Berikut Ini Mer

Berikut ini merupakan contoh pemrograman matlab untuk melakukan segmentasi warna suatu citra
digital menggunakan algoritma fuzzy c-means clustering. Citra yang digunakan adalah citra sky-grass.jpg
yang memuat dua buah objek yaitu langit dan rumput seperti ditunjukkan pada gambar di bawah ini.
Pada contoh ini dilakukan segmentasi warna citra untuk memisahkan

antara kedua objek tersebut. Langkah-langkah pemrogramannya adalah:
1. Membaca dan menampilkan citra asli
sehingga diperoleh tampilan
2. Melakukan transformasi ruang warna citra yang semula berada pada ruang warna RGB (red, green,
blue) menjadi ruang warna HSV (hue, saturation, value)
Citra HSV yang dihasilkan adalah
3. Melakukan klustering menggunakan algoritma
fuzzy c-means , dengan masukan berupa nilai hue dan saturation dari citra HSV
dihasilkan grafik seperti tampak pada gambar berikut
Berdasarkan pada grafik di atas, tampak bahwa algoritma fuzzy c-means berhasil mempartisi data
masukan menjadi dua buah kluster.
4. Menampilkan citra hasil segmentasi yang terlabelli
Citra hasil segmentasi
5. Menampilkan citra hasil segmentasi pada masing-masing kluster
kluster 1
kluster 2
Berdasarkan pada gambar hasil segmentasi tersebut, terlihat bahwa algoritma fuzzy c-means clustering
mampu untuk memisahkan objek langit dan rumput berdasarkan pada perbedaan warna.
Source code dan citra yang digunakan pada pemrograman matlab di atas dapat diunduh melalui
halaman berikut ini: Source Code
Share this:
Posted on November 5, 2016, in Pengolahan Citra and tagged algoritma fcm adalah , algoritma fcm untuk
segmentasi citra , algoritma fuzzy c means clustering citra digital , algoritma fuzzy c-means clustering ,
algoritma klustering , aplikasi matlab menggunakan algoritma fcm , cara membuat program matlab
pengolahan citra , citra hsv , citra RGB , code matlab pengolahan citra , contoh koding matlab fcm,
contoh koding matlab sederhana , contoh koding matlab segmentasi citra , contoh program matlab,
contoh program matlab pengolahan citra , contoh program matlab sederhana , definisi citra , fuzzy c
means klustering menggunakan matlab, membuat koding matlab pengolahan citra , penerapan
algoritma fcm ,
penerapan pengolahan citra , penerapan segmentasi citra , Pengolahan Citra Digital,
pengolahan citra matlab , pengolahan citra segmentasi warna , segmentasi citra menggunakan algoritma
fcm , segmentasi warna ,
source code matlab pengolahan citra , source code matlab segmentasi citra . Bookmark the
permalink . 6 Comments.
Leave a Reply
Your email address will not be published. Required fields are marked *
Name *
Email *
Website
Post Comment
Notify me of new comments via email.
Notify me of new posts via email. Source Code GUI
Jaringan Syaraf Tiruan untuk Prediksi menggunakan Matlab
Model Ruang Warna Pengolahan Citra
Perbaikan Kualitas Citra
Segmentasi Citra
Deteksi Tepi
Jaringan Syaraf Tiruan untuk Klasifikasi Citra Daun
Pengolahan Citra
Ekstraksi Ciri Citra

Segmentasi Citra Grayscale dengan Metode K-Means Clustering CONTACT PERSON
PELATIHAN MATLAB SEMARANG
CATEGORIES
Data mining Pengenalan Matlab
Pengenalan Pola Pengolahan Citra Pengolahan Sinyal Pengolahan Video
POPULAR POSTS AND PAGES
INDONESIAN MATLAB COMMUNITY
Matlab Indonesia on Facebook
MATLAB INDONESIA PAGE
FOLLOW BLOG VIA EMAIL
Enter your email address to follow this blog and receive notifications of new posts by email.
Join 135 other followers
Follow
Follow Pemrograman Matlab 47 1
4 clc; clear; close all;
Img = imread( 'sky-grass.jpg' );
figure, imshow(Img), title( 'Original image' );
sehingga diperoleh tampilan
2. Melakukan transformasi ruang warna citra yang semula berada pada ruang warna RGB (red, green,
blue) menjadi ruang warna HSV (hue, saturation, value)
Citra HSV yang dihasilkan adalah
kluster 1
kluster 2
Share this:
algoritma fcm ,
Leave a Reply
Name *
Email *
Website
Post Comment
Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES

Follow
2 HSV = rgb2hsv(Img);
figure, imshow(HSV), title( 'HSV image' );
kluster 1
kluster 2
Share this:
algoritma fcm ,
Leave a Reply
Name *
Email *
Website
Post Comment

Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Follow
1
10
11
12
13
14
15
16
17
18
19 HS = double(HSV(:,:,1:2));
nrows = size(HS,1);
ncols = size(HS,2);
HS = reshape(HS,nrows*ncols,2);
nColors = 2;
[centers,U] = fcm(HS,nColors);
maxU = max(U);
index1 = find(U(1,:) == maxU);
figure,
plot(HS(index1,1),HS(index1,2), 'ob' )
hold on
plot(HS(index2,1),HS(index2,2), 'or' )
plot(centers(1,1),centers(1,2), 'xk' , 'MarkerSize' ,15, 'LineWidth
title( 'Fuzzy c-means clustering' )
hold of
kluster 1
kluster 2
Share this:
algoritma fcm ,
Leave a Reply
Name *
Email *
Website
Post Comment

Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Follow
1
10
11
12
13
14
15
16
17
18
19 HS = double(HSV(:,:,1:2));
nrows = size(HS,1);
ncols = size(HS,2);
nColors = 2;
maxU = max(U);
figure,
hold on
hold of
6 cluster_idx = zeros(nrows,ncols);
cluster_idx(index1) = 1;
pixel_labels = reshape(cluster_idx,nrows,ncols);
RGB = label2rgb(pixel_labels);
figure, imshow(RGB,[]), title( 'Image labeled by cluster index' );

kluster 1
kluster 2
Share this:
algoritma fcm ,
Leave a Reply
Name *
Email *
Website
Post Comment
Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Follow

2
10
11
12
13
14
15
16
17
18
19 HS = double(HSV(:,:,1:2));
nrows = size(HS,1);
ncols = size(HS,2);
nColors = 2;
maxU = max(U);
figure,
hold on
hold of
6 cluster_idx = zeros(nrows,ncols);
pixel_labels = reshape(cluster_idx,nrows,ncols);
RGB = label2rgb(pixel_labels);
figure, imshow(RGB,[]), title( 'Image labeled by cluster index' );
10
11 segmented_images = cell(1,3);
rgb_label = repmat(pixel_labels,[1 1 3]);
for k = 1:nColors
color = Img;
color(rgb_label ~= k) = 0;
segmented_images{k} = color;
end
figure,imshow(segmented_images{1}), title( 'Object in cluster 1'
figure,imshow(segmented_images{2}), title( 'Object in cluster 2'
Kluster 1
Kluster 2

Berikut Ini Mer

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Berikut Ini Mer

Diunggah oleh

Hak Cipta:

Format Tersedia

Berikut ini merupakan contoh pemrograman matlab untuk melakukan segmentasi warna suatu citra

Pada contoh ini dilakukan segmentasi warna citra untuk memisahkan

1. Membaca dan menampilkan citra asli

sehingga diperoleh tampilan

Citra HSV yang dihasilkan adalah

3. Melakukan klustering menggunakan algoritma

dihasilkan grafik seperti tampak pada gambar berikut

4. Menampilkan citra hasil segmentasi yang terlabelli

Citra hasil segmentasi

5. Menampilkan citra hasil segmentasi pada masing-masing kluster

penerapan pengolahan citra , penerapan segmentasi citra , Pengolahan Citra Digital,

Notify me of new comments via email.

Notify me of new posts via email. Source Code GUI

Jaringan Syaraf Tiruan untuk Prediksi menggunakan Matlab

Model Ruang Warna Pengolahan Citra

Perbaikan Kualitas Citra

Jaringan Syaraf Tiruan untuk Klasifikasi Citra Daun

Ekstraksi Ciri Citra

PELATIHAN MATLAB SEMARANG

Data mining Pengenalan Matlab

Pengenalan Pola Pengolahan Citra Pengolahan Sinyal Pengolahan Video

POPULAR POSTS AND PAGES

INDONESIAN MATLAB COMMUNITY

Matlab Indonesia on Facebook

MATLAB INDONESIA PAGE

FOLLOW BLOG VIA EMAIL

Join 135 other followers

Follow Pemrograman Matlab 47 1

4 clc; clear; close all;

Img = imread( 'sky-grass.jpg' );

figure, imshow(Img), title( 'Original image' );

sehingga diperoleh tampilan

3. Melakukan klustering menggunakan algoritma

dihasilkan grafik seperti tampak pada gambar berikut

4. Menampilkan citra hasil segmentasi yang terlabelli

Citra hasil segmentasi

5. Menampilkan citra hasil segmentasi pada masing-masing kluster

penerapan pengolahan citra , penerapan segmentasi citra , Pengolahan Citra Digital,

Notify me of new comments via email.

Notify me of new posts via email. Source Code GUI

Jaringan Syaraf Tiruan untuk Prediksi menggunakan Matlab

Model Ruang Warna Pengolahan Citra

Perbaikan Kualitas Citra

Jaringan Syaraf Tiruan untuk Klasifikasi Citra Daun

Ekstraksi Ciri Citra

Segmentasi Citra Grayscale dengan Metode K-Means Clustering CONTACT PERSON

PELATIHAN MATLAB SEMARANG

Data mining Pengenalan Matlab

Pengenalan Pola Pengolahan Citra Pengolahan Sinyal Pengolahan Video

POPULAR POSTS AND PAGES

INDONESIAN MATLAB COMMUNITY

Matlab Indonesia on Facebook

MATLAB INDONESIA PAGE

FOLLOW BLOG VIA EMAIL

Join 135 other followers

Follow Pemrograman Matlab 47 1

4 clc; clear; close all;

Img = imread( 'sky-grass.jpg' );

figure, imshow(Img), title( 'Original image' );

figure, imshow(HSV), title( 'HSV image' );

3. Melakukan klustering menggunakan algoritma

dihasilkan grafik seperti tampak pada gambar berikut

4. Menampilkan citra hasil segmentasi yang terlabelli