1.

Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan
sebagai"tindakan mengambil data mentah dan bertindak berdasarkan klasifikasi data".
Dengan demikian, ia merupakan himpunan kaidah bagi pembelajaran diselia ( supervised
learning ).
2. METODE METODE :
1. Ada 3 teori dalam pengenalan pola citra:

– Teori template

– Teori Feature

– Teori Struktural

2. Aplikasi – Aplikasi Pengenalan Pola

- Machine Vision
Pengenalan pola menjadi dasar dari sistem mesin ini. Mesin ini menangkap
sebuah atau sekelompok object dengan kamera dan selanjutnya dianalisa untuk di
deskripsikan object atau benda tersebut
- Character recognition (OCR)
Salah satu area pengenalan pola yang secara umum menangani permasalahan
otomatisasi dan informasi. Sistem OCR mempunyai front end device yang terdiri
dari pembangkit cahaya, lensa scan, document transport dan sebuah detektor.
- Computer aided diagnosis
Sistem ini membantu dokter dalam mengambil keputusan suatu diagnosis.
- Speech recognition
Pengenalan pola suara salah satu aplikasi yang berkembang saat ini. Sistem ini
mengijinkan kita untuk berkomunikasi antara manusia dengan memasukkan data
ke computer. Meningkatakan efisiensi industri manufaktur, mengontrol mesin
dengan berbicara pada mesin itu.
3. Pemilah Bayes (Classifier)

Tugas dari pemilah adalah untuk menyekat ruang fitur kedalam daerah-daerahas
(Gb.XX). Garis batas antar daerah keputusan disebutGambar 5.8 Daerah kelas dan 5
Tyang dilabeli dengan kelsebagai perbatasan keputusan. Pemilahan vektor fitur x
meliputi penentuandaerah keputusan yang sesuai dan pengelompokan x kedalam
kelas ini Pemilahdapat diwujudkan sebagai sekumpulan fungsi diskriminan Dalam
contoh diatas, pemilah menentukan vektor fitur x ke dalam kelas ωi jika g i ( x ) >g
 j (x ),∀i ≠ j

4. Metode Clustering

Clustering adalah suatu metode pengelompokan berdasarkan ukuran

kedekatan(kemiripan).Clustering beda dengan group, kalau group berarti kelompok
yang sama,kondisinya kalau tidak ya pasti bukan kelompoknya
3. Sd
4.

rgb = imread('apa.jpeg');
figure, imshow(rgb);
I = rgb2gray(rgb);
background = imclose(I,strel('disk',15));
I2 = imsubtract(background,I);
BW = im2bw(I2,graythresh(I2));
BW = bwareaopen(BW, 20);
fill = imfill(BW,'holes');
figure, imshow(fill);
figure = thresh_tool(I2);
BW = im2bw(I2,level/255);
 BW = bwareaopen(BW, 20);
fill = imfill(BW,'holes');
figure, imshow(fill);
[statsDefects,stats] = getStatsOnDefects(BW);
figure; imshow(rgb);
hold on;
for idx = 1 : length(statsDefects)
h = rectangle('Position', statsDefects(idx).BoundingBox, 'LineWidth',
2);
set(h,'EdgeColor',[.75 0 0]);
hold on
end
hold off;

rgb = imread('buku.jpg');
figure, imshow(rgb);
I = rgb2gray(rgb);
background = imclose(I,strel('disk',15));
I2 = imsubtract(background,I);
BW = im2bw(I2,graythresh(I2));
BW = bwareaopen(BW, 20);
fill = imfill(BW,'holes');
figure, imshow(fill);
figure = thresh_tool(I2);
BW = im2bw(I2,level/255);
BW = bwareaopen(BW, 20);
fill = imfill(BW,'holes');
figure, imshow(fill);
[statsDefects,stats] = getStatsOnDefects(BW);
figure; imshow(rgb);
hold on;
for idx = 1 : length(statsDefects)
h = rectangle('Position', statsDefects(idx).BoundingBox, 'LineWidth',
2);
set(h,'EdgeColor',[.75 0 0]);
hold on;
end
hold off;

5. - Proses transformasi dari bentuk tiga dimensi ke bentuk dua dimensi untuk menghasilkan
citra akan dipengaruhi oleh bermacam-macam faktor yang mengakibatkan penampilan
citra suatu benda tidak sama persis dengan bentuk fisik nyatanya.
- Segmentasi citra merupakan proses yang bertujuan untuk memisahkan suatu daerah
pada citra dengan daerah lainnya. Berbeda dengan pada citra non-tekstural, segmentasi
citra tekstural tidak dapat didasarkan pada intensitas piksel per piksel, tetapi perlu
mempertimbangkan perulangan pola dalam suatu wilayah ketetanggaan lokal.
- Hasil segmentasi yang didapatkan pada ekstraksi RGB dari gambar hasil pengujian ini
dapat diketahui bahwa intensity distribution untuk citra warna Red (R) sama dengan citra
warna Blue (B) yaitu 2. Sedangkan untuk ekstraksi citra warna Green (G) adalah 11.
- Tekstur merupakan karakteristik intrinsik dari suatu citra yang terkait d e n g a n t i ng k
at k ek a s a r a n ( r o u g h n e s s ) , g r a n u l a r i t a s (granulation), dan keteraturan
(regularity) susunan struktural piksel.
- Dalam hal ini, hasil tekstrur dari segmantasi citra warna Blue (B), menghasilkan citra
yang jauh lebih baik dari segmentasi citra yang lain.
 TUGAS 10
PENGOLAHAN CITRA DIGITAL + LAB

Oleh :
NO NAMA NIM

05 Firda Amalia Romana 1641160013

JTD – 3B

JARINGAN TELEKOMUNIKASI DIGITAL

POLITEKNIK NEGERI MALANG
Jalan Soekarno-Hatta No. 9, PO Box 04, Malang-65141
Tel. (0341) 404424, 404425, Fax. (0341) 404420