Pengelolahan Citra Digital

         JAWABAN UAS (YUSUF TRI BAHTIAR)

1 .  PENJELASAN BEBERAPA PERINTAH AUTOCAD

a. Line

    Digunakan untuk membuat garis lurus dari satu titik ke titik lainnya.

b. Offset

    Digunakan untuk membuat salinan objek dengan jarak tertentu secara sejajar (parallel).

c. Extend

    Digunakan untuk memperpanjang objek (garis/arc) hingga menyentuh batas objek lain.

d. Trim

    Digunakan untuk memotong bagian objek yang melewati atau tidak diperlukan.

e. Fillet

    Digunakan untuk menghubungkan dua garis dengan sudut membulat (radius).

f. Copy

    Digunakan untuk menggandakan objek tanpa menghapus objek asli.

g. Move

    Digunakan untuk memindahkan objek dari satu posisi ke posisi lain.

h. Mtext

    Digunakan untuk membuat teks paragraf (teks panjang/multi baris).

i. Hatch

    Digunakan untuk memberi arsiran atau pola pada area tertutup.

j. Mirror

    Digunakan untuk menyalin objek secara simetris (mencerminkan objek).

k. Chamfer

    Digunakan untuk memotong sudut dua garis dengan garis lurus (serong).

l. Circle

    Digunakan untuk membuat lingkaran (berdasarkan radius, diameter, atau titik tertentu).

m. Array

    Digunakan untuk menggandakan objek secara teratur (baris, kolom, atau melingkar).

n. Dimstyle

    Digunakan untuk mengatur gaya dimensi (ukuran teks, panah, satuan, dll).

o. Arc

    Digunakan untuk membuat garis lengkung (busur).

p. Leader

    Digunakan untuk memberi keterangan/penunjuk pada objek dengan garis panah.

q. Linetype

    Digunakan untuk mengatur jenis garis (solid, dashed, center, dll).

 3. Ringkasan dari buku referensi pengelolahan citra digital karya priyanto hidayatallah

Bab 1: Pengantar Pengolahan Citra Digital

·  Definisi: Apa itu citra dan mengapa pengolahan citra diperlukan.

·  Sejarah & Aplikasi: Contoh penggunaan di bidang medis, militer, industri, dan pengenalan wajah.

·  Komponen Sistem: Perangkat keras dan lunak yang dibutuhkan.

Bab 2: Representasi Citra dan Warna

·  Piksel dan Matriks: Menjelaskan bahwa citra adalah kumpulan angka dalam koordinat (x, y).

·  Model Warna: Penjelasan mendalam tentang RGB, CMYK, HSV, dan YCbCr.

·  Kuantisasi dan Sampling: Bagaimana gambar kontinu diubah menjadi digital

Bab 3: Operasi Titik (Point Operation)

·  Brightness & Contrast: Rumus matematika untuk mencerahkan atau menajamkan kontras.

·  Inverting (Negatif): Membalik warna citra.

·  Auto-level: Penyesuaian warna secara otomatis.

Bab 4: Histogram Citra

·  Analisis Histogram: Cara membaca distribusi piksel.

·  Ekualisasi Histogram: Teknik untuk meratakan kontras pada citra yang terlalu gelap atau terlalu terang.

·  Spesifikasi Histogram: Memodifikasi citra agar memiliki histogram tertentu.3

Bab 5: Filter Spasial (Peningkatan Kualitas)

·  Konvolusi: Konsep dasar penggunaan mask atau kernel.

·  Smoothing (Penghalusan): Mean filter, Median filter (untuk menghilangkan noise salt & pepper), dan Gaussian filter.

·  Sharpening (Penajaman): Menggunakan operator Laplacian atau High-pass filter.

Bab 6: Transformasi Citra

·  Geometri: Rotasi, translasi (pergeseran), scaling (perbesaran), dan cropping.

·  Domain Frekuensi: Pengenalan Fast Fourier Transform (FFT) untuk memproses citra berdasarkan frekuensinya.

Bab 7: Operasi Morfologi

·  Dilitasi dan Erosi: Menambah atau mengurangi piksel pada batas objek.

·  Opening dan Closing: Membersihkan noise dan menutup lubang pada objek biner.

·  Hit-or-Miss: Pencarian pola tertentu dalam citra.

Bab 8: Segmentasi Citra

·  Ambang Batas (Thresholding): Metode Otsu dan metode iteratif untuk memisahkan objek dari latar belakang.

·  Deteksi Tepi: Algoritma Sobel, Prewitt, Robert, dan Canny.

·  Region Growing: Mengelompokkan piksel berdasarkan kemiripan.

Bab 9: Ekstraksi Ciri (Feature Extraction)

·  Ciri Bentuk: Menghitung luas, keliling, compactness, dan roundness.

·  Ciri Tekstur: Analisis statistik menggunakan GLCM (Gray Level Co-occurrence Matrix) seperti kontras, korelasi, dan energi.

·  Ciri Warna: Statistik warna (rata-rata, standar deviasi).

Bab 10: Pengenalan Pola (Pattern Recognition)

·  Klasifikasi: Pengenalan dasar tentang bagaimana data dari ekstraksi ciri digunakan untuk mengenali objek (misal: membedakan jenis buah atau huruf).

·  Jarak Euclidean: Cara menghitung kemiripan antar objek.

4.GAMBAR