Modul Kegiatan Pembelajaran Laboratorium Mata Praktikum, : Komputasi Cerdas Berbasis Visi Kode : 4616374 SKS 4 Program Studi : Teknik Informatika Semester : 6 Tahun Akademik 2022/2023 Praktek Ke a Instruktur : TUJUAN PRAKTIKUM : Mampu menerapkan beberapa teknik pengolahan citra sebagai pra-proses dari sistem komputasi berbasis visi baik pada domain spasial maupun domain frekuensi. URAIAN KEGIATAN PRAKTIKUM : 2.1. Dasar Pengolahan Citra a) Membaca dan menampilkan gambar pada command window i. Baca citra dengan nama ‘pout.tif’ dengan perintah imread T = imread('pout.tif'); ii, Tampilkan citra dengan fungsi imshow imshow(I) b) Periksa bagaimana gambar muncul di Workspace dengan perintah ‘whos’ pada command window. whos. T Catat dan jelaskan tentang variabel yang menyimpan gambar yang dibaca. ) Periksa level kekontrasan dari citra yang dibaca melalui histogram dengan perintah imhist. figure imbist (2) d) Tingkatkan kekontrasan dari citra input dengan perintah 12 = histeq(1); Figure imshow(12) e) Periksa kekontrasan dari citra hasil proses (d) dengan imhist figure fini st(22) Bandingkan histogram yang dihasilkan dengan histogram citra input. Jelaskan. ) Menyimpan hasil pengolahan citra dalam bentuk file dengan perintah : imwrite (12, ‘pout2.png');2.2. Filtering Sebelum melakukan proses filtering, baca citra input sebagai berikut I = imread(‘eight.tif'); imshow(1) ; Proses filtering pada matlab dapat dilakukan dengan menentukan filter terlebih dahulu dan diikuti dengan perintah ‘imfilter’. Secara garis besar filter dapat dibagi menjadi dua yaitu: 1. Smoothing filter a, Box filter (average filter) h = fspecial( ‘average’ ,5); I2=imfilter(I,h); figure imshou(12) Ulangi perintah diatas dengan ukuran filter 7 dan 9. Bandingkan dan jelaskan perbedaan hasilnya b. Gaussian filter h = fspecial(' gaussian’ ,5,1); I2=imfilter(I,h); figure imshow(12) Ulangi perintah diatas dengan nilai sigma atau standard deviasi 2 dan 3. Bandingkan dan jelaskan perbedaan hasilnya ©. Median filter J = imnoise(I, ‘salt & pepper’ ,@.02); %menambahkan noise salt and pepper k = mea#i1t2(3,[3,3])5 Ulangi perintah diatas dengan probabilitas noise 0.2. Lakukan filtering dengan ukuran filter 3x3 dan 5x5. Bandingkan dan jelaskan perbedaan hasilnya 2. Sharpening filter a. Laplacian filter h = fspecial('laplacian’ ,@) I2-imfilter(I,h); Figure imshow(12) T3=1+125 Figure imshow(13) Jelaskan hasil laplacian filter jika dibandingkan dengan citra input b. Sobel Filter I = imread('circuit.tif'); imshow(1) ; hi=fspecial (‘sobel’); T2eimfilter(I,h1)3 figure imshow(12) hash? 5 T2=imfilter(1,h2); figure imshow(12) Jelaskan perbedaan hasil filter sobel h1 dan h2 c. Prewitt filter I = imread(‘circuit.tif');imshow(I) 5 hi=fspecial(‘prewitt”); Tasinfilter(I,h1)3 Figure imshow(12) ha=hi?; T2=infilter(I,h2)5 figure imshow(12) Jelaskan perbedaan hasil filter Prewitt hl dan h2