25 November 2008

GUI matlab



Perhatikan gambar disamping !

GUI (Graphical User Interface) yang biasa kita buat untuk segala jenis pencitraan, dan saat ini aplikasi yang akan kita pakai adalah Matlab.Tampilan awal pemakaian atau pembuatan GUI pada aplikasi MatLab .
Lalu selanjutnya untuk kali ini kita akan membuat contoh dari GUI yang telah disinggung sedikit di awal. Berikut adalah contoh dari tampilan image yang akan difilter dengan indicator peubah yang dapat diubah sesuai dengan batas yang sudah kita tentukan. Batas yang dgunakan yaitu 0,2 untuk minimumnya sedangkan 3 untuk maksimumnya. "perhatikan gambar di bawah ini "















Selanjutnya image juga dapat di transfer keabuan atau yag biasa kita kenal Grayscale. Lalu setelah ubahan tadi telah kita ubah sesuai kebutuhan, maka yang hasus kita lakukan adalah memilih action button Ubah. Kita juga dapat melakukan pengubahan secara berulang apabila image belum sesuai dengan kebutuhan. Terakhir, apabila telah selesai maka pilih tombol keluar.





23 November 2008

Pemampatan Citra

Pemampatan Data Citra

Kebutuhan ketersediaan citra dalam bentuk digital kian waktu semakin meningkat seiring dengan perkembangan komputerisasi multimedia. citra dalambentuk ini sangat diperlukan dalam bidang pendidikan, citra satelit, peta cuaca,dan bidang lainnya. Penyimpanan, manipulasi serta pengolahan data citra bentuk mentah
sangatlah mahal. Komputer yang diperlukan untuk melakukan aktivitas-aktivitas tersebut harus mempunyai spesifikasi media penyimpanan data berkapasitas besardan berkemampuan mentransfer data dengan cepat. Maksud dari kompresi data citra adalah usaha untuk memperkecil jumlah bit yang diperlukan untuk menyatakan sebuah data (citra) merupakan suatu proses pengubahan lambang masukan ke dalam sandi keluaran yang dikehendaki. Jika pemapayan efektif, maka hasil berkas keluarannya akan lebih kecil dari berkas aslinya. Sehingga kompresi adalah suatu teknik yang digunakan untuk memperkecil ukuran berkas masukan sehingga dapat dimuat dalam media penyimpanan.
Dengan teknik kompresi diharapkan

1. Menghemat ruang penyimpanan, misalnya
hardisk,
2. Menghemat waktu akses CPU (Central Processing
Unit), dan
Jika menggunakan jaringan komputer, data yang
telah dikompresi tidak memerlukan waktu yang
banyak untuk dikirimkan sehingga menghemat rentang
waktu pengiriman.

Teknik ini dapat dibagi menjadi dua kelas besar
yaitu:

1. Pemampatan yang bersifattanpa merugi
(lossless).

2. Pemampatan yang bersifat merugi (lossy).
Teknik Pemampatan data citra yang bersifat tanpa
merugi digunakan untuk mereduksi ukuran data citra
dengan memberikan hasil penampakan yang tepat
sama dengan citra aslinya. Dengan kata lain tingkat
ketepatan hasil Pemampatan sebesar 100% terhadap
citra asli.
Teknik Pemampatandata citra yang bersifat
merugi digunakan untuk mereduksi ukuran data lebih
jauh dengan memberikan hasil penampakan yang
mirip dengan citra asli. Sekalipun terdapat perbedaan
antara citra asli dan citra hasil Pemampatan, tapi tidak
akan terlihat oleh mata manusia. Teknik yang bersifat
merugi banyak dipakai dalam memampatkan data
citra, mengingat teknik ini mempunyai rasio
Pemampatan yang lebih tinggi daripada teknik yang
bersifat tanpa merugi (Fournier, 1995).
Salah satu prosedur standar Pemampatan merugi
melalui penyandian transform, ini diperlihatkan pada
Ide ini bertujuan menampilkan data menggunakan
basis matematika yang berbeda dengan harapan
tampilan baru itu akan memperjelas korelasi yang ada.

Pemampatan dicapai dengan
memperhitungkan
transform yang berhubungan dengan basis ini, nilai
koefisien di bawah batas ambang sampai menuju 0,
dan penyandian (encoding) tanpa merugi koefisien
yang tidak bernilai 0.
2.2. Algoritma Alihragam Pemampatan
Pada dasarnya algoritma Pemampatan alihragam
terdiri atas tiga tahap, yaitu:
1. Alihragam,
2. Kuantisasi, dan
3. Penyandian.
Transformasi dalam 2-D bisa diturunkan secara
lanwaveletung dari 1-D. Dalam setiap tahap, berarti
menerapkan alihragam 1-D menjadi baris dan kolom

Pendeteksian Tepi ( Edge Detection )

Deteksi Tepi

Prinsip-Prinsip Deteksi Tepi
pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah :

• Untuk menandai bagian yang menjadi detail citra
• Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error
atau adanya efek dari proses akuisisi citra
Suatu titik (x,y) dikatakan sebagai tepi dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya.

Contoh:
Diketahui fungsi citra f(x,y) sebagai berikut:
1 1 1 1 1
1 1 1 1 0
1 1 1 0 0
1 1 0 0 0
1 0 0 0 0
Dengan menggunakan filter :

Maka Hasil filter adalah :
0 0 0 0 1
0 0 0 1 0
0 0 1 0 0
0 1 0 0 0
1 0 0 0 0

Untuk mencoba perhitungan di atas dapat dilakukan dengan cara manual menggunakan
perhitungan konvolusi yang telah dibahas pada bab 5, atau dengan memanfaatkan
program konvolusi.
Macam-macam metode untuk proses deteksi tepi ini, antara lain:
1. Metode Robert
2. Metode Prewitt
3. Metode Sobel
Metode yang banyak digunakan untuk proses deteksi tepi adalah metode Robert, Prewitt
dan Sobel, Gonzalez[1].

Metode Robert

Metode Robert adalah nama lain dari teknik differensial yang dikembangkan di
atas, yaitu differensial pada arah horisontal dan differensial pada arah vertikal, dengan
ditambahkan proses konversi biner setelah dilakukan differensial. Teknik konversi biner
yang disarankan adalah konversi biner dengan meratakan distribusi warna hitam dan
putih [5], seperti telah dibahas pada bab 3. Metode Robert ini juga disamakan dengan
teknik DPCM (Differential Pulse Code Modulation)
Kernel filter yang digunakan dalam metode Robert ini adalah:

Metode Prewitt
Metode Prewitt merupakan pengembangan metode robert dengan menggunakan
filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari
fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF.

Metode Sobel
Metode Sobel merupakan pengembangan metode robert dengan menggunakan filter
HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi
laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF.
Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum
melakukan perhitungan deteksi tepi.
Penajaman Citra Digital Citra Satelit

Satelit penginderaan jauh dapat dibedakan berdasarkan jenis gelombang mikro yang digunakan, yaitu sistem. Bahan yang digunakan dalam proses perbaikan datapasif (optik) dan sistem aktif (radar). Pada sistem pasif, sensor digital adalah citra satelit daerah Semarang dan sekitarnya merekam objek (permukaan bumi) yang mendapat sinar yang direkam oleh satelit Adeos dengan waktu perekaman matahari sebagai sumber energi, sehingga kualitas citra yang berbeda, baik yang belum terkoreksi maupun yang bergantung pada intensitas sinar matahari. Apabila objek telah terkoreksi secara geometrik. Sebagai data penunjang tertutup awan maka objek tidak terlihat atau tidak digunakan peta topografi. Koreksi dilakukan menggunakan gambarkan. Pada sistem aktif, sensor merekam objek dengan menggunakkan komputer dengan paket program pengolah data (software) gunakan energi elektromagnetik buatan yang dipancarkan
ER-Mapper versi 6.0. dari sensor dan kemudian diterima kembali oleh antena Energi elektromagnetik tersebut Koreksi radiometrik merupakan teknik perbaikan citra berupa gelombang pendek (microwave) dengan panjang satelit untuk menghilangkan efek atmosferik yang gelombang bervariasi (2,60-30 cm) atau X, C, S, L-band dan mengakibatkan kenampakan bumi tidak selalu tajam. Koreksi mempunyai kemampuan menembus awan, sehingga tidak radiometrik dilakukan dengan prosedur sebagai berikut terpengaruh cahaya matahari dan dapat bekerja siang malam. kemudian klik Algorithm. Setelah Algorithm muncul di layar monitor kemudian file data set dimasukkan (Mapper, 1998). Satelit Adeos milik Jepang yang telah diluncurkan membawa dua sensor (optik dan radar) sekaligus dalam perekamannya. Dengan demikian, citra satelit Adeos sangat berguna untuk mengkaji sumber daya alam daratan dan
Klik dan masukkan file data set lautan karena keduanya saling melengkapi (Nasda, 2000). Untuk dapat memberikan informasi yang benar, baik Klik untuk memunculkan transform jenis informasi maupun skalanya, rekaman citra satelit Adeos perlu diperbaiki. Perbaikan citra mencakup koreksi Klik untuk melaksanakan koreksi radiometrik radiometrik dan geometrik. Koreksi radiometrik dilakukan dengan teknik Gaussian equalize karena adanya efek atmosferik yang mengakibatkan kenampakan bumi tidak selalu tajam. Langkah kerja teknik koreksi radiometrik dengan paket program pengolah data (software) ER-Mapper versi 6.0 geometrik merupakan upaya memperbaiki citra dari pengaruh kelengkungan bumi dan gerakan muka bumi dengan cara menyesuaikannya dengan koordinat bumi (memposisikan
Koreksi geometrik merupakan proses memposisikan letak lintang dan bujur), sehingga sesuai dengan koordinat citra sehingga cocok dengan koordinat peta dunia yang peta dunia. sesungguhnya. Ada beberapa cara dalam pengoreksian ini, Tulisan ini menjelaskan proses perbaikan data digital antara lain triangulasi, polinomial, orthorektifikasi dengan
dari data optik citra satelit Adeos. Perbaikan mencakup menggunakan titik-titik kontrol lapangan (ground control koreksi radiometrik (penajaman citra) dengan teknik
point), proyeksi peta ke peta, dan registrasi titik yang telah Gaussian equalize dan koreksi geometrik image to image. diketahui (known point registration). Dalam tulisan ini
hanya diterangkan koreksi dengan cara polinomial dengan cara menyiapkan citra satelit yang telah terkoreksi di daerah yang sama dengan citra yang akan dikoreksi.

Langkah pertama dalam koreksi geometrik dengan cara polinomial adalah menentukan titik-titik pada citra yang mudah dikenali, misalnya perpotongan jalan, lekukan sungai, serta kenampakan lain yang jelas terlihat pada kedua citra. Koordinat pada citra yang terkoreksi dicatat kemudian koordinat untuk setiap titik yang sama dimasukkan ke dalamtitik-titik pada citra yang akan dikoreksi. Setelah semuanya dicatat, software dapat mengeksekusinya dengan men- jalankan menu rektifikasi (rectify). Proses rektifikasi dapatdijelaskan sebagai berikut: Pada menu utama klik Process kemudian Geocoding Wizard.


HASIL DAN PEMBAHASAN
citra satelit harus diperbaiki dan dibetulkan antara lain
dengan menggunakan acuan koordinat peta topografi.
Koreksi Radiometrik
Proses ini dikenal dengan koreksi geometrik.
Koreksi geometrik merupakan proses memposisikan
Koreksi radiometrik merupakan tahap awal pengolahan
citra sehingga cocok dengan koordinat peta dunia yang
data sebelum analisis dilakukan untuk suatu tujuan, misal-
sesungguhnya. Dalam proses ini akan ditampilkan juga
nya untuk identifikasi liputan lahan pertanian. Proses
ketidaktepatan dalam memasukkan koordinat dengan letak
koreksi radiometrik mencakup koreksi efek-efek yang ber-
titik sesungguhnya. Pada dasarnya kesalahan tersebut
hubungan dengan sensor untuk meningkatkan kontras
masih dapat diterima sepanjang masih memenuhi kaidah-
(enhancement) setiap piksel (picture element) dari citra,
kaidah kartografi. Ketepatan koreksi geometrik berdasarkan
sehingga objek yang terekam mudah diinterpretasikan atau
skala ditampilkan pada Tabel 1.
dianalisis untuk menghasilkan data/informasi yang benar
sesuai dengan keadaan lapangan. Setiap software pengolah
Jumlah titik yang dicatat koordinatnya minimal empat
data citra mempunyai modul untuk menjalankan proses ini.
titik. Titik-titik tersebut dianjurkan menyebar terutama pada
Ada beberapa cara dalam mengoreksi dan memperjelas nilai
daerah yang bertopografi berbukit sampai bergunung. Dapat
spectral citra satelit. Gambar 2 merupakan contoh hasil
diperhatikan di sini bahwa bulatan-bulatan kecil pada citra
koreksi radiometrik dengan transformasi Gaussian equalize.
yang akan dikoreksi mempunyai kenampakan yang kurang
lebih sama dengan kenampakan pada citra terkoreksi dilihat bahwa citra satelit nampak hitam, hampir tidak ada
informasi yang dapat diidentifikasi atau dikenali Citra tersebut merupakan citra asli (data hasil rekaman
Tabel 1. Ketepatan koreksi geometrik menurut skala peta
satelit) yang masih dipengaruhi oleh efek atmosferik.
Skala peta
Ketepatan (m)
Setelah dilakukan koreksi radiometrik, pada citra tersebut
1 : 25.000
6-12,50
tampak beberapa objek sumber daya lahan yang dapat
1 : 50.000
12,50-25
dikenali, seperti laut, garis pantai, dan daratan (Gambar 2,
1 : 100.000
25-50
kanan).
Buletin Teknik Pertanian Vol. 7. Nomor 1, 2002
5

Titik yang diketahui (x, y)
Citra terkoreksi
X

Y
Rotasi
Meter/Derajat timur
Gambar 5. Proses rektifikasi digambarkan secara grafis
B
A
Gambar 3. Citra yang telah terkoreksi geometrik (A) dan citra
yang akan dikoreksi geometrik (B)
KESIMPULAN
Sebelum dianalisis, citra satelit perlu diperbaiki melalui
proses koreksi radiometrik dan koreksi geometrik. Koreksi
radiometrik dilakukan untuk mendapatkan detil informasi
yang jelas, sehingga akan mengurangi kesalahan dalam
menginterpretasi, mengidentifikasi, dan mengklasifikasi citra
satelit. Koreksi geometrik bertujuan untuk memposisikan
citra satelit dengan peta dunia, sehingga akan mendapatkan
citra satelit yang mempunyai koordinat lintang/bujur
ataupun UTM yang sesuai dengan peta topografi. Setelah
dilakukan koreksi geometrik skala peta menjadi benar.

Pelembutan Citra ( Image Smoothing )

Pelembutan Citra (Image Smoothing)

Tujuan Pelembutan Citra

Menurunkan/menekan gangguan (noise) pada Citra

– Gangguan pada Citra umumnya berupa variasi intensitas pixel yang tidak berkorelasi dengan pixel tetangganya.
– Pelembutan Citra Pixel yang terkena gangguan umumnya mempunyai frekuensi tinggi
–dilakukan dengan menekan komponen yang berfrekuensi tinggi dan membiarkan /meloloskan komponen yang berfrekuensi rendah
– Contoh : Citra yang terkena gangguan spike


• Proses Pelembutan pada domain spasial
dilakukan dengan mengganti nilai pixel dengan
nilai rata-rata pixel tetangganya
– Citra awal f(x,y) berukuran NxM
– Citra hasil pelembuatn g(x,y)
– d jumlah pixel yang terlibat dalam perhitungan rata-
rata

• Operasi rata-rata dapat dipandang sebagai konvolusi
antara Citra f(x,y) dengan filter h(x,y) (mean filter) :
atau
(domain frekuensi)
• Contoh filter, tanda dot menyatakan posisi (0,0) pixel yang
dikonvolusikan
• Contoh hasil Pelembutan dengan filter 3x3, hasil tampak
kabur (blurring)

Penapis Lolos Rendah
(Low Pass Filter / LPF)

• Syaratnya

– Semua koefisien filter harus positif
– Jumlah semua koefisien harus sama dengan 1

• Contoh Penapis Lolos Rendah rata-rata:
Nilai 9 diperoleh darihasil perhitungan konvolusi

• Penapis Lolos Rendah lain yang digunakan untuk
Operasi Pelembutan

Penapis Lolos Rendah
(Low Pass Filter / LPF)

Jika Citra hasil penapisan lolos rendah dikurangi dari Citra semula (yang mengandung derau), maka yang dihasilkan adalah peningkatan relatif komponen Citra yang berfrekuensi tinggi tanpa peningkatan derau. Akibatnya Citra hasil pengurangan muncul lebih tajam Dari Citra semula. Ini dapat digunakan untuk menonjolkan bagian Citra yang tidak jelas.

Perataan Histogram




Perataan Histogram

• Pengertiannya
– Mengubah derajat keabuan suatu pixel (r) dengan derajat keabuan yang baru dengan suatu fungsi transformasi T, dimana s=T(r)
• Sifatnya
– Nilai s adalah pemetaan 1 ke 1 dari r, sehingga r dapat diperoleh dari transformasi invers r = T
-1
(s) , 0 <= s <= 1
– Untuk 0<= r
i
<= 1, maka 0 <= T(r) <= 1
• Contoh, Perhitungan perataan histogram. Pembulatan ke nilai r terdekat
• Contoh, Perhitungan perataan histogram. Hasil transformasinya
– Notasinya
• Contoh, Perhitungan perataan histogram. Hasil rangkuman transformasinya

18 November 2008

script perataan image

I=imread('rice.tif');
J=imadjust(I,[0.15 0.9],[0 1]);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);

script_matlab_grayscale

function varargout = GUIdemo(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @GUIdemo_OpeningFcn, ...
'gui_OutputFcn', @GUIdemo_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin & isstr(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
function GUIdemo_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;

guidata(hObject, handles);

image_file = get(handles.inEdit,'String');
if ~isempty(image_file)
im_original=imread(char(image_file));
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(im_original);
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
end;

function varargout = GUIdemo_OutputFcn(hObject, eventdata, handles)
varargout{1} = handles.output;


function edit3_CreateFcn(hObject, eventdata, handles)
if ispc
set(hObject,'BackgroundColor','white');
else
set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor'));
end



function inEdit_CreateFcn(hObject, eventdata, handles)
if ispc
set(hObject,'BackgroundColor','white');
else
set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor'));
end



function inEdit_Callback(hObject, eventdata, handles)
function loadPush_Callback(hObject, eventdata, handles)

image_file = get(handles.inEdit,'String');
if ~isempty(image_file)
im_original=imread(char(image_file));
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(im_original);
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
end;
function transfCheck_Callback(hObject, eventdata, handles)
function intSlider_CreateFcn(hObject, eventdata, handles)
usewhitebg = 1;
if usewhitebg
set(hObject,'BackgroundColor',[.9 .9 .9]);
else
set(hObject,'BackgroundColor',get(0,'defaultUicontrolBackgroundColor'));
end

function intSlider_Callback(hObject, eventdata, handles)
t = get(handles.intSlider,'value');
set(handles.valText,'String',num2str(t));
function appPush_Callback(hObject, eventdata, handles)
Flag = get(handles.transfCheck,'value');
scale = get(handles.intSlider,'value');
image_file = get(handles.inEdit,'String');
orim=imread(char(image_file));

orim = double(orim);

if Flag == 0

nim = orim*scale;
nim = (nim <=255 ).*nim + (nim>255)*255;
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(orim/255);
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','OFF');
set(handles.newIm,'HandleVisibility','ON');
axes(handles.newIm);
m = max(max(max(nim)));
if m>255
t = m;
else t = 255;
end;
image(nim/t);
axis equal;
axis tight;
axis off;
set(handles.newIm,'HandleVisibility','OFF');
else
im = floor((orim(:,:,1)+orim(:,:,2)+orim(:,:,3))/3);
set(handles.newIm,'HandleVisibility','OFF');
set(handles.orgIm,'HandleVisibility','ON');
axes(handles.orgIm);
image(im);
colormap(gray(256));
axis equal;
axis tight;
axis off;
set(handles.orgIm,'HandleVisibility','OFF');

nim = im*scale;
nim = (nim>255)*255+(nim<=255 & nim>0).*nim;
set(handles.newIm,'HandleVisibility','ON');
axes(handles.newIm);
image(nim);
colormap(gray(256));
axis equal;
axis tight;
axis off;
set(handles.newIm,'HandleVisibility','OFF');
end;


function closePush_Callback(hObject, eventdata, handles)
close all;

algoritma histogram (listing)

algoritma histogram

ALGORITMA HISTOGRAMUntuk citra misal ukuran 128 x 128 dengan 256 graylevel (0 s/d 255)

Var
i,j,w,g : integer ;
hist : array[0..255] of integer;
beginfor w := 0 to 255 do hist[w] := 0;
for i := 0 to 127 dofor j := 0 to 127 dog := image[i,j];
hist[g] := hist[g] + 1;
end;
end;
end;
ALGORITMA BRIGHTNESSVartemp,c,i,j : integer ;
beginfor i := 0 to 127 dofor j := 0 to 127 dobegintemp := image[i,j] + c;
if temp>255 then temp:= 255;
if temp<0 then temp:=0;
imagehasil[i,j] := temp;
end;
end;
end;

dasar dasar citra digital

Dasar Dasar Citra Digital..

2.1 Elemen-elemen dalam Persepsi Visual
Gambar-gambar yang selama ini dimiliki dan dilihat oleh manusia merupakan hasilpencitraan dari sebuah cahaya yang ditangkap oleh mata melalu retina-nya.Demikian juga dengan ilmu pengolahan citra digital, yang meskipun dibangundengan dasar matematis dan teori dan formula probabilitas, intuisi dan analisaseorang manusia lebih memiliki peranan penting dalan memilih mana yang lebih baikdari sebuah teknik yang satu dengan teknik yang lain. Pilihan yang dipakai cenderungmerupakan pilihan yang subjektif. Hal ini dikarenakan terbatasnya kemampuan fisikmanusia dalam memproyeksikan citra yang mereka lihat dan amati.2.1.1 Pembentukan Bayangan pada mata.Oleh karena itu, sebelum mengenal lebih jauh tentang citra digital maka kitasebaiknya mengenal dengan baik alat alami yang dimiliki oleh manusia untuk melihatcitra-citra tersebut.Namanya adalah mata, mata adalah salah satu alat tubuhmanusia paling vital, dengan mata manusia dapat dengan cepat memutuskan sebuahpermasalahan yang mereka hadapi. Mata memproses semua cahaya yang masukkedalam mata dan mempersepsikannya menjadi sebuah bayangan. Bayangan inikemudian dikirim ke otak berupa sinyal yang kemudian akan dipersepsikan oleh otakmenjadi sebuah benda yang kemudian dapat disebut kan oleh manusia bendaapakah yang dikirimkan oleh mata ke otak dan berikut dengan informasi lainnya.
2.1.2 Adaptasi terhadap Tingkat Kecerahan dan Discrimination.
Mata memiliki kemampuan untuk mengadaptasi secara alamiah terhadap seberapabanyaknya cahaya yang masuk kedalam mata untuk mendapatkan pandangan yangbaik dan memiliki daya reflek yang memungkinkan mata terlindungi dari masuknyacahaya yang berlebihan kedalam mata. Mata dapat mengadaptasi jumlah intensitascahaya dalam range sebesar106 .Dimana jarak transisi dari scotopic sampai lepadaphotopic vision sebesar 0.001 sampai 0.1 milliambert(-3 sampai -1mL dalam skalaLog).
Kemampuan mata untuk berdapatasi dengan berbagai macam intensitascahaya disebut dengan Brightness Adaptation. Kemampuan mata dalammembedakan antara perubahan dari intensitas cahaya pada level apapun jugamerupakan bagian yang unik untuk diteliti lebih lanjut. Dimana dengan menelitipeningkatan dari level illuminance (kecerahan) dalam durasi sangat cepat yangmuncul sebagai sebuah lingkaran tengah disebuah permukaan. Ada dua fenomenadalam yang secara jelas mendemokan bagaimana sebuah tingkat kecerahan tidaksesederhana sebuah fungĂ­s indentitas.
Pertama, berdasarkan kepada fakta bahwasistem penglihatan cenderung untuk melihat daerah-daerah sekitar dari objek yangdiamati sehingga kita menemukan tingkat kecerahan yang beda-beda dari sebuahbenda atau objek.Kedua, fenomenanya disebut sebagai simultaneous contrast.Fenomena ini berhubungan dengan fakta bahwa wilayah yang mendapatkan cahayatidak bergantung pada intensitas cahayanya. Jadi bisa disebut opticalillusions.

Program MatLab HIstogram

ListingProgram:
functionvarargout=ich_hist0(varargin)
gui_Singleton=1;
gui_State=struct('gui_Name',mfilename,...
'gui_Singleton',
gui_Singleton,...
'gui_OpeningFcn',@ich_hist0_OpeningFcn,...
'gui_OutputFcn',@ich_hist0_OutputFcn,...'gui_LayoutFcn',[],...'gui_Callback',[]);
ifnargin&isstr(varargin{1})gui_State.gui_Callback=str2func(varargin{1});
endifnargout[varargout{1:nargout}]=gui_mainfcn(gui_State,varargin{:});
elsegui_mainfcn(gui_State,varargin{:});
end%endofnitilializationcode--editedbyich

%--Executesjustbeforeich_hist0ismadevisible.functionich_hist0_OpeningFcn(hObject,eventdata,handles,varargin)handles.output=hObject;
guidata(hObject,handles);
functionvarargout=ich_hist0_OutputFcn(hObject,eventdata,handles)
varargout{1}=handles.output;

%---ExecutesonbuttonpressinTombol_buka.functionTombol_buka_Callback(hObject,eventdata,handles)[nama_file1,nama_path1]=uigetfile(... {'*.bmp;*.jpg','FileCitra(*.bmp,*.jpg)';'
*.bmp','FileBitmap(*.bmp)';...
*.jpg','FileJpeg(*.jpg)';'*.*','SemuaFile(*.*)'},...
'BukaFileCitraHost/Asli');
if~isequal(nama_file1,0)handles.data1=imread(fullfile(nama_path1,nama_file1));
guidata(hObject,handles);
handles.current_data1=handles.data1;
axes(handles.axes1);
imshow(handles.current_data1);
axes(handles.axes2);
%membuattresholdingimagelevel=graythresh(handles.current_data1);
bw=im2bw(handles.current_data1,level);
imshow(bw);axes(handles.axes3);
%merotasikan35cwimrotate(handles.current_data1,35);
elsereturn;
endset(handles.text2,'String',nama_file1);
set(handles.text5,'String',size(handles.data1,1));
set(handles.text6,'String',size(handles.data1,2));
%---ExecutesonbuttonpressinTombol_tutup.functionTombol_tutup_Callback(hObject,eventdata,handles)pos_size=get(handles.figure1,'Position');user_response=questdlg('ApakahKamuMauTutup','ConfirmClose');
switchuser_responsecase{'No'}case'Yes'delete(handles.figure1)
end



GUIFIG:




Propertyinspectror:

NAMAKOMPONENSTRINGPROPERTYTAGPROPERTY
StaticText1Samplecitra4ia05Text1
StaticText2-Text2
StaticText3NamaFile:Text3
StaticText4Ukuran:Text4
StaticText5-Text5
StaticText6-Text6
StaticText7XText7
StaticText8CitraAsliText8
StaticText9TresholdText9
StaticText10RotatedText10

NAMAKOPMPONENXTick Property YTick Property
Axes1 - -
Axes2 - -
Axes3 - -

NAMA KOMPONEN STRING PROPERTY TAG PROPERTY
Pushbutton1 Buka File Citra Tombol_buka
PushButton2 Tutup File Citra Tombol_tutup


output:








Traffic Experiments in Matlab

Tujuan AIMSUN-MATLAB alat penghubung toolbox adalah untuk menerapkan suatu alat penghubung antara MATLAB lingkungan dan AIMSUN simulator [ 3] untuk kepentingan uji coba lalu lintas kendali dirancang jenis makroskopik khusus. AIMSUN simulator adalah alat kuat untuk simulasi lalu lintas . Sedang MATLAB lingkungan menyediakan yang kaya satuan fungsi yang menyederhanakan proses disain, optimisasi dan uji coba lalu lintas kendali dikembangkan. Toolbox berkombinasi bersama-sama keuntungan kedua-duanya tentangnya.
Semua data terakhir yang nyata ( statistik sistem global dan secara berkala yang bermanfaat untuk evaluasi kendali rencana menerapkan) dikumpulkan di (dalam) penyangga/bantalan yang tersedia dari MATLAB dan disimpan di (dalam) sejarah mereka:
o mengukur gelar ningrat, pemilikan dan kecepatan pada detektor dan mengumpulkannya. Mengumpulkan data untuk common pendeteksian interval untuk semua detektor;
o mengukur rata-rata dan antrian maksimal pada bagian dan mengumpulkannya. Mengumpulkan data dari interval statistik umum ( itu adalah berbeda dari interval pendeteksian secara umum);
o mengukur statistik sistem secara berkala ( total waktu perjalanan, jumlah perhentian, dll.). Mengumpulkan data lagi dari interval statistik umum;
o mengukur statistik sistem global (di) atas semua eksperimen ( hari). Mengukur karakteristik yang sama seperti di item sebelumnya, tetapi mereka adalah agregated untuk keseluruhan eksperimen;
o mengukur pemilihan waktu tahap diterapkan untuk semua simpangan dikendalikan dengan semua detil ( start waktu simpangan panjangnya dan siklus dari semua antarfase dan tahap.
Buatan Tindakan:
o menghasilkan peristiwa di (dalam) waktu dan tempat terpilih;
o menghasilkan waktu yang bermacam-macam sarana (angkut) masuk ke dalam jaringan;
o mengendalikan panjangnya simpangan menggunakan secara bertahap rencana kendali sudah dikenal. Ini berarti kedua-duanya tingkat individu panjangnya dan tahap siklus simpangan dikendalikan dapat diubah. Bahkan tahap beberapa dapat yang dilompati oleh penjelasan waktu nol mereka. Meskipun demikian, tidaklah mungkin untuk berubah pesanan tahap atau menghasilkan rencana kendali tentu saja/sungguh berbeda.
Di samping sampling pendeteksian, interval sampling simpangan dan sampling statistik dapat berbagai di (dalam) umum. Juga data tepat tentang pemilihan waktu tahap simpangan diterapkan dikumpulkan dan dapat diperoleh. Toolbox bekerja di (dalam) cara tak serempak lebih umum.
Jika kendali panjangnya tahap simpangan eksternal adalah menggunakan kemudian menentukan diterima dari MATLAB bukanlah yang diterapkan immediatelly hanyalah simpangan masing-masing menantikan mulai kendali baru beredar. Menentukan diterapkan secara berangsur-angsur pada simpangan individu. Hels kita untuk memelihara offset dan sinkronisasi antar simpangan.
Struktur algoritma AIMSUN skenario jalan kehidupan yang utama dan MATLAB fungsi Tujuan utama- sunSimulationStep apakah diberi dekat bersama-sama. Di (dalam) dua algoritma ini yang kamu dapat mengikuti lompatan antar algoritma untuk mengikuti proses sinkronisasi dan komunikasi.
Jika logika komunikasi yang low-level antar AIMSUN dan MATLAB tinggal sama, kemudian saja fungsi yang makro yang utama Aimsunsimulationstep akan [menjadi] dimodifikasi. Sedang fungsi makro diubah subfungsi yang low-level nya tidak perlu dimodifikasi. Semua fungsi di (dalam) Aimsunsimulationstep pada sebagian Fungsi dasar asli adalah . seperti (itu) fungsi low-level tidak terikat pada logika fungsi makro. Mereka dapat digunakan dalam cara terpilih baru dan bahkan mengekspor ke dalam file mandiri. Subfungsi apakah tersembunyi di sini di (dalam) fungsi yang makro utama hanya untuk tujuan kesederhanaan toolbox ketenaga-kerjaan. Ber;Ubahlah di (dalam) rendah- mengukur logika komunikasi antar AIMSUN dan MATLAB memerlukan tidak hanya modifikasi dasar fungsi makro tetapi juga berubah di (dalam) tingkat rendah m-functions dan bahkan di (dalam) pokok DLL perpustakaan.
Kesimpulan
Toolbox ini dikembangkan di (dalam) Departemen Sistem Adaptip, Institut Teori informasi dan Otomasi, Akademi Ilmu pengetahuan (menyangkut) Republik Cekoslovakia dan sedang digunakan untuk lalu lintas kendali disain, optimisasi, pengujian dan penilaian. Algoritma apakah diuji pada [atas] lalu lintas riil mencicip dari Prague, Smichov. Salah satu dari tujuan di (dalam) dekat masa depan adalah menerapkan dan menciptakan alat penghubung antar[a] lalu lintas ini toolbox dan Mix-Tools/Mixtools3000 dikembangkan di (dalam) institut kami juga. Tujuan berikutnya adalah disain seorang alat penghubung pemakai grafis ( GUI) untuk uraian jaringan yang berkenaan dengan kota di (dalam) Matlab.
Pengakuan
Pengembangan diuraikan di (dalam) catatan/kertas diawasi oleh Doc. Ing. Ivan Nagy, CSC., Institut Teori informasi dan Otomasi, Akademi Ilmu pengetahuan (menyangkut) Republik Cekoslovakia dan yang didukung oleh Agen Dana (menyangkut) Akademi Ilmu pengetahuan (menyangkut) Republik Cekoslovakia di bawah dana Tidak (ada). 1ET 100 750 401, dengan Kementerian Cekoslovakia Pengangkutan di bawah dana Tidak (ada). MD. CR-1F43A/003/120 dan oleh Agen Dana tentang Republik Cekoslovakia di bawah dana Tidak (ada). 102/05/0271.
Referensi
[1] Pavel Dohnal, AIMSUN-MATLAB Toolbox - User’s Guide [online],
http://marabu.utia.cas.cz:1800/svn/doprava/AIMSUN-MATLAB/manualAMT/manualAMT.pdf.
[2] Petr Gebousky, AIMSUN-MATLAB Interface - User’s Guide [online],
http://marabu.utia.cas.cz:1800/svn/doprava/AIMSUN-MATLAB/manualASYN/manualASYN.pdf.
[3] AIMSUN Version 4.2 - User manual [online],
http://marabu.utia.cas.cz:1800/svn/doprava/Ruzne/AIMSUN manualy/aimsun 42.pdf.
[4] GETRAM Extensions Version 4.2 - User manual [online],
http://marabu.utia.cas.cz:1800/svn/doprava/Ruzne/AIMSUN manualy/GetramExtensionsv4.2.pdf.
Diposkan oleh Bhakti Murwaseto di 22:47 0 komentar
Label: Experiments, Matlab, Queue Length, Simulations, Traffic Flow
Senin, 2008 September 08
Bendera Pembawa Bencana
Ya, jujur saja, sebenarnya belum menjadi bencana. Hanya saja sangat-sangat nyaris hampir menjadi bencana. Ceritanya saya melewati selokan mataram, kebetulan saya sedang pakai motor, bersama istri dan anak. Hampir seluruh jembatan di selokan mataram ini dipenuhi oleh bendera-bendera partai.

Contoh aplikasi pengolahan citra yang digunakan

HUBUNGAN GRAFIKA KOMPUTER,
Secara umum operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis berikut :
1. Perbaikan Kualitas citra (image enhancement)
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini ciri-ciri khusus yang terdapat pada citra lebih ditonjolkan.
Yang termasuk dalam klasifikasi ini antara lain:
a. Perbaikan kontras gelap / terang (contrast enhncement).
b. Perbaikan tepian objek (edge enhancement)
c. Penajaman (sharpening)
d. Pemberian warna semu (pseudocoloring)
e. Penyaringan derau (noise filtering)
2. Pemugaran Citra (image restoration)
Operasi ini bertujuan untuk menghilangkan / meminimumkan cacat pada citra Tujuan pemugaran citra hampir sama dengan perbaikan.
Yang termasuk dalam klasifikasi ini antara lain:
a. Penghilangan kesamaran (debluring).
Penghilangan derau (noise)

3. Pemampatan Citra(image compression)
Operasi ini bertujuan untuk memampatkan citra sehingga memori yang dibutuhkan untuk menyimpan citra lebih kecil, tetapi hasil citra yang telah dimampatkan tetap memiliki kualitas gambar yang bagus.
Contohnya adalah metode JPEG.
4. Segmentasi citra (image segmentation)
Operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini erat kaitannya dengan pengenalan pola.


5. Analisis citra (image analysis)
Operasi ini bertujuan untuk menghitung besaran kuantitatif citra untuk menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertetntu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya.
Yang termasuk dalam klasifikasi ini antara lain:
a. Pendeteksian tepian (edge detection).
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekonstruksi citra (image reconstruction)
Operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. operasi rekonstruksi citra banyak digunakan dalam bidang medis.
Contohnya adalah foto rontgen dengan sinar X digunkan untuk membentuk ulang gambar organ tubuh.
Pengolahan citra mempunyai aplikasi yang sangat luas dalam berbagai bidang kehidupan kita antar lain :
1. Bidang Militer
a. Mengenali sasaran peluru kendali melalui sensor visual.
b. Mengidentifikasi pesawat musuh melalui radar.
c. Teropong malam hari (night vision)
2. Bidang Medis / Kedokteran
a. Mendeteksi retak/patah tulang dengan CT Scan.
b. Rekonstuksi foto janin (USG).
c. Mendeteksi kanker (kanker otak)
3. Bidang Biologi
Pengenalan jenis kromosom melalui gambar mikroskopis
4. Bidang Pendidikan
Pengolahan pendaftaran mahasiswa menggunakan scanner.
5. Bidang Geografi dan Geologi
a. Pemetaan batas wilayah melalui foto udara / Landsat.
b. Mengenali jenis dan bentuk lapisan batuan bawah permukaan bumi melalui rekonstruksi hasil seismik.
6. Bidang Kepolisian / Hukum
a. Pengelan pola sidik jari (finger print).
b. Rekonstruksi wajah pelaku kejahatan.
c. Pengenalan pola hasil uji balistik.
7. Bidang Perdagangan
a. Pembacaan barcode pada barang di swalayan.
Mengenali huruf / angka pada suatu formulir secara otomatis.

8. Bidang Hiburan
Pemampatan video (MPEG).
9. Komunikasi data
Pemampatan citra yang ditransmisi (Internet).

pengolahan citra / image processing

PENGOLAHAN CITRA / IMAGE PROCESSING

Dalam bidang komputer ada tiga bidang studi yang berkaitan dengan data citra, tetapi masing-masing memiliki tujuan yang berbeda, yaitu:
1. Grafika komputer (computer graphics)
2. Pengolahan citra
3. Pengenalan pola (patern recognition)
1. Grafika Komputer
Bidang studi yang mempelajari cara pembuatan dan memanipulasi gambar dengan menggunakan objek-objek primitif, seperti titik, garis, kotak dsb. objek-objek primitif tersebut memerlukan data deskriptif untuk melukis elemen-elemen gambar. Contoh data deskriptif adalah koordinat titik, panjang garis, jari-jari lingkaran.
2. Pengolahan citra (image processing)
Pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik.
Teknik-teknik Pengolahan citra mentransformasikan citra menjadi citra lain.
3. Pengenalan Pola (pattern recognition)
Mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis yang dilakukan oleh komputer dengan tujuan untuk mengenali suatu objek di dalam citra dan hasil keluarannya berupa deskripsi objek. HUBUNGAN GRAFIKA KOMPUTER,
Secara umum operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis berikut :
1. Perbaikan Kualitas citra (image enhancement)
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini ciri-ciri khusus yang terdapat pada citra lebih ditonjolkan.
Yang termasuk dalam klasifikasi ini antara lain:
a. Perbaikan kontras gelap / terang (contrast enhncement).
b. Perbaikan tepian objek (edge enhancement)
c. Penajaman (sharpening)
d. Pemberian warna semu (pseudocoloring)
e. Penyaringan derau (noise filtering)
2. Pemugaran Citra (image restoration)
Operasi ini bertujuan untuk menghilangkan / meminimumkan cacat pada citra Tujuan pemugaran citra hampir sama dengan perbaikan.
Yang termasuk dalam klasifikasi ini antara lain:
a. Penghilangan kesamaran (debluring).
Penghilangan derau (noise)

3. Pemampatan Citra(image compression)
Operasi ini bertujuan untuk memampatkan citra sehingga memori yang dibutuhkan untuk menyimpan citra lebih kecil, tetapi hasil citra yang telah dimampatkan tetap memiliki kualitas gambar yang bagus.
Contohnya adalah metode JPEG.
4. Segmentasi citra (image segmentation)
Operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini erat kaitannya dengan pengenalan pola.


5. Analisis citra (image analysis)
Operasi ini bertujuan untuk menghitung besaran kuantitatif citra untuk menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertetntu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya.
Yang termasuk dalam klasifikasi ini antara lain:
a. Pendeteksian tepian (edge detection).
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekonstruksi citra (image reconstruction)
Operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. operasi rekonstruksi citra banyak digunakan dalam bidang medis.
Contohnya adalah foto rontgen dengan sinar X digunkan untuk membentuk ulang gambar organ tubuh.

pengolahan citra (1)

PENGOLAHAN CITRA

Pengolahan citra adalah salah satu cabang dari ilmu
informatika. Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu.

Berikut ini adalah definisi dasar yang dipergunakan dalam pengolahan citra :
Citra
Citra adalah
gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling.
Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut dengan piksel. Contohnya adalah gambar/titik diskrit pada baris n dan kolom m disebut dengan piksel [n,m].
Sampling
Sampling adalah proses untuk menentukan warna pada piksel tertentu pada citra dari sebuah gambar yang kontinu.
Pada proses sampling biasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan.
Proses sampling sering juga disebut proses digitisasi.
Kuantisasi
Ada kalanya, dalam proses sampling, warna rata-rata yang didapat di relasikan ke level warna tertentu. Contohnya apabila dalam citra hanya terdapat 16 tingkatan warna abu-abu, maka nilai rata-rata yang didapat dari proses sampling harus diasosiasikan ke 16 tingkatan tersebut. Proses mengasosiasikan warna rata-rata dengan tingkatan warna tertentu disebut dengan kuantisasi.
Derau
Derau (Noise) adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis(optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. bintik acak ini disebut dengan derau salt & pepper.
Banyak metode yang ada dalam pengolahan citra bertujuan untuk mengurangi atau menghilangkan noise.
Operasi pengolahan citra
Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan operasi yang dilakukan terhadap citra.
Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai berikut :
Peningkatan Kualitas Citra (Image Enhancement)
Operasi peningkatan kualitas citra bertujuan untuk meningkatkan fitur tertentu pada citra.
Pemulihan Citra (Image Restoration)
Operasi pemulihan citra bertujuan untuk mengembalikan kondisi citra pada kondisi yang diketahui sebelumnya akibat adanya pengganggu yang menyebabkan penurunan kualitas citra.
Berdasarkan cakupan operasi yang dilakukan terhadap citra, Operasi pengolahan citra dikategorikan sebagai berikut :
Operasi titik, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya hanya ditentukan oleh nilai piksel itu sendiri.
Operasi area, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya dipengaruhi oleh piksel tersebut dan piksel lainnya dalam suatu daerah tertentu. Salah satu contoh dari operasi berbasis area adalah operasi ketetanggaan yang nilai keluaran dari operasi tersebut ditentukan oleh nilai piksel-piksel yang memiliki hubungan ketetanggaan dengan piksel yang sedang diolah.
Operasi global, yaitu operasi yang dilakukan tehadap setiap piksel pada citra yang keluarannya ditentukan oleh keseluruhan piksel yang membentuk citra.
Alat bantu matematika
Alat bantu matematika yang sering dipakai dalam pengolahan citra adalah sebagai berikut :
Statistik inheren
Konvolusi
Transformasi Fourier
Representasi Kontur
Algoritma
Berikut ini adalah algorima yang biasa dipakai dalam pengolahan citra. Algoritma dibawah ini dibagi menjadi beberapa kategori berdasarkan pendekatan yang dilakukan dalam memanipulasi citra asli.
Algoritma berbasis histogram
Algoritma kategori ini menggunakan
histogram dari citra awal untuk menghasilkan citra baru.
Peregangan Kontras
Ekualisasi histogram
Filter Minimum
Filter Median
Filter Maksimum
Algoritma berbasis matematika
Algoritma pada kategori ini menggunakan piksel/beberapa piksel untuk menjadi masukan suatu fungsi matematik untuk menentukan nilai piksel pada citra hasil.
Biner
Operasi ini berbasis operasi boolean (AND,OR,NOT) untuk memanipulasi citra
Aritmetika
Operasi ini berbasis operasi Aritmatika ( penjumlahan, pengurangan, perkalian dan pembagian citra)
Geometri
Algoritma berbasis konvolusi
Algoritma pada kategori ini menggunakan teknik konvolusi untuk menghasilkan citra hasil.