Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 1

MODUL 1 PENGANTAR PENGOLAHAN CITRA

Aji Suryo Wibowo (13211059)
Fiqih Tri Fathulah Rusfa (13211060)
Ariana Tulus Purnomo (13211095)
EL4125-Pengolahan Citra Digital
Sekolah Teknik Elektro dan Informatika ITB

Abstrak
Pada praktikum ini dilakukan tiga percobaan. Pertama
percobaan image format yang memperlihatkan hasil
representasi citra warna. Representasi citra warna selain
dalam bentuk RGB juga dapat dalam bentuk HSV (Hue,
Saturation, dan Value). Hue menunjukkan Hue
menunjukkan kombinasi warna asli. Saturation
menunjukkan ketajaman warna. Value menunjukkan
tingkat kecerahan warna. Kedua dilakukan percobaan
operasi aritmatik dan geometrik. Pada percobaa ini
dilakukan opersi geometrik terlebih dahulu berupa opersi
rotasi 180
0
dan selanjutnya dilakukan opersi aritmatik
pengurangan gambar sebelum dan sesudah rotasi. Untuk
memastikan nilai pixel sesuai format penyimpanan
digunakan proses clipping berupa pemutlakkan nilai hasil
pengurangan. Diperoleh hasil gambar tumpukan yang
berbeda rotasi 180
0
dengan bagian yang awalnya gelap
menjadi seperti transparan dan bagian yang awalnya terang
menjadi lebih gelap. Ketiga, dilakukan percobaan untuk
menganalisis suatu citra dalam domain yang lain, atau
dengan kata lain, pengoperasian transformasi. Pada
percobaan ini, dilakukan operasi transformasi Fourier pada
suatu citra sehingga karakteristik dari citra tersebut dapat
diketahui.
Kata kunci:. Image Format, HSV, Operasi Aritmatik,
Geometrik, Transformasi.
1. PENDAHULUAN
Citra atau gambar (image) adalah kombinasi
antara titik, garis, bidang, dan warna untuk
menciptakan suatu imitasi dari suatu obyek
biasanya obyek fisik atau manusia. Citra bisa
berwujud dua dimensi, seperti lukisan, foto. Citra
digital merupakan fungsi intensitas cahaya f(x,y).
dimana nilai x dan y merupakan koordinat spasial
dan nilai fungsi tersebut pada suatu titik (x,y)
merupakan tingkat kecemerlang citra pada suatu
titik tersebut. Dalam citra digital terdapat data
digital dimana data digital adalah citra represetasi
oleh komputer yang berupa tipe file seperti bmp,
jpg, tif. Pengolahan citra adalah kegiatan
memperbaiki kualitas citra agar mudah
diinterpretasi oleh manusia atau mesin
(komputer). Perbaikan kualitas citra seperti
mengandung noise (bintik-bintik putih) dan
sebagainya.
Aplikasi pengolahan citra umumnya dapat
dikelompokkan ke dalam dua jenis kegiatan:
Usaha memperbaiki kualitas suatu citra agar
lebih mudah diinterpretasikan oleh mata
manusia.
Usaha mengolah informasi yang terdapat
pada suatu citra dalam keperluan pengenalan
obyek secara otomatis.
Secara umum, terdapat dua alasan mengenai
perlunya pengolahan citra, yaitu:
Untuk mendapatkan citra asli dari suatu citra
yang sudah buruk karena pengaruh derau.
Untuk memperoleh citra dengan karakteristik
tertentu dan cocok secara visual yang
dibutuhkan untuk tahap lebih lanjut dalam
pemrosesan citra.
2. STUDI PUSTAKA
2.1 IMAGE FORMAT
Jenis-jenis format penyimpanan pada gambar
GIF (Graphics Interchange Format)
Kombinasi warna yg tersedia sebanyak 256
warna.
JPG/JPEG (Joint Photographic Expert Group)
Format ini bisa mensupport sampai 16.7 juta
warna.
BMP (Bitmap Image)
Format ini mampu menyimpan informasi
dengan kualitas tingkat 1 bit sampai 24 bit.
PNG (Portable Network Graphics)
Sama dengan GIF namun bit depthnya
mencapai 24 bit serta mampu menghasilkan
latar belakang (background) yang transparan
dengan pinggiran yang halus.
TIFF (Tagged Image File Format)
The TIFF (Tagged Image File Format) adalah
format gambar yang fleksibel biasanya
menyimpan 16-bit per warna merah, hijau
dan biru untuk total 48-bit atau 8-bit per


Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 2


warna merah, hijau dan biru untuk total 24-
bit dan menggunakan nama file atau
perpanjangan TIFF TIF.
Selain dalam format RGB, sebuah citra berwarna
dapat pula dinyatakan menggunakan format HSV
(HueSaturationValue).
Model HSV (Hue Saturation Value) menunjukkan
ruang warna dalam bentuk tiga komponen utama,
yaitu hue, saturation, dan value (atau disebut juga
brightness). Hue adalah sudut dari 0 sampai 360
derajat. Biasanya 0 adalah merah, 60 derajat
adalah kuning, 120 derajat adalah hijau, 180
derajat adalah cyan, 240 derajat adalah biru dan
300 derajat adalah magenta. Hue menunjukkan
jenis warna (seperti merah, biru atau kuning) atau
corak warna, yaitu tempat warna tersebut
ditemukan dalam spektrum warna. Merah, kuning
dan ungu (purple) adalah kata-kata yang
menunjukkan hue. Saturasi (saturation) suatu
warna adalah ukuran seberapa besar kemurnian
dari warna tersebut. Sebagai contoh, suatu warna
yang semuanya merah tanpa putih adalah saturasi
penuh. Jika ditambahkan putih ke merah, hasilnya
lebih berwarna-warni dan warna bergeser dari
merah ke merah muda (pink). Hue masih tetap
merah tetapi nilai saturasinya berkurang. Saturasi
biasanya bernilai 0 sampai 1 (atau 0% sampai
100%) dan menunjukkan nilai keabu-abuan warna
dimana 0 menunjukkan abu-abu dan 1
menunjukkan warna primer murni. Komponen
ketiga dari HSV adalah value atau disebut juga
intensitas (intensity), yaitu ukuran seberapa besar
kecerahan suatu warna atau seberapa besar
cahaya datang dari suatu warna. Nilai value dari
0% sampai 100%.

Gambar 2-1-1 Silinder Format HSV
2.2 OPERASI ARITMATIK & GEOMETRIK
Terdapat beberapa operasi yang dapat digunakan untuk
mengolah suatu citra. Operasi dilakukan pada setiap
nilai intensitas pixel-pixel pembentuk citra. Operasi
dasar yang biasa digunakan ialah operasi aritmatik dan
operasi logika. Beberapa contoh operasi aritmatik yang
biasa digunakan ialah :
Penambahan dan Pengurangan
Operasi ini dapat dilakukan pada dua buah citra
yang berbeda ataupun satu citra dengan suatu nilai
konstanta tertentu. Aplikasi dari operasi
penjumlahan seperti pengembangan dari algoritma
restorasi citra untuk membentuk noise tambahan,
efek spesial seperti efek gambar bergerak. Contoh
aplikasi pengurangan ialah untuk pelacakan objek,
citra medis dsb.
Perkalian dan Pembagian
Operasi ini dapat dilakukan pada dua buah citra
yang berbeda ataupun satu citra dengan suatu nilai
konstanta tertentu. Operasi ini biasa digunakan
untuk mengatur keterangan dari suatu citra.
Perkalian suatu citra dengan konstanta lebih dari
satu akan mempergelap citra tersebut begitu
sebaliknya.
Pada operasi aritmatik suatu hal yang penting untuk
dilakukan ialah proses clipping. Proses ini diperlukan
untuk memastikan nilai intensitas setiap pixel masih
dalam batas yang diperbolehkan dalam format
penyimpanan data. Misal untuk format .bmp (8bit)
maka nilai intensitas pixel haruslah antar 0 s.d. 2
8
-1.
Operasi lainnya yang biasa dilakukan adalah operasi
geometrik. Operasi geometrik ini biasa juga disebut
sebagai operasi transformasi spasial dikarenakan pada
operasi ini dilakukan tranformasi koordinat pixel citra.
(x', y') = T{(x, y)}
Dengan T merpakan fungsi transformasi
koordinat yang digunakan.
Bentuk operasi geometrik yang biasa dilakukan:
Operasi translasi

Pada MATLAB tx positif akan menggeser
gambar ke kanan dan ty positif akan
menggeser gambar ke bawah, begitu
sebaliknya.
Operasi rotasi



Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 3


Hasil dari operasi ini, citra akan berotasi
sebesar sudut . Pada MATLAB arah rotasi
citra ialah berlawanan jarum jam.
Selain operasi di atas, operasi geometrik lainnya
seperti operasi identity, scaling, shear (vertical),
dan shear horizontal.
2.3 OPERASI TRANSFORMASI
Pada pengolahan citra digital, suatu citra dapat
dilakukan transformasi sehingga menghasilkan
citra baru. Salah satu transformasi yang sering
digunakan dalam pengolahan citra digital adalah
transformasi Fourier.
Transformasi Fourier merupakan transformasi
yang mengubah domain waktu (baik kontinu
maupun diskrit) ke domain frekuensi.
Pengubahan ini dilakukan untuk mempermudah
melakukan analisis sebuah sinyal, baik sinyal satu
dimensi maupun sinyal dua dimensi.
Pada pengolahan citra digital, metode
transformasi yang umum digunakan adalah
metode DFT (Discrete Fourier Transform)
dikarenakan sebuah citra digital dapat dilihat
sebagai suatu kumpulan sinyal diskrit satu
dimensi yang tersusun dalam bentuk array
sehingga menjadi sebuah matriks (sinyal diskrit
dua dimensi).
Transformasi Fourier diskrit dapat dituliskan
dalam bentuk persamaan,
() ()
(

()

()
(

Sementara, untuk trasnformasi Fourier diskrit dua
dimensi, dapat dituliskan dalam bentuk
persamaan,
( ) ( )
(

( )

( )
(

Dapat dilihat dari persamaan transformasi Fourier
untuk sinyal dua dimensi bahwa transformasi
Fourier sinyal dua dimensi merupakan
transformasi Fourier sinyal satu dimensi yang
dilakukan berturutan sepanjang sumbu vertikal
dan horizontal. Sifat ini disebut juga sebagai sifat
yang separable.
Dapat dilihat pula bahwa untuk setiap nilai dalam
matriks yang merupakan informasi citra, memiliki
nilai hasil transformasi Fouriernya sendiri,
sehingga bisa dikatakan bahwa hasil dari
transformasi Fourier dua dimensi (dan
inversenya) adalah unik.
3. METODOLOGI
Alat dan komponen yang digunakan adalah :
1 unit PC
Program MATLAB
Langkah-langkah pada percobaan ini ialah sebagai
berikut:

Gambar 3-1 Diagram Percobaan
4. HASIL DAN ANALISIS
4.1 IMAGE FORMAT
Command yang digunakan:
>> I=imread('cabai1.jpg'); J=rgb2hsv(I);
JH=J(:,:,1);figure,imshow(JH),title('Cabai 1 -
HUE');
JS=J(:,:,2);figure,imshow(JS),title('Cabai 1 -
SATURATION');
JV=J(:,:,3);figure,imshow(JV),title('Cabai 1 -
VALUE');

K=imread('cabai2.jpg'); L=rgb2hsv(K);
LH=L(:,:,1);figure,imshow(LH),title('Cabai 2 -
HUE');
LS=L(:,:,2);figure,imshow(LS),title('Cabai 2 -
SATURATION');
LV=L(:,:,3);figure,imshow(LV),title('Cabai 2 -
VALUE');
Tabel 4-1-1 Hasil Percobaan 7.1
Cabai 1 Cabai2
Gambar Asli

Gambar Asli

Melakukan contoh manipulasi
gambar sesuai modul (7.1, 7.2, 7.3)
Mengulangi 7.1 s.d. 7.3 dengan
menggunakan gambar yang berbeda
Menganalisa hasil yang ditampilkan
Menuliskan pada laporan


Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 4








Pada kode matlab tersebut nilai komposisi warna
gambar cabai 1 disimpan ke dalam matriks I.
Sedangkan hasil konversi gambar tersebut ke HSV
disimpan dalam matriks J. Selanjutnya dilakukan
perintah rgb2hsv(I) dimana perintah ini akan
melakukan konversi RGB matriks colormaps I ke
matriks colormaps J HSV. Unsur-unsur dari kedua
colormaps berada dalam kisaran 0 hingga 1.
Kolom input matriks I merupakan matriks dengan
intensitas merah, hijau dan biru. Sedangkan
matriks keluaran nya (matriks J) mengandung
informasi nilai hue, saturation dan value dari
gambar cabai 1. Begitu juga untuk gambar cabai 2
juga dilakukan hal yang sama.
Hasil percobaan ini memperlihatkan hue,
saturation dan value dari gambar cabai 1 dan
gambar cabai 2.
Hue merepresentasikan karakteristik dari warna
warna yang ada atau menyatakan kombinasi dari
warna-warna dasar (red, green, blue). Sehingga
apabila gambar memiliki banyak kombinasi warna
maka hue dari gambar tersebut memiliki
kombinasi warna yang beragam pula dari 0
hingga 1 ( dari hitam hingga putih). Dapat dilihat
pada gambar hue cabai 1 dan cabai 2 bahwa
keduanya memiliki kombinasi nilai yang beragam.
Selanjutnya dilakukan pengamatan terhadap
saturasi dari gambar cabai 1 dan gambar cabai 2.
Saturasi menunjukan ketajaman dari suaru warna
(kemurnian/ketajaman warna). Nilai saturasi ini
menunjukan seberapa besar intensitas warna
putih pada warna tersebut. Dari gambar
saturation cabai 1 dan cabai 2 dapat dilihat bahwa
gambar tersebut memiliki nilai saturasi yang sama.
Selain hue dan saturation pada gambar cabai 1
dan gambar cabai 2 juga diamati nilai value. Value
disini merepresentasikan tingkat hitam atau putih
dari warna (kecerahan warna). Gambar value dari
cabai 1 dan cabai 2 memiliki nilai value yang sama.
Dari hasil percobaan HSV ini dapat dilihat bahwa
gambar cabai 1 dan cabai 2 memiliki nilai hue
yang berbeda namun tetap memiliki nilai saturasi
dan value yang sama. Hal ini terlihat dari gambar
asli bahwa gambar cabai 1 dan gambar cabai 2
hanya memiliki perbedaan warna warna dasar
saja namun memiliki nilai kecerahan yang sama.
4.2 OPERASI ARITMATIK & GEOMETRIK
Command yang digunakan:
>> X=double(imread('cameraman.tif'));
figure,imshow(uint8(X));
Y=imrotate(X,180);
Z=abs(X-Y);
figure,imshow(uint8(Z));

Gambar 4-2-1 Hasil keluaran Figure 1

Gambar 4-2-2 Hasil keluaran Figure 2
Pada percobaan ini digunakan aplikasi dari
operasi aritmatik dan geometrik. Figure 1
merupakan gambar asli yang kemudian
dioperasikan secara aritmatik dan geometrik
menghasilkan figure 2. Pada command MATLAB
yang digunakan terlihat pertama dilakukan


Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 5


operasi geometrik pada gambar asli (X) berupa
operasi rotasi sebesar 180
o
sehingga dihasilkan
gambar Y yang posisinya berkebalikan dengan
gambar X. Kemudian dilakukan operasi aritmatik
berupa operasi pengurangan antara gambar X dan
gambar Y menghasilkan gambar Z. Hasil dari
pengurangan tersebut dimutlakkan agar tidak
diperoleh nilai negatif. Hal ini merupakan proses
clipping agar nilai yang dihasilkan sesuai dengan
format penyimpanan data (nilai yang
diperbolehkan 0 s.d. G-1).
Pada gambar Z (figure 2) terlihat bagian yang
semulanya berwarna hitam setelah dilakukan
operasi translasi dan pengurangan diperoleh hasil
yang seakan-akan transparan (hanya terlihat
background dari salah satu gambar X atau Y). Hal
ini dikarenakan warna hitam bernilai 0 sehingga
jika dikurangkan dengan suatu nilai dan
kemudian dimutlakkan maka akan menghasilkan
nilai itu sendiri, misal: abs (0-A) = A.
Untuk bagian lainnya terlihat gambar menjadi
semakin gelap, karena dengan operasi aritmatik
pengurangan akan menghasilkan nilai yang lebih
rendah dari sebelumnya (menjadi lebih gelap).
4.3 OPERASI TRANSFORMASI
Command yang digunakan:
>> I=double(imread('kotak1.bmp'));
J=fft2(I);
figure,imshow (uint8(I));
figure,imagesc(log10(abs(J)+1)),axis
image,colormap hot,colorbar;
figure,imagesc(angle(J)),axis image,colormap
hot,colorbar;

K=double(imread('kotak2.bmp'));
L=fft2(K);
figure,imshow (uint8(K));
figure,imagesc(log10(abs(L)+1)),axis
image,colormap hot,colorbar;
figure,imagesc(angle(L)),axis image,colormap
hot,colorbar;

Gambar 4-3-1 kotak1.bmp
Tabel 4-3-1 Hasil Transformasi Fourier Dua Dimensi
kotak1.bmp
Magnitude Angle



Gambar 4-3-2 kotak2.bmp
Tabel 4-3-2 Hasil Transformasi Fourier Dua Dimensi
kotak2.bmp
Magnitude Angle

Untuk mempermudah analisis, maka gambar
kotak1.bmp dan gambar kotak2.bmp dapat
dimisalkan sebagai gambar berukuran 4 pixel4
pixel yang direpresentasikan sebagai matrix,
Tabel 4-3-3 Matriks kotak1.bmp dan kotak2.bmp dalam 4
pixel4 pixel
kotak1.bmp kotak2.bmp










Dengan menggunakan representasi matriks
tersebut, maka diperoleh gambar seperti di bawah.
Tabel 4-3-4 Hasil FFT 2 Dimensi dari Matriks Baru
Matriks baru kotak1.bmp
Magnitude Angle


Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 6



Matriks baru kotak2.bmp
Magnitude Angle

Dari percobaan tersebut, diperoleh hasil
transformasi yang hampir sama dalam
peninjauannya di magnituda. Hal ini wajar,
mengingat bahwa kedua gambar memiliki nilai
sebaran 255 dan 0 yang sama, sehingga hasil
transformasinya pun sama (nilai 255 dan 0
memiliki frekuensi yang sama). Kemudian untuk
pixel pertama, memiliki nilai yang paling besar
dan real yang dapat dilihat dari sudut pada
koordinat (1, 1) yang bernilai 0 untuk kedua
gambar.
Perbedaan hasil transformasi dari kedua gambar
hanya terletak pada sudutnya saja. Hal ini wajar,
mengingat komposisi yang dimiliki kedua gambar
adalah sama. Sementara, komposisi peletakkan
komponen 255 dan 0 nya saja yang berbeda,
sehingga menyebabkan orientasi sudutnya ikut
berbeda.
4.4 PERCOBAAN DENGAN GAMBAR
MANDIRI
4.4.1 PENGULANGAN IMAGE FORMAT
Tabel 4-4-1 Hasil Pengulangan Percobaan 7.1
Bunga 1 Bunga 2


Gambar Asli


Gambar Asli




Pada percobaan ini dilakukan hal yang sama
seperti percobaan 4.1 dengan menggunakan
gambar yang berbeda tetapi dengan format yang
sama. Dapat dilihat pada gambar hue bunga 1 dan
gambar hue bunga 2 sangatlah berbeda. Gambar
bunga 1 memiliki hue yang berbeda-beda dan
gambar bunga 2 memiliki hue yang hampir sama.
Dimana terlihat pada gambar asli bunga 1
memiliki kombinasi warna yang beragam,
sedangkan gambar asli asli bunga 2 warna
keseluruhan gambar ke arah ungu.
Saturasi dari gambar bunga 1 terlihat lebih
beragam dibandingkan gambar bunga2. Hal ini
disebabkan karena gambar bunga 1 memiliki
warna-warna asli dengan ketajaman yang
beragam dibandingkan dengan gambar bunga 2.
Begitu juga dengan value dari dari gambar bunga
1 yang lebih beragam dibandingkan dengan
gambar bunga 2. Hal ini terlihat dari gambar asli
bunga 1 memiliki range kecerahan yang lebih
besar dibandingkan dengan gambar 2 yang lebih
terlihat kusam.


Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 7


4.4.2 PENGULANGAN OPERASI ARITMATIK
DAN GEOMETRIK

Gambar 4-4-1 Hasil keluaran Figure 1

Gambar 4-4-2 Hasil keluaran Figure 2
Pada percobaan ini dilakukan hal yang sama
seperti percobaan 4.2 dengan menggunakan
gambar yang berbeda tetapi dengan format yang
sama. Sama halnya dengan percobaan 4.2, dari
figure 2 terlihat hasil berupa dua gambar yang
berbeda 180
0
(figure 1 dan hasil rotasinya) yang
kemudian ditumpuk, dengan nilai intesitas yang
merupakan hasil pengurangan dan peng-absolute-
an dari dua gambar tersebut. Pada gambar figure
2 pun terlihat untuk gambar yang gelap
(mendekati hitam) menjadi transparan (yang
terlihat justru gambar backgroundnya) seperti
yang telah dijelaskan sebelumnya. Begitu juga
untuk warna yang terang (mendekati putih)
menjadi lebih gelap.
4.4.3 PENGULANGAN OPERASI
TRANSFORMASI
Pada percobaan ini, hasil yang diperoleh pada
percobaan operasi transformasi pada suatu citra
dapat lebih jelas diperlihatkan.
Berikut gambar yang dipilih sebagai objek
percobaan. Pada dasarnya kedua gambar adalah
sama, yang membedakan hanyalah orientasi
gambar, karena gambar yang satu merupakan
cerminan dari gambar yang lainnya, sementara
komposisi warna penyusunnya sama (ketika
pembuatan gambar, salah satu gambar hanyalah
di-mirroring dari gambar yang telah dibuat).

Gambar 4-4-3 Objek Transformasi 1

Gambar 4-4-4 Objek Transformasi 2
Tabel 4-4-2 Hasil Transformasi Fourier
Objek 1 Objek 2
Magnitude

Magnitude

Angle

Angle

Terlihat dengan jelas bahwa hasil transformasi
Fourier pada magnituda didapatkan hasil yang
sama persis antara objek 1 dengan objek 2. Hal ini
menegaskan bahwa jika terdapat dua buah citra
dengan komposisi warna yang sama (histogram
warnanya sama persis), maka jika kedua citra
tersebut diamati pada frekuensinya (transformasi
Fourier), yaitu pada magnitudanya, maka akan
dihasilkan plot magnituda yang sama persis.
Perbedaan yang akan terjadi hanyalah pada plot
sudut transformasi, dikarenakan orientasi sudut
warna terhadap warna lain yang berbeda.
5. KESIMPULAN
Dari percobaan ini dapat disimpulkan beberapa
hal :
Citra berwarna juga dapat
direpresentasikan dalam format HSV (Hue
Saturation Value). Hue menunjukkan
kombinasi warna asli. Saturation
menunjukkan ketajaman warna. Value
menunjukkan tingkat kecerahan warna.


Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 8


Pengolahan citra dapat dilakukan dengan
operasi aritmatik dan geometrik. Salah
satu operasi aritmatik ialah operasi
pengurangan. Pada operasi ini perlu
dilakukan clipping untuk memastikan nilai
sesuai dengan format penyimpanan data,
contoh proses clipping dengan
pemutlakkan nilai negatif. Salah satu
operasi geometrik ialah berupa operasi
rotasi yang melakukan transformasi
koordinat terhadap citra masukan (pada
MATLAB arah rotasi berlawanan jarum
jam).
Transformasi Fourier yang dilakukan
pada sinyal 2 dimensi (khususnya citra),
akan memiliki plot dalam dua dimensi
pula.
Beberapa citra akan memiliki plot
magnituda yang mirip pada transformasi
Fouriernya, jika komposisi penyusun
warna dari citra-citra tersebut sama persis.
Sementara, plot sudut pada transformasi
Fouriernya akan sama, apabila citra
tersebut memiliki kemiripan pola (bukan
warna).
DAFTAR PUSTAKA
[1] __, Modul 1: Pengantar Pengolahan Citra, Sekolah
Teknik Elektro dan Informatika Institut
Teknologi Bandung, Bandung, 2013.
[2] Gonzalez, Rafael C., Digital Image Processing
3
rd
Edition, Prentice-Hall, USA, 2008.
[3] Gonzalez, Rafael C., Digital Image Processing
using MATLAB 2
nd
Edition, Gatesmark
Publishing, USA, 2009.
[4] http://www.mathworks.com/help/matlab/re
f/rgb2hsv.html, diakses pada 14 September
2014 pukul 15.00 WIB
[5] https://www.academia.edu/7222843/COMP
UTER_VISION_BIDANG_BIOMETRIK,
diakses pada 14 September 2014 pukul 15.30
WIB
[6] www.uotechnology.edu.iq/dep-
cs/mypdf/subjects/4sw/4ip.pdf, diakses
pada 14 September 2014 pukul 15.30 WIB
[7] www.mathworks.com/help/images/functionl
ist.html, diakses pada 14 September 2014
pukul 15.00 WIB
[8] http://en.wikipedia.org/wiki/Fast_Fourier_tr
ansform, diakses pada 16 September 2014
pukul 17.00 WIB
[9] http://fourier.eng.hmc.edu/e101/lectures/im
age_processing/node6.html, diakses pada 16
September 2014 pukul 14.00 WIB



Laporan Praktikum EL 4125 Pengolahan Citra Digital - STEI ITB 9