Ekstraksi Ciri Citra


Ekstraksi ciri citra merupakan tahapan mengekstrak ciri/informasi dari objek di dalam citra yang ingin dikenali/dibedakan dengan objek lainnya.

Ciri yang telah diekstrak kemudian digunakan sebagai parameter/nilai masukan untuk membedakan antara objek satu dengan lainnya pada tahapan identifikasi/ klasifikasi.

Ciri yang umumnya diekstrak antara lain:

1. Ekstraksi Ciri Bentuk
Untuk membedakan bentuk objek satu dengan objek lainnya, dapat menggunakan parameter yang disebut dengan ‘eccentricity’. Eccentricity merupakan nilai perbandingan antara jarak foci ellips minor dengan foci ellips mayor suatu objek. Eccentricity memiliki rentang nilai antara 0 hingga 1. Objek yang berbentuk memanjang/mendekati bentuk garis lurus, nilai eccentricitynya mendekati angka 1, sedangkan objek yang berbentuk bulat/lingkaran, nilai eccentricitynya mendekati angka 0. Penghitungan eccentricity diilustrasikan pada gambar di bawah ini:

Ellipse_Eccentricity_equationParameter lainnya yang dapat digunakan untuk membedakan bentuk suatu objek yaitu ‘metric’. Metric merupakan nilai perbandingan antara luas  dan keliling objek. Metric memiliki rentang nilai antara 0 hingga 1. Objek yang berbentuk memanjang/mendekati bentuk garis lurus, nilai metricnya mendekati angka 0, sedangkan objek yang berbentuk bulat/lingkaran, nilai metricnya mendekati angka 1. Penghitungan metric diilustrasikan pada gambar di bawah ini:

Metric_equation

2. Ekstraksi Ciri Ukuran
Untuk membedakan ukuran objek satu dengan objek lainnya dapat menggunakan parameter luas dan keliling. Luas merupakan banyaknya piksel yang menyusun suatu objek. Sedangkan keliling merupakan banyaknya piksel yang mengelilingi suatu objek. Materi mengenai pemrograman matlab untuk menghitung luas dan keliling suatu objek dapat dilihat pada laman berikut ini: Cara menghitung luas dan keliling suatu citra

maths-sizes-s_m_l-apple-pi

3. Ekstraksi Ciri Geometri
Ciri geometri merupakan ciri yang didasarkan pada hubungan antara dua buah titik, garis, atau bidang dalam citra digital. Ciri geometri di antaranya adalah jarak dan sudut. Jarak antara dua buah titik (dengan satuan piksel) dapat ditentukan menggunakan persamaan euclidean, minkowski, manhattan, dll. Jarak dengan satuan piksel tersebut dapat dikonversi menjadi satuan panjang seperti milimeter, centimeter, meter, dll dengan cara membaginya dengan resolusi spasial (materi mengenai perhitungan jarak dapat dilihat pada laman berikut ini: Cara mengukur jarak antara dua objek dalam citra). Sedangkan sudut antara dua buah garis dapat ditentukan dengan perhitungan trigonometri maupun dengan analisis vektor.

geometry-001

4. Ekstraksi Ciri Tekstur
Untuk membedakan tekstur objek satu dengan objek lainnya dapat menggunakan ciri statistik orde pertama atau ciri statistik orde dua. Ciri orde pertama didasarkan pada karakteristik histogram citra. Ciri orde pertama umumnya digunakan untuk membedakan tekstur makrostruktur (perulangan pola lokal secara periodik). Ciri orde pertama antara lain: mean, variance, skewness, kurtosis, dan entropy. Sedangkan ciri orde dua didasarkan pada probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu. Ciri orde dua umumnya digunakan untuk membedakan tekstur mikrostruktur (pola lokal dan perulangan tidak begitu jelas). Ciri orde dua antara lain: Angular Second Moment, Contrast, Correlation, Variance, Inverse Different Moment, dan Entropy.
Analisis tekstur juga dapat dilakukan dalam domain frekuensi antara lain menggunakan filter bank gabor.

texture

5. Ekstraksi Ciri Warna
Untuk membedakan suatu objek dengan warna tertentu dapat menggunakan nilai hue yang merupakan representasi dari cahaya tampak (merah, jingga, kuning, hijau, biru, ungu). Nilai hue dapat dikombinasikan dengan nilai saturation dan value yang merupakan tingkat kecerahan suatu warna. Untuk mendapatkan ketiga nilai tersebut, perlu dilakukan konversi ruang warna citra yang semula RGB (Red, Green, Blue) menjadi HSV (Hue, Saturation, Value) melalui persamaan berikut:

R‘ = R/255
G‘ = G/255
B‘ = B/255

Cmax = max(R‘, G‘, B‘)
Cmin = min(R‘, G‘, B‘)
Δ = CmaxCmin

 Perhitungan nilai Hue:

Perhitungan nilai Saturation:

Perhitungan nilai Value:

V = Cmax

sehingga ruang warna citra yang semula berbentuk kubus berubah bentuk menjadi kerucut

rgb colorspace

rgb colorspace

hsv colorspace

hsv colorspace

 

 

 

 

 

 

 

 

 

Ekstraksi ciri citra merupakan tahapan penting dalam bidang computer vision (pengolahan citra dan pengenalan pola).

Beberapa hal yang perlu diperhatikan dalam memilih ciri yang tepat yang akan digunakan sebagai masukan pada tahapan klasifikasi citra antara lain:
1. Secara visual (penglihatan manusia), ciri apakah yang membedakan antara kelas satu dengan kelas lainnya?
2. Domain apakah yang akan kita gunakan untuk mengekstrak ciri tersebut? (domain spasial atau domain frekuensi?)
3. Parameter apa sajakah yang akan dipilih untuk mewakili ciri tersebut?
4. Berapa jumlah parameter yang akan kita gunakan?
5. Ciri lain apakah yang memungkinkan untuk kita kombinasikan?

Contoh kasus:

Apabila kita ingin merancang sebuah sistem pengenalan wajah (face recognition) manusia, maka muncul pertanyaan “Ciri apakah yang membedakan antara wajah satu dengan wajah yang lain?”.

Tidak mungkin apabila ciri yang kita gunakan adalah jumlah mata, jumlah telinga, maupun jumlah hidung karena antara wajah satu dengan yang lain jumlah organ-organ tersebut adalah sama.

Oleh karena itu, ciri yang memungkinkan antara lain warna kulit, tekstur wajah, geometri wajah (jarak antara mata kiri dengan mata kanan, jarak antara mata kanan/kiri dengan hidung, jarak antara mata kanan/kiri dengan mulut, jarak antara hidung dengan mulut, dsb).

Kita dapat memilih salah satu ataupun mengkombinasikan ciri-ciri tersebut. Proses pengenalan wajah yang baik adalah proses pengenalan yang menghasilkan akurasi yang tinggi dengan jumlah ciri seminimal mungkin agar dapat menghemat proses komputasi.

Pemilihan ciri terbaik dengan jumlah seminimal mungkin dapat dilakukan pada tahapan feature selection dengan menggunakan beberapa algoritma dalam machine learning dan data mining.

Save

  1. assalamualaikum mas
    selamat pagy ..
    siska mau tanya lg tentang coding dimatlab..
    ketika sya memasukan coding untuk mengetahui dari hasil pengujian namun muncul error sperti dibawah ini :
    ??? Index exceeds matrix dimensions.

    Error in ==> ED at 38
    im_test = gbr(:,:,2);
    muncul coding sperti diatas kira” bagaimana ea mas???
    mohon pencerahannya..
    terima kasih

  2. assalamualaikum wr wb
    mas mau tanya kalo mau cari bobot nilai berdasarkan warna pada gambar buat nentuin objek itu matang atau tidak, itu harus melalui proses gimana dulu mas makasih

  3. assalamualaiakum wr.wb
    selamat siang mas..
    sisca mau tanya lg dalam proses pencocokan pola dalam citra wajah yang saya teliti hanya keluar 4 citra wajah dari 30 data yang diambil sedangkan sisa 26 citra wajah tidak dapat dikenali, itu kenapa mas???
    mohon pencerahannya..
    sekian terima kasih..

    • waalaikumsalam siska
      akurasi yg rendah dalam sistem pengenalan wajah, bisa disebabkan oleh banyak faktor di antaranya
      1. proses segmentasi/deteksi wajah yang belum baik
      2. metode ekstraksi ciri yang digunakan belum bisa membedakan antara wajah satu dengan yang lain
      3. algoritma klasifikasi yang digunakan belum bisa mengelompokkan wajah antar kelas dengan baik
      bisa dicek kembali metode untuk masing-masing proses tersebut

  4. assalamualaikum mwr.wb
    selamat siang mas..
    siska mw tanya adakah soure code untuk mencocokan hasil pengujian atau pencocokan pola yang masih random???
    mohon pencerahannya???
    terima kasih mas..

  5. assalamualaikum wr.wb mas
    saya mw bertanya tenteng coding dbawah ini yg saya inputkan dprogram saya.
    source code codingx seperti dbawa ini:

    function [ output_args ] = ED( input_args )

    clc
    clear all
    close all
    load Eigenface_data.mat
    jum_data_test = 24;
    baris = 96;
    kolom = 100;
    im_gray_buff = [];
    for i=1:jum_data_test
    link_im = [‘Datauji\’,num2str(i),’.jpg’];
    gbr = imread(link_im);
    red=gbr(:,:,1);
    green=gbr(:,:,2);
    blue=gbr(:,:,3);
    gray=0.5*red+0.3*green+0.2*blue;
    Y=0.59*red+0.31*green+0.1*blue;
    Cr=0.713*(red-Y);
    Cb=0.564*(blue-Y);
    uk=size(Y);
    temp=zeros(uk(1),uk(2));
    for j=1:uk(1)
    for k=1:uk(2)
    if (Y(j,k)>16)&&(Y(j,k)>(1*Cr(j,k)))&&(Cr(j,k)>10)

    temp(j,k)=1;
    end
    end
    end
    im_temp=gbr;
    %if numel(ukuran_gbr)>2
    %im_gbr = imread(link_im);
    %im_gray_buff = im_rgb(:,:,2);
    %display(‘kentang’);
    %else
    %im_rgb = imread(link_im);
    %im_test = gbr(:,:,2);
    im_gray = imresize(im_temp, [baris kolom]);
    im_vector_test = double(reshape(im_gray,[],1));

    A_test = im_vector_test – m;
    im_proyeksi_test = Eigenface’ * A_test;

    for j=1:jum_data
    Euc_distance(:,j) = norm( im_proyeksi_test – im_proyeksi_latih(:,j) );
    end
    [Euc_dist_min , Recognized_index] = min(Euc_distance);
    switch Recognized_index
    case {1}
    label = [‘edi depan’];
    case {2}
    label = [‘edi kanan’];
    case {3}
    label = [‘edi kiri’];
    case {4}
    label = [‘sevi depan’];
    case {5}
    label = [‘sevi kanan’];
    case {6}
    label = [‘sevi kiri’];
    case {7}
    label = [‘salman depan’];
    case {8}
    label = [‘salman kanan’];
    case {9}
    label = [‘salman kiri’];
    case {10}
    label = [‘zen depan’];
    case {11}
    label = [‘zen kanan’];
    case {12}
    label = [‘zen kiri’];
    case {13}
    label = [‘yodi depan’];
    case {14}
    label = [‘yodi kanan’];
    case {15}
    label = [‘yodi kiri’];
    case {16}
    label = [‘gores depan’];
    case {17}
    label = [‘gores kanan’];
    case {18}
    label = [‘gores kiri’];
    case {19}
    label = [‘doni depan’];
    case {20}
    label = [‘doni kanan’];
    case {21}
    label = [‘doni kiri’];
    case {22}
    label = [‘faqih depan’];
    case {23}
    label = [‘faqih kanan’];
    case {24}
    label = [‘faqih kiri’];
    % case {11,12,13,14,15,16,17,18,19,20}
    % label = [‘bona’];
    otherwise
    %label = [num2str(Recognized_index)];
    label = [‘tidak dikenal’];
    end
    % xlabel(label);
    display (label);
    end
    end

    masalah yg saya alami skrng jumlah data yg saya inputkan tdk sama dengan data hasil outputx, hasil keluarannya malah berkurang dengan jumlah data yang di inputkan sebelumnya,
    bagaimana mas, mohon pencerahanya??

  6. maksud sya coding dbwah ini mas bkan coding diatas
    function [ output_args ] = Untitled2( input_args )

    clc
    clear all
    close all
    %buat data base image training
    jum_data = 168;
    baris = 96;
    kolom = 100;
    im_gray_buff = [];
    for i=1:jum_data
    link_im = [‘TrainDatabase\’,num2str(i),’.jpg’];
    gbr = imread(link_im);
    red=gbr(:,:,1);
    green=gbr(:,:,2);
    blue=gbr(:,:,3);
    gray=0.5*red+0.3*green+0.2*blue;
    Y=0.59*red+0.31*green+0.1*blue;
    Cr=0.713*(red-Y);
    Cb=0.564*(blue-Y);
    uk=size(Y);
    temp=zeros(uk(1),uk(2));
    for j=1:uk(1)
    for k=1:uk(2)
    if (Y(j,k)>16)&&(Y(j,k)>(1*Cr(j,k)))&&(Cr(j,k)>10)

    temp(j,k)=1;
    end
    end
    end
    im_temp=gbr;

    im_gray = imresize(im_temp,[baris kolom]);
    im_vector_latih(:,i) = double(reshape(im_gray,[],1));
    end
    m = mean(im_vector_latih,2);
    for i=1:jum_data
    A(:,i) = im_vector_latih(:,i) – m;
    end
    L = A’*A;
    [V D] = eig(L);
    L_eigen_vector = [];
    for i = 1 : size(V,2)
    if( D(i,i)>1 )
    L_eigen_vector = [L_eigen_vector V(:,i)];
    end
    end
    Eigenface = A * L_eigen_vector;
    for i=1:jum_data
    im_proyeksi_latih(:,i) = Eigenface’*A(:,i);
    end
    save Eigenface_data.mat Eigenface A m jum_data baris kolom im_proyeksi_latih

    masalah yg saya alami skrng jumlah data yg saya inputkan tdk sama dengan data hasil outputx, hasil keluarannya malah berkurang dengan jumlah data yang di inputkan sebelumnya,
    bagaimana mas, mohon pencerahanya??

  7. mohon maap sebelumx mas..
    maksud sya bukan coding seperti diatas tapi coding seperti dibawah ini:
    function [ output_args ] = Untitled2( input_args )

    clc
    clear all
    close all
    %buat data base image training
    jum_data = 168;
    baris = 96;
    kolom = 100;
    im_gray_buff = [];
    for i=1:jum_data
    link_im = [‘TrainDatabase\’,num2str(i),’.jpg’];
    gbr = imread(link_im);
    red=gbr(:,:,1);
    green=gbr(:,:,2);
    blue=gbr(:,:,3);
    gray=0.5*red+0.3*green+0.2*blue;
    Y=0.59*red+0.31*green+0.1*blue;
    Cr=0.713*(red-Y);
    Cb=0.564*(blue-Y);
    uk=size(Y);
    temp=zeros(uk(1),uk(2));
    for j=1:uk(1)
    for k=1:uk(2)
    if (Y(j,k)>16)&&(Y(j,k)>(1*Cr(j,k)))&&(Cr(j,k)>10)

    temp(j,k)=1;
    end
    end
    end
    im_temp=gbr;

    im_gray = imresize(im_temp,[baris kolom]);
    im_vector_latih(:,i) = double(reshape(im_gray,[],1));
    end
    m = mean(im_vector_latih,2);
    for i=1:jum_data
    A(:,i) = im_vector_latih(:,i) – m;
    end
    L = A’*A;
    [V D] = eig(L);
    L_eigen_vector = [];
    for i = 1 : size(V,2)
    if( D(i,i)>1 )
    L_eigen_vector = [L_eigen_vector V(:,i)];
    end
    end
    Eigenface = A * L_eigen_vector;
    for i=1:jum_data
    im_proyeksi_latih(:,i) = Eigenface’*A(:,i);
    end
    save Eigenface_data.mat Eigenface A m jum_data baris kolom im_proyeksi_latih

    masalah yg saya alami skrng jumlah data yg saya inputkan tdk sama dengan data hasil outputx, hasil keluarannya malah berkurang dengan jumlah data yang di inputkan sebelumnya,
    bagaimana mas, mohon pencerahanya??

  8. Assalamu’alaikum mas,
    saya mau tanya tentang masalah dari program yang telah di eksekusi itu hasilnya “NaN”, kesalahan biasanya terjadi pada code atau variabelnya?
    trimakasih..

    • Waalaikumsalam Ela
      NaN adalah kependekan dari not a number
      biasanya NaN merupakan hasil dari pecahan yang penyebutnya bernilai nol
      bisa dicek kembali implementasi persamaan yang digunakan

  9. assalamu’alaikum mas
    saya mw tanya tentang rumus pre emphasis x(n)=x'(n)-a.x(n-1)
    untuk mencari nilai x(n-1) pada code ini yg mana mas
    code: y=filter((1,-a)1,x);
    itu merupakan code dari pre emphasis

  10. assalamu’alaikum mas
    saya mw tanya cara me-resize panjang sinyal

  11. waalaikumsalam ela
    sinyal dapat diubah panjangnya dengan cara melakukan dekomposisi
    proses tsb salah satunya bisa dilakukan melalui transformasi wavelet

  12. Assalamualaikum mas adi,
    saya mau tanya.
    misalnya saya punya lima gambar kemudian dari lima gambar tersebut akan di mixing atau di campur dan outputnya menjadi 5 gambar baru yang telah termixing.
    ada contoh atau kode matlabnya tidak ya mas? Trimakasih mas

  13. Assalamu’alaikum mas,
    saya mau tanya tentang proses backpropagation pada matlab, ada function newff. mungkin ada referensi yang bisa menjelaskan beserta contohnya.

    terimakasih

  14. assalamualaikum mas ..
    saya ica
    saya mw bertanya apkah ada source code untuk data ascending dan descending…??
    mohon pencerahannya..

  15. assalamu’alaikum mas
    saya mau tanya proses backpro menggunakan “nntool”, waktu di training dg data 1000×400 terdapat masalah, yaitu memory.
    apa data dengan input 1000 tersebut terlalu banyak, sehingga berpengaruh pada kapasitas memory, memory yg dimaksud itu memory ramnya?

    terimakasih

    • Waalaikumsalam ela
      Yang membuat out of memory adalah fitur masukannya yg jumlahnya 1000
      Matlab tidak bisa memproses data masukan jst dengan jumlah fitur sebanyak itu
      Jumlah fitur umumnya adalah satuan, belasan, atau puluhan

  16. untuk mengatasi hal tersebut bagaimana mas?

    terimakasih

  17. Assalamu’alaikum
    mau tanya, untuk ekstraksi fitur batang daun dengan minutiae itu bagaimana ya kalau menggunakan matlab?

    terimakasih.

  18. Assalamu’alaikum mas
    saya mau tanya hasil dari nntool ada network, error dan outputs. bobot yg di ambil dari proses nntool itu yg mana mas?

    terimakasih

    • Waalaikumsalam Ela
      net.IW merupakan bobot yg menghubungkan layer masukan dg layer tersembunyi
      net.LW merupakan bobot yg menghubungkan layer tersembunyi dg layer tersembunyi/layer keluaran
      net.b merupakan bobot yg menghubungkan bias dengan layer tersembunyi/layer keluaran

  19. apa mungkin dari nilai weight pada nntool itu mas?

  20. Assalamu’alaikum mas
    saya mw tanya code threshold

    trimakasih

  21. Assalamu’alaikum mas
    saya mw tanya tentang cara menghilangkan nilai nol pada suatu bobot matrik?

    trimakasih

  22. trimakasih sebelumya mas adi, saya mau tanya lagi

    ada contoh ekstraksi ciri menggunakan metode ICA tidak ya mas, mohon bimbingannya.

    trimaskasih mas

    wassalammuallaikum wr.wb

  23. Assalamu’alaikum mas..
    saya mau tanya tentang penggunaan switch case, dimana data saya ada 100 data.
    nomor 1-4 itu ucapan kata akses, nomor 5-8 kata aktuf dll. kata akses tersebut jika dikenali maka akan menampilkan 00000.
    saya membuat code seperti :
    switch Recognized_index
    case{1,2,3,4}
    label=(‘00000’);
    case{5,6,7,8}
    label=(‘00001’);

    %dan seterusnya

    otherwise
    label=(‘tidak dikenal’);
    end

    dari code di atas ternyata salah, minta tolong untuk penjelasannya mas?
    trimakasih..

  24. Assalamualaikum mas. saya mau tanya tentang skripsi saya, judulnya pengenalan tanda tangan menggunakan color code dan algoritma knn. pada proses color codenya ada proses bolding, apa perbedaan bolding sam thickening?
    mungkin ada referensi untuk bisa saya pelajari beserta kodingnya.

    trimakasih

  25. Assalamualaikum wr wb mas saya mau bertanya, saya kan ingin memakai svm dengan ekstraksi ciri menggunakan nilai skewness, kurtosis, dan entropy, nah pada saya masukkan nilainya ke svm nilainya tidak terdefinisi karna beda dimensinya.
    bagaimana caranya agar nilai skewness dan kurtosis ini memiliki dimensi yang sama dengan entropy yaitu 1?

  26. assalamualaikum mas..
    mungkin ada contoh code atau program yang menggunakan bolding?
    mohon referensinya..

    trimakasih

  27. Assalammualikum, Selamat Malam Mas
    Mas saya mau tanya di teori ekstraksi ciri tekstur kan ada 2 ordo, ordo 1 berdasarkan histogram dengan 5 parameter sedangkan ordo 2 berdasarkan kookurensi dengan 6 parameter. Yang saya tanyakan bagaimana code matlab untuk menghitung 5 parameter ordo 1 berdasarkan histogram karena saya sudah buat saat mengambil nilai dari histogram terjadi error dan juga untuk ordo 2 bagaimana menyisipkan perhitungan berdasarkan kookurensi ke dalam code matlabnya, mohon pencerahannya dan solusinya Mas.
    Terima Kasih

    nb:
    *code matlab induk

    %Memilih File Gambar
    [namefile]=uigetfile(…
    {‘*.jpg’,’File Bitra(*.jpg)’;
    ‘*.jpg’,’File JPEG(*.jpg)’;
    ‘*.*’,’Semua File(*.*)’},…
    ‘Pilih Bitra Awal’);
    %Membaca Citra awal berdasarkan namafile
    A = imread(namefile);
    figure, imshow(A);
    %Mengubah Citra RGB Menjadi Grayscale
    gray = rgb2gray(A);
    figure, imshow(gray);
    %Membuat Histogram dari Citra Grayscale
    histo = imhist(gray);
    figure, imhist(gray);
    %Ekstraksi Ciri Ordo Satu
    D = rata(histo);
    %E = variansi(histo);
    %F = asimetri(histo);
    %G = kurto(histo);
    %H = entrop(histo);

    *code parameter mean

    function rata2 = rata(p)
    q=double(p);
    [N M]=size(q);
    rata2=0;
    for i=1:M
    for j=1:N
    rata2 = rata2+q(i,j);
    end
    end
    rata2 = rata2/(M*N);
    rata2=rata2;

    *error

    Attempted to access q(1,2); index out of bounds because size(q)=[256,1].

    Error in rata (line 7)
    rata2 = rata2+q(i,j);

    Error in tes (line 24)
    D = rata(histo);

  28. Assalmualaikum mas terimakasih untuk jawaban sebelumnya
    mas adakah coding untuk svm one againts one, soalnya ketika saya coba cari dengan cara manual keluarannya tidak masuk ke kelas tertentu mas. Terimakasih mas

  29. assalamualaikum wr.wb
    selamat malam mas, mohon bantuanya mas apakah perhitungan ektraksi ciri seperti ini sudah betul ?

    soalnya ketika inputnya menggunakan gambar, nilai Contrast dan IDM 255 dan Corelasi dan Varian 0 (nol)

    matKook=(Mat_0+Mat_45+Mat_90+Mat_135)/4;
    SumX=sum(matKook);
    SumY=sum(matKook’);
    MeanX=SumX*I’;
    MeanY=SumY*I’;
    StdX=sqrt((I-MeanX).^2*SumX’);
    StdY=sqrt((I-MeanY).^2*SumY’);

    CiriASM=sum(sum(matKook.^2));
    CiriCOR = (CiriCOR-(MeanX*MeanY))/(StdX*StdY);

  30. Assalamualaikum bg adi. saya mau bertanya untuk metode citra yang bagus untuk pengenalan ekstraksi citra darah apa yah bg? apakah grayscale dan hsv bisa??
    mohon jawabnnya. kemudian bg source code untuk kedua metode tersebut ada ngk bg?? kalau bisa source code citra gabung jst.

  31. Kak buatin gui mendeteksi tekstur jenis batik

  32. Assalam mualaikum
    saya mau tanya tentang tamplate maching kira2 ada gk mas materinya.
    terima kasih

  33. Assalamualaikum.wr.wb

    Mas adi mohon bantuanya, bolehkah saya minta no WA mas adi..
    Urgent

    Rerimakasih

  34. Permisi saya mau tanya apa bisa melakukan transpose dengan lebih dari 1 matriks, kalau bisa script matlab nya seperti apa atau apa harus dilakukkan satu per satu ??

    Terima kasih mohon pencerahannya

  35. kak, ada module code nggak untuk aplikasi matlab yang menghubungkan button antara halaman pertama dan kedua?

  36. assalamualaikum mas,
    saya mila mau nanya tentang perhitungan lvq. mungkin ada referensi yang saya pelajari.
    terima kasih

  37. Assalamualaikum, mas saya ingin melakukan superimpose 2 buah citra bisa ditunjukan tidak source codenya seperti apa? Terima kasih mas

  38. assalamualaikum, saya sedang melakukan penelitian tugas akhir tentang image processing pada tekstil (kain),pada penelitin ini saya melakukan deteksi terhadap cacat yang terdapat pada kain,kira2 fitur ekstraksi apa yg tepat saya gunakan?apabila saya menggunakan fitur ekstraksi rgb cocok kah untuk penelitian saya?terimakasih sebelumnya 🙂

  39. Muharram Alim Jaya

    ciri tekstur glcm udah dpt. trus kita mau masukkan database. nah bagian mana yg dimasukkan di database mas. krn setiap angel berbeda. 0.45.dan 90. atau kah cm nilai rata ratanya yg di masukkan di database.

  40. Muharram Alim Jaya

    Assalamu alaikum mas berarti nilai rata rata GLCM yg dikasi masuk ke database yah mas. bukan yg angel 0,45,90 atau 135. mas ada kah kontak lain yg bisa dihubungi. soalnya banyak yg ingin sy tanyakan. terimakasih sebelumnya mas

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: