Selamat datang di toko Buku Online kami Buku Diskon,Murah Ajibayustore

Kamis, 20 Agustus 2015

PENGOLAHAN CITRA DIGITAL KONSEP DAN TEORI Fajar AStuti Hermawati

 PENGOLAHAN CITRA DIGITAL KONSEP DAN TEORI
Judul Buku : PENGOLAHAN CITRA DIGITAL KONSEP DAN TEORI
Pengarang : Fajar AStuti Hermawati
Penerbit : Andi
Cetakan  :  Ke-1
Tahun Terbit : 2013
Bahasa : Indonesia
Jumlah Halaman : 290 hlm
Kertas Isi : HVS
Cover : Soft
Ukuran : 16 x 23 cm
Berat : 400 gram
Kondisi : Baru
Harga :  Rp 64,000 diskon




Bayar : Rp 51.100

DAFTAR ISI
BAB I PENDAHULUAN -- 1
1.1. Tujuan Pengolahan Citra Digital -- 1
1.2. Contoh Aplikasi Pengolahan Citra Digital –
1 1.3. Definisi Citra Digital -- 3
1.4. Sistem Perekaman Citra -- 4
1.5. Elemen Fungsi Dasar Sistem Pengolahan Citra –
5 1.6. Elemen-elemen Sistem Analisis Citra -- 6
1.7. Metodologi Pengolahan Citra -- 6

BAB II DASAR CITRA DIGITAL -- 11
2.1. Struktur Mata Manusia -- 11
2.2. Image Sampling & Quantization -- 14
2.3. Representasi Citra Digital -- 15
2.4. Resolusi Spasial & Grey Level (Brightness) – 17
2.5. Zooming & Shrinking Digital Images -- 19
2.6. Beberapa Dasar Hubungan Antar-piksel -- 21
2.6.1. Tetangga Sebuah Pixel -- 21
2.6.2. Adjacency -- 21
2.6.3. Ukuran Jarak (Distance Measures) -- 23

BAB III PENINGKATAN MUTU CITRA PADS DOMAIN SPASIAL -- 27
3.1. Tujuan Peningkatan Mutu Citra (Image Enhancement) 27
3.2. Teknik Peningkatan Mutu -- 27
3.3. Peningkatan Mutu Citra pads Domain Spasial -- 28
3.4. Point Processing -- 28
3.4.1 Image Negative -- 29
3.4.2 Log Transformation -- 31
3.4.3 Power Law Transformation -- 32
3.4.4 Contrast Stretching -- 34
3.4.5 Pengolahan Histogram -- 36
3.4.5.1. Histogram Equalization -- 38
3.4.5.2. Histogram Processing specific grey-level (hist. specification) -- 41
3.4.5.3. Histogram Equalization Specific Area (Local Enhancement) -- 47
3.4.5.4. Penggunaan Histogram Statistic Untuk Image Enhancement -- 48
3.4.6. Peningkatan Mutu Citra Dengan Operasi Aritmatik & Logik -- 53
3.4.6.1. Operasi logik AND dan OR -- 53
3.4.6.2. Operasi Pengurangan Pada Citra (Image Substraction ) -- 55
3.4.6.3. Operasi Penjumlahan Pada Citra -- 57
3.4.6.4. Image Averaging -- 58
3.5. Mask Processing -- 59
3.5.1. Smoothing filters -- 59
3.5.2. Sharpening Spatial Filter -- 65
3.5.2.1. Teori Dasar -- 65
3.5.2.2. Penggunaan Turunan Kedua (Laplacian Filter) 67
3.5.2.3. High-boost filter -- 70
3.5.2.4. Penggunaan Turunan Pertama (Gradien / Derivative Filter) -- 71

BAB IV PENINGKATAN MUTU CITRA PADS DOMAIN FREKUENSI -- 83
4.1. Transformasi Ruang -- 83
4.2. Transformasi Fourier -- 83
4.2.1. Transformasi Fourier 1 Dimensi 85
4.2.2. Transformasi Fourier 2 dimensi 88
4.3. Filtering pads Domain Frekuensi -- 91
4.3.1. Lowpass Filter pads Domain Frekuensi -- 95
4.3.1.1 Ideal Lowpass filter -- 96
4.3.1.2. Butterworth Lowpass Filter -- 97
4.3.1.3. Gaussian Lowpass Filter -- 98
4.3.1.4. Contoh Aplikasi Lowpass Filter -- 99
4.3.2. Highpass Filter -- 100
4.3.2.1. Ideal Highpass Filter -- 101
4.3.2.2 Butterworth Highpass Filter -- 102
4.3.2.3 Gaussian Highpass Filter -- 102
4.4. Aplikasi Transformasi Fourier Untuk Deteksi Plat Nomor Kendaraan -- 103

BAB V RESTORASI CITRA -- 109
5.1. Model dari Proses Degradasi / Restorasi Citra 109
5.2. Model Noise -- 110
5.2.1. Noise Probability Density Functions -- 111
5.2.2. Estimasi Parameter Noise -- 117
5.3 Restorasi Terhadap Noise -- 118
5.3.1 Mean Filter -- 118
5.3.1.1 Arithmetic Mean Filter -- 118
5.3.1.2 Geometric Mean Filter -- 120
5.3.1.3 Harmonic Mean Filter -- 122
5.3.1.4 Contraharmonic Mean Filter -- 124
5.3.2 Order Statistic Filter – 126
5.3.2.1 Median Filter -- 126
5.3.2.2 Max and Min Filter -- 127
5.3.2.3 Midpoint filter -- 130
5.3.2.4 Alpha-trimmed mean filter 131
5.3.3 Adaptive-Filters -- 133
5.3.3.1 Local noise reduction filter 133
5.3.3.2 Adaptive Median Filter -- 135
5.3.4 Periodic Noise Reduction dengan Filtering Domain Frekuensi -- 137
5.3.4.1 Band-reject Filter -- 137
5.3.4.2 Band-pass Filter -- 138

BAB VI KOMPRESI CITRA -- 143
6.1. Dasar Kompresi Citra -- 144
6.1.1. Coding Redundancy -- 145
6.1.2. Interpixel Redundancy -- 146
6.1.3. Psychovisual Redundancy -- 149
6.1.4. Fidelity Criteria -- 150

BAB VII SEGMENTASI CITRA -- 163
7.1. Deteksi Discontinuity -- 163
7.1.1. Deteksi Titik -- 164
7.1.2. Deteksi Garis -- 165
7.1.3. Deteksi Tepi -- 167
7.1.3.1. Deteksi Tepi Dengan Operator Sobel -- 170
7.1.3.2. Deteksi Tepi Dengan Marr-Hilderth Operator 173
7.1.3.3. Deteksi Tepi Dengan Canny Operator -- 178
7.2. Edge Linking dan Boundary Detection -- 180
7.2.1. Local Processing -- 181
7.2.2 Global Processing dengan Hough Transform -- 181
7.2.3 Pemrosesan Global Melalui Teori Graph -- 184
7.3. Threshold ing -- 187
7.3.1. Pengertian Dasar 187
7.3.2. Aturan Illuminasi 188
7.3.3. Basic Global Threshold ing -- 190
7.3.4. Basic Adapter Threshold ing -- 193
7.3.5. Optimal Thresholding -- 195
7.3.6. Basic Adapter Threshold ing -- 197
7.3.7. Optimal dan Adaptive Thresholding -- 198
7.4. Region Based Segmentation -- 199
7.4.1. Region Growing -- 199
7.4.2. Region Splitting and Merging -- 200

LAMPIRAN A
Aijabar Linier dan Matriks -- 203
A.1.Persamaan Linier & Matriks -- 203
A.2. Penyelesaian Persamaan Linear dengan Matriks 204
A.2.1. Bentuk Eselon-Baris -- 204
A.2.2. Operasi Eliminasi Gauss -- 205
A.2.3. Operasi Eliminasi Gauss-Jordan -- 207
A. 3 Operasi Dalam Matriks -- 209
A.3.1. Matriks Balikan (Invers) -- 209
A.3.2. Matriks Transpose -- 211
A.3.3. Matriks Diagonal -- 212
A.3.4. Matriks Segitiga 213
A.3.5. Matriks Simetris 214
A. 4 Determinan -- 215
A.4.1. Determinan dengan Minor dan kofaktor -- 216
A.4.2. Determinan dengan Ekspansi Kofaktor Pada Baris Pertama -- 217
A.4.3. Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama -- 217
A.4.4. Adjoin Matriks, 3 x 3 -- 219
A.4.5. Determinan Matriks Segitiga Atas -- 219
A.4.6. Metode Cramer -- 220
A.4.7. Tes Determinan untuk Invertibilitas -- 221
A.4.8. Mencari Determinan dengan Cara Sarrus -- 221
A.4.9. Menghitung Inverse dari Matrix 3 x 3 222
A.4.10. Sistem Linear Dalam Bentuk Ax = Ax 222
A.S. Vektor dalam Ruang Euklide 224
A.5.1. Euklidian dalam n-Ruang 224
A.5.2. Contoh Penggunaan Vektor dalam Ruang Dime 225
A.5.3. Menemukan norm dan jarak -- 227
A.5.4. Bentuk Newton -- 227
A.5.5. Operator Refleksi -- 227
A.5.6. Operator Proyeksi -- 228
A.5.7. Operator Rotasi -- 228
A.5.8. Interpolasi Polinomial.-- 229

LAMPIRAN B Pengantar MATLAB -- 233
B.1.              Latar Belakang Matlab -- 233
B.2.              Lingkungan Kerja Matlab -- 234
B.2.1. Matlab Desktop -- 234
B.3.              Ekspresi Dalam Matlab -- 237
B.3.1. Variable -- 237
B.3.2. Bilangan 237
B.3.3. Operator 238
B.3.4. Fungsi -- 238
BA Manipulasi Matriks Dalam Matlab -- 240
B.4.1. Notasi Matriks 240
B.4.2. Indeks Matriks 241
B.4.3. Membangun Matriks -- 243
B.4.4. Penggabungan Matriks -- 243
B.4.5. Operasi Matriks -- 244
B.4.6. Menghapus Baris dan Kolom -- 245
B.4.7. Penarikan Informasi dari Matriks -- 246
B.5. Scripting di Matlab -- 248
B.6.                User-Defined Function -- 251
B.7.                Pengolahan Citra Dengan Matlab -- 251
B.7.1. Indexed Image -- 252
B.7.2. Intensity Image -- 252
B.7.3. Binary Image -- 254
B.7.4. RGB Image -- 254
B.7.5. Membaca dan Menampilkan Citra -- 255
B.7.6. Merubah Citra RGB ke Citra Intensitas -- 256
B 7.7. Perbaikan Mutu Citra Dengan Toolbox Image Processing -- 256
B.7.7.1. Histogram -- 256
B.7.7.2. Histogram Equalization -- 257

LAMPIRAN C Statistika dan Probabilitas -- 259
CA.Elernen Statistik -- 259
C.2.                Distribusi Frekuensi -- 260
C.2.1. Frekuensi Relatif -- 261
C.2.2. Frekuensi Kumulatif -- 261
C.2.3. Diagram -- 262
C.2.4. Kurva Frekuensi dan Poligon Frekuensi yang Dimuluskan -- 264
C.3.                  Ukuran Bagi Data -- 266
C.3.1. Ukuran Bagi Data yang Dikelompokkan 266
C. 3.1.1. Nilaitengah (mean) Populasi -- 266
C. 3.1.2. Nilaitengah (mean) Contoh -- 267
C. 3.1.3. Median -- 267
C. 3.1.4. Modus -- 268
C. 3.1.5. Konsep Nilai -- 269
C.3.2. Ukuran Bagi Data yang Tersusun -- 269
C.3.3. Ukuran Penyebaran /ukuran keragaman 272
C.3.3.1. Wilayah(range) -- 273
C.3.3.2. Ragam(variansi) -- 273
C.4. Distribusi Peluang -- 276
CAL Variabel Acak (Random Variable) -- 276
C.4.2. Distribusi Peluang Diskrit -- 276
C.4.2.1. Distribusi Binomial (Binom) -- 278
C.4.2.2. Distribusi Poisson -- 280
C.4.2.3. Distribusi Hipergeometrik -- 282
C.4.2.4. Distribusi Normal -- 283
C.4.2.5. Beberapa Pendekatan Penting -- 285
C.S. Kaidah Bayes -- 287
C.5.1. Dalil Peluang Total (Kaidah Eliminasi) -- 288
C.5.2. Rumus Kaidah Bayes -- 289



Share This Article


0 komentar:

Posting Komentar

Copyright © 2015. AJIBAYUSTORE - All Rights Reserved-ALAMAT JALAN KEBANGKITAN NASIONAL TOKO BUKU NO.21-22 SOLO JAWA TENGAH KONTAK:0857 2823 4422
Creating Website Miko Bayu Saputra