m n
xO( x, y)
m n
Pusat massa
x 1 y 1
yO( x, y)
x 1 y 1
x y
A A
Keliling (Perimeter)
P jumlah _ kode _ genap 2 jumlah _ kode _ ganjil
Standar Deviasi L
1 x m1 P( x)
x 0
Variance L
2 ( x m1 ) 2 P ( x )
x 0
Nilai mean square L
m2
x 0
x 2 P( x)
Skewness L
3 ( x m1 ) 3 P( x)
x 0
Kurtosis L
4 3 ( x m1 ) 4 P ( x) 3
x 0
Gradient
Nilai gradient untuk setiap pixel pada daerah suatu citra dapat
dihitung dengan rumus :
G( x, y) ( f x 1, y f x 1, y ) ( f x, y 1 f x, y 1 )
2 2
Fitur Gradient antara lain:
GrMean M 1 G ( x, y )
x , yROI
GrVariance M 1 (G (
x , yROI
x , y ) GrMean ) 2
3
GrSkewnes M 1GrVariance 2
(G (
x , yROI
x , y ) GrMean ) 3
GrKurtosis M 1GrVariance 2 (G (
x , yROI
x , y ) GrMean ) 4
3
M 1 q ( h 1)
Celah Horisontal
S1 (h) M ( p, q )
p 0 q ( h )
Cincin ( h 1) 2
S 3 ( h)
M ( , )
(h) 0
M 1 ( h 1)
Sektor
S 4 ( h) M ( , )
dengan 0 (h)
M ( p, q ) F ( p, q )
2
arctan( p q)
2 p2 q2
Wavelet
Fitur wavelet :
Energi Subband (d x, y subband ) 2
Esubband_ scale
x, y
n
n = jumlah piksel pada setiap subband
Koefisien wavelet
Cara 1 : memilih sejumlah kecil koefisien berdasarkan
magnitudo terbesar tanpa memperhatikan subband
Cara 2 : memilih sejumlah kecil koefisien berdasarkan
magnitudo terbesar dengan memperhatikan subband
Fitur berdasarkan warna
Citra dikonversikan ke dalam suatu ruang warna tertentu
Setiap komponen ruang dibuat histogramnya
Fitur yang diambil yaitu intensitas citra dengan frekuensi
tertinggi