STTS

Sekolah Tinggi Teknik Surabaya

UJIAN AKHIR SEMESTER, SEMESTER GASAL 2012/2013

Mata Kuliah Jurusan / Semester Hari, Tanggal Jam Mulai / Waktu Dosen Sifat : Digital Image Processing and Computer Vision : S2-Teknologi Informasi / 2 : Selasa, 02-07-2013 : 10:00 / 120 menit : Endang Setyati : Terbuka

Petunjuk : Kerjakan semua soal dengan urut dan rapi ! Bobot nilai masing-masing 20. 1. Berikan hasil segmentasi dengan metode pengembangan daerah (region growing) untuk citra di bawah ini. Suatu piksel yang bertetangga dengan piksel-piksel pada batas daerah dapat bergabung dalam daerah bila mempunyai selisih gray level dengan seed tidak melebihi nilai threshold = 3. Gunakan posisi (5,3) sebagai seed. Jelaskan efek yang terjadi bila threshold terlalu besar dan terlalu kecil. Bagaimana cara mengatasinya ? V 0 1 2 3 4 5 6 7 8 0 2 10 6 7 2 7 7 1 4 1 6 2 5 4 0 7 0 0 9 2 4 2 3 5 6 1 6 4 2 3 0 6 6 2 9 6 4 9 2 4 4 7 0 3 8 9 8 1 6 5 6 5 9 8 9 3 9 5 2 6 8 1 0 4 6 5 5 7 0 7 3 5 0 9 9 9 6 0 9 8 1 2 0 7 4 5 10 3 5

2. Tepi suatu citra di bawah ini dinyatakan dengan kode 8 arah dan 4 arah. Berikan deretan chain code yang menyatakan shape number. Mulai disini

3. Dengan menggunakan metode graf, lakukan penyambungan tepi suatu citra yang dinyatakan oleh matriks gray level 4x4 di bawah ini : 7 6 2 3 4 5 8 7 3 2 1 6 7 6 5 9

Page 1 of 2

Sekolah Tinggi Teknik Surabaya

4. Diberikan citra sebagai berikut : 20 30 35 20 20 30 35 35 10 25 25 30 55 60 30 20 10 90 90 80 75 80 40 40 30 60 80 80 55 55 60 30 40 60 90 90 60 55 60 20 30 80 85 75 75 70 70 10 35 25 20 30 65 70 80 15 30 10 20 40 45 30 40 35

a. Lakukan Thresholding untuk mengubah image di atas menjadi image bilevel (hanya 0 dan 1), dengan Threshold = 50. b. Tuliskan traversal dari data elemen image bilevel yang dihasilkan pada soal (a) di atas quadrant by quadrant dengan metode quadtree. Gunakan pemisalan B = area hitam (objek), dan W = area putih (background). (NILAI 10) c. Lakukan thinning / skeletoning pada image bilevel yang dihasilkan pada soal (a) di atas.

5. Diberikan 3 image training berikut: 100 100 50 50 200 200 Ali 50 50 200 50 200 200 50 70 130 130 200 200 Budi 75 80 125 25 25 80 80 75 125 Coki

a. Dengan menggunakan algoritma PCA, lakukan training pada image di atas sehingga masingmasing image memiliki bobot sendiri-sendiri. b. Bila diberikan image testing seperti di bawah ini, Siapakah pemilik wajah yang paling mendekati image training di atas ? 70 100 75 70 130 90 90 150 135

SELAMAT MENGERJAKAN, SUKSES UNTUK ANDA !

Page 2 of 2