Kursus Pelatihan Pengantar Pengolahan Citra dengan Matlab

Dasar Citra dan Pengolahan Citra MATLAB

1. Pengantar Pengolahan Citra Digital

• Memahami citra digital dan piksel
• Dimensi citra, resolusi, dan tipe data
• Pengenalan MATLAB Image Processing Toolbox
• Memahami alur kerja dasar pengolahan citra

2. Mengimpor dan Memvisualisasikan Citra

• Memuat citra ke dalam MATLAB
• Menampilkan dan memeriksa properti citra
• Bekerja dengan dimensi dan tipe data citra
• Membandingkan representasi citra yang berbeda

3. Bekerja dengan Citra Berwarna

• Memahami citra berwarna RGB
• Akses kanal merah, hijau, dan biru secara individual
• Menggabungkan dan memanipulasi kanal warna
• Konversi antar representasi warna

4. Citra Grayscale dan Biner

• Konversi citra RGB ke grayscale
• Memahami nilai intensitas
• Membuat citra biner
• Fundamental ambang (thresholding)
• Membandingkan representasi grayscale dan biner

5. Topeng Citra dan Daerah Minat

• Memahami topeng citra
• Membuat topeng logis
• Menerapkan topeng pada citra
• Memilih dan menganalisis daerah minat

6. Menyimpan dan Mengekspor Citra

• Menyimpan citra yang telah diproses
• Manajemen format citra
• Mengekspor hasil untuk analisis lebih lanjut

Latihan langsung: Membangun alur kerja dasar MATLAB untuk memuat, memeriksa, memanipulasi, memberi topeng, dan menyimpan citra.

Peningkatan Citra, Pengurangan Derau, Registrasi, dan Deteksi Fitur

1. Analisis Citra Interaktif

• Mengeksplorasi citra secara interaktif
• Memeriksa nilai piksel dan daerah citra
• Memilih daerah minat
• Membandingkan citra asli dan citra yang diproses

2. Peningkatan Citra

• Meningkatkan visibilitas citra
• Menyesuaikan intensitas citra
• Peningkatan kontras
• Menyiapkan citra untuk analisis berikutnya

3. Derau dan Restorasi Citra

• Memahami derau citra umum
• Identifikasi derau dalam citra
• Menerapkan teknik peredaman (smoothing)
• Membandingkan pendekatan pengurangan derau yang berbeda
• Menyeimbangkan penghapusan derau dan pelestarian detail citra

4. Penyelarasan dan Registrasi Citra

• Memahami registrasi citra
• Menyelaraskan citra dengan sudut pandang atau posisi berbeda
• Memilih pendekatan registrasi yang tepat
• Mengevaluasi akurasi penyelarasan

5. Membuat Citra Panorama

• Menggabungkan citra yang tumpang tindih
• Meneteksi fitur citra yang bersesuaian
• Menyelaraskan dan mencampur citra
• Membuat adegan panorama

6. Mendeteksi Fitur Geometris

• Mendeteksi garis lurus
• Mendeteksi lingkaran
• Memahami konsep transformasi Hough
• Menerapkan deteksi garis dan lingkaran pada citra praktis

Latihan langsung: Menghapus derau dari citra, menyelaraskan beberapa citra, membuat panorama, dan mendeteksi fitur geometris.

Histogram, Penapisan, dan Segmentasi Citra

1. Histogram Citra

• Memahami distribusi intensitas citra
• Membuat dan menafsirkan histogram
• Analisis citra berbasis histogram
• Menggunakan histogram untuk mendukung pemilihan ambang
• Membandingkan karakteristik citra menggunakan histogram

2. Penapisan Citra 2D

• Memahami penapisan spasial
• Fundamental konvolusi citra
• Merancang inti filter (kernel) 2D
• Menerapkan filter pada citra
• Peredaman dan penajaman
• Membandingkan respons filter yang berbeda

3. Deteksi Tepi

• Memahami tepi citra
• Deteksi tepi berbasis gradien
• Mendeteksi batas objek
• Memilih metode deteksi tepi yang tepat
• Meningkatkan deteksi tepi melalui pra-pemrosesan

4. Segmentasi Objek

• Pengenalan segmentasi citra
• Memisahkan objek latar depan dari latar belakang
• Segmentasi berbasis ambang
• Segmentasi berbasis intensitas
• Mengevaluasi hasil segmentasi

5. Segmentasi Berbasis Warna

• Memahami ruang warna
• Memilih informasi warna yang berguna
• Memsegmentasi objek berdasarkan warna
• Menangani variasi pencahayaan

6. Segmentasi Berbasis Tekstur

• Memahami informasi tekstur
• Identifikasi objek menggunakan karakteristik tekstur
• Menggabungkan informasi tekstur dengan teknik segmentasi lain

Latihan langsung: Mengembangkan alur kerja segmentasi lengkap menggunakan penapisan, deteksi tepi, intensitas, warna, dan informasi tekstur.

Analisis Citra Otomatis, Morfologi, dan Pengukuran Objek

1. Pemrosesan Citra Batch

• Memahami alur kerja pengolahan citra otomatis
• Membaca beberapa citra dari folder
• Menerapkan langkah pemrosesan yang sama pada koleksi citra
• Menyimpan dan mengorganisir hasil analisis
• Membangun skrip MATLAB yang dapat digunakan kembali untuk analisis citra

2. Pengolahan Citra Morfologis

• Pengenalan morfologi matematis
• Elemen struktur
• Erosi dan dilatasi
• Pembukaan (opening) dan penutupan (closing)
• Memenuhi lubang dan menghapus daerah yang tidak diinginkan
• Menyempurnakan hasil segmentasi biner

3. Segmentasi Objek Berbasis Bentuk

• Identifikasi objek berdasarkan bentuk
• Memisahkan objek yang terhubung
• Menghapus objek kecil atau tidak diinginkan
• Menyempurnakan batas objek
• Menggabungkan teknik segmentasi dan morfologis

4. Mengukur Properti Objek

• Mendeteksi objek individual
• Mengukur area dan keliling objek
• Kotak pembatas dan centroid
• Pengukuran bentuk dan geometris
• Mengekstrak properti objek untuk analisis lebih lanjut

5. Analisis Citra Kuantitatif

• Mengubah hasil pengolahan citra menjadi data numerik
• Membuat tabel pengukuran
• Membandingkan objek
• Identifikasi objek berdasarkan properti yang diukur
• Mengekspor hasil analisis

6. Alur Kerja Pengolahan Citra Ujung-ke-Ujung

Peserta akan menggabungkan teknik yang dipelajari sepanjang kursus untuk mengembangkan alur kerja analisis citra lengkap:

Akuisisi citra → pra-pemrosesan → peningkatan → penapisan → segmentasi → pengolahan morfologis → deteksi objek → pengukuran → pelaporan

Latihan langsung: Mengembangkan aplikasi MATLAB otomatis yang memproses koleksi citra, memsegmentasi objek, mengekstrak properti bentuk, dan menghasilkan hasil kuantitatif.

Latihan Praktis

Sepanjang kursus, peserta akan mengerjakan contoh praktis yang melibatkan:

• Peningkatan dan visualisasi citra
• Analisis citra RGB dan grayscale
• Pengurangan derau
• Penapisan citra
• Pembuatan panorama
• Deteksi garis dan lingkaran
• Deteksi tepi
• Segmentasi warna dan tekstur
• Pengolahan morfologis
• Deteksi objek berbasis bentuk
• Pengukuran objek
• Pemrosesan batch otomatis