Disusun oleh:
2023
A. Image Aquitision
Image acquisition adalah proses pengambilan data visual dari sumber seperti kamera atau
sensor dan mengubahnya menjadi representasi digital yang dapat diproses oleh komputer.
Proses ini melibatkan beberapa tahapan, seperti pencahayaan, pengambilan gambar, konversi
analog ke digital, dan pengolahan awal. Data gambar yang diakuisisi ini dapat digunakan dalam
berbagai aplikasi, seperti pemrosesan citra medis, visi komputer, pemantauan keamanan, dan
banyak lagi. Proses akuisisi gambar sangat penting dalam analisis dan pengolahan citra, karena
kualitas data awal dapat memengaruhi hasil akhir analisis citra.
Akuisisi gambar
Representasi gambar merupakan teknik yang dapat dianalisis dan dimanipulasi oleh
komputer. Proses ini juga dapat menggambarkan fitur gambar melalui cara yang
praktis tetapi bermakna.
Analisis gambar
Proses ini melibatkan pembuatan gambar baru atau kompresi gambar yang sudah ada.
Proses ini berfungsi untuk mengurangi persyaratan penyimpanan dan transmisi.
B. Preprocessing enhancement
Preprocessing enhancement adalah tahapan dalam pemrosesan citra yang bertujuan untuk
meningkatkan kualitas gambar atau mengoptimalkan informasi yang terkandung di dalamnya
sebelum melakukan analisis atau pengolahan lebih lanjut. Proses ini mencakup berbagai teknik
dan metode, seperti peningkatan kontras, penghilangan noise, peningkatan ketajaman,
peningkatan resolusi, serta koreksi warna dan distorsi, tergantung pada tujuan spesifik dari
pemrosesan citra tersebut. Preprocessing enhancement memungkinkan gambar yang diakuisisi
atau diperoleh menjadi lebih sesuai untuk analisis atau penggunaan tertentu dengan
menghilangkan gangguan atau meningkatkan kualitas visual dan informasi yang terkandung di
dalamnya.
Preprocessing enhancement memiliki berbagai manfaat dan fungsi dalam analisis data,
termasuk:
Membersihkan Data: Menghilangkan data yang hilang, duplikat, atau tidak valid
membantu meningkatkan kualitas data, sehingga hasil analisis lebih akurat.
Transformasi Data: Mengubah format atau struktur data sesuai kebutuhan analisis,
memudahkan pemahaman dan pengolahan data.
Reduksi Dimensi: Mengurangi jumlah fitur atau atribut dalam dataset dapat mengurangi
kompleksitas analisis, menghemat waktu, dan menghindari overfitting.
Pemrosesan Skala: Menyamakan skala fitur numerik menghindari bias dalam analisis
yang disebabkan oleh perbedaan skala.
Pemilihan Fitur: Memilih fitur-fitur yang paling relevan mengurangi kompleksitas model,
meningkatkan interpretasi hasil, dan menghemat sumber daya komputasi.
C. Segmentation
Segmentation adalah proses dalam pemrosesan citra yang bertujuan untuk memisahkan
atau mengidentifikasi area atau objek tertentu dalam sebuah gambar. Tujuan utama dari
segmentasi adalah untuk mempartisi gambar menjadi beberapa bagian yang memiliki
karakteristik atau atribut yang serupa. Proses ini memungkinkan pengenalan dan isolasi objek
atau fitur tertentu dalam citra, sehingga memungkinkan analisis lebih lanjut, seperti pengukuran,
klasifikasi, atau pelacakan objek.
Thresholding
Active contour
Segmentation warna berdasarkan komponen Hua
Deteksi tepi
Transformasi Hough
Watershed
Segmentasi citra merupakan tahapan penting dalam proses pengenalan pola. Setelah objek
berhasil tersegmentasi, maka kita dapat melakukan proses ekstraksi ciri citra. Ekstraksi ciri
merupakan tahapan yang bertujuan untuk mengekstrak ciri dari suatu objek di mana ciri
tersebut digunakan untuk membedakan antara objek satu dengan objek lainnya
Feature extraction dan feature description adalah dua tahap penting dalam pemrosesan
citra dan analisis citra komputer.
Tujuan: Menciptakan representasi data yang lebih sederhana dan informatif yang
dapat digunakan dalam analisis selanjutnya. Ini membantu dalam pengurangan
dimensi data, meningkatkan efisiensi, dan memungkinkan mesin untuk memahami
gambar dengan lebih baik.
Kedua tahapan ini sangat penting dalam visi komputer, pengenalan pola, dan berbagai
aplikasi di mana analisis citra diperlukan. Feature extraction dan description memungkinkan
sistem komputer untuk memahami dan mengambil keputusan berdasarkan informasi visual
yang diambil dari gambar atau citra.
E. Classification, interprestation, recognition
1. Classification (Klasifikasi)
2. Interpretation (Interpretasi)
3. Recognition (Pengenalan)
Ketiga konsep ini sering digunakan bersama dalam berbagai aplikasi, seperti visi komputer,
pengenalan pola, pengolahan citra medis, dan banyak lagi. Mereka bekerja bersama-sama untuk
memberikan pemahaman yang lebih dalam tentang informasi visual dalam citra dan membantu
dalam membuat keputusan atau tindakan berdasarkan informasi tersebut.
F. Result
G. Daftar Pustaka
https://binus.ac.id/malang/2023/07/pengolahan-citra-digital-konsep-dan-teknik/
https://www.trivusi.web.id/2022/09/image-processing.html?m=1
https://henny-19133.medium.com/jika-anda-ingin-berkecimpung-ke-dalam-dunia-
analisis-big-data-dibutuhkan-pengetahuan-dan-9b3288df828e
https://pemrogramanmatlab.com/pengolahan-citra-digital/segmentasi-citra/
https://machung.ac.id/artikel-prodi-if/mengenal-instance-segmentation-pada-
pengolahan-citra-digital/
ChatGPT