IT within..

Dekripsi portofolio 7 ACVK :

• Dari matriks kalibrasi pada tugas 6, tentukan koordinat 3D dari titik-titik sudut ketiga bangun ruang (kubus, balok, dan limas). Juga tampilkan panjang sisi setiap bangun ruang.
• Tampilkan 2 view yang berbeda dari rekonstruksi 3D kubus, balok, dan limas. estimasikan juga koordinat titik sudut dari kubus dan balok yang tidak kelihatan. Juga gambarkan sumbu koordinat yang mengindikasikan bidang dasar, dengan panjang sumbu X, Y, Z masing-masing 100 mm.

Implementasi :

listing stereo.m :

% STEREO
%
% Usage: pt3D = stereo(im1, im2, C1, C2)
%
% Where: im1 and im2 are the two stereo images
% C1 and C2 are the calibration matrices
% for these two images respectively
%
% The function will prompt you to digitise some points in the first image
% (finishing by clicking the right button). The function then
% prompts you to digitise the equivalent points (which you must digitise
% in exactly the same sequence) in the second image.
% The function then solves the stereo equations
% and returns the 3D coordinates of the points in pt3D.

Read the rest of this entry »

Dekripsi portofolio 6 ACVK :

• Tulislah sebuah fungsi Matlab calibrate.m yang dapat menampilkan kalibrasi kamera

Prose pengerjaan :

Citra input stereo1.jpg :

citra output setelah menjalankan fungsi calibrate :

dari fungsi calibrate.m didapatkan matriks C :

C =

0.6656 -0.7593 -0.0540 363.2814
-0.1887 -0.1442 -0.9412 342.3029
0.0005 0.0002 -0.0003 1.0000

Mean Squared Error = 5.414913e-002
Nilai error proyeksi yang diperoleh menggunakan matriks kalibrasi = 3.038154e-002

Read the rest of this entry »

Dekripsi portofolio 5 ACVK :

• Protofolio 5 ini tentang Edge detection

Hasil pengerjaan :

• Gradient strength image dari foto dengan 3 level smoothing yang berbeda-beda :

– smothing dengan menggunakan gaussian filter, standar deviasi 1

– smothing dengan menggunakan gaussian filter, standar deviasi 2

– smothing dengan menggunakan gaussian filter, standar deviasi 3

Read the rest of this entry »

Dekripsi portofolio 4 ACVK :

• Penerapan Highpassfilter, Lowpassfilter, dan HightBoostfilter

Langkah-langkah pengerjaan :

• highpassfilter

Dengan cutoff = 0.045 dan n = 1

plot permukaan filter di domain frekuensi :

plot permukaan filter di domain spatial :

hasil :

Read the rest of this entry »

Dekripsi portofolio 3 ACVK :

• lakukan konstruksi foto dengan menggunakan freqcomp
• lakukan filter gaussian pada foto
• lakukan filter average pada foto
• 2 citra wajah, dan citra hasil pertukaran fasenya.

langkah-langkah pengerjaan

• foto diri :

• untuk kontruksi foto dengan menggunakan freqcomp dengan jumlah komponen frekuensi 100

Read the rest of this entry »

Dekripsi Portofolio 2 – bagian 2 ACVK :

• Buatlah fungsi locatelandmarks.m yang dapat mengecek pojok2 dari suatu image.

Langkah-langkah pengerjaan :

1. Ubah citra biner, supaya backgroundnya menjadi hitam, dan objek menjadi putih
2. Eksperimen dengan menggunakan open-close atau close-open untuk menghilangkan noise
3. Tandai tiap blob dan hitung jumlah blob yang ada
4. untuk menentukan landmark, carilah blob yang paling dekat dengan pojok citra

implementasi dengan matlab, listing fungsi locatelandmarks.m

Read the rest of this entry »

Dekripsi Portofolio 2 – bag 1 ACVK :

• Gunakan foto diri anda yang berwarna kemudian ubah menjadi citra grayscale dan citra biner
• Lakukan operasi closing, opening, open-close (untuk menghilangkan noise), close-open. perhatikan bedanya

Jawaban :

• foto yang akan digunakan adalah :

parameter structuring element : 1.4

• Versi biner dengan threshold 0.33

Read the rest of this entry »

Dekripsi Portofolio 1 – bag 1 ACVK :

• Buatlah suatu fungsi yang dapat membuat citra lego berwarna menjadi citra lego biner dengan nilai threshold tertentu!

• Ubahlah citra biner yang didapat tadi menjadi kebalikannya. (hitam menjadi putih dan sebaliknya

Jawaban :

citra lego1.png asli :

versi biner dari lego1.png, dengan threshold 0.65 :

kemudian dari versi biner, dinegasikan kemudian diambil beberapa objek yang akan digunakan sebagai input dari fungsi moment.

input1 :

output1 dari fungsi moment :

area : 1772

centroid :137.1309 352.7065

theta = 0.1891

roundess : 0.0296

input2 :

output2 dari fungsi moment :

area : 939

centroid : 199.0777 999350

theta : 0.6870

roundess : 0.3379

Read the rest of this entry »