• Tidak ada hasil yang ditemukan

Pengenalan motif batik Yogyakarta menggunakan ekstraksi ciri dct dan jarak dice.

N/A
N/A
Protected

Academic year: 2017

Membagikan "Pengenalan motif batik Yogyakarta menggunakan ekstraksi ciri dct dan jarak dice."

Copied!
163
0
0

Teks penuh

Loading

Gambar

Gambar 2.3. Contoh  grayscale (a) Citra asli (b) Citra Grayscale
Gambar 2.5. Contoh Penskalaan dengan variabel skala sebesar 90%.
Gambar 2.6. Contoh citra hasil DCT 2-D. (a) Citra asli (b) Citra hasil DCT
Gambar 2.7. Window ekstraksi ciri
+7

Referensi

Dokumen terkait

Tampilan Ekstraksi merupakan tampilan berguna untuk melakukan proses ekstraksi citra penyisip dari file citra watermark dengan algoritma Discrete Cosine Transform

Dalam perancangan sistem watermarking ini menggunakan 2 metode .Metode pertama yang digunakan yakni Discrete cosine transform (DCT) adalah Suatu teknik penyisipan data rahasia

Bagaimana membuat suatu aplikasi yang mengenali motif tenun ikat kota Kediri menggunakan algoritma DCT (Discrete Cosine Transform) dengan mencari nilai kedekatan

Hasil penelitian ini memiliki akurasi 47 % untuk ekstraksi warna, 47% untuk ekstraksi vektor horizontal 38% untuk ekstrasi vektor vertikal, 46% untuk ekstraksi ciri

Setelah dilakukan ekstrasi ciri isyarat vokal dengan menggunakan metode Discrete Wavelet Transform (DWT) level 3 secara realtime maka diperoleh rata-rata

Oleh karena itu, pada penelitian kali ini diusulkan metode klasifikasi yang invariant terhadap rotasi, dengan menggunakan metode ekstraksi ciri yang menggabungkan

Pada penelitian ini mengkhususkan teknik watermarking yang menggabungkan dua metode, yaitu Discrete Wavelet Transform (DWT) dan Discrete Cosine Transform (DCT) dengan

metode yang digunakan dalam penelitian ini adalah Discrete Cosine Transform bertujuan untuk meningkatkan hasil ektraksi fitur Gray Level Co- Occurrence Matrix