11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram

CARI TUTORIAL + SOURCE CODE

Contoh Program Source Code/

Pengolahan Citra
Digital Dengan Java

GIVE YOUR SUPPORT

Pengolahan Citra Digital Dengan Java

Suka 6,1rborangmenyukaiini.Jadilahyang
pertamadiantaratemanAnda.

Pengolahan Citra Digital

Pengolahan citra digital
merupakan proses yg memiliki
tujuan u. memanipulasi & menganalisis citra dengan bantuan
komputer. Pengolahan citra digital bisa dikelompokkan dalam dua
jenis kegiatan :

ARTIKEL TERKAIT

Particle Swarm Optimization

(PSO) Java
Algoritma Firey FA Java C++ VB

1.

Memperbaiki kualitas suatu gambar, sehingga bisa lebih

mudah diinterpretasi oleh mata manusia.

2.

Mengolah informasi yg terbisa pada suatu gambar u.

keperluan pengenalan objek secara otomatis.

Bidang aplikasi kedua yg sangat erat hubungannya dengan ilmu

pengetahuan pole ( pattern recognition ) yg umumnya memiliki
tujuan mengenali suatu objek dengan cara mengekstrak informasi
penting yg terbisa pada suatu citra. Bila pengenalan pola dihubungkan
dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yg
bisa memproses citra masukan sehingga citra tersebut bisa dikenali
polanya. Proses ini disebut pengenalan citra atau image recognition .
Proses pengenalan citra ini sering diterapkan dalam kehidupan seharihari.

Pengolahan Citra Digital Dengan

Java
Metode Monte Carlo Matlab
Java C++
Independent Component
Analysis (ICA)
Algoritma CART (Classication
And Regression Trees)
K-Nearest Neighbors (KNN) Java
C++
Algoritma Pagerank Java C++
Python
Support Vector Machine (SVM)
Java
Deteksi Wajah Viola Jones Java

Pengolahan Citra Digital

LIST TUTORIAL

ACO
Adaboost
Adaptive Resonance Theory
Advanced Encryption Standard
AES
Agglomerative Clustering
AHP
Analytical Hierarchy Process
Pengolahan Citra Digital Dengan Java

Pengolahan Citra Digital

merupakan subyek yg menarik &
menantang. Aplikasi pengolahan citra digital meliputi, tetapi tdk
terbatas pada, bidang medis (instrument medis, alat bantu
interpretasi/diagnosis),
industry
(inspection,
quality
control),
biometrika, multimedia information retrieval, monitoring & kendali
dimana sensor memberikan data citra. Kuliah ini dimaksudkan u.
memberikan kemampuan pada mahasiswa u. menguasai konsep &
teknik
pengolahan
citra
sehingga
mahasiswa
mampu
mengadaptasikan konsep & teknik tersebut pada situasi yg diahadapi.
Kuliah ini mengacu buku tentang pengolahan citra digital yg ditulis u.

http://www.metodealgoritma.com/2013/06/citradigital.html

ANFIS
ANN
Annealing
Ant Colony Optimization
Aplikasi n-Tier
Apriori
ARIMA (Box-Jenkins)
Aritmetika Modulo

1/7

11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram
mahasiswa pada program-program Ilmu Komputer/Informatika, Teknik
Elektro, & Teknik Komputer & program studi terkait lainnya.
Pengolahan citra & pengenalan pola menjadi bagian dari proses
pengenalan citra. Kedua aplikasi ini akan saling melengkapi u.
menbisakan ciri khas dari suatu citra yg hendak dikenali. Secara umum
tahapan pengolahan citra digital meliputi akusisi citra, peningkatan
kualitas citra, segmentasi citra, representasi & uraian, pengenalan &
interpretasi.

Akusisi citra

Aritmetika Modulo
ART
Articial Bee Colony (ABC)
Articial Neural Network
B-Tree
Backpropagation
Bacterial foraging optimization
algorithm (BFOA)

Pengambilan
data
bisa
dilakukan
dengan
menggunakan
berbagai media seperti kamera analog, kamera digital, handycamp,
scanner, optical reader & sebagainya. Citra yg dihasilkan belum tentu
data digital, sehingga perlu didigitalisasi.

Bayesian Network

Peningkatan kualitas citra

Bit-Plane Complexity

Pada tahap ini dikenal dengan pre-processing dimana dalam

meningkatkan kualitas citra bisa meningkatkan kemungkinan dalam
keberhasilan pada tahap pengolahan citra digital berikutnya.

Blind signature

Segmentasi citra
Pengolahan Citra Digital
: Segmentasi memiliki tujuan
u. memilih & mengisolasikan (memisahkan) suatu objek dari
keseluruhan citra. Segmentasi terdiri dari downsampling, penapisan &
deteksi tepian. Tahap downsampling merupakan proses u.
menurunkan jumlah piksel & menghilangkan sebagian informasi dari
citra. Dengan resolusi citra yg tetap, downsampling menghasilkan
ukuran citra yg lebih kecil. Tahap segmentasi selanjutnya merupakan
penapisan dengan lter median, hal ini dilakukan u. menghilangkan
derau yg biasanya muncul pada frekuensi tinggi pada spektrum citra.
Pada penapisan dengan lter median, gray level
citra pada setiap piksel digantikan dengan nilai
median dari gray level pada piksel yg terbisa pada
window lter.

Bi-Polar Slope One

Biometrik

Blowsh
BPCS
Breadth-First Search ( BFS )
Brute Force
Buble Sort
Burrows Wheeler
Transformation
BWT
C-Means
C4.5
Caesar
CART (Classication And
Regression Trees)

Tahap yg terakhir pada proses segmentasi yaitu deteksi tepian.

Pendekatan algoritma Canny dilakukan berdasarkan konvolusi
fungsi citra dengan operator Gaussian & turunan-turunannya.
Pendeteksi tepi ini dirancang u. merepresentasikan sebuah tepian yg
ideal, dengan ketebalan yg diinginkan. Secara umum, proses
segmentasi sangat penting & secara langsung akan menentukan
keakurasian sistem dalam proses identikasi iris mata.

Case Based Reasoning

Representasi & Uraian

CISM

Pengolahan Citra Digital : Representasi mengacu pada data

konversi dari hasil segmentasi ke bentuk yg lebih sesuai u. proses
pengolahan pada komputer. Keputusan pertama yg harus sudah
dihasilkan pada tahap ini merupakan data yg akan diproses dalam
batasan-batasan atau daerah yg lengkap. Batas representasi
digunakan ketika penekanannya pada karakteristik bentuk luar, & area
representasi digunakan ketika penekanannya pada karakteristik
dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke
bentuk tipe yg lebih sesuai, tahap selanjutnya merupakan
menguraikan data.

Clonal Selection

Pengenalan & Interpretasi

Pengenalan pola tdk hanya memiliki tujuan u. menbisakan citra
dengan suatu kualitas tertentu, tetapi juga u. mengklasikasikan
bermacam-macam citra. Dari sejumlah citra diolah sehingga citra
dengan ciri yg sama akan dikelompokkan pada suatu kelompok
tertentu. Interpretasi meliputi penekanan dalam mengartikan objek yg
dikenali.
Kebutuhan u. pengolahan citra secara cepat &
mudah sangat diperlukan. Banyak sekali aplikasi
program u. editing gambar (citra) yg menyediakan
fungsi-fungsi yg sudah tersedia, artinya pengguna tdk
bisa melakukan kostumisasi terhadap fungsi-fungsi
spesik yg dibutuhkannya.
Penelitian ataupun penerapan di lapangan yg melibatkan proses
pengolahan citra, ka&g-ka&g menyulitkan dalam bi&g pemrograman
karena rutin program yg berhubungan dengan komputer grak
membutuhkan keahlian khusus dalam implementasinya.

CBR
Certainty Factor (CF)
Cipher
Cipher Block Chaining (CBC)

CLONALG
Clustering
COBIT
Conjugate Gradient
CRC
Cyclic Redundancy Code
Data Encryption Standard ( DES )
Data Mining
DCPChiper
Delta Rule
Deteksi Mata
Deteksi Wajah
Digital Signal Processing (DSP)
Digital Signature
Dijkstra

Discrete Cosine Transform (DCT)

Discrete Wavelet Transform
Djikstra

MATLAB sebagai salah satu alat (tools) pemrograman u. membantu

bidang pendidikan & penelitian telah menyajikan bermacam-macam
toolbox yg disesuaikan dengan bidang keilmuan masing-masing,
salah satunya merupakan Image Processing Toolbox . Dengan
memanfaatkan toolbox tersebut, pengguna bisa dengan mudah
melakukan kustomisasi fungsi yg sesuai dengan topik penelitiannya.

DTW

Pengolahan citra digital merupakan/ Pengolahan citra digital yaitu/

Pengolahan citra digital merupakan/ yg dimaksud Pengolahan citra
digital/ arti Pengolahan citra digital/ denisi Pengolahan citra digital.

Elgamal

Pengolahan citra digital merupakan manipulasi & interprestasi digital

dari citra dengan bantuan komputer. Pengolahan citra memiliki tujuan
.:

Enkripsi Dekripsi

Dynamic Source Routing

ECDSA
Eigenface

Elliptic Curve Cryptography

(ECC)

Enterprise Resource Planning

ERP

memperbaiki kualitas gambar, dilihat dari aspek

radiometric & aspek geometric. Aspek radiometric terdiri dari

http://www.metodealgoritma.com/2013/06/citradigital.html

Euclid

2/7

11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram
radiometric & aspek geometric. Aspek radiometric terdiri dari
peningkatan kontras, restorasi citra, transformasi warna
se&gkan aspek geometric terdiri dari rotasi, skala, translasi,
trnsformasi geometric).

Expectation Maximization
Extendible Hashing

melakukan proses penarikan informasi atau deskripsi

obyek atau pengenalan obyek yg terkandung pada citra.

Face Detection

melakukan pemilihan citra ciri (feature images) yg optimal

u. tujuan analisis.

Face Recognition

melakukan kompresi atau reduksi data u. tujuan

penyimpanan data, transmisi data, & waktu proses data.

Face Extractor

Facebook
Fast Data Encipherment ( FEAL )
FCFS

Konsep dasar pengolahan citra dengan data masukan pokok

(internal data) berupa langkah berikut :

FCM
Filterbank

1.

Pengumpulan data yg relevan, yaitu citra digital.

2.

Klasikasi atau pengelompokan dengan cara pengkelasan.

3.

Penyusunan data sesuai kelas.

Fisherface

4.

Perhitungan & manipulasi.

Floyd Warshall

5.

Pengujian ketelitian & perhitungan.

Forecasting

6.

Penyimpulan & rekapitulasi hasil.

Forward Chaining

7.

Informasi

Firey FA
First Come First Server

FP-Growth
Fuzzy

Operasi-operasi pada pengolahan citra

diterapkan bila:
1.

Perbaikan atau memodikasi citra dilakukan u.

meningkatkan
kualitas
penampakan
citra/menonjolkan
beberapa aspek informasi yg terkandung dalam citra (image
enhancement). contoh : perbaikan kontras gelap/terang,
perbaikan tepian objek, penajaman, pemberian warna semu, dll.

2.

Adaya
cacat
pada
citra
sehingga
perlu
dihilangkan/diminimumkan (image restoration). contoh :
penghilangan kesamaran (debluring) citra tampak kabur karena
pengaturan fokus lensa tdk tepat / kamera goyg, penghilangan
noise.

3.

Elemen dalam citra perlu dikelompokkan, dicocokan atau

diukur (image segmentation). Operasi ini berkaitan erat dengan
pengenalan pola.

4.

Diperlukannya ekstraksi ciri-ciri tertentu yg dimiliki citra u.

membantu dalam pengidentikasian objek (image analysis).
Proses segementasi ka&gkala diperlukan u. melokalisasi objek
yg diinginkan dari sekelilingnya. Contoh : pendeteksian tepi
objek.

Fuzzy ART
Fuzzy C-Means
Gauss-Jordan
Gaussian
Generate & Test
Genetika
Graph Coloring
greedy
Green Computing
Guaranteed Scheduling (GS)
Haar Cascade Classier
Hash
Hash Satu Arah
Hidden Markov Model (HMM)
Histogram Equalization
Hopcroft Tarjan Planarity

5.

Sebagian citra perlu digabung dengan bagian citra yg lain

(image reconstruction). contoh : beberapa foto rontgen
digunakan u. membentuk ulang gambar organ tubuh.

6.

Citra perlu dimampatkan (image compression) contoh :

suatu le citra berbentuk BMP berukuran 258 KB dimampatkan
dengan metode JPEG menjadi berukuran 49 KB.

Human

Menyembunyikan data rahasia (berupa teks/citra) pada

citra sehingga keberadaan data rahasia tersebut tdk diketahui
orang (steganogra & watermarking).

ID3 (Iterative Dichotomiser 3)

7.

HopcroftKarp
Hopeld

Hybrid

Identity Based Encryption

image processing
Implementasi

Contoh ProgramPengolahan Citra Digital

Dengan Java

Independent Component
Analysis (ICA)

Contoh berikut adalah sebuah program untuk mengkonversi

sebuah gambar / image kedalam bentuk grayscale. Untuk
mengkonversi gambar warna ke Grayscale image, Anda perlu
membaca piksel atau data gambar menggunakan File dan objek
ImageIO, dan menyimpan gambar dalam objek BueredImage. Contoh
berikut menunjukkan penggunaan kelas Java BueredImage yang
mengubah gambar ke Grayscale:

Iris Recognition
IS Strategic Planning
Jaringan Syaraf Tiruan (JST)
Josephus Problem
JST
K-means

Source Code Java : Grayscale

K-Nearest Neighbors (KNN)

KASUMI

1.

importjava.awt.*;

2.

importjava.awt.image.BufferedImage;

3.

4.

importjava.io.*;

5.

kriptogra

6.

importjavax.imageio.ImageIO;

Kruskal

7.

importjavax.swing.JFrame;

8.

9.

publicclassGrayScale{

knowledge management
Kohonen

Latent Semantic Indexing

Least Signicant Bit (LSB)

10.

11.

BufferedImageimage;

http://www.metodealgoritma.com/2013/06/citradigital.html

Linear Programming
Linked List

3/7

11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram
12.

intwidth;

Logika Fuzzy

13.

intheight;

LOKI

14.

15.

publicGrayScale(){

16.

17.

try{

18.

LOOK
Low Bit Coding
LSB

File
File("digital_image_processing.jpg");

input

new

LSI

19.

image=ImageIO.read(input);

Mac

20.

width=image.getWidth();

Maksimum Likelihood

21.

height=image.getHeight();

22.

23.

for(inti=0;i<height;i++){

MANET

24.

MDF

25.

for(intj=0;j<width;j++){

26.

27.

29.
30.
31.

Mel-frequency Cepstrum
Coecients (MFCC)

Colorc=newColor(image.getRGB(j,

Metode Fisherface

intred=(int)(c.getRed()*0.299);

Metode Grak

i));
28.

Mamdani

int green = (int)(c.getGreen() *

0.587);
intblue=(int)(c.getBlue()*0.114);
Color newColor = new
Color(red+green+blue,

metode LSB
Metode Mamdani
Metode Secant
MFCC

32.

33.

red+green+blue,red+green+blue);

Minimax

34.

Minimum Spanning Tree

35.

image.setRGB(j,i,newColor.getRGB());

36.

37.

Mobile Ad hoc Network

38.

Modied Direction Feature

39.

Fileouptut=newFile("grayscale.jpg");

40.

ImageIO.write(image,"jpg",ouptut);

41.

42.

}catch(Exceptione){}

Naive Bayes

43.

Naive Bayes Classier

44.

45.

static public void main(String args[]) throws

Exception

46.

47.

GrayScaleobj=newGrayScale();

48.

49.

50.

mobile

Monte Carlo
MTVRP

negascout
Neural Network
Newton Raphson
One Way Hash
Online Learning

Open Shortest Path First

Open System Interconnection

Output : Before and after

Optimasi
OS X
OSI
OSPF
Otsu
Pagerank
Parity Coding

Pengolahan Citra Digital Dengan Java

Particle Swarm Optimization

(PSO)
Pattern Recognition
PCA

Contoh Menggunakan Java + Open CV

Pemrograman Linear

Berikut adalah sebuah contoh dengan menggunakan fungsi

pada OpenCV, yaitu fungsi erodes dan dilate . Fungsi tersebut
dapat ditemukan di bawah paket Imgproc. Berikut adalah contoh
programnya :

Pencarian Akar
Pencarian Jalur Terpendek
Pencarian Linear
Pencocokan Sidik Jari

Source Code Java : OpenCV

Pengenalan Iris Mata

1.

importorg.opencv.core.Core;

2.

importorg.opencv.core.CvType;

3.

importorg.opencv.core.Mat;

4.

importorg.opencv.highgui.Highgui;

5.

importorg.opencv.imgproc.Imgproc;

Pengenalan Ucapan

6.

Pengenalan Wajah

7.

publicclassmain{

8.

publicstaticvoidmain(String[]args){

9.

Pengenalan Objeck
Pengenalan Pola
Pengenalan Suara

Pengolahan Citra
Pengolahan Citra Digital

10.

try{

11.

System.loadLibrary(

http://www.metodealgoritma.com/2013/06/citradigital.html

Pengukuran Garis-Garis Telapak

Tangan

4/7

11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram
11.

Core.NATIVE_LIBRARY_NAME);

12.

Mat
source
Highgui.imread("digital_image_processing.jpg",
Highgui.CV_LOAD_IMAGE_COLOR);

13.

Mat destination
Mat(source.rows(),source.cols(),source.type());

System.loadLibrary(

Tangan
Penjadwalan

14.

15.

destination=source;

16.

17.

interosion_size=5;

18.

intdilation_size=5;

19.

new

Penjadwalan CPU
Peramalan
Perataan Histogram
Perceptron
Persamaan Linier

HOME

Pewarnaan Graf
JASA PROGRAMMER

Pewarnaan Simpul Graph

HARGA

ORDER

ABOUT

20.

TUTORIAL

Mat
element
=
Imgproc.getStructuringElement(Imgproc.MORPH_RECT,
new
Size(2*erosion_size+1,2*erosion_size+1));

Pohon Human

21.

Imgproc.erode(source, destination,
element);

Principal Component Analisys

22.

Highgui.imwrite("erosion.jpg",
destination);

23.
24.

source
Highgui.imread("digital_image_processing.jpg",
Highgui.CV_LOAD_IMAGE_COLOR);

Prim

Quantum
Random Waypoint
RC4
RC6

Rekomendasikan ini secara publik sebagai Dimas Eka.

25.

real time tracking

26.

destination=source;

Recognition

27.

28.

Mat element1 =
Imgproc.getStructuringElement(Imgproc.MORPH_RECT,
new
Size(2*dilation_size+1,2*dilation_size+1));

Recurrent Neural Network

Recursive Best First Search
(RBFS)

29.

Imgproc.dilate(source, destination,
element1);

Recursive Large First

30.

Highgui.imwrite("dilation.jpg",
destination);

Recursive Largest First

31.

32.

}catch(Exceptione){

33.

3
Suka

Region of Interest (ROI)

Rijndael

System.out.println("error: " +
e.getMessage());

Risk Management
RLF

34.

35.

RMSE

36.

RNN

37.

Root Mean square Error

RSA

Output : Before and after

RWP
SAFER
Secant
Secret Sharing Scheme
Secure And Fast Encryption
Routine (SAFER)
Self Organizing Map (SOM)
Semut
SHA (Secure Hash Algorithm)

Pengolahan Citra Digital Dengan Java

SHA-256
Sidik Jari
Simulated Annealing
SISP

HOME

JASA PROGRAMMER

TUTORIAL

Sistem Biometrika

HARGA

ORDER

ABOUT

Sistem Verikasi Biometrik

Konsultasi Gratis

Slope One

Jika ada yang ingin di tanyakan, Kamu bisa melakukan konsultasi

Slope One predictors

gratis kepada team metode-algoritma.com melalui form di bawah.

Mohon isi email dengan benar, karena hasil konsultasi akan di

sorting

kirimkan ke email kamu.

Source Code
Spanning Tree
Speech

Deprecated:mysql_connect():Themysqlextensionisdeprecatedandwillberemovedin
thefuture:usemysqliorPDOinsteadin/www/htdocs/w014906f/includes/main.inc.php
online30

Speech Recognition
Steganogra
Steganography

Stream Cipher

Suka

Support Vector Machine (SVM)

Tabu Search

http://www.metodealgoritma.com/2013/06/citradigital.html

Tanda Tangan Digital

Technopreneurship
Teorema Bayes

5/7

11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram
Teorema Bayes

Thresholding
Transformasi Burrows Wheeler
Transformasi Fourier
Transformasi Wavelet Diskrit

POSTING LEBIH BARU

Transformasi Wavelet Kontinu

POSTING LAMA

Traveling Salesman Problem

Travelling Salesman (TSP)
Travelling Salesman problem
TSP
Tsukamoto
Twosh
Vernam Cipher
Video Encryption Algorithm
(VEA)
Video Watermarking
Vigenere Cipher
Viola Jones
Voice Recognition
Watermarking

HOME

JASA PROGRAMMER

TUTORIAL

HARGA

WDM

ORDER

ABOUT

Web Service
Weighted Slope One
Welch dan Powell
Welsh Powell
WMS

Suka

Metode Algoritma

Email: metodealgoritma@yahoo.co.id
Indonesia
Mampang Raya XII No. 30 A
Jakarta, Indonesia
sms :(+62) 85625 49338
Singapore
238B Thomson Road #17-00 Tower B
Novena Square Singapore
sms :(+65) 6415 3540

Company
Tentang Kami
Fakta serta Figur
Mengapa memilih kami
Model Pengerjaan Aplikasi
Model Konsultasi
Prosedur serta Proses kerjasama
Pertanyaan serta Jawaban
Persetujuan
Testimonials
Contact
Sitemap
Blog
Tutorial + Source Code

Service
HOME

JASA PROGRAMMER

HARGA

ORDER

Jasa murah programmer : pembuatan program untuk umum dan mahasiswa ( Tesis, Skripsi, Tugas Akhir )

ABOUT

JAKARTA BANDUNG SURABAYA YOGYAKARTA MALANG PALEMBANG

SEMARANG MEDAN BOGOR BALI DENPASAR LAMPUNG SOLO
TUTORIAL
SURABAYA BANDUNG

Portfolio
Implementasi Algoritma
Steganogra Kriptogra

http://www.metodealgoritma.com/2013/06/citradigital.html

6/7

11/21/2016

PengolahanCitraDigitalDenganJava|ContohProgram

Watermaking Keamanan Data

Pengenalan Objek Wajah Suara
Wavelet Quantization
Implentasi Model Forecasting
Implementasi Data Minging
Kecerdasan Buatan (AI)
Decision Support Systems
Sistem Ahli (ES)

Implementasi
Shortest Path

Mikrotik serta Robotika

Networking Keamanan Jaringan

Suka

Histogram
Pemetaan

Mobile Expert System

Dan lainnya

Technology

C# .Net
PHP

AS3
Java
Delphi
Matlab
Objective C
Visual Basic
iOS
Android
Blackberry
Symbian OS
Windows Phone
Copyright 2013 metode-algoritma.com Allright Reserved|about|sitemap|

HOME

JASA PROGRAMMER

HARGA

ORDER

ABOUT

TUTORIAL

Suka

http://www.metodealgoritma.com/2013/06/citradigital.html

7/7