clear all;
close all;
l=imread('Sunset.jpg');
l1=rgb2gray(l);
figure(1)
subplot(1,2,1)
imshow(l1)
title('Gambar Asli');
[counts x]=imhist(l1);
counts1=counts(2:256-1,:);
x1=[2:1:255];
h=hist(counts1,x1);
p=histeq(l1,h);
subplot(1,2,2)
imshow(p);
title('Gambar Diproses');
hold on;
figure(2)
subplot(1,2,1)
imhist(l1)
title('Proses Histogram dari Gambar Asli');
subplot(1,2,2)
imhist(p)
title('Proses Histogram dari Gambar yang di Edit');
hold on;
k=mean2(l1);
k2=mean2(p);
dev=std2(l1);
dev1=std2(p);
[co xi]=imhist(l1,8);
[co1 xi1]=imhist(p,8);
m=mean2(xi);
m2=mean2(xi1);
stdev=std2(xi);
stdev1=std2(xi1);
disp('Gambar Asli');
disp(k);
disp(m);
disp(dev);
disp(stdev);
disp('Gambar Diproses');
disp(k2);
disp(m2);
disp(dev1);
disp(stdev1);
Senin
Program Matlab deteksi Tepi
Ini adalah script dengan matlab untuk membuat program deteksi tepi.
function varargout = deteksi_tepi(varargin)
% DETEKSI_TEPI M-file for deteksi_tepi.fig
% DETEKSI_TEPI, by itself, creates a new DETEKSI_TEPI or raises the existing
% singleton*.
%
% H = DETEKSI_TEPI returns the handle to a new DETEKSI_TEPI or the handle to
% the existing singleton*.
%
% DETEKSI_TEPI('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in DETEKSI_TEPI.M with the given input arguments.
%
% DETEKSI_TEPI('Property','Value',...) creates a new DETEKSI_TEPI or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before deteksi_tepi_OpeningFunction gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to deteksi_tepi_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Copyright 2002-2003 The MathWorks, Inc.
% Edit the above text to modify the response to help deteksi_tepi
% Last Modified by GUIDE v2.5 12-Oct-2008 20:05:38
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @deteksi_tepi_OpeningFcn, ...
'gui_OutputFcn', @deteksi_tepi_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% --- Executes just before deteksi_tepi is made visible.
function deteksi_tepi_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to deteksi_tepi (see VARARGIN)
% Choose default command line output for deteksi_tepi
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes deteksi_tepi wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = deteksi_tepi_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes during object creation, after setting all properties.
function text1_CreateFcn(hObject, eventdata, handles)
% hObject handle to text1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% --- Executes on button press in cari.
function cari_Callback(hObject, eventdata, handles)
% hObject handle to cari (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
[a, path]=uigetfile(...
{'*.bmp;*.jpg','File yg dpet dibuka (*.bmp,*.jpg)';
},...
'Browser');
if ~isequal(a, 0)
handles.buka=imread(fullfile(path,a));
guidata(hObject,handles);
hold on;
axes(handles.axes1);
imshow(handles.buka);
hold on;
axes(handles.axes2);
imhist(handles.buka);
else
return;
end
set(handles.text1,'string',a);
% --- Executes on button press in proses.
function proses_Callback(hObject, eventdata, handles)
% hObject handle to proses (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
I = handles.buka ;
guidata(hObject,handles);
handles.bw=edge(I,'sobel');
hold on;
axes(handles.axes8);
imshow(handles.bw);
handles.bw1=edge(I,'canny');
hold on;
axes(handles.axes3);
imshow(handles.bw1);
handles.bw2=edge(I,'prewitt');
hold on;
axes(handles.axes4);
imshow(handles.bw2);
function varargout = deteksi_tepi(varargin)
% DETEKSI_TEPI M-file for deteksi_tepi.fig
% DETEKSI_TEPI, by itself, creates a new DETEKSI_TEPI or raises the existing
% singleton*.
%
% H = DETEKSI_TEPI returns the handle to a new DETEKSI_TEPI or the handle to
% the existing singleton*.
%
% DETEKSI_TEPI('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in DETEKSI_TEPI.M with the given input arguments.
%
% DETEKSI_TEPI('Property','Value',...) creates a new DETEKSI_TEPI or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before deteksi_tepi_OpeningFunction gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to deteksi_tepi_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Copyright 2002-2003 The MathWorks, Inc.
% Edit the above text to modify the response to help deteksi_tepi
% Last Modified by GUIDE v2.5 12-Oct-2008 20:05:38
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @deteksi_tepi_OpeningFcn, ...
'gui_OutputFcn', @deteksi_tepi_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% --- Executes just before deteksi_tepi is made visible.
function deteksi_tepi_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to deteksi_tepi (see VARARGIN)
% Choose default command line output for deteksi_tepi
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes deteksi_tepi wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = deteksi_tepi_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes during object creation, after setting all properties.
function text1_CreateFcn(hObject, eventdata, handles)
% hObject handle to text1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% --- Executes on button press in cari.
function cari_Callback(hObject, eventdata, handles)
% hObject handle to cari (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
[a, path]=uigetfile(...
{'*.bmp;*.jpg','File yg dpet dibuka (*.bmp,*.jpg)';
},...
'Browser');
if ~isequal(a, 0)
handles.buka=imread(fullfile(path,a));
guidata(hObject,handles);
hold on;
axes(handles.axes1);
imshow(handles.buka);
hold on;
axes(handles.axes2);
imhist(handles.buka);
else
return;
end
set(handles.text1,'string',a);
% --- Executes on button press in proses.
function proses_Callback(hObject, eventdata, handles)
% hObject handle to proses (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
I = handles.buka ;
guidata(hObject,handles);
handles.bw=edge(I,'sobel');
hold on;
axes(handles.axes8);
imshow(handles.bw);
handles.bw1=edge(I,'canny');
hold on;
axes(handles.axes3);
imshow(handles.bw1);
handles.bw2=edge(I,'prewitt');
hold on;
axes(handles.axes4);
imshow(handles.bw2);
Pengolahan Citra
Pengolahan citra merupakan sebuah bentuk pemrosesan sebuah citra atau gambar dengan cara memproses numeric dari gambar tersebut, dalam hal ini yang diproses adalah masing-masing pixel atau titik dari gambar tersebut. Bentuk umum dari image filtering hampir serupa dengan image processing.
Salah satu teknik pemrosesan citra ini memanfaatkan komputer sebagai peranti untuk memproses masingmasingpixel dari sebuah gambar. Oleh karena itulah muncul istilah pemrosesan citra secara digital atau“Digital Image Processing”. Dalam artikel ini, akan dibahas lebih mendalam mengenai proses filtering
yang merupakan salah satu proses yang sangat penting dalam pemrosesan citra secara digital. Bahkan dalam beberapa kasus, pemrosesan citra sering diidentikkan dengan “Image Filtering”. Image processing
sendiri dapat didefiniskan juga sebagai adalah proses filtering sebuah gambar, pixel demi pixel. Istilah manipulasi gambar atau “Image Manipulation” sering juga digunakan untuk menyebutkan istilah
pemrosesan citra atau gambar tersebut.
“Digital image processing” diperkenalkan pertama kali di New York, USA pada awal tahun
1920-an. Pertama kalinya digunakan untuk meningkatkan kualitas gambar Koran yang dikirimkan oleh kabel bawah laut yang terbentang antara London dan New York. Sampai tahun 1960-an perkembangannya tidaklah terlalu menggembirakan. Namun pada akhir tahun 1960-an, dimana perkembangan komputer yang pesat dan mampu menawarkan kecepatan dan kapasitas yang lebih tinggi memacu perkembangan dari implementasi algoritma pemrosesan citra yang lebih pesat lagi. Untuk saat ini penggunaan dari pemrosesan citra telah melingkupi berbagai macam disiplin ilmu diantaranya bidang Arsitektur, Geografi, Ilmu
Komputer, Kedokteran, Fotografi, Arkeologi, dan lain sebagainya.
Tujuan utama dari “Digital image processing” tersebut selain untuk meningkatkan kualitas
gambar yang diperoleh, juga dimaksudkan untuk memproses data yang diperoleh untuk ditanggapi secara otomatis oleh sebuah mesin atau peralatan. Kelebihan dari penggunaan “Digital image processing” adalah dalam hal ketepatan dan flesibilitasnya. Sedangkan kerugiannya adalah dalam hal kecepatan dan biaya sebagai akibat dari pemanfaatan proses yang lebih kompleks.
Salah satu teknik pemrosesan citra ini memanfaatkan komputer sebagai peranti untuk memproses masingmasingpixel dari sebuah gambar. Oleh karena itulah muncul istilah pemrosesan citra secara digital atau“Digital Image Processing”. Dalam artikel ini, akan dibahas lebih mendalam mengenai proses filtering
yang merupakan salah satu proses yang sangat penting dalam pemrosesan citra secara digital. Bahkan dalam beberapa kasus, pemrosesan citra sering diidentikkan dengan “Image Filtering”. Image processing
sendiri dapat didefiniskan juga sebagai adalah proses filtering sebuah gambar, pixel demi pixel. Istilah manipulasi gambar atau “Image Manipulation” sering juga digunakan untuk menyebutkan istilah
pemrosesan citra atau gambar tersebut.
“Digital image processing” diperkenalkan pertama kali di New York, USA pada awal tahun
1920-an. Pertama kalinya digunakan untuk meningkatkan kualitas gambar Koran yang dikirimkan oleh kabel bawah laut yang terbentang antara London dan New York. Sampai tahun 1960-an perkembangannya tidaklah terlalu menggembirakan. Namun pada akhir tahun 1960-an, dimana perkembangan komputer yang pesat dan mampu menawarkan kecepatan dan kapasitas yang lebih tinggi memacu perkembangan dari implementasi algoritma pemrosesan citra yang lebih pesat lagi. Untuk saat ini penggunaan dari pemrosesan citra telah melingkupi berbagai macam disiplin ilmu diantaranya bidang Arsitektur, Geografi, Ilmu
Komputer, Kedokteran, Fotografi, Arkeologi, dan lain sebagainya.
Tujuan utama dari “Digital image processing” tersebut selain untuk meningkatkan kualitas
gambar yang diperoleh, juga dimaksudkan untuk memproses data yang diperoleh untuk ditanggapi secara otomatis oleh sebuah mesin atau peralatan. Kelebihan dari penggunaan “Digital image processing” adalah dalam hal ketepatan dan flesibilitasnya. Sedangkan kerugiannya adalah dalam hal kecepatan dan biaya sebagai akibat dari pemanfaatan proses yang lebih kompleks.
Rabu
Langganan:
Postingan (Atom)
