Penulis: Rizty Maulida Badri & Sri Aningsih ; Editor: Nathanael Oktavianus Partahan Sihombing
ISBN: 978-634-7361-68-4 (PDF), 978-634-7361-69-1 (EPUB)
Halaman: 84
Ukuran: 21 x 29.7 cm
Tahun: 2025
Deskripsi:
Bab pertama memberikan pengantar tentang citra digital, termasuk tujuan pembelajaran dan konsep dasar yang harus dipahami. Bab ini dimulai dengan definisi dan representasi citra digital serta proses sampling dan quantization yang mengubah gambar analog menjadi format digital. Selanjutnya, dibahas berbagai ruang warna seperti RGB, HSV/ HSL, dan YUV/ YCrCb yang penting untuk aplikasi citra digital. Bab ini juga mengulas tentang format file dan teknik kompresi gambar serta metadata yang terkait dengan file gambar. Terakhir, bab ini membahas fungsi-fungsi dasar dalam manipulasi gambar, termasuk menggunakan OpenCV dan Matplotlib untuk pembacaan, penampilan, dan penyimpanan gambar.
Bab kedua fokus pada operasi piksel dan transformasi intensitas citra. Bab ini memperkenalkan konsep dasar transformasi intensitas dan berbagai jenis transformasi yang dapat diterapkan pada citra. Dibahas juga teknik-teknik untuk meningkatkan kontras citra, termasuk histogram equalization dan CLAHE (Contrast Limited Adaptive Histogram Equalization) yang sering digunakan dalam pengolahan citra medis dan industri.
Bab ketiga membahas konsep dasar filtering yang merupakan salah satu teknik utama dalam pengolahan citra untuk menghilangkan noise dan meningkatkan kualitas citra. Bab ini menjelaskan konvolusi dan korelasi, serta bagaimana kernel atau mask digunakan dalam proses filtering. Berbagai jenis filter linear seperti mean filter, Gaussian filter, dan sobel filter dijelaskan secara rinci, diikuti dengan pembahasan tentang filter non-linear seperti median filter dan bilateral filter.
Bab keempat mengupas tentang deteksi tepi yang digunakan untuk menemukan batas-batas objek dalam citra. Operator-operator seperti Sobel, Prewitt, dan Roberts dijelaskan untuk deteksi tepi berbasis turunan pertama, sementara deteksi tepi Canny dijelaskan sebagai teknik yang lebih kompleks untuk mendapatkan tepi yang lebih akurat. Selain itu, bab ini juga membahas transformasi frekuensi yang melibatkan Transformasi Fourier, Laplace, dan Wavelet untuk analisis citra dalam domain frekuensi, yang sangat berguna dalam aplikasi seperti kompresi citra dan analisis citra medis.
Bab terakhir membahas segmentasi citra, proses untuk membagi citra menjadi bagian-bagian yang lebih mudah dianalisis. Dimulai dengan thresholding, bab ini menjelaskan berbagai teknik thresholding seperti global thresholding, adaptive thresholding, dan Otsu’s method. Selain itu, region-based segmentation dan clustering-based segmentation juga dibahas, dengan teknik-teknik seperti region growing dan watershed, serta K-means clustering dan Gaussian Mixture Models (GMM) sebagai metode untuk segmentasi berbasis klaster.