Anda di halaman 1dari 53

Pengolahan Citra

Pendahuluan

Konsep Dasar
pengolahan Citra

Peningkatan Mutu Citra

Pemampatan Citra

Steganografi

Pusat Studi Mikroelektronika & Pengolahan Citra


Universitas Gunadarma, Jakarta
http://pusatstudi.gunadarma.ac.id/pscitra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

Definisi :
Pengolahan citra adalah pemrosesan citra, dengan maksud untuk
mendapatkan kualitas citra yang diinginkan (lebih baik yang bersifat relatif )
Tiga bidang studi yang terkait dengan data citra yaitu :
Komputer grafik, Pengolahan Citra , Pengenalan Pola
Pengolahan citra
citra
Komputer
grafik

diskripsi

citra
Pengenalan
pola

diskripsi
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

Contoh Komputer Grafik

Contoh Pengolahan Citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

Contoh Pengenalan pola

Garage
Roof

Bushes
Side

Grass

House
Roof

Sky
Side1

Tree1

Tree2

Side2

(Ballard, 1992)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

OPERASI PENGOLAHAN CITRA

Perbaikan kualitas citra,(image enhancement) dari aspek


radiometrik ( kontras, tepian objek, penajaman, pemeberian warna
semu, penapisan ) dan aspek geometrik ( rotasi, translasi, skala,
transformasi geometrik )

Pemugaran citra ( image restoration ), untuk menghilangkan cacat


pada citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

Pemampatan Citra (images compression).


Segmentasi Citra ( image segmentation), bertujuan untuk memecah citra
kedalam beberapa segmen.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

Analisa citra ( image analysis), bertujuan menghitung besaran kuantitatif


citra untuk menghasilkan diskripsi ( ciri-ciri tertentu ), misal : pendeteksian
tepi objek ( edge detection)

Rekontruksi Citra, membentuk ulang objek dari beberapa citra hasil


proyeksi

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pendahuluan

Perangkat keras sistem Visual

Sensor Citra , untuk menangkap pantulan objek


Jenisnya : CCD(charge coupled device) dan CMOS ( complementary metaloxide semiconductor)
ADC , mengkonversi sinyal analog menjadi sinyal digital
Memori , untuk menyimpan data hasil konversi
ADC dan memori dikemas dalam satu kesatuan yang disebut dengan penangkap
bingkai citra ( image frame grabber)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Model Citra

Citra merupakan fungsi malar (kontinyu) dari intensitas cahaya. Secara


matematis disimbulkan dengan f(x,y), dimana :
(x,y) : koordinat pada bidang dwi warna
F(x,y) : intensitas cahaya pada titik (x,y)

Nilai f(x,y) adalah hasil kali dari :


i(x,) = jumlah cahaya yang berasal dari sumber, nilainya antara 0 sampai tak
terhingga.
r(x,y) = derajat kemampuan objek memantulkan cahaya , nilainya antara 0 dan
1.
Jadi f(x,y) = i(x,y) . r(x,y)

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Digitalisasi Citra
Supaya bisa diolah dengan komputer, citra harus direpsentasikan secara
numerik dengan nilai diskrit .
Citra digital dinyatakan dengan suatu matrik ukuran NxM. Masing-masing
elemen disebut pixel (picture element)

F(x,y) =

f(0,0)

f(0,1) .

f(0,m)

f(1,0)

f(1,1) .

f(1,M)

f(N-1,0) f(N-1,1)

:
f(N-1,M-1)

Indeks baris (i) dan indeks kolom (j) menyatakan koordinat titik pada citra,
sedang f(i,j) merupakan intensitas (derajat keabuan) pada titik (i,j)

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Untuk memudahkan implementasi , jumlah pixel biasanya diasumsikan dengan,


N = 2n,
dimana, N = jumlah pixel pada baris:kolom , n = bilangan bulat positip
misal 256 x 256 pixel, 128x256 pixel, 8x8 pixel
Skala/derajat Keabuan : G = 2 m
Dimana : G = derajat keabuan,
m=bilangan bulat positip
Skala keabuan
21 ( 2 nilai )
22 ( 4 nilai )
24 ( 16 nilai )
28 (256 nilai )

Nilai keabuan
0,1
0 sampai 3
0 sampai 15
0 sampai 256

pixel depth
1 bit
2 bit
4 bit
8 bit

Penyimpanan citra digital menjadi NxM pixel dan dikuantisasi menjadi G=2m memerlukan
memori sebanyak
B=NxMxm
Contoh 512x512x8 = 2048.000 bit
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Konvolusi pada fungsi Dwimatra


h x

x,y

x, y

a ,b g x

a,y

b da db

Fungsi diskrit

h x, y

f
f

x, y

x,y

a ,b g

a, y

Fungsi penapis g(x,y) disebut juga convolution filter, convolution mask,


convolution kernel atau template.
Dalam bentuk diskret kernel konvolusi dinyatakan dalam bentuk matriks, misal
2x2, 3x3,

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Ilustrasi konvolusi

F(i,j)=Ap1+Bp2+Cp3+Dp4+Ep5+Fp6+Gp7+Hp8+Ip9

Contoh: misal citra f(x,y) yang berukuran 5x5 dan sebuah kernel dengan ukuran 3x3, matriks
sebagai berikut :
44354
66552
F(x,y)=

56662

g(x,y)=

-1

-1

-1

-1

67553
35244

Operasi konvolusi antara citra f(x,y) dengan kernel g(x,y),


F(x,y)*g(x,y)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Konsep Dasar
pengolahan Citra

Menghitung hasil konvolusi


Menempatkan kernel pada sudut kiri atas , kemudian hitung nilai pixel pada
posisi (0,0) dari kernel :
hasil = 3
Geser kernel satu pixel ke kanan ,kemudian hitung nilai pixel pada posisi (0,0)
dari kernel:
hasil = 0
Selanjutnya dengan cara yang sama geser ke kanan, dst
Geser kernel satu pixel ke bawah, lakukan perhitungan seperti diatas
Nilai pixel citra tepi tidak berubah
4
6
5
6
3

4
3
0
6
5

3
0
2
0
2

5
2
6
2
4

4
2
2
3
4

= hasil konvolusi

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Tujuan Peningkatan Mutu Citra


Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan
pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif
lebih baik dari citra awal untuk aplikasi tertentu.
Kata baik disini tergantung pada jenis aplikasi dan problem yang
dihadapi.
Jenis Teknik Peningkatan Mutu Citra
Teknik peningkatan mutu citra dapat dibagi menjadi dua:
Peningkatan mutu citra pada domain spasial
Point Processing
Mask Processing
Peningkatan mutu citra pada domain frekuensi

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Lingkup Pembahasan

Image Enhancement

Spatial Domain

I. Point Processing

Frequency Domain

II. Mask Processing

a.
b.
c.

Image Negative
Contrast Stretching
Histogram Equalization
- all grey level and all area
- specific grey level (histogram specification)
- local enhancement (specific part of the image)
d. Image Subtracting
e. Image Averaging

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Point Processing
Cara paling mudah untuk melakukan peningkatan mutu pada domain
spasial adalah dengan melakukan pemrosesan yang hanya
melibatkan satu piksel saja (tidak menggunakan jendela
ketetanggaan)
Yang termasuk disini misalnya :
Citra negatif,
Contrast Stretching,
perataan histogram,
Image Substraction,
Image Averaging

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

a. Citra Negatif
Mengubah nilai grey-level piksel citra input dengan:
Gbaru = 255 - Glama
Hasilnya seperti klise foto

Citra asli

Citra negatif

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

b. Contrast Streching
Mengubah kontras dari suatu image dengan cara mengubah greylevel
piksel-piksel pada citra menurut fungsi s = T(r) tertentu

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

c. Perataan Histogram
Histogram citra adalah diagram yang menunjukkan jumlah
kemunculan grey level atau derajat keabuan pada suatu citra.
Histogram processing: mengubah bentuk histogram agar
pemetaan gray level pada citra juga berubah
Gambar gelap: histogram cenderung ke sebelah kiri
Gambar terang: histogram cenderung ke sebelah kanan
Gambar low contrast: histogram mengumpul di suatu tempat
Gambar high contrast: histogram merata di semua tempat

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Yang dimaksud dengan perataan histogram adalah mengubah


derajat
keabuan suatu pixel r dengan derajat keabuan yang baru (s) dengan
suatu fungsi transformasi T
Persamaan Perataan Histogram
k
nj
sk = T ( rk ) = = p( rj )
j =0 n
j =0
k

0 rk 1 dan k = 0,1,....., L 1
L adalah grey level maksimal yang ada pada citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Citra awal:
35554
54544
53444
45663

Citra Akhir:
19 9 95
95 9 55
91 5 55
5 9 10 10 1

Contoh : citra dengan


derajat keabuan hanya
berkisar 0-10

Derajat
Keabuan

10

Kemunculan

Probabilitas
Kemunculan

0.1
5

0.4
0

0.3
5

0.1

Sk

0.1
5

0.5
5

0.9
0

1.5

5.5

10

10

10

10

10

10

10

10

10

10

SK * 10
Derajat
keabuan baru

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Grey histogram

Original Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Original Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Bright Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Dark Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

RGB Histogram

Original Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Dark Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Mask Processing
Jika pada point processing kita hanya melakukan operasi terhadap masingmasing piksel, maka pada mask processing kita melakukan operasi terhadap
suatu jendela ketetanggaan pada citra.
Kemudian kita menerapkan (mengkonvolusikan) suatu mask terhadap jendela
tersebut. Mask sering juga disebut filter.

1 2 3
8 x 4
7 6 5

Contoh:
Jendela ketetanggan 3x3,
Nilai piksel pada posisi x dipengaruhi oleh nilai 8
tetangganya
Perbedaan dengan point processing: pada point
processing, nilai suatu piksel tidak dipengaruhi oleh
nilai tetangga-tetangganya

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

W1 W2 W3

Contoh sebuah mask berukuran 3x3.


Filter ini akan diterapkan /
dikonvolusikan pada setiap jendela
ketetanggaan 3x3 pada citra (anggap
filter sudah dalam bentuk terbalik)

W4 W5 W6
W7 W8 W9
G1 G1 G1 G1 G1
1

G21

G2 G2 G2 G2

G3 G3 G3 G3 G3
G4 G4 G4 G4 G4

G22 = w1 G11 + w2 G12 + w3 G13+


w4 G21 + w5 G22 + w6 G23 +
w7 G31 + w8 G32 + w9 G33

G5 G5 G5 G5 G5
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Jenis-jenis filter spasial


Smoothing filters:
Lowpass filter (linear filter, mengambil nilai rata-rata)
Median filter (non-linear filter, mengambil median dari setiap jendela
ketetanggan)

Ket :

a. Citra Asli; b. Hasil citra dengan


Median Filtering c. Hasil Citra dengan
Mean Filtering; (Gaussian)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Peningkatan Mutu Citra

Sharpening filters:
Roberts, Prewitt, Sobel (edge detection)
High pass filter

Operator Sobel

Operator prewitt

Operator Roberts

Operator canny
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Kendala Data Citra Digital

Mengapa perlu pemampatan dan reduksi data?


Data citra umumnya berukuran besar
Tidak praktis dalam aspek penyimpanan, proses dan transmisi
Perlu reduksi atau pemampatan data dengan mengurangi
redundancy atau duplikasi data

Data redundancy:
adalah bagian data yang tidak mengandung informasi terkait atau
merupakan pengulangan dari informasi yang sudah dinyatakan
sebelumnya atau sudah diketahui

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Contoh Aplikasi
Aplikasi yang membutuhkan image compression: dimana
perkembangannya ditentukan oleh efisiensi pada manipulasi data,
penyimpanan, dan transmisi citra biner / monokrom / berwarna:
Televideo-conferencing
Remote sensing
Telemedical / Medical imaging
Facsimile transmission

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Kategori Teknik Kompresi Citra

Information preserving (lossless compression): teknik yang memproses


data asli menjadi bentuk yang lebih ringkas tanpa hilangnya informasi.
Contoh: Aplikasi biomedis.

Lossy compression: teknik mendapatkan data yang lebih ringkas


dengan melalui suatu proses penghampiran (approksimasi) dari data
asli dengan tingkat error yang dapat diterima. Contoh: TV broadcast.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Model sistem kompresi umum

Source encoder: menghilangkan redundansi input


Channel encoder: meningkatkan imunitas output source
encoder terhadap gangguan noise (menggunakan Hamming
code)
Channel decoder & source decoder: mengembalikan ke data
semula
Jika channel dianggap bebas noise, maka channel
encoder/decoder bisa diabaikan.
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Source encoder & decoder

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Source encoder & decoder

Source Encoder: terdiri dari Mapper, Quantizer dan Symbol Coder


Mapper: melakukan transformasi dari citra masukan (visual format)
menjadi suatu non-visual format dan dimaksud untuk eliminasi
interpixel redundancy. Biasanya bersifat reversible, contoh: runlength coding.
Quantizer: melakukan eliminasi psychovisual redundancy menurut
kriteria fidelity yang ditentukan. Pada sistem kategori error-free
compression, tahap ini tidak dilakukan
Symbol Coder: menghasilkan kode fixed-length atau variable-length
dan memetakan citra pada sistem kode tersebut.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Source encoder & decoder

Source Decoder: melakukan operasi yang berlawanan dengan


source encoder dan menghasilkan suatu citra rekonstruksi yang persis
atau merupakan bentuk approksimasi dari citra asalnya.
Channel Encoder dan Decoder: menyisipkan controlled redundancy
bits (penambahan bits) untuk mendeteksi bila terjadi error atau
gangguan waktu transmisi.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Tampilan program pemampatan citra yang dibuat


menggunakan MatLab

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Contoh Hasil

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Pemampatan Citra

Contoh Hasil

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

SEJARAH STEGANOGRAFI

Awal munculnya steganografi : Sejarawan Yunani


yaitu Herodotus dalam cerita :
Hirateus(raja kejam Yunani) yang
dipenjara oleh Raja Darius di Susa
yang mengirimkan surat kepada
anaknya melalui tato di kepala budak
Demeratus mengiimkan pesan kepada negara
bagian Sparta bahwa Xerxes ingin menyerang
Yunani melalui tulisan yang ada di ukir di bawah
tabung kayu yang kemudian ditutupi dengan lilin
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Arti Steganografi

Morfologi kata :
Berasal dari bahasa Yunani:
Steganos

: tersembunyi atau terselubung

Graphein

: menulis

Artinya menurut morfologinya adalah menulis tulisan yang


terselubung atau tersembunyi(terselubung)

Secara umum
Adalah teknik menyembunyikan data secara rahasia di dalam
wadah (media) digital sehingga keberadaan data rahasia tidak
diketahui orang lain.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

PROPERTI STEGANOGRAFI

Wadah (media penampung)


Dapat berupa : citra, suara(audio), teks maupun video.

Data yang ingin disembunyikan


Dapat berupa :citra, suara, teks, dan audio.

Tujuan :
Penyamaran data
Perlindungan Hak Cipta

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Teknik Penyembunyian Data


Teknik Penyembunyian Data
Metode yang paling sederhana menggunakan Modifikasi LSB (Least
Significant Bit)
Tujuannya agar tidak jauh berbeda nilainya
Contoh, nilai pixel tertentu :
11010010 diubah menjadi 11010011
Perubahan warna yang terjadi sulit dideteksi oleh mata
Data rahasia diubah ke biner
Posisi pixel citra penampung dipilih secara acak sesuai dengan
jumlah data rahasia biner
Dibangkitkan dengan Pseudo Random Number Generator
(PRNG) yang dibangun dengan algoritma enkripsi (DES, Hash
MD5, CFB)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

KRITERIA STEGANOGRAFI
Fidelity
Mutu citra modifikasi tidak jauh berubah dari citra asli ketika
disisipkan data rahasia (document)
Robustness
Data yang disimpan aman (tidak akan berubah)di dalam file
citra tersebut apabila dilakukan operasi pada citra misalnya
cropping, enskripsi dan lain-lain
Recovery
Data yang disisipkan ke dalam suatu citra harus dapat di
kembalikan menjadi data aslinya.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Teknik Steganografi

Menggunakan Algoritma LSB(Least Significant Bit)


Cara untuk menyisipkan suatu document (data) dengan cara
menggunakan bit terakhir dari suatu byte. Dengan cara
mengganti bit LSB tertinggi (1) dari citra asli menjadi bit LSB
terendah (0)
pada citra modifikasi, demikian pula
sebaliknya.Algoritma ini akan berlaku dengan mengganti bit-bit
LSB dengan bit pada document yang akan disisipkan.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Teknik Modifikasi LSB


Khusus untuk Citra Non-24-Bit
Citra penampung diubah dahulu menjadi format 24-bit,
sehingga terbentuk komponen RGBnya

Perubahan Jumlah Warna


Citra 8-bit ~ 256 warna
Citra 8-bit diubah ke Citra 24-bit mengakibatkan :
Setiap data Bitmap = 3 byte,
tersedia 3 LSB baru
Terjadi kombinasi warna baru sebanyak 23 = 8
Citra hasil Steganografi pada citra 256
mempunyai warna = 256 x 8 = 2048

berpotensi

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Teknik Modifikasi LSB


Cara menghindari Kelebihan Jumlah Warna
Warna citra 8-bit diturunkan dari 256 menjadi 32.
Jika setiap warna menghasilkan 8 warna baru, maka
didapat 32 x 8 = 256 warna
Cara menurunkan warna dengan kuantisasi warna, contohnya
Algoritma Diversity

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Contoh Hasil Steganography Dengan Matlab

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pengolahan Citra
Steganografi

Referensi :
1. RC. Gonzales and RE. Wood , Digital Image Processing, Prentice Hall
2. Aniati Murni, Handouts Kuliah, Image Procesing, Universitas Indonesia
3. Rinaldi Munir, Pengolahan citra digital dengan pendekatan algoritmik,
Informatika, Bandung, 2004.
4. Usman Ahmad, Pengolahan Citra Digital & Teknik Pemrogramannya,
Graha Ilmu Yogyakarta, 2005.

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Anda mungkin juga menyukai