah model Transformasi Fourier yang dikenakan pada fungsi diskrit dengan hanya mengambil bagian cosinus dari eksponensial kompleks, dan hasilnya juga diskrit. DCT merupakan salah satu transformasi yang penting dalam pengolahan sinyal digital. DCT mengubah fungsi dari domain waktu ke domain frekuensi. Discrete Wavelet Transform (DWT) merupakan Transformasi sinyal merupakan bentuk lain dari penggambaran sinyal yang tidak mengubah isi informasi dalam sinyal tersebut, dan merupakan suatu fungsi matematika yang ...
2006
Skripsi ini membahas mengenai sistem pengenalan citra wajah dengan menggunakan Transformasi Wavelet Diskrit dan jaringan saraf tiruan back-propagation. Transformasi Wavelet Diskrit memproses citra masukan untuk mendapatkan fitur penting yang terdapat pada citra wajah. Fitur tersebut kemudian diklasifikasikan dengan menggunakan jaringan saraf tiruan back-propagation agar citra masukan dapat diidentifikasi. Pengujian sistem menggunakan citra wajah dari AT&T Database of Faces sebanyak 400 citra yang terdiri dari 40 individu dan citra wajah hasil tangkapan webcamera sebanyak 100 citra yang terdiri dari 10 individu. Tingkat akurasi pengenalan pada AT&T Database of Faces mencapai 93.5%, sedangkan tingkat akurasi pengenalan pada citra tangkapan web-camera mencapai 96%. Pengujian juga dilakukan terhadap citra AT&T Database of Faces yang diberi noise. Ternyata noise pada citra tidak memberikan pengaruh yang berarti terhadap tingkat akurasi pengenalan.
Identifikasi Keberadaan Kanker Pada Citra Mammografi Menggunakan Metode Wavelet Haar
Breast cancer is the most common kind of cancer suffered by women. Mammography has been a common method for early detection of breast cancer. Recently mammograms are examined manually, so it demands good knowledge, intuition, and experience in this particular field. In many cases the breast normal tissue can hide malignant so that it can't b seen on the mammogram.
Klasifikasi Jenis Kulit Wajah Menggunakan Metode Discrete Wavelet Transform Dan Backpropagation
2019
Abstrak Kulit merupakan bagian tubuh manusia yang perlu dilakukan perawatan. Perawatan yang tidak tepat pada kulit dapat menimbulkan kerugian bagi seseorang. Oleh karena itu, dibutuhkan pengetahuan analisa kulit yang tepat dimana salah satunya mengetahui jenis kulit wajah. Jenis kulit ada beberapa yaitu berminyak dan kering. Masing-masing jenis kulit tersebut memiliki perawatan dan produk yang berbeda. Pada penelitian ini dibuat sistem pengolahan citra yang dapat mendeteksi jenis kulit manusia. Sistem ini mengolah citra kulit manusia yang diambil dengan mikroskop digital. Citra kulit manusia yang digunakan adalah citra bagian pipi untuk kulit berminyak dan kering. Citra yang digunakan sebesar masing – masing 40 untuk data latih dan data uji. Proses pengolahan citra terdiri dari tiga tahap yaitu pre-processing, ekstraksi ciri menggunakan metode DWT (Discrete Wavelet Transform) dan klasifikasi dengan metode backpropagation. Setelah melalui tahapan tersebut, data diklasifikasi berdasar...
Analisis Pengaruh Citra Gelap, Normal, Terang Terhadap Wavelet Orthogonal
Jurnal Buana Informatika
An image is classified into dark, normal, and bright image. The images are grouped in the dark images according to the histogram and the mu value. An image consists of information and redundancies. The use of wavelet is considered effective in image compression and it does not only cut down the memory usage but also it makes devices work faster. In this study, an analysis in conducted on the influence of dark, normal, and bright images on the orthogonal wavelet. Peak Signal to Noise Ratio (PSNR) is used to compare 17 functions of wavelet orthogonal in the image compression of dark, normal, and bright images. PSNR is a measurement parameter commonly used for measuring the quality of image reconstruction which is then compared with the original image. Compression ratio is used to measure the reduction of the data size after the compression process. Based on the research on the dark, normal, and bright image, the findings reveal that bright image has got the lowest PNSR value at all image testing while the normal image has the highest PSNR value at the wavelet orthogonal application.