uas teknik komputasi - yoga prihastomofiles.yogaprihastomo.com/kuliah/strata dua/semester...
Post on 01-Feb-2018
249 Views
Preview:
TRANSCRIPT
Halaman 0
Teknik Komputasi Ujian Akhir Semester (UAS)
Dosen : Dr. Ir. Nazori Az, MT.
Nama : Yoga Prihastomo NIM : 1011601026 Kelas : XB
MMAAGGIISSTTEERR IILLMMUU KKOOMMPPUUTTEERR UUNNIIVVEERRSSIITTAASS BBUUDDII LLUUHHUURR 22001111
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 1
∑=
−=N
iii xx
N 1
2)(1σ
∑=
=N
iX
N 11
1μ
A. Soal Diketahui sebuah citra tekstur yang akan diuji kemiripannya dengan metode jarak Euclidean. Tentukan besar jarak antar citra X yang akan diuji dengan citra lainnya dan urutkan hasilnya dengan citra yang paling mirip (nilai jarak yang paling kecil) berdasarkan ciri‐ciri: a. Intensitas warna b. Energi c. Entropi d. Standard deviasi e. Rata‐rata f. Homogeniti g. Kontras
Catatan:
Ke‐10 citra yang diuji berukuran sama dan diambil dari database online: brodatz textures
B. Jawaban 1. Terminologi
Sebuah citra mempunyai beberapa ciri yang digunakan untuk mengenali citra tersebut, antara lain: Intensitas warna (σ) Nilai rata‐rata (μ) Entropi (e) Energi (E) Homogeniti (H) Kontras (C) Rumusan:
Ciri‐Ciri Rumusan
Standard deviasi Intensitas warna Nilai rata‐rata
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 2
∑=
−=n
iii xPxpe
1)(log)(
∑ ∑= =
=M
x
N
yjj yxP
NxME
1 1
2)],([1
∑∑−+
=i j
djijiPH
1),(
∑∑ −=i j
d jiPjiC ),()( 2
]..,..........,,,[],..........,,,[
321
321
n
n
bbbbbdanaaaaa
==
2233
222
211 ).........()()()( nn babababaab −+−+−+−=
Entropi
Energi
Homogeniti
Kontras
Jarak Euclidean, jika diketahui dua buah
Jika n buah citra, masing‐masing mempunyai ciri‐ciri yang dibentuk oleh vektor‐vektor adalah sebagai berikut: Misal sebuah citra x yang akan diuji, citra mana yang paling mirip dengan citra x, dengan metode Euclidean dapat ditentukan besarnya jarak antar citra tsb. Citra yang paling mirip adalah citra yang mempunyai nilai jarak Euclidean paling kecil.
][..............................................
][][
2222222
1111111
nnnnnnn hcpeC
hcpeChcpeC
μσ
μσμσ
=
==
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 3
2. Jawaban Sumbef gambar adalah: http://www.ux.uis.no/~tranden/brodatz.html Diakses tanggal: 25 Desember 2011.
Nama Citra Nama Citra Nama Citra
D81.gif D82.gif D83.gif
D84gif D85.gif D86.gif
D87.gif D88.gif D89.gif
D90.gif
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 4
Script Matlab: %UAS Image Analysis %Yoga Prihastomo clear all clc format longG %Image Reading I1 = imread('c:\gambar\D81.gif'); I2 = imread('c:\gambar\D82.gif'); I3 = imread('c:\gambar\D83.gif'); I4 = imread('c:\gambar\D84.gif'); I5 = imread('c:\gambar\D85.gif'); I6 = imread('c:\gambar\D86.gif'); I7 = imread('c:\gambar\D87.gif'); I8 = imread('c:\gambar\D88.gif'); I9 = imread('c:\gambar\D89.gif'); I10 = imread('c:\gambar\D90.gif'); %Analisa Image 1 av_1 = mean2(I1); ent_1 = entropy(I1); std_1 = std2(I1); stats1 = graycoprops(I1); A1 = [stats1(1,1).Contrast]; cont_1 = A1(1,1); B1 = [stats1(1,1).Correlation]; corr_1 = B1(1,1); C1 = [stats1(1,1).Energy]; ener_1 = C1(1,1); D1 = [stats1(1,1).Homogeneity]; homo_1 = D1(1,1); %Analisa Image 2 av_2 = mean2(I2); ent_2 = entropy(I2); std_2 = std2(I2); stats2 = graycoprops(I2); A2 = [stats2(1,1).Contrast]; cont_2 = A2(1,1); B2 = [stats2(1,1).Correlation]; corr_2 = B2(1,1); C2 = [stats2(1,1).Energy]; ener_2 = C2(1,1); D2 = [stats2(1,1).Homogeneity]; homo_2 = D2(1,1); %Analisa Image 3 av_3 = mean2(I3); ent_3 = entropy(I3); std_3 = std2(I3); stats3 = graycoprops(I3); A3 = [stats3(1,1).Contrast]; cont_3 = A3(1,1);
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 5
B3 = [stats3(1,1).Correlation]; corr_3 = B3(1,1); C3 = [stats3(1,1).Energy]; ener_3 = C3(1,1); D3 = [stats3(1,1).Homogeneity]; homo_3 = D3(1,1); %Analisa Image 4 av_4 = mean2(I4); ent_4 = entropy(I4); std_4 = std2(I4); stats4 = graycoprops(I4); A4 = [stats4(1,1).Contrast]; cont_4 = A4(1,1); B4 = [stats4(1,1).Correlation]; corr_4 = B4(1,1); C4 = [stats4(1,1).Energy]; ener_4 = C4(1,1); D4 = [stats4(1,1).Homogeneity]; homo_4 = D4(1,1); %Analisa Image 5 av_5 = mean2(I5); ent_5 = entropy(I5); std_5 = std2(I5); stats5 = graycoprops(I5); A5 = [stats5(1,1).Contrast]; cont_5 = A5(1,1); B5 = [stats5(1,1).Correlation]; corr_5 = B5(1,1); C5 = [stats5(1,1).Energy]; ener_5 = C5(1,1); D5 = [stats5(1,1).Homogeneity]; homo_5 = D5(1,1); %Analisa Image 6 av_6 = mean2(I6); ent_6 = entropy(I6); std_6 = std2(I6); stats6 = graycoprops(I6); A6 = [stats6(1,1).Contrast]; cont_6 = A6(1,1); B6 = [stats6(1,1).Correlation]; corr_6 = B6(1,1); C6 = [stats6(1,1).Energy]; ener_6 = C6(1,1); D6 = [stats6(1,1).Homogeneity]; homo_6 = D6(1,1); %Analisa Image 7 av_7 = mean2(I7); ent_7 = entropy(I7); std_7 = std2(I7); stats7 = graycoprops(I7); A7 = [stats7(1,1).Contrast];
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 6
cont_7 = A7(1,1); B7 = [stats7(1,1).Correlation]; corr_7 = B7(1,1); C7 = [stats7(1,1).Energy]; ener_7 = C7(1,1); D7 = [stats7(1,1).Homogeneity]; homo_7 = D7(1,1); %Analisa Image 8 av_8 = mean2(I8); ent_8 = entropy(I8); std_8 = std2(I8); stats8 = graycoprops(I8); A8 = [stats8(1,1).Contrast]; cont_8 = A8(1,1); B8 = [stats8(1,1).Correlation]; corr_8 = B8(1,1); C8 = [stats8(1,1).Energy]; ener_8 = C8(1,1); D8 = [stats8(1,1).Homogeneity]; homo_8 = D8(1,1); %Analisa Image 9 av_9 = mean2(I9); ent_9 = entropy(I9); std_9 = std2(I9); stats9 = graycoprops(I9); A9 = [stats9(1,1).Contrast]; cont_9 = A9(1,1); B9 = [stats9(1,1).Correlation]; corr_9 = B9(1,1); C9 = [stats9(1,1).Energy]; ener_9 = C9(1,1); D9 = [stats9(1,1).Homogeneity]; homo_9 = D9(1,1); %Analisa Image 10 av_10 = mean2(I10); ent_10 = entropy(I10); std_10 = std2(I10); stats10 = graycoprops(I10); A10 = [stats10(1,1).Contrast]; cont_10 = A10(1,1); B10 = [stats10(1,1).Correlation]; corr_10 = B10(1,1); C10 = [stats10(1,1).Energy]; ener_10 = C10(1,1); D10 = [stats10(1,1).Homogeneity]; homo_10 = D10(1,1); %Menghitung Jarak Euclidean Antara Masing-masing Image euc_1 = sqrt((av_1-av_2)^2+(ent_1-ent_2)^2+(std_1-std_2)^2+(cont_1-cont_2)^2+(corr_1-corr_2)^2+(ener_1-ener_2)^2+(homo_1-homo_2)^2);
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 7
euc_2 = sqrt((av_1-av_3)^2+(ent_1-ent_3)^2+(std_1-std_3)^2+(cont_1-cont_3)^2+(corr_1-corr_3)^2+(ener_1-ener_3)^2+(homo_1-homo_3)^2); euc_3 = sqrt((av_1-av_4)^2+(ent_1-ent_4)^2+(std_1-std_4)^2+(cont_1-cont_4)^2+(corr_1-corr_4)^2+(ener_1-ener_4)^2+(homo_1-homo_4)^2); euc_4 = sqrt((av_1-av_5)^2+(ent_1-ent_5)^2+(std_1-std_5)^2+(cont_1-cont_5)^2+(corr_1-corr_5)^2+(ener_1-ener_5)^2+(homo_1-homo_5)^2); euc_5 = sqrt((av_1-av_6)^2+(ent_1-ent_6)^2+(std_1-std_6)^2+(cont_1-cont_6)^2+(corr_1-corr_6)^2+(ener_1-ener_6)^2+(homo_1-homo_6)^2); euc_6 = sqrt((av_1-av_7)^2+(ent_1-ent_7)^2+(std_1-std_7)^2+(cont_1-cont_7)^2+(corr_1-corr_7)^2+(ener_1-ener_7)^2+(homo_1-homo_7)^2); euc_7 = sqrt((av_1-av_8)^2+(ent_1-ent_8)^2+(std_1-std_8)^2+(cont_1-cont_8)^2+(corr_1-corr_8)^2+(ener_1-ener_8)^2+(homo_1-homo_8)^2); euc_8 = sqrt((av_1-av_9)^2+(ent_1-ent_9)^2+(std_1-std_9)^2+(cont_1-cont_9)^2+(corr_1-corr_9)^2+(ener_1-ener_9)^2+(homo_1-homo_9)^2); euc_9 = sqrt((av_1-av_10)^2+(ent_1-ent_10)^2+(std_1-std_10)^2+(cont_1-cont_10)^2+(corr_1-corr_10)^2+(ener_1-ener_10)^2+(homo_1-homo_10)^2); euc_total = [euc_1,euc_2,euc_3,euc_4,euc_5,euc_6,euc_7,euc_8,euc_9] %Menampilkan Nilai Euclidean Minimum dari Matriks euc_total euc_min = min(euc_total)
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 8
C. Analisa Hasil Dari kompilasi script Matlab di atas didapatkan hasil sebagai berikut: Variables
Images Average Entropy Standard
Deviation Contrast Correlation Energy Homogenity
D81.gif 105.6751 6.4237 58.0112 66602.4970 0.0426 3.1772e‐06 0.0174
D82.gif 146.7404 5.3969 47.8563 69489.1057 ‐0.0015 2.7011e‐06 0.0172
D83.gif 121.1981 5.8093 46.5325 69177.6566 ‐0.0099 2.8013e‐06 0.0171
D84.gif 110.0462 6.3917 58.8784 68401.4870 0.0080 3.1403e‐06 0.0173
D85.gif 149.9369 5.8610 49.3649 69879.6769 ‐0.0106 2.7061e‐06 0.0171
D86.gif 90.4777 6.2262 58.7261 69357.2689 0.0098 3.4699e‐06 0.0167
D87.gif 107.9567 6.0511 78.2380 68716.5655 ‐0.0011 3.7237e‐06 0.0172
D88.gif 141.1719 5.4952 83.8849 70097.1224 ‐0.0119 3.3035e‐06 0.0139
D89.gif 173.6082 5.4681 62.8249 68115.1505 ‐0.0093 2.7612e‐06 0.0139
D90.gif 133.5599 6.2804 68.2945 64824.7912 0.1121 3.0798e‐06 0.0195
Teknik Komputasi: Ujian Akhir Semester (UAS)
Halaman 9
Image 1 Terhadap Jarak Euclidean
Image 2 2886.91891208857
Image 3 2575.23207799475
Image 4 1798.99555124338
Image 5 3277.49026280034
Image 6 2754.81395258101
Image 7 2114.16655330732
Image 8 3494.90161657507
Image 9 1514.18615718049
Image 10 1777.95417015979 Sehingga: jarak terpendek adalah: 1514.18615718049, yang berarti Image 1 terhadap Image 9 memiliki kemiripan yang lebih intens dibanding kemiripan Image 1 terhadap Image selain Image 9.
top related