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.
2. Melakukan transformasi ruang warna citra yang semula berada pada ruang warna RGB (red, green,
blue) menjadi ruang warna HSV (hue, saturation, value)
fuzzy c-means , dengan masukan berupa nilai hue dan saturation dari citra HSV
Berdasarkan pada grafik di atas, tampak bahwa algoritma fuzzy c-means berhasil mempartisi data
masukan menjadi dua buah 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 ,
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Your email address will not be published.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
Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Enter your email address to follow this blog and receive notifications of new posts by email.
Follow
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
fuzzy c-means , dengan masukan berupa nilai hue dan saturation dari citra HSV
Berdasarkan pada grafik di atas, tampak bahwa algoritma fuzzy c-means berhasil mempartisi data
masukan menjadi dua buah 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 ,
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
Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Follow
2 HSV = rgb2hsv(Img);
fuzzy c-means , dengan masukan berupa nilai hue dan saturation dari citra HSV
Berdasarkan pada grafik di atas, tampak bahwa algoritma fuzzy c-means berhasil mempartisi data
masukan menjadi dua buah 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 ,
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
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Enter your email address to follow this blog and receive notifications of new posts by email.
Follow
1
2 HSV = rgb2hsv(Img);
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);
figure,
plot(HS(index1,1),HS(index1,2), 'ob' )
hold on
plot(HS(index2,1),HS(index2,2), 'or' )
hold of
Berdasarkan pada grafik di atas, tampak bahwa algoritma fuzzy c-means berhasil mempartisi data
masukan menjadi dua buah 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 ,
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
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Enter your email address to follow this blog and receive notifications of new posts by email.
Follow
1
2 HSV = rgb2hsv(Img);
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);
figure,
plot(HS(index1,1),HS(index1,2), 'ob' )
hold on
plot(HS(index2,1),HS(index2,2), 'or' )
hold of
6 cluster_idx = zeros(nrows,ncols);
cluster_idx(index1) = 1;
cluster_idx(index2) = 2;
pixel_labels = reshape(cluster_idx,nrows,ncols);
RGB = label2rgb(pixel_labels);
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 ,
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
Segmentasi Citra
Deteksi Tepi
Pengolahan Citra
CATEGORIES
Enter your email address to follow this blog and receive notifications of new posts by email.
Follow
2 HSV = rgb2hsv(Img);
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);
figure,
plot(HS(index1,1),HS(index1,2), 'ob' )
hold on
plot(HS(index2,1),HS(index2,2), 'or' )
hold of
6 cluster_idx = zeros(nrows,ncols);
cluster_idx(index1) = 1;
cluster_idx(index2) = 2;
pixel_labels = reshape(cluster_idx,nrows,ncols);
RGB = label2rgb(pixel_labels);
10
11 segmented_images = cell(1,3);
for k = 1:nColors
color = Img;
color(rgb_label ~= k) = 0;
segmented_images{k} = color;
end
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.