Citra Digital - Mencari Tetangga (Neighbourhood) Pixel Serta Pemecahan Masalah Menggunakan Metode eucledon


Hai.....
kali ini saya akan membahas tentang Citra digital -  Mencari Tetangga (Neighbourhood) Pixel serta pemecahan masalah meggunakan metode jarak eucledon...
Ok tanpa basa basi lagi mari kita mulai ke TKP yang pertama :)

1. Tetangga Pixel itu Dibagi menjadi 3 bagian yakni :

a.       Tetangga Horisontal dan Vertikal N4(p)
b.      Tetangga Diagonal ND(p)
c.       8 - Tetangga N8(p)


Supaya lebih jelas ni contohnya :

Jika digunakan N4(p) maka hasinya adalah 

Jika digunakan ND(p) maka hasinya adalah 

Yang terakhir menggunakan N8(p) hasilnya

Jadi Dari gambar di atas dapat disimpulkan bahwa N8(p) merupakan gabungan dari N4(p) dan ND(p) karena vertical,diagonal bahkan horizontal di gunakan/terpakai.

Cheap Offers: http://bit.ly/gadgets_cheap
Dari tampilan gambar diatas maka dapat disimpulkan bahwa N8(p) merupakan gabungan antara N4(p) dan ND(p). Dikarenakan semua pola (vertikal, horisontal maupun diagonal) digunakan pada gambar N8(p).

Ok demikian tkp 1 sekarang kita menuju tkp ke2 untuk menyelesaikan masalah ini..        <<<<<<------------ Ayo ke TKP ke2 ---------->>>>>>

TKp Ke 2 ini kita akan memecahkan masalah meggunakan metode jarak eucledon...

Ini dia casenya :

Disiang ini ada 4 orang anak kecil yang duduk bermain di ayunan TK, wajah mereka berempat ini hampir mirip. Anto seorang yang ditugaskan untuk menjemput 1 orang anak oleh temannya di taman kanak2, dengan bermodalkan foto tetapi di perjalanan sampai TK ada masalah yaitu foto anak ini hilang sehingga Anto menghadapi masalah dalam menjemput anak ini....dan sekarang dia hanya punya 1 foto bersama ayah anak ini. bagaimana untuk menemukan anak ini dari 4 orang anak Tk yang lain.
dan masalah lainnya adalah anak ini masih kecil sekali dan takut berbicara dengan orang baru sehingga tidak mendapat informasi apa2 dari mereka dan jugs lokasi ini tidak ada sinyal... hahahahhaha lengkap lah sudah penderitaan anto ini..

Tapi tak ada masalah yuuuukk kita bantu menyelesaikan masalah ini..
1. Kita punya foto ayah dari anak ini
2. Kita bisa mengambil 4 foto anak ini lalu membandingkan dengan foto ayah.

Berikut Foto Ayah dari anak :)

Berikut Foto Ke 4 Anak Tersebut

Berikut adalah tabel :


Rumusnya :

Diketahui :
Y1,2,3,4 = Nilai dari Ayah
X1,2,3,4 = Nilai dari Anak I - IV

Ayah    : Y1=70, Y2=80, Y3=70, Y4=90
Anak I  : X1=90, X2=80, X3=100, X4=60

Masukan ke Rumus menjadi :
 = (70-90)^2+(80-80)^2+(70-100)^2+(90-60)^2
= 2200

Sesuai Rumus hasilnya dipangkatkan 1/2 sama artinya akar dari, contoh kalau hasilnya 49, maka 49 dipangkatkan 1/2 sama artinya dengan akar dari 49 yakni 7.
Jadi akar dari 2200 = 46,9.

* Maka hasil untuk baris pertama adalah 46,9... 
kita lanjutkan untuk 2 baris tersisa pada tabel Anak I dengan melakukan cara yang sama...
* Diperoleh hasil baris kedua adalah 58,3
* dan pada baris ketiga adalah 73,4

Setelah mendapat hasil dari keseluruhan baris, selanjutnya hitung rata2, dengan menjumlahkan hasil ketiganya kemudian dibagi 3, yakni :

46,9 + 58,3 + 73,4 / 3 = 59,56
Maka untuk tabel Anak I nilainya = 59,56.

Untuk menghitung tabel berikutnya menggunakan cara yang sama...

Untuk cara perhitungannya kita pakai Ms.Excel saja biar lebih mudah, ok plen....tapi lw mau hitung manual jga bolehh..langsung ke TKP.. :)
Tampilan perhitungan dengan mengguanakan Ms.Excel

Dari tampilan diatas kita sudah mendapat nilai secara keseluruhan... Dan yang memperoleh nilai terkecil adalah Tabel Anak Ke III Yakni 37,5... Sesuai aturan maka yang paling mirip adalah nilai terkecil atau selisih terkecil sehingga om Anto bisa membawa pulang anak Ke III.. hehheehhe
Sekian dulu postinganya,,,, Tuhan Memberkati Kita Semua... Amin.

Komentar

Posting Komentar

Postingan populer dari blog ini

Citra Digital - Distance (Jarak antar Pixel)

Gambar
Haiii semua....., yuk kita belajar "Citra Digital"..!!! Hari ini kita belajar bagaimana mencari Jarak antar Pixel, menggunakan Metode pengukuran jarak antara p(x,y) & q(s,t) memakai 3 cara yaitu: – Jarak Eucledian ---->>>> ini sering dipakai   De(p,q) = [(x-s)2+(y-t)2]1/2 – Jarak D4 (jarak city-block) D4(p,q) = |x-s|+|y-t| – Jarak D8 (jarak papan catur) D8(p,q) = max( |x-s| , |y-t| ) nah setelah kita melihat rumus diatas kita akan melakukan perhitungan menggunakan rumus2 tersebut... ayooooo kita coba.... kita misalkan menghitung kadar "gula" di minuman serbuk... lalu masukan hasil perhitungan eucledian ke dalam tabel disebelah kanan. *Gunakan Eucledian : Dapat disimpulkan bahwa kandungan gula terbesar adalah TGSB dgn banyaknya gula yaitu √38 Dan kadar gula terendah adalah Rj. *Jarak D4 (jarak city-block) D4(p,q) = |x-s|+|y-t| *Jarak D8 (jarak papan catur) D8(p,q) = max( |x-s| , |y-t| ) Ka...
Baca selengkapnya

Finite Otomata

1.       Finite Automata Finite automata adalah mesin abstrak berupa sistem model matematika dengan masukan dan keluaran diskrit yang dapat mengenali bahasa paling sederhana (bahasa reguler) dan dapat diimplementasikan secara nyata dimana sistem dapat berada disalah satu dari sejumlah berhingga konfigurasi internal disebut state. State sistem merupakan ringkasan informasi yang berkaitan dengan masukan-masukan sebelumnya yang diperlukan untuk menentukan perilaku sistem pada masukan-masukan berikutnya. Finite Automata menggunakan prosedur yang saat diberikan masukan "string berhingga" akan berhenti Finite Automata menyatakan "ya" dengan sejumlah berhingga komputasi jika string tersebut merupakan elemen bahasa sehingga lebih berfokus pada pengenalan dimana bila diberikan suatu program (string) akan menyatakan apakah string tersebut termasuk di bahasa atau tidak. 2.       Model Finite Automata Model Finit...
Baca selengkapnya

Citra Digital

Gambar
Tugas baru semangad baru.. Hay bloger hari ini saya akan membahas tentang : Lowpass Spatial Filtering (LPS) Highpass Spatial Filtering (HPS) High-boost Filtering Yang Pertama I... ==> Lowpass Spatial Filtering (LPS) <== Untuk menghaluskan citra didasarkan pada perata-rataan nilai pixel dengan tetangga Bobot filter selalu positif yang totalnya bernilai 1 Contoh beberapa filternya adalah: Beberapa contoh hasil Lowpass Spatial Filtering Yang Ke Dua II ==> Highpass Spatial Filtering (HPS) <== Disebut sebagai sharpening mask, karena mempercepat pergantian batas gelap-terang dan Filter memiliki nilai positif di tengah, negatif di pinggir, dan total bobot harus 0. Hasil highpass filtering adalah selisih antara citra asli dengan citra yang telah mengalami lowpass filtering: g(m,n) = f(m,n) – lowpass( f(m,n) ) Contoh Hasilnya : Yang Ke III ==>High-boost Filtering<== Highboost filter menggunakan rumus: g(m,n) = A f(m,n) - lowpass( f(m,n) ) = (...
Baca selengkapnya