SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Image Feature Extraction

norman-garrison avatar
norman-garrison
15 diapositives · 553 Views · Nov 06, 2014

Image Feature Extraction. Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005. Image Feature Extraction. Image Feature Extraction adalah suatu proses untuk mendapat fitur-fitur pada suatu gambar.

#image feature extraction #image feature extraction ppt #powerpoint #presentation
Image Feature Extraction - slide 1
01 / 15Image Feature Extraction
1 / 17

Télécharger la présentation

Image Feature Extraction
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Image Feature Extraction Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005

  2. Image Feature Extraction • Image Feature Extraction adalah suatu proses untuk mendapat fitur-fitur pada suatu gambar. • Fitur yang baik adalah fitur yang dapat menunjukkan sifat spesifik dari suatu obyek gambar, sehingga setiap obyek gambar dapat dibedakan dengan obyek gambar yang lain • Dalam image processing proses image feature ini digunakan untuk image segmentation dan akhirnya untuk keperluan deteksi dan pengenalan dari suatu obyek gambar. • Feature Extraction tergantung pada gambar dan persoalan yang dihadapi dengan gambar tersebut.

  3. Image Feature Extraction • Low Level Image Feature Shape, Colour and Texture • Intermediate Level Image Feature Segmentation and Image Clustering • High Level Image Feature Motion Tracking

  4. Low Level Image Feature Fitur Warna Color Thresholding dan Color Histogram Fitur Bentuk Deteksi Tepi, Integral Proyeksi, Kuantisasi Rata-rata, Histogram, Eigen Face Fitur Tekstur Fourier Integral Operator, Filter Gabor, Wavelets

  5. Fitur Warna Color Thresholding Merah Color Histogram Color Thresholding Hijau Gray-scale Histogram Fitur ini digunakan bila setiap obyek gambar mempunyai warna yang spesifik

  6. Color Thresholding • Color thresholding merupakan proses seleksi (filter) terhadap suatu nilai warna. • Proses color thresholding ini dapat dilakukan dengan diambil nilai batas (threshold) yang static. • Proses color thresholding dapat dilakukan dengan mengubah model warna, misalkan untuk warna kulit digunakan model warna chormatic (YCrCb). • Proses color thresholding dinamik dapat dilakukan berdasarkan rata-rata warna yang didapatkan dari gambar-gambar acuan yang sebelumnya dibuat • Proses color thresholding dinamik dapat juga menggunakan algoritma cerdas, seperti algoritma bayes atau jaringan syaraf tiruan.

  7. Static Color thresholding Ir, Ig, Ib adalah interval untuk warna r, g dan b yang ditentukan secara spesifik Dimana : Misalkan untuk mengambil warna merah dilakukan dengan: IF r>200 and g<64 and b<64 THEN warna=merah Nilai threshold

  8. Color Thresholding Dinamik Dengan Rata-Rata Acuan • Sebelumnya diambil gambar-gambar contoh sebagai acuan untuk menentukan threholding dari warna yang diinginkan. • Dari data warna-warna tersebut diambil rata-rata dari setiap elemen warna: • Thresholdin dilakukan dengan jarak d dari setiap rata-rata elemen warna

  9. Color Thresholding Dinamik Dengan Rata-Rata Acuan

  10. Perbandingan Thresholding Static dan Dinamik Thresholding Dinamik Thresholding Static

  11. Color Histogram • Setiap gambar mempunyai distribusi warna tertentu. Distribusi warna ini dimodelkan dengan color histogram. • Color Histogram pada gambar I didefinisikan dengan:

  12. Color Histogram b b 256 16 256 16 256 16 r r g g

  13. Aplikasi Color Histogram • Pengenalan buah • Pengenalan kematangan buah • Content Based Image Retrieval menggunakan fitur warna

  14. Fitur Bentuk Fitur ini digunakan bila gambar setiap obyek mempunyai bentuk yang spesifik Deteksi Tepi Integral Proyeksi Kuantisasi Rata-rata

  15. Aplikasi Fitur Bentuk • Pengenalan wajah (Face Recognition) • Deteksi wajah • Deteksi Lokasi • Pengenalan tulisan (huruf/angka)