- Format image : bitmap (bmp), gif, pcx, jpeg, dll.
- Format audio : wav, voc, mp3, dll.
- Format lain : teks file, html, pdf, dll.
Jika proses steganografi sukses, maka akan muncul pesan seperti dibawah ini :
Sekarang kita masuk ke pembahasan inti, yaitu sedikit membahas dari program yang udah kita buat tentang Aplikasi Image Processing dengan VB.NET. nah aplikasi ini menerangkan tenang perubahan dari suatu gambar ke gambar yang baru dengan menggunakan metode Neighbourhood, Rotate, dan masih banyak lagi menu menu yang bisa kalian gunakan untuk merubah dari 1 gambar ke gambar yang baru.
Nah untuk lebih jelasnya lagi mari kita masuk ke pembahasan dari aplikasi Image Processing dengan VB.NET ini.
1. berikut adalah screensoot dimana pengenalan tataletak propertis propertis yang terdapat pada aplikasi Image Processing dengan VB.NET ini.
2. Selanjutnya adalah screenshoot dimana terdapat menubar yang terdapat dalam aplikasi ini.
3. Nah, selanjutnya kita masuk ke pembahasan singkat dari menu menu yang terdapat pada aplikasi ini. pertama saya membahas dari submenu yang terdapat pada File, pada File memiliki submenu yaitu open(untuk membuka gambar), save(untuk menyimpan gambar) dan Exit(keluar).
4. Selanjutnya pada menu Point Operation terdapat submenu dimana pada submenu Point Operation ini menunjukan function function untuk merubah gambar dengan fungsi Greyscale, Biner, m Bit, Brightness, Contrast, InversiNegative Image, Logaritmik(Terbagi menjadi 2 : Logaritmik dan Invers Logaritmik), dan Power Law(Terbagi menjadi 2 : Power dan Root Power).
5. Selanjutnya pada menu Neighbourhood Operation terdapat submenu dimana pada submenu Neighbourhood Operation ini menunjukan function function untuk merubah gambar dengan fungsi Konvolusi (Terbagi menjadi 5 : Filter smoothing, Weight smoothing, Prewit(Vertikal dan Horizontal), Laplasan(Mask1, Mask2, dan Mask3), dan Sobel(Vertikal dan Horizontal)), Min, Max, Mean dan Median.
6. Selanjutnya pada menu Rotate terdapat submenu dimana pada submenu Rotate ini menunjukan function function untuk merotasi gambar baik dengan cara merotasi kekiri, merotasi kekanan ataupun dengan merotasi dengan ukuran derajat (90, 180 dan 270).
Nah, itu pembahasan dari saya tentang Aplikasi Image Processing dengan VB.NET, nah untuk lebih jelasnya lagi atau kalian yang ingin mengetahui tentang aplikasinya seperti apa bisa kalian dapatkan di link dibawah dan juga jangan lupa bagi yang udah mampir baik membaca atau mendownload aplikasinya jangan lupa sama komen-komennya dan rate yah. Terima kasih :)
nah, kalian yang ingin aplikasi image processing dengan VB.NET ini, bisa kalian download klik disini!
Nah, yang sudah saya janjikan pada postingan saya terdahulu yaitu tentang FILTER GAMBAR secara Numerik, saya akan mempostingkanPencitraan Konvolusi dan Korelasi Pada Matlab . Namun sebelum masuk ke pembahasan program tentang Konvolusi dan Korelasi kita harus tahu dulu dong apa sih Konvolusi dan Korelasi ini ?? berikut penjelasnnya :
Dalam pembuatan Konvolusi dan Korelasi pada matlab sebetulnya sudah banyak referensi-referensi yang beredar untuk hal semacam ini, ketika saya cari di mbah google dengan kata kunci “konvolusi image” itu hasilnya banyak sekali referensi-referensi yang saya temukan namun ketika pada korelasi saya mencari sumber tuh susah yaa paling juga dari websitehttp://www.mathworks.com.:)
nah, sekarang kita masuk saja ke pembahasan intinya dengan pembuatan Konvolusi dulu yah STEP Konvolusi pada MATLAB : :)
kalau program yang saya buat hasil gambar sebelum dan sesudahnya menjadi seperti ini :
BEFORE
AFTER
Nah, seperti itu penggunaan Konvolusi pada MATLAB. terlihat jelas perbedaannya ya kan ? itu hasil proses dari konvolusi. lalu pertanyaannya bagaimana proses semua itu terjadi ? bagaimana perhitungan manualnya ? Nah disini saya akan membahas juga perhitungan dengan menggunakan korelasi tersebut. Saya mengambil sample dari matriks yang belum di konvolusi dan yang sudah di konvolusi. berikut penampakannya :)
CITRA ASLI
CITRA SETELAH DI KONVOLUSI
Bagaimana bisa di dapatkan hasil seperti itu ? mari kita buktikan dengan konsep konvolusi :D
KORELASI
Selanjutnya pada Korelasi lakukan step yang sama seperti sebelumnya, namun sebelumya saya akan membahas dulu konsep dari Korelasi ini. Rumus dari Korelasi ini seperti berikut
Nah dari rumus di atas, saya ambil sample citra yang mudah dan juga penyelesaiannya agar bisa di pahami dalam konsep Korelasi ini. dan di akhir saya akan membuktikan dengan menggunakan program MATLAB supaya terlihat jelas bahwa hasil perhitungannya pun tidak salah. berikut penampakannya :
Nah lalu apa hasil dengan menggunakan MATLAB akan sama hasilnya dengan perhitungan diatas ? mari kita buktikan :D
Cocok kan ? nah sekian pembahasan dari Pencitraan Konvolusi dan Korelasi Pada MATLAB ini,di lain waktu saya akan membagikan ilmu ilmu yang saya dapatkan dalam mata kuliah PENGOLAHAN CITRA. Sampai bertemu di postingan selanjutnya :)
-SENANGNYA BERBAGI-
Sudah 1 bulan kurang lebih ga posting nih gara gara lagi UTS jadi agak sedikit ekstra buat belajarnya hehe..nah sekarang dh waktunya masuk kuliah lagi, kebetulan selagi kuliah saya dapetin materi tentang Morphological Operation dan Morphological Image Processing. nah maka dari itu kali ini saya ingin membahas sedikit tentang Morphological Operation dimana point-point yang akna kita bahas adalah
Definisi Morphing
Morphing merupakan suatu teknik dari pengolahan citra yang didasarkan pada pengolahan bentuk. Nilai dari tiap piksel citra yang diolah merupakan bentuk perbandingan antara piksel yang bersesuaian dari citra masukkan dengan nilai piksel tetangganya. Dengan memilih ukuran dan bentuk dari lingkungan, kita dapat membangun operasi analisis untuk mengolah citra yang dimasukkan agar lebih spesifik.
Pengertian Dilation dan Erotion
Pengertian Dilation dan Erotion Dilation dan Erosion adalah dua operasi pokok yang ada pada Morphological Operation. Dilation adalah suatu proses menambahkan piksel pada batasan dari objek dalam suatu image sehingga nantinya apabila dilakukan operasi ini maka image hasilnya lebih besar ukurannya dibandingkan dengan image aslinya. Erotion sendiri adalah kebalikan dari dilation. Proses ini akan membuat ukuran sebuah citra menjadi lebih kecil. Berbeda dengan dilation, apabila erosion dilakukan maka yang dikerjakan adalah memindahkan piksel pada batasan-batasan objek yang akan di erosion. Jumlah dari pikselyang ditambah atau dihilangkan bergantung pada ukuran dan bentuk dari structuring element yang digunakan untuk memproses image tersebut. Contoh dari structuring element ditunjukkan pada gambar berikut:
Pada morphological dilation dan erosion, kedudukan dari piksel pada image hasil (output) ditentukan dengan menerapkan sebuah aturan pada piksel yang bersangkutan dengan piksel tetangganya yang ada pada image yang di-input. Aturan yang digunakan untuk memproses image yang diinput tersebut, disebut dengan dialtion dan erosion operation. Berikut ini adalah aturan yang diterapkan pada operasi Dilation dan Erosion:
Gambar dibawah ini mengilustrasikan dilation pada binary image. Bagaimana structuring element mendefinisikan lingkungan dari piksel yang diinginkan, yang dilingkari
Berikut ini adalah contoh untuk mendilatasi sebuah binary image (Gambar berbentuk 3) yang berbentuk persegi panjang (Ditunjukkan pada Gambar 5). Untuk memperluas semua sisi pada image (ditunjukkan pada Gambar 3), gunakan square structuring elements 3×3 (Gambar 4). Gambar 6 adalah contoh erosion sebuah binary image, dimana image yang di erosion adalah image hasil dilation (Gambar 5). Erotion dilakukan dengan menggunakan STREL yang
sama dengan proses dilation diatas (STREL: Gambar 4).
KOMBINASI DILATION dan EROTION
Dilation dan Erotion sering digunakan secara bersama-sama untuk menerapkan operasi-operasi untuk memproses image contohnya, definisi dari Morphological opening dari sebuah image adalah erosi yang diikuti dengan proses dilation, dimana digunakan structuring element yang sama, untuk erotionnya maupun dilationnya. Kebalikan dari Morphological Opening adalah Morphotogical closing, yaitu. proses dilation dilakukan terlebih dahulu, kemudian erotion dilakukan.Morphological Opening dapat digunakan untuk menghilangkan benda-benda atau kepingan kecil yang ada pada sebuah image ketika memelihara bentuk dan ukuran dari benda benda atau kepingan yang lebih besar pada image tersebut. Ada 3 langkah, untuk melakukan morphological opening tersebut, yaitu :
Membuat structuring element.
Untuk Morphological Closing langkah ynag harus dilakukan adalah :
Membuat structuring element.
Aplikasi Morphological pada Binary Image dengan Menggunakan MATLAB
Berikut ini adalah fungsi-fungsi yang ada pada Matlab yang dapat digunakan untuk pengolahan citra pala Binary lriage berdasarkan Morphological operation.
1. Untuk memasukkan image yang akan diproses kedalam Morphological Operation pada Matlab digunakan perintah:
>> imagname=inPut(‘n n Enter the name of the image file (filename.ext) :’,'s’)
:: Dimana variabel imagname adalah variable yang digunakan untuk menampung image yang diinput oleh user. Perintah input sendiri digunakan untuk peng-inputan file.
>> a = imread(imagname)
>> imshow(a)
:: a adalah variable yang dinginkan untuk image yang sudah dibaca oleh Matlab tersebut.
>> a = im2bw(a,0.5)
>> siz = size(a)
:: im2bw digunakan untuk merubah RGB atau grayscale image menjadi Binary lmage, sehingga image tersebut hanya memiliki warna hitam dan putin saja. Setelah
merubah image ini menjadi bentuk binary image maka akan dilakukan proses
morphological operation.
2. Morphological Operation yang digunakan pada program aplikasi dengan menggunakan Matlab menggunakan perintah bwmorph. Dengan menggunakan perintah tersebut selanjutnya kita dapat menggunakan perintah perintah yang telah disediakan oleh Matlab untuk memproses image dengan menggunakan Morphological Operation. Perintah yang digunakan untuk proses Morphological Operation adalah sebagai berikut:
>> ‘erode’
:: Digunakan untuk melakukan proses erotion pada binary image.
>> ‘dilate’
:: Digunakan untuk melakukan proses dilation pada binary image.
>> ‘open’
:: Digunakan untuk melakukan Morphological Opening (erotion kemudian dilation).
>> ‘close’
:: Digunakan untuk melakukan Morphological Closing (dilation kemudian erotion).
>> ‘tophat’
:: Top Hatt, mengurangi hasil Morphological Opening (erotion diikuti dilation) dari input image.
>> ‘bothat’
:: Bottom Hatt, menampilkan Morphological Closing (dilation diikuti erotion) dan mengurangi piksel dari image asli yang diinput.
>> ‘clean’
:: Menghilangkan piksel yang terisolasi.
>> ‘fiil’
:: Mengisi piksel yang berada didalam (0 diketitingi oleh 1).
>> ‘remove’
:: Menjadikan semua piksel menjadi 0 jika 4 piksel tetangga yang terhubung adalah 1, hanya meninggalkan piksel yang menjadi batas-batas.
>> ‘shrink’
:: Menyusutkan objek ke poin-poin. Perintah ini menghilangkan piksel sehingga objek tanpa celah atau lubang menyusut ke sebuah poin, objek dengan lubang ke sebuah cincin terhubung diantara setiap lubang dan batas luar.
>> ‘thicken’
:: Menebalkan objek dengan menambahkan piksel ke objek luar sehingga objek yang tadinya tidak terhubung menjadi terhubung (Bconnected).
>> ‘thin’
:: Menipiskan objek ke dalam bentuk garis.
UJICOBA
Pengujian dilakukan dengan memasukkan 3 buah image berekstensi jpg. Ketiga image tersebut berbeda penggunaan warnanya yang pertama adalah image dengan RGB, kemudian image dengan grayscale, kemudian image hitam putih.
1. RGB Image, mario.jpg
Nah itu pembahasan untuk kali ini, semoga dapat bermanfaat bagi temen-temen sekalian dan sampai jumpa dipertemuan posting berikutnya :)
-SENANGNYA BERBAGI-
A. ULASAN METODE
Metode Bisection atau metode bagi dua merupakan salah satu jenis pencarian inkremental dimana interval akan terus-menerus dibagi separuhnya. Jika suatu fungsi berubah tanda sepanjang suatu interval,maka harga fungsi yang berada di tengahnya akan dievaluasi. Letak akarnya kemudian ditentukan ada di tengah-tengah subinterval dimana perubahan tanda terjadi. Proses ini akan diulangi untuk memperoleh taksiran yang lebih pasti.
B. APLIKASI PENGGUNAAN
Dengan memahami pemrograman metode Bisection ini diharapkan mahasiswa mampu menyusun progran metode perhitungan Akar Persamaan Nonlinier dengan menggunakan MATLAB.
C. ALGORITMA DAN CONTOH PROGRAM
a. ALGORITMA :
Algoritma dari metode ini adalah :
1.) Program dimulai
2.) Sebagai persiapan membersihkan layar command window dan menghapus isi variabel sebelumnya yang tidak berfungsi
3.) Melakukan pendekatan awal x1 dan x1
4.) Menentukan harga x3 = (x1 + x2)/2.
5.) Jika |f(x3)| ≤ toleransi, maka harga x3 adalah harga x yang dicari
6.) Menampilkan hasil program baik itu berupa kurva
7.) Program selesai
b. CONTOH PROGRAM :
Script pada Editor / Debugger:
clc
clear
disp('Soal: y = 10*x^3-5*x^2-6*x-12')
%soal 10*x^3-5*x^2-6*x-12
a=2;
disp('a=');
disp(a);
b=72;
disp('b=');
disp(b);
c=(a+b)/2;
disp('c=');
disp(c);
y0=10*c^3-5*c^2-6*c-12;
disp('y0=');
disp(y0);
d=(a+c)/2;
disp('d=');
disp(d);
y1=10*d^3-5*d^2-6*d-12;
disp('y1=');
disp(y1);
e=(d+c)/2;
disp('e=');
disp(e);
y2=10*e^3-5*e^2-6*e-12;
disp('y2=');
disp(y2);
f=(c+e)/2;
disp('f=');
disp(f);
y3=10*f^3-5*f^2-6*f-12;
disp('y3=');
disp(y3);
g=(c+f)/2;
disp('g=');
disp(c);
y4=3*g^3-5*g^2-6*g-12;
disp('y4=');
disp(y4);
h=(c+g)/2;
disp('h=');
disp(h);
y5=10*h^3-5*h^2-6*h-12;
disp('y5=');
disp(y5);
i=(c+h)/2;
disp('i=');
disp(i);
y6=10*i^3-5*i^2-6*i-12;
disp('y6=');
disp(y6);
j=(h+i)/2;
disp('j=');
disp(j);
y7=10*j^3-5*j^2-6*j-12;
disp('y7=');
disp(y7);
k=(i+j)/2;
disp('k=');
disp(k);
y8=10*k^3-5*k^2-6*k-12;
disp('y8=');
disp(y8);
y0=10*c^3-5*c^2-6*c-12;
disp('y0=');
disp(y0);
y1=10*d^3-5*d^2-6*d-12;
y2=10*e^3-5*e^2-6*e-12;
y3=10*f^3-5*f^2-6*f-12;
y4=10*g^3-5*g^2-6*g-12;
y5=10*h^3-5*h^2-6*h-12;
y6=10*i^3-5*i^2-6*i-12;
y7=10*j^3-5*j^2-6*j-12;
y8=10*k^3-5*k^2-6*k-12;
y=[y0 y1 y2 y3 y4 y5 y6 y7 y8];
x=[c d e f g h i j k];
plot(x,y);
xlabel('x'),ylabel('y');
grid on;
Hasil pada Command Windows:
Soal: y = 10*x^3-5*x^2-6*x-12
a=2
b=72
c=37
y0=499451
d=19.5000
y1=7.2119e+004
e=28.2500
y2=2.2128e+005
f=32.6250
y3=3.4173e+005
g=37
y4=1.2029e+005
h=35.9063
y5=4.5625e+005
i=36.4531
y6=4.7753e+005
j=36.1797
y7=4.6681e+005
k=36.3164
y8=4.7215e+005
y0=499451
Kurva yang dihasilkan:
Salah satu mata Kuliah yang sangat menarik bagi saya di Kampus Tercinta IPB adalah mata kuliah Pengolahan Sinyal dan Teknik Multimedia. Pengolahan sinyal adalah mata kuliah yag mempelajari bagaimana suatu sinyal dibuat dan direkayasa agar sesuai denga kebutuhan terutama sekali untuk kepentingan penyimpanan. Aplikasi yang digunakan adalah Matlab, aplikasi yang sangat membantu bagi para engineer.
Sebagai salah satu contoh berikut ini akan saya tampilkan contoh aplikasi pembangkit sinyal cosinus yang sangat sedrhana
Pada kasus ini sinyal frekuensi yang akan saya bangkitkan adalah sinyal cosinus dengan Amplitudo=1 dan frekuensi=100 hz dan menggunakan frekuensi sampling fs=16000 hz dan waktu t=100 ms
semoga bermanfaat
Fs=16000;
f=100;
t=0:0.01/Fs:0.1;
x1=cos(2*pi*t*f);
plot(t,x1);
title('Gambar sinyal cosinus');
xlabel('waktu(sekon)');
ylabel('Amplitudo');
Jika sudah selesai maka akan tampil aplikasi pembangkit sinyal cosinus sederhana seperti dibawah ini