Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra. Segmentasi citra membagi suatu citra ke dalam bagian-bagian atau objek-objek. Sampai sejauh mana pembagian tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil dipisahkan.

Pada umumnya segmentasi secara otomatis adalah salah satu pekerjaan yang sulit dalam pengolahan citra. Langkah ini akan menentukan berhasil atau tidaknya proses analisa citra. Namun dengan segmentasi yang efektif, kemungkinan besar akan didapatkan hasil yang baik.

Algoritma segmentasi untuk citra monochrome biasanya berdasarkan pada satu dari dua sifat nilai gray-level: diskontinuitas dan similaritas. Pada diskontinuitas, pendekatan yang dilakukan adalah memisahkan citra berdasarkan terjadinya perubahan nilai graylevel yang drastis. Sedangkan pada similaritas, pendekatan dilakukan berdasarkan thresholding, region growing, region splitting, dan merging.

Berikut ini contoh hasil ujicoba program pada suatu citra digital yang diproses dengan menggunakan edge lingking :

Gambar 1

Tampilan citra awal:

Tampilan komponen gradien Gx dan Gy dari citra:

Gambar 2

Pada citra komponen Gx tampak bahwa batas yang terdeteksi adalah yang mendekati arah horisontal, sedangkan pada komponen Gy batas yang terdeteksi adalah yang mendekati arah vertikal.

Gambar 3

Tampilan citra hasil edge linking:

Pada citra hasil edge linking tampak bahwa bagian yang berwarna terang menunjukkan adanya perubahan nilai intensitas yang besar pada citra asal.

Dari contoh kasus tersebut, terlihat bahwa dengan melakukan proses edge linking kita dapat memperoleh citra baru yang menampilkan bagian-bagian atau objek-objek yang terdapat di dalam citra tersebut sehingga dapat dilakukan analisa lebih lanjut.

Proses edge detection yang dilanjutkan dengan edge linking dapat digunakan untuk melakukan segmentasi citra, yaitu memisahkan citra menjadi bagian-bagian atau objek-objeknya sehingga dapat dianalisa lebih lanjut. Sampai sejauh mana pembagian tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil dipisahkan.

Secara umum segmentasi adalah salah satu pekerjaan yang sulit dalam pengolahan citra. Namun dengan menggunakan teknik segmentasi yang tepat dan efektif, dapat diperoleh hasil yang memuaskan.

Referensi :

• Rafael C. Gonzalez, Richard E. Woods, 1993, Digital Image Processing, Addison-Wesley Publishing Company Inc., USA.
• David Marshall, 1994, Vision Systems, http://www.cs.cf.ac.uk/Dave/Vision_lecture/node1.html.
• Microsoft Corporation, 1996, Microsoft Win32 Programmer’s Reference, Microsoft Corporation.
• http://www.snpages.info/

MATLAB (Matrix Laboratory) diciptakan di Stanford University sangat kuat di komputasi numerik berbasis vektor dan matriks, yang dikembangkan oleh MathWorks.

Program Matlab merupakan GUI yaitu tampilan grafis yang memudahkan userberinteraksi dengan perintah teks. Dengan GUI, program yang dibuat menjadi lebih user friendly, sehingga user mudah menjalankan suatu aplikasi program.

Awalnya MatLab hanya dikenal sebagai “Matrik Laboratory”, tetapi sesuai dengan perkembangannya MatLab adalah bahasa yang canggih untuk komputasi teknik. Di dalamnya terdapat kemampuan penghitungan, visualisasi, dan pemograman dalam suatu lingkungan yang mudah untuk digunakan karena permasalahan dan pemecahannya dinyatakan dalam notasi matematika biasa.

Kegunaan MatLab secara umum adalah sebagai berikut:

• Matematika dan komputasi,
• Perkembangan algoritma,
• Pemodelan, simulasi, dan pembuatan prototype,
• Analisa data, eksplorasi dan visualisasim
• Pembuatan aplikasi, termasuk pembuatan antaramuka grafis.

Matlab bukan merupakan compiler tetapi punya sifat compiler.

Ada dua file yang dapat diciptakan :

• . .mat
• . .m

Semua perintah pada MATLAB ditulis dengan huruf kecil dan variabel pada MATLAB bersifat case sensitive.

Versi Matlab terbaru adalah Matlab 7.  Namun, Matlab 7 hanya dapat dijalankan pada Windows XP, sedangkan untuk Windows 98 atau ME digunakan Matlab 7 ke bawah.

Referensi :

http://elearning.amikom.ac.id/

UG Community adalah situs jejaring social, kurang lebih seperti Friendster, Google Orkut, Facebook, AkuCintaSekolah, dll, yang dimiliki oleh Universitas Gunadarma.

Pada situs ini, antar mahasiswa atau antara dosen, masing-masing dapat memanfaatkan fitur chat, forum, UG tube, edit profil dan fitur-fitur lainnya.

Tujuan dari situs UG Community sebagai sarana temu kangen/komunikasi, berbagi informasi antara civitas akademika baik itu mahasiswa, dosen dan juga alumni Universitas Gunadarma. Jadi bila punya informasi, Anda dapat berbagi di dalam situs ini.

Untuk menjadi anggota UG Community, silahkan mendaftar dengan cara :

• Klik CREATE YOUR ACCOUNT
• Mengisi formulir yang telah disediakan
• Kemudian setelah formulir terisi, kliklah SUBMIT THE FORM
• Silahkan login dan periksa email Anda untuk memverifikasi account Anda. Jika menggunakan Yahoo! mail Anda periksa map Surat Massal.

Untuk masuk UG Community, silahkan login dengan cara :

• Ketik Email Address dan password pada saat sign up

Administrator UG Community adalah BAPSI Universitas Gunadarma, yang berkewajiban Mengkoordinir dan mengelola segala peraturan, kebijakan, pengembangan dan pelayanan UG Community, dengan tujuan pengelolaan keamanan dan peningkatan pelayanan serta menjaga dari keseimbangan sosial.

BAPSI Universitas Gunadarma berkewajiban :

• Bertanggung jawab dalam jaringan tersebut.
• Mengelola sistem dan menjaga rahasia user dengan baik.
• Mengkoordinir dan mengelola segala peraturan, kebijakan, pengembangan dan pelayanan UG Community, dengan tujuan pengelolaan keamanan dan peningkatan pelayanan serta menjaga dari keseimbanagn sosial.
• Memberikan banwidth yang cukup, agar mahasiswa disaat memakai fasilitas UG Community tidak lama.
• MengUPDATE konten-konten UG Community agar tidak membosankan UG’ers.

BAPSI Universitas Gunadarma berhak :

• Melakukan evaluasi terhadap aktifitas penggunaan layanan.
• Mencatat, menindak serta memberikan sanksi terhadap setiap pelanggaran yang dilakukan oleh user, disesuaikan dengan bukti terkait.
• Memonitor dan mencatat segala aktifitas penggunaan UG Community dengan tujuan pengelolaan keamanan dan peningkatan pelayanan serta keseimbangan sosial.
• Membuat peraturan-peraturan yang bertujuan untuk melindungi dan meningkatkan pelayanan kepada user.
• Menghapus konten-konten UG Community yang melanggar peraturan yang berlaku.

Setiap pengguna UG Community berkewajiban :

• Menjaga kerahasiaan data-data pribadinya (contoh: login, password, file-file, dokumen, dll)
• Melaporkan segala bentuk kecurangan dan pelanggaran dalam penggunaan UG Community ini, kepada administrator UG Community.
• Menjaga nama baik Universitas Gunadarma.
• Mengikuti peraturan yang di buat oleh UG Community.

Setiap pengguna UG Community berhak :

• Memakai fasilitas dan fitur yang dimiliki UG Community, dan membagi informasi antar sesama pengguna UG Community.

Seiring dengan perkembangannya, berbagai macam hal harus disesuaikan dengan kebutuhan user, privacy, aspek legal, dan lain sebagainya. Oleh karena itu, Universitas Gunadarma berusaha membuat aturan untuk hal-hal umum dan khusus sehingga dapat memberikan kenyamanan bagi segenap Civitas Akademika UG.

Hal-hal yang dilarang dalam UG Community :

• Membagi sesi akses UG Community kepada orang lain.
• Merusak sistem infrastruktur UG Community.
• Merusak nama baik Universitas Gunadarma.
• Membuat Konten-konten

1. Berisi virus
2. Gambar-gambar asusila
3. Menyinggung SARA
4. Mempublikasikan konten-konten bajakan / illegal
5. Mempublikasikan informasi berisi instruksi untuk melakukan perbuatan melawan hukum (illegal) positif di Indonesia dan ketentuan internasional umumnya.
6. SPAM pada BLOG, FORUM dan fasilitas lainnya
7. Melakukan/menulis negatif yang MEMPROVOKASI UG’ers lainnya
8. Melakukan/menulis sikap yang BERMUSUHAN dengan UG’ers lain
9. dan lain sebagainya.

• Melakukan hacking, cracking, sniffing terhadap data-data orang lain.
• Melakukan pemalsuan dan penggunaan ilegal dari username orang lain yang belum maupun sudah terdaftar.

Untuk mencegah hal-hal yang tidak di inginkan, setiap pengguna sangat disarankan :

• Melakukan logout apabila hendak selesai menggunakan UG Community.
• Tidak menyimpan username dan password pada browser.
• Melakukan penyebaran informasi yang baik, membagi pengalaman sebagai bentuk kepedulian terhadap komunitas.
• Menghormati etika dan segala macam peraturan yang berlaku di masyarakat internet umumnya dan bertanggung jawab sepenuhnya terhadap segala muatan / isi situsnya.

Jika pengguna secara sengaja melakukan pelanggaran-pelanggaran terhadap peraturan, kebijakan, hak, dan kewajiban yang diberikan UG Community, maka peringatan dan Sanksi untuk setiap pengguna :

• Penonaktifkan account.
• Penghapusan account.
• Sanksi norma.
• Pelaporan kepada pihak yang berwajib dalam hal ini adalah Unit Cyber Crime Badan Reserse dan Kriminal (Bareskrim) Mabes Polri.

Berpegang Pada Keberuntungan Sendiri

- Banyak orang merasa sukses tak dapat dihindarkan dari keberuntungan mereka. Tak semua pendapat itu benar. Keberuntungan tak lebih dari sikap Anda dalam mempersiapkan diri menghadapi sebuah kesempatan.

- Saat Anda tak siap menangkap kesempatan yang terbang ke arah Anda, maka kesempatan itu akan berlalu begitu saja. Kebanyakan orang menyalahkan ini sebagai ketidakberuntungan. Yang sebenarnya, tidak juga.

- Jika Anda berada dalam lingkaran kecil, Anda harus menguji diri sendiri. Tanyakan pada diri sendiri ‘kenapa?’, dan coba serta lihat kesempatan apa yang telah Anda lewatkan. Apa Anda siap untuk sebuah kesempatan lagi?

Perhatikan Sekitar

- Jika Anda menghendaki sebuah sukses nyata, Anda harus mau berpegang pada gagasan itu.

- Jangan melihat kesuksesan orang lain sebagai ukuran.

- Lihat pada diri Anda sendiri, buat langkah-langkah sederhana seperti di bawah ini supaya Anda bisa melihat situasi di sekeliling Anda.

Langkah Sederhana Untuk Menyingkirkan Trend Negatif Dalam Hidup Anda

Jika Anda sudah mengalami banyak kegagalan, dan berharap mengubah trend negatif dalam kehidupan, pertama-tama Anda harus membangun pondasi yang kokoh untuk hal positif. Berikut beberapa langkah yang dapat Anda pertimbangkan:

1. Buang semua pikiran negatif dari pikiran Anda. Pindahkanlah pada kebalikannya, pikiran positif. Biarkan ini jadi latihan mental buat Anda, tapi jangan melabuhkannya pada pemikiran negatif.

2. Lakukan tindakan-tindakan kecil. Berbagilah bahkan jika itu hanya bagian kecil dari batas sumber penghasilan Anda dengan orang lain yang tak beruntung.

3. Ciptakan, jika Anda merasa perlu, sebuah situasi di mana Anda dapat meraihnya bahkan jika itu membawa kemenangan kecil. Beri penghargaan pada diri Anda setiap kali bisa mencapainya.

4. Bergeraklah dari kemenangan yang mudah diraih pada kemenangan lainnya, dan buat tantangan yang lebih besar untuk sasaran berikutnya.

Referensi :

http://www.kapanlagi.com/

Histogram citra merupakan suatu bagan yang menampilkan distribusi intensitas dalam index atau intensitas warna citra.

Matlab menyediakan fungsi khusus untuk histogram citra, yaitu imhist(). Fungsi imhist menghitung jumlah piksel-piksel suatu citra untuk setiap range warna (0-255). Perlu diingat bahwa fungsi imhist dirancang untuk menampilkan histogram citra dengan format abu-abu (grayscale). Bagaimana dengan citra berformat (RGB)? Fungsi imhist tentu tidak dapat digunakan secara langsung karena format RGB terdiri atas 3 komponen warna (Red, Green, Blue), sedangkan fungsi imhist hanya dapat menampilkan satu komponen warna. Oleh karena itu, agar bisa menampilkan histogram RGB, kita perlu memodifikasi fungsi imhist.

sebagai langkah awal, kita membuka figur kosong dengan mengetikkan >>guide pada common Window. Kemudian, pilihlah Blank GUI (Default), lalu klik OK. Sebelum dilanjutkan, ada baiknya kita simpan figure dengan mengklik File -> Save As. Berilah nama BuatHistogram pada file name. Setelah mengklik save, figure kosong akan berganti nama BuatHistogram.fig.

Pada pengolahan citra digital, metode frequency domain dapat digunakan untuk menyelesaikan masalah-masalah tertentu yang sulit jika dilakukan dengan menggunakan metode spatial domain. Pada metode frequency domain, informasi citra digital ditransformasikan lebih dulu dengan transformasi Fourier, kemudian dilakukan manipulasi pada hasil transformasi Fourier tersebut. Setelah manipulasi selesai, dilakukan inverse transformasi Fourier untuk mendapatkan informasi citra kembali. Noise yang dapat dihilangkan atau dikurangi dengan metode ini adalah noise yang menghasilkan pola tertentu pada spektrum Fouriernya, misalnya berupa garis lurus.

Untuk mengimplementasikan proses pengolahan citra dengan metode frequency domain, penulis membuat program dengan menggunakan MATLAB.

Secara garis besar program ini akan melakukan langkah-langkah berikut:

1. Membuka file citra digital
2. Menampilkan citra digital
3. Melakukan transformasi Fourier pada citra
4. Menampilkan spektrum Fourier dari citra
5. Melakukan perubahan pada hasil transformasi Fourier
6. Menampilkan spektrum Fourier yang telah diubah
7. Melakukan inverse transformasi Fourier
8. Menampilkan citra digital hasil proses

Pada MATLAB telah tersedia beberapa fungsi yang dapat langsung digunakan untuk membantu mempercepat pembuatan program.

Adapun fungsi-fungsi MATLAB yang sangat penting dan digunakan di program ini antara lain:

• IMREAD

Fungsi ini berguna untuk membaca citra dari suatu file. Jika citra yang dibaca memiliki format warna grayscale, fungsi ini akan menghasilkan array dua dimensi yang berisi informasi intensitas grayscale dari citra tersebut. Fungsi ini mendukung format BMP, JPEG, TIF, PNG, HDF, PCX, dan XWD.

• IMSHOW

Fungsi ini digunakan untuk menampilkan citra pada layar.

• IMWRITE

Fungsi ini digunakan untuk menyimpan citra ke dalam file. Fungsi ini merupakan kebalikan dari fungsi IMREAD.

• FFT2

Fungsi ini digunakan untuk melakukan transformasi Fourier terhadap array 2 dimensi. Hasil yang diperoleh juga akan berbentuk array 2 dimensi.

• FFTSHIFT

Fungsi ini digunakan untuk melakukan pergeseran dari hasil transormasi Fourier, sehingga memudahkan analisa visualisasi dari spektrum Fourier. Karena spektrum Fourier bersifat periodik, pergeseran ini tidak akan berpengaruh pada citra yang dihasilkan jika dilakukan inverse transformasi Fourier.

• IFFT2

Fungsi ini digunakan untuk melakukan inverse transformasi Fourier terhadap array 2 dimensi. Hasil yang diperoleh juga akan berbentuk array 2 dimensi.

Langkah pertama yang dilakukan adalah membaca file citra yang akan diproses dan menyimpan informasi graylevel dari semua pixelnya ke dalam sebuah matriks.

Perintah yang digunakan adalah:
nmfile = ‘flo_nois.bmp’;
img = imread(nmfile);

Selanjutnya dilakukan transformasi Fourier dan dilanjutkan dengan penggeseran (shifting) hasil transformasi Fourier tersebut supaya hasil visualisasinya lebih mudah diamati dan dianalisa.

Untuk itu digunakan perintah:
% Transformasi Fourier dengan FFT
img_f = fft2(img);
img_fs = fftshift(img_f);

Setelah itu baru digunakan perintah imshow untuk menampilkan citra maupun spektrum Fouriernya. Namun pada saat spektrum Fourier akan ditampilkan, karena dynamic range dari spektrum Fourier sangat besar, lebih dulu dilakukan proses dengan perintah berikut:

img_spectrum = log(1+abs(img_fs));

Proses ini akan memperkecil dynamic range sehingga dapat ditampilkan di layar dengan lebih jelas dan lebih mudah untuk dianalisa.

Untuk menghilangkan noise, lebih dulu dibuat sebuah matriks h yang dimensinya sama dengan dimensi dari matriks untuk menyimpan hasil transformasi Fourier, yaitu 256 x 256. Matriks h ini dinisialisasi dengan diisi nilai satu pada setiap elemennya dengan menggunakan perintah:

h = ones(256);

Selanjutnya bagian tertentu dari matriks yang menunjukkan area dimana noise berada pada spektrum Fourier citra diubah menjadi nol, dengan menggunakan perintah:

% Memilih area frekuensi yang akan difilter
% untuk menghapus noise.
for ix = 1:256,
for iy = 1:256,
% Noise berasal dari frekuensi yang membentuk garis
% vertikal di bagian tengah spektrum.
% Nilai pada area ini akan dihilangkan dengan cara
% dikalikan 0.
if (iy > 127) & (iy < 130) & ((ix < 123) | (ix > 134))
h(ix,iy) = 0;
end
end
end

Perintah di atas hanya berlaku untuk noise yang ada pada citra yang digunakan oleh penulis. Jika noise pada spektrum Fourier citra lainnya berada di area yang berbeda, tentunya perintah di atas harus dimodifikasi angka-angkanya sehingga sesuai dengan area noise pada spektrum Fourier yang akan dihilangkan.

Setelah bagian tertentu dari matriks tersebut diberi nilai nol, sedangkan yang lainnya tetap bernilai satu, maka masing-masing elemen matriks tersebut dikalikan dengan elemen-elemen yang bersesuaian dari matriks spektrum Fourier citra, dengan perintah:

g = img_fs .* h;

Perkalian ini akan menghasilkan spektrum Fourier baru dimana area noise telah hilang karena dikalikan dengan nol. Pada visualisasi spektrum Fourier hilangnya area noise ini ditunjukkan dengan warna hitam di area tersebut.

Langkah berikutnya adalah melakukan inverse transformasi Fourier dari spektrum Fourier yang baru untuk mendapatkan informasi citra kembali, dengan perintah:

hasil = uint8(abs(ifft2(g)));

Digunakannya uint8 adalah supaya informasi citra yang diperoleh memiliki tipe data pixel 8-bit atau 256 graylevel, sehingga sama dengan citra asalnya.

Contoh kasus 1:
Pada gambar berikut ini gambar kiri atas adalah citra yang memiliki noise berupa garis-garis horisontal. Sedangkan gambar kanan atas adalah spektrum Fourier dari citra trsebut. Pada spektrum Fourier ini tampak sebuah garis vertikal berwarna terang yang mewakili noise pada citra tersebut.

Gambar 1

Gambar kanan bawah menunjukkan gambar spektrum Fourier yang telah diproses. Proses dilakukan dengan cara mengalikan nilai spektrum pada area yang dipilih dengan nol. Area yang dipilih adalah bagian berwarna terang yang membentuk garis vertikal karena bagian inilah yang mewakili adanya noise. Sedangkan area di bagian pusat spektrum tidak dihilangkan karena area ini mengandung informasi citra itu sendiri. Jika area pusat spektrum ini juga dijadikan nol, maka citra yang dihasilkan akan menjadi gelap.

Setelah area yang dipilih dikalikan dengan nol, tampak bahwa warna pada area tersebut menjadi gelap. Setelah itu dilakukan inverse transformasi Fourier sehingga didapatkan citra seperti pada gambar kiri bawah. Terlihat bahwa citra menjadi lebih jelas karena noise berupa garis-garis horisontal sudah tidak ada lagi.

Contoh kasus 2:

Pada contoh kasus ini prinsipnya sama dengan contoh pertama, hanya bedanya jenis noise yang ada di sini direpresentasikan dengan adanya dua garis vertikal berwarna terang pada spektrum Fourier dari citra.

Gambar 2

Setelah area spektrum yang dipilih dikalikan nol, kemudian dilakukan inverse transformasi Fourier, terlihat bahwa citra yang dihasilkan jauh lebih jelas daripada sebelumnya.

Dari kedua contoh kasus tersebut, terlihat bahwa dengan melakukan pemrosesan citra digital dengan metode frequency domain, kita dapat melakukan perbaikan pada citra yang tercemari oleh noise tertentu. Noise yang dapat dihilangkan atau dikurangi dengan metode ini adalah noise yang menghasilkan pola tertentu pada spektrum Fouriernya, misalnya berupa garis lurus. Jika noise yang ada tersebar dan bentuknya tidak teratur, maka akan sulit untuk menentukan area mana yang menjadi penyebab noise tersebut.

Referensi :

http://www.snpages.info/

Warna dapat didefinisikan secara obyektif/fisik sebagai sifat cahaya yang diapancarkan, atau secara subyektif/psikologis sebagai bagian dari pengalaman indera pengelihatan. Secara obyektif atau fisik, warna dapat diberikan oleh panajang gelombang. Dilihat dari panjang gelombang, cahaya yang tampak oleh mata merupakan salah satu bentuk pancaran energi yang merupakan bagian yang sempit dari gelombang elektromagnetik.

Cahaya yang dapat ditangkap indera manusia mempunyai panjang gelombang 380 sampai 780 nanometer. Cahaya antara dua jarak nanometer tersebut dapat diurai melalui prisma kaca menjadi warna-warna pelangi yang disebut spectrum atau warna cahaya, mulai berkas cahaya warna ungu, violet, biru, hijau, kuning, jingga, hingga merah. Di luar cahaya ungu /violet terdapat gelombang-gelombang ultraviolet, sinar X, sinar gamma, dan sinar cosmic. Di luar cahaya merah terdapat gelombang / sinar inframerah, gelombang Hertz, gelombang Radio pendek, dan gelombang radio panjang, yang banyak digunakan untuk pemancaran radio dan TV. Proses terlihatnya warna adalah dikarenakan adanya cahaya yang menimpa suatu benda, dan benda tersebut memantulkan cahaya ke mata (retina) kita hingga terlihatlah warna. Benda berwarna merah karena sifat pigmen benda tersebut memantulkan warna merah dan menyerap warna lainnya. Benda berwarna hitam karena sifat pigmen benda tersebut menyerap semua warna pelangi. Sebaliknya suatu benda berwarna putih karena sifat pigmen benda tersebut memantulkan semua warna pelangi.

Sebagai bagian dari elemen tata rupa, warna memegang peran sebagai sarana untuk lebih mempertegas dan memperkuat kesan atau tujuan dari sebuah karya desain. Dalam perencanaan corporate identity, warna mempunyai fungsi untuk memperkuat aspek identitas. Lebih lanjut dikatakan oleh Henry Dreyfuss , bahwa warna digunakan dalam simbol-simbol grafis untuk mempertegas maksud dari simbol-simbol tersebut . Sebagai contoh adalah penggunaan warna merah pada segitiga pengaman, warna-warna yang digunakan untuk traffic light merah untuk berhenti, kuning untuk bersiap-siap dan hijau untuk jalan. Dari contoh tersebut ternyata pengaruh warna mampu memberikan impresi yang cepat dan kuat.

Kemampuan warna menciptakan impresi, mampu menimbulkan efek-efek tertentu. Secara psikologis diuraikan oleh J. Linschoten dan Drs. Mansyur tentang warna sbb: Warna-warna itu bukanlah suatu gejala yang hanya dapat diamati saja, warna itu mempengaruhi kelakuan, memegang peranan penting dalam penilaian estetis dan turut menentukan suka tidaknya kita akan bermacam-macam benda.

Dari pemahaman diatas dapat dijelaskan bahwa warna, selain hanya dapat dilihat dengan mata ternyata mampu mempengaruhi perilaku seseorang, mempengaruhi penilaian estetis dan turut menentukan suka tidaknya seseorang pada suatu benda.

Berikut kami sajikan potensi karakter warna yang mampu memberikan kesan pada seseorang sbb :

1. Hitam, sebagai warna yang tertua (gelap) dengan sendirinya menjadi lambang untuk sifat gulita dan kegelapan (juga dalam hal emosi).
2. Putih, sebagai warna yang paling terang, melambangkan cahaya, kesucian.
3. Abu-abu, merupakan warna yang paling netral dengan tidak adanya sifat atau kehidupan spesifik.
4. Merah, bersifat menaklukkan, ekspansif (meluas), dominan (berkuasa), aktif dan vital (hidup).
5. Kuning, dengan sinarnya yang bersifat kurang dalam, merupakan wakil dari hal-hal atau benda yang bersifat cahaya, momentum dan mengesankan sesuatu.
6. Biru, sebagai warna yang menimbulkan kesan dalamnya sesuatu (dediepte), sifat yang tak terhingga dan transenden, disamping itu memiliki sifat tantangan.
7. Hijau, mempunyai sifat keseimbangan dan selaras, membangkitkan ketenangan dan tempat mengumpulkan daya-daya baru.

Dari sekian banyak warna, dapat dibagi dalam beberapa bagian yang sering dinamakan dengan sistem warna Prang System yang ditemukan oleh Louis Prang pada 1876 meliputi :

1. Hue, adalah istilah yang digunakan untuk menunjukkan nama dari suatu warna, seperti merah, biru, hijau dsb.
2. Value, adalah dimensi kedua atau mengenai terang gelapnya warna. Contohnya adalah tingkatan warna dari putih hingga hitam.
3. Intensity, seringkali disebut dengan chroma, adalah dimensi yang berhubungan dengan cerah atau suramnya warna.

Selain Prang System terdapat beberapa sistem warna lain yakni, CMYK atau Process Color System, Munsell Color System, Ostwald Color System, Schopenhauer/Goethe Weighted Color System, Substractive Color System serta Additive Color/RGB Color System.

Diantara bermacam sistem warna diatas, kini yang banyak dipergunakan dalam industri media visual cetak adalah CMYK atau Process Color System yang membagi warna dasarnya menjadi Cyan, Magenta, Yellow dan Black. Sedangkan RGB Color System dipergunakan dalam industri media visual elektronika.

Referensi :

Dasar-Dasar Tata Rupa dan Desain, Drs. Sadjiman Ebdi Sanyoto, Yogyakarta 2005

http://www.tipsdesain.com/

Pengetahuan Anda – Pendidikan adalah segala yang telah Anda pelajari secara mendasar, tapi untuk memperbaiki ketrampilan komunikasi, yang Anda butuhkan adalah bagaimana mempraktekan apa yang telah Anda pelajari. Kita semua memang punya keterbatasan, tapi bukan berarti kita tak dapat belajar membuatnya bermanfaat dan membagi apa yang kita tahu dengan orang lain.

Mendengarkan – Bagian ini sama pentingnya dengan mengajukan pertanyaan. Kadang dengan mendengarkan suara kita sendiri kita dapat belajar sedikit lebih percaya diri. Dan mengatakan hal-hal yang kita percaya dengan penuh keyakinan.

Rendah Hati – Kita semua pernah membuat kesalahan, dan kadang kita cenderung mengucapkan kata-kata yang merendahkan. Atau kadang dengan membuat pengucapan yang salah, yang akibatnya malah membuat orang yang mendengarkan kita tak terkesan. Jadi, saat sedang melakukan percakapan dalam kelompok, jangan takut bertanya apa Anda salah mengucapkan kata dan jika orang lain tak yakin soal ini, jadikan saja bahan lelucon.

Kontak Mata – Tatapan mata bisa mengungkapkan banyak hal. Sangat penting bagi Anda untuk tetap fokus saat berbicara dalam kelompok atau pertemuan, walaupun semua yang hadir Anda kenal dengan baik.

Buat Lelucon – Sedikit humor dapat jadi pereda ketegangan yang luar biasa. Bicara serius terus-menerus akan membuat orang lain bosan. Dengan gurauan Anda dapat menarik perhatian orang lain dan membuat Anda mudah digapai, seperti semua orang.

Menempatkan Seperti Lawan Bicara – Berinteraksi adalah berbaur dengan orang-orang lain. Anda akan mendapat banyak gagasan, saat Anda mengetahui orang lain seperti adanya mereka. Melakukan pembauran juga dapat membangun ketrampilan kepemimpinan Anda.

Mendengarkan Diri Sendiri – Akuilah, ada saat-saat Anda bernyanyi untuk diri sendiri di kamar mandi. Anda juga bisa mulai berlatih dengan mendengarkan semua pemikiran Anda saat Anda sedang sendiri. Bicara lah di depan cermin untuk mengoreksi titian nada yang Anda ucapkan.

Tersenyum – Sebuah senyuman bisa memiliki banyak arti, seperti halnya tatapan mata. Jangan pernah menunjukkan ekspresi meringis atau mengerutkan dahi saat sedang melakukan pertemuan dengan banyak orang. Sebaliknya, dengan senyuman Anda bisa mengekspresikan apa yang Anda katakan dengan lebih baik.

Panutan – Anda pasti punya satu atau dua orang yang selalu Anda dengarkan saat sedang melakukan pertemuan di publik atau di gereja atau pengajian. Meniru bagaimana mereka menekankan apa yang mereka katakan dapat membantu Anda saat sedang berbicara di hadapan orang banyak.

Persiapan – Lakukan persiapan terbaik. Buat catatan, atau lakukan persiapan apa pun yang membuat Anda nyaman untuk mengungkapkan pendapat Anda saat berhadapan dengan orang banyak.

Referensi :

http://www.kapanlagi.com/

Konvolusi

Konvolusi merupakan proses penting pada analisis domain frekwensi karena f(x)*g(x) dan F(u)G(u) membentuk suatu   pasangan transformasi Fourier (Fourier transform pair).

Teori konvolusi:
f(x)*g(x) ßà F(u)G(u)
f(x)g(x) ßà  F(u)*G(u)

• Bila A adalah periode dalam diskritisasi f(x) dan B adalah periode dalam diskritisasi g(x), maka hasil konvolusi akan mempunyai periode M dimana M=A+B

• Konvolusi diskrit: (dilakukan melalui proses flip and shift terhadap fungsi g(x))

Citra  (image)
Citra (Image) dapat didefinisikan gambar  pada  bidang dwimatra (dua dimensi).

Citra digital
Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue – RGB).

Gambar 1

Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori komputer atau  media lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat, misalnya scanner, kamera digital, dan handycam.  Ketika sebuah citra sudah diubah ke dalam bentuk digital (selanjutnya disebut citra digital), bermacam-macam proses pengolahan citra dapat diperlakukan terhadap citra tersebut.

Pengertian Pengolahan Citra Digital

• Teknik Sampling :  Mendigitasi nilai koordinat objek digitalisasi spasial
• Teknik Kuantisasi :  Mendigitalisasi nilai intensitas (amplitudo) sinyal objek

Proses Pengolahan Citra
Komputer hanya dapat mengakses data digital, oleh karena itu untuk pengolahan data digital analog terdapat proses konversi yang disebut proses Analog Digital Conversi (ADC). Tujuan dari proses ADC adalah agar dapat diakses komputer, karena data asli atau fakta bersifat analog tidak bisa diolah oleh komputer, komputer hanya mengolah data digital.

Gambar 2

Tipe pemrosesan komputer :

• Pemrosesan Level Rendah (Low Level Process) : terdapat operasi primitif, seperti pemrosesan citra untuk mengurangi noise, perbaikan kontras, dan penajaman gambar. Ciri-ciri : input dan output sama-sama citra.
• Pemrosesan Level Menengah (Mid Level Process) : terdapat task, seperti segmentasi (pembagian citra menjadi region-region / objek-objek), mendeskripsikan objek-objek untuk mengubahnya menjadi bentuk yang sesuai untuk pemrosesan komputer, dan klasifikasi (mengenali objek-objek tertentu). Ciri-ciri : input berupa citra, output berupa atribut-atribut yang diekstrak dari citra (contoh : garis, kontur)
• Pemrosesan Level Tinggi (High Level Process) : termasuk menjadikan objek-objek yang sudah dikenali menjadi lebih berguna, berkaitan dengan aplikasi, serta melakukan fungsi-fungsi kognitif yang diasosiasikan dengan vision.

Pengolahan citra digital dapat dilakukan dengan cara-cara sebagai berikut :

• Representasi dan permodelan citra
• Peningkatan kualitas citra
• Restorasi citra
• Analisis citra
• Rekonstruksi citra
• Kompresi citra

Operasi Pengolahan 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.

Contoh Aplikasi Pengolahan Citra Digital dan computer vision :

• Absensi pegawai dengan sidik jari
• Program untuk mengenali wajah seseorang
• Sistem temu kembali citra berdasarkan isinya, contoh : dengan memasukkan keyword gunung akan muncul citra-citra yang ada gunung
• Mendeteksi garis putih supaya robot dapat berjalan di atasnya
• Lampu lalu lintas otomatis dengan kamera untuk mendeteksi kepadatan
• Palang kereta otomatis
• Mendeteksi keropos tulang dari citra kerangka manusia

Referensi :

http://fajri.freebsd.or.id/
http://blog.its.ac.id/
http://id.wikipedia.org/