Cara Mengidentifikasi Objek 2D Pada Gambar Menggunakan MATLAB

Assalamu'alaikum poinreaders,

Pada kesempatan kali ini kita akan membahas tentang Pengolahan Citra pada MATLAB. Pada kesempatan kali ini kita akan belajar tentang cara mudah untuk mengidentifikasi objek 2D pada dambar dengan menggunakan MATLAB. Untuk penjelasan lengkapnya simak ulasan berikut...

RangeFilt merupakan salah satu fungsi yang terdapat pada pengolahan citra MATLAB yang berfungsi untuk mengidentifikasi objek 2D pada gambar. Penulisan syntak umumnya adalah :

J = rangefilt(I);

Dimana I merupakan gambar yang kita pilih. Berikut ini adalah contoh penggunaan fungsi RangeFilt pada pengolahan citra MATLAB :

Langkah Pertama yaitu memasukan file gambar atau image yang akan kita olah dengan menggunakan syntak :

image = imread (' C:\Users\USER\Documents\image.jpg ');

Syntak berwarna merah diatas merupakan File Location dari gambar yang akan kita olah. Sobat bisa menggantinya dengan File Location dari gambar yang akan sobat olah.

Langkah Kedua yaitu memasukan syntak untuk melakukan identifikasi objek 2D dengan menggunakan syntak :

J = rangefilt(image);

Langkah Terakhir yaitu menampilkan citra sebelum dan sesudah proses Sobel Filter dengan menggunakan syntak :

subplot(1,2,1);
imshow(image);
title('Gambar Asli');
subplot(1,2,2);
imshow(J);
title('Hasil Identifikasi Objek'); 

Berikut ini output yang dihasilkan dari program diatas :

Gambar 1. Output Proses Identifikasi Objek

Sobat poinreaders juga bisa mengunduh syntak tersebut pada link di bawah ini :

• DOWNLOAD
 

Semoga materi yang saya sampaikan tentang MATLAB dapat dipahami poinreaders. Silakan tulis pertanyaan seputar materi yang telah dibahas pada kolom komentar. Jangan lupa follow akun sosial kami agar poinreaders bisa mendapatkan materi terbaru tentang pemrograman.

Cara Menghitung Area Objek Dalam Citra Biner Pada MATLAB

Assalamu'alaikum poinreaders,

Pada tulisan ini saya akan menjelaskan bagaimana cara menghitung luas area objek dalam citra biner menggunakan fungsi built-in yang terdapat pada MATLAB. Untuk ulasan lengkapnya yuk simak ulasan berikut...

Untuk menghitung area objek pada citra biner kita dapat menggunakan fungsi bwarea. Penulisan syntak umumnya adalah :

total = bwarea(BW)

Dimana bwarea digunakan untuk menghitung area di sekitar citra dalam citra biner. Sedangkan BW merupakan citra dalam biner. Berikut ini langkah untuk menghitung area objek pada MATLAB :

Langkah Pertama yaitu memasukan file gambar atau image yang akan kita olah dengan menggunakan syntak :

image = imread (' C:\Users\USER\Documents\motto.jpg ');

Syntak berwarna merah diatas merupakan File Location dari gambar yang akan kita olah. Sobat bisa menggantinya dengan File Location dari gambar yang akan sobat olah.

Langkah Kedua yaitu mengubah gambar yang kita masukan ke dalam mode biner menggunakan syntak :

image2= im2bw(image);

Langkah Ketiga yaitu menghitung area objek pada citra biner menggunakan syntak :

total = bwarea(image2);

Langkah Keempat yaitu menampilkan hasil perhitungan area objek yang nantinya akan muncul pada Command Windows MATLAB dengan menggunakan syntak :

fprintf('\n Estimasi Area Objek adalah %0.4f \n', total);

Langkah Terakhir yaitu menampilkan gambar dalam mode RGB dan Biner dengan menggunakan syntak :

subplot(1,2,1);
imshow(image);
title('Gambar Mode RGB');
subplot(1,2,2);
imshow(image2);
title('Gambar Mode Biner');

Berikut ini output yang dihasilkan dari program diatas :

Gambar 1. Output gambar

Gambar 2. Hasil perhitungan

Sobat poinreaders juga bisa mengunduh syntak tersebut pada link di bawah ini :

• DOWNLOAD
 

Semoga materi yang saya sampaikan tentang MATLAB dapat dipahami poinreaders. Silakan tulis pertanyaan seputar materi yang telah dibahas pada kolom komentar. Jangan lupa follow akun sosial kami agar poinreaders bisa mendapatkan materi terbaru tentang pemrograman.

Cara Menampilkan Informasi File Pada MATLAB

Assalamu'alaikum poinreaders,

Pada tulisan ini saya akan menjelaskan sedikit trik yang dapat bermanfaat jika sobat menggunakan MATLAB sebagai pengolahan citra. Pada tulisan ini saya akan menjelaskan sebuah fungsi untuk dapat menampilkan informasi dari sebuah file yang akan diolah pada MATLAB. Berikut ini ulasan lengkapnya... 

Untuk menampilkan informasi file pada MATLAB kita bisa menggunakan syntak :

info = imfinfo(filelocation)

Dimana filelocation merupakan direktori tempat file yang akan sobat lihat informasinya tersebut disimpan. Contoh penggunaan syntak untuk menampilkan informasi file :

info = imfinfo( 'C:\Users\USER\Documents\nature.jpg' )

Nantinya informasi file yang kita inginkan akan muncul pada Command Windows MATLAB, berikut ini contoh output-nya :

Gambar 1. Output informasi file
 

Semoga sedikit pembahasan tentang MATLAB ini dapat bermanfaat bagi sobat. Silakan tulis pertanyaan seputar artikel yang telah dibahas pada kolom komentar. Jangan lupa follow akun sosial kami agar poinreaders bisa mendapatkan artikel menarik terbaru lainnya.

Cara Menghitung Nilai Entropy Pada Pengolahan Citra MATLAB

Assalamu'alaikum poinreaders,

Pada kesempatan kali ini kita akan belajar menghitung nilai entropy pada pengolahan citra MATLAB menggunakan fungsi yang telah tersedia pada MATLAB. Yuk simak ulasan lengkapnya...

Entropy secara sederhana dapat didefinisikan sebagai ukuran tingkat gangguan pada sistem. Karena penjelasan tentang entropy terlalu panjang jadi akan saya bahas pada artikel lain, sobat bisa membacanya DISINI. Pada kesempatan kali ini kita hanya akan membahas tentang cara menghitung nilai entropy pada gambar dalam mode grayscale dengan menggunakan MATLAB. Berikut ini langkah-langkahnya...

Syntak dasar untuk menghitung nilai entropy pada pengolahan citra MATLAB adalah :

E = entropy(I)

Dimana I merupakan bilangan skalar dari gambar dalam mode grayscle.

Langkah Pertama yaitu memasukan file gambar atau image yang akan kita olah dengan menggunakan syntak :

image = imread (' C:\Users\USER\Documents\nature.jpg ');

Syntak berwarna merah diatas merupakan File Location dari gambar yang akan kita olah. Sobat bisa menggantinya dengan File Location dari gambar yang akan sobat olah.

Langkah Kedua yaitu merubah gambar yang telah sobat pilih kedlam mode grayscle karena kita akan menghitung nilai entropy pada gambar dalam mode grayscale menggunakan syntak :

gray=rgb2gray(image);

Langkah Ketiga yaitu menghitung nilai entropy pada gambar dalam mode grayscale dengan menggunakan syntak :

e = entropy (gray);

Langkah Keempat yaitu menampilkan hasil perhitungan entropy yang nantinya akan tampil pada Command Windows MATLAB dengan menggunakan syntak :

fprintf('\n Nilai Entropy-nya adalah %0.4f\n', e);

Langkah Terakhir yaitu menampilkan gambar asli dan gambar dalam mode grayscale dengan menggunakan syntak :

subplot(1,2,1);
imshow(image);
title('Gambar Asli');
subplot(1,2,2);
imshow(gray);
title('Gambar Mode Grayscale'); 

Berikut ini output yang dihasilkan dari program diatas :

Gambar 1. Output gambar

Gambar 2. Output hasil perhitungan entropy

Sobat poinreaders juga bisa mengunduh syntak tersebut pada link di bawah ini :

• DOWNLOAD
 

Semoga materi yang saya sampaikan tentang MATLAB dapat dipahami poinreaders. Silakan tulis pertanyaan seputar materi yang telah dibahas pada kolom komentar. Jangan lupa follow akun sosial kami agar poinreaders bisa mendapatkan materi terbaru tentang pemrograman.

Cara Menghitung SNR dan PSNR Pada Pengolahan Citra MATLAB

Assalamu'alaikum poinreaders,
Pada pembahasan kali ini kita akan belajar menghitung dan mensimulasikan SNR dan PSNR pada pengolahan citra MATLAB. Apa itu SNR dan PSNR? mari simak ulasan berikut...

SNR atau Signal To Noise Ratio merupakan salah satu parameter yang digunakan untuk menentukan kualitas citra setelah dilakukan proses pengolahan citra. Citra yang telah diproses nantinya akan dibandingkan dengan citra asli untuk memberi perkiraan kasar kualitas citranya. Semakin besar nilai SNR maka kualitas citranya akan semakin baik, begitu pun sebaliknya. Sedangkan PSNR atau Peak Signal To Noise Ratio sendiri merupakan nilai SNR puncak dari proses citra yang dihasilkan. Syntak dasar untuk menuliskan fungsi PSNR adalah :

peaksnr = psnr(A,ref) 

Dimana A adalah gambar yang akan diproses dan ref adalah referensi gambar yang kita jadikan perbandingan. Nilai dari A dan ref sendiri harus sama ukuran dan kelasnya.

Pada pembahasan kali ini kita akan mencoba menghitung nilai SNR dan PSNR pada gambar yang sudah kita tambahkan Noise dan pada gambar tanpa Noise. Berikut ini langkah-langkahnya :

Langkah Pertama yaitu memasukan file gambar atau image yang akan kita jadikan sebagai referensi perbandingan dengan menggunakan syntak :

ref = imread (' C:\Users\USER\Documents\p2p.jpg ');

Syntak berwarna merah diatas merupakan File Location dari gambar yang akan kita olah. Sobat bisa menggantinya dengan File Location dari gambar yang akan sobat olah.

Langkah Kedua yaitu menambahkan Noise jenis salt & pepper pada gambar yang akan kita hitung nilai SNR dan PSNR-nya dengan menggunakan syntak :

A = imnoise(ref,'salt & pepper', 0.02);

Penjelasan tentang jenis Noise yang digunakan bisa sobat baca DISINI

Langkah Ketiga yaitu memasukan syntak untuk menghitung nilai SNR dan PSNR dengan menggunakan syntak :

[peaksnr, snr] = psnr(A, ref);

Langkah Keempat yaitu memasukan syntak untuk menampilkan nilai PSNR yang nantinya akan terlihat pada Command Windows dengan menggunakan syntak :

fprintf('\n Nilai PSNR-nya adalah %0.4f', peaksnr);

Langkah Kelima yaitu memasukan syntak untuk menampilkan nilai SNR yang nantinya akan terlihat pada Command Windows dengan menggunakan syntak :

fprintf('\n Nilai SNR-nya adalah %0.4f \n', snr);

Langkah Terakhir yaitu menampilkan gambar asli (ref) dan gambar yang sudah ditambahkan noise (a) dengan menggunakan syntak :

subplot(1,2,1);

imshow(ref);

title('Gambar Asli');

subplot(1,2,2);

imshow(A);

title('Gambar Dengan Noise');

Berikut ini Output yang dihasilkan dari keseluruhan program diatas :

Gambar 1. Output Perbandingan Kualitas Gambar

Gambar 2. Output Perbandingan Nilai SNR dan PSNR

Sobat poinreaders juga bisa mengunduh syntak tersebut pada link di bawah ini :

• DOWNLOAD
 

Semoga materi yang saya sampaikan tentang MATLAB dapat dipahami poinreaders. Silakan tulis pertanyaan seputar materi yang telah dibahas pada kolom komentar. Jangan lupa follow akun sosial kami agar poinreaders bisa mendapatkan materi terbaru tentang pemrograman.

Cara Menghitung Mean-Squared Error Pada Gambar Yang Terkena Noise Dengan MATLAB

Assalamu'alaikum poinreaders,

Pada kesempatan kali ini saya akan melanjutkan pembahasan sebelumnya mengenai Noise. Pada tulisan ini saya akan menjelaskan tentang tutorial cara menghitung Mean-Squared Error pada gambar yang terkena Noise dengan menggunakan pengolahan citra MATLAB. Apa itu Mean-Squared Error dan bagaimana cara menghitungnya? Untuk ulasan lengkapnya yuk simak ulasan berikut...

Mean-Squared Error merupakan salah satu metode statistika yang digunakan untuk menganalisis atau mengukur kesalahan metode peramalan yang banyak diimplementasikan pada berbagai bidang, salah satunya pada pengolahan citra. Penulisan syntak dasar MATLAB-nya adalah :

err = immse(X,Y)

Dimana X dan Y merupakan Array yang harus mempunyai ukuran dan kelas yang sama. Berikut ini adalah contoh simulasi cara menghitung Mean-Squared Error pada gambar yang terkena Noise dengan MATLAB :

Langkah Pertama yaitu memasukan file gambar atau image yang akan kita olah dengan menggunakan syntak :

image = imread (' C:\Users\USER\Documents\aka.jpg ');

Syntak berwarna merah diatas merupakan File Location dari gambar yang akan kita olah. Sobat bisa menggantinya dengan File Location dari gambar yang akan sobat olah.

Langkah Kedua yaitu menambahkan Noise jenis Gaussian pada gambar dengan menggunakan syntak :

noise = imnoise(image, 'gaussian',0, 0.01);

Penjelasan syntaknya bisa sobat lihat pada pembahasan sebelumnya yang membahas tentang Noise.

Langkah Ketiga yaitu menghitung nilai Mean-Squared Error dengan menggunakan syntak :

err = immse(image, noise);

Langkah Keempat yaitu menampilkan hasil perhitungan nilai Mean-Squared Error yang nantinya akan ditampilkan pada Command Windows MATLAB dengan menggunakan syntak :

fprintf('\n Nilai Mean-Square Error-nya Adalah %0.4f\n', err);

Langkah Terakhir yaitu menampilkan gambar sebelum dan sesudah ditambahkan noise dengan menggunakan syntak :

subplot(1,2,1);
imshow(image);
title('Gambar Asli');
subplot(1,2,2);
imshow(noise);
title('Gambar yang terkena Noise');

Berikut ini output yang dihasilkan dari program diatas :

Gambar 1. Output perbandingan gambar

Gambar 2. Output hasil perhitungan Mean-Squared Error

Sobat poinreaders juga bisa mengunduh syntak tersebut pada link di bawah ini :

• DOWNLOAD
 

Semoga materi yang saya sampaikan tentang MATLAB dapat dipahami poinreaders. Silakan tulis pertanyaan seputar materi yang telah dibahas pada kolom komentar. Jangan lupa follow akun sosial kami agar poinreaders bisa mendapatkan materi terbaru tentang pemrograman.