論文の概要、ライセンス

# (参考訳) Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur [全文訳有]

Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur ( http://arxiv.org/abs/2102.04202v1 )

ライセンス: CC BY 4.0
Shoffan Saifullah(参考訳) 画像処理は、卵胚の検出に適用することができる。 卵胚検出は、セグメンテーションプロセスを用いて処理される。 セグメンテーションは、分割された領域に応じて画像を分割する。 このプロセスには、最適な結果を得るために処理される画像の改善が必要です。 本研究では,画像エンハンスメントを用いた画像処理と流域法によるセグメンテーションの概念に基づき,卵胚の検出を解析する。 画像改善における前処理における画像強調には、Contrast Limited Adaptive Histogram Equalization (CLAHE) と Histogram Equalization (HE) を組み合わせている。 CLAHE法を用いて卵像のグレースケールを補正し、HEを用いて再処理する。 画像改善の結果,CLAHE-HE組み合わせ法は胚を持つ卵像の被写体面積の明瞭な画像を与えることが明らかとなった。 画像から白黒画像への変換と流域分割を用いたセグメンテーションプロセスは、胚を持つ鶏卵のオブジェクトを明確に示すことができる。 セグメンテーションの結果は、胚を持つ卵の面積を実質的かつ正確な方法で98.%の比率で分割することができる。

Image processing can be applied in the detection of egg embryos. The egg embryos detection is processed using a segmentation process. The segmentation divides the image according to the area that is divided. This process requires improvement of the image that is processed to obtain optimal results. This study will analyze the detection of egg embryos based on image processing with image enhancement and the concept of segmentation using the watershed method. Image enhancement in preprocessing in image improvement uses a combination of Contrast Limited Adaptive Histogram Equalization (CLAHE) and Histogram Equalization (HE) methods. The grayscale egg image is corrected using the CLAHE method, and the results are reprocessed using HE. The image improvement results show that the CLAHE-HE combination method gives a clear picture of the object area of the egg image that has an embryo. The segmentation process using image conversion to black and white image and watershed segmentation can clearly show the object of a chicken egg that has an embryo. The results of segmentation can divide the area of the egg having embryos in a real and accurate way with a percentage \approx 98\%.
公開日: Mon, 8 Feb 2021 14:03:51 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
SYSTEMIC : Information System and Informatics Journal. SYSTEMIC : 情報システムと情報誌。 0.75
(Vol 5 No 2 – Desember 2019) 53-60 (Vol 5 No 2–Desember 2019)53-60 0.97
SYSTEMIC: Information System and Informatics Journal SystemIC:情報システムと情報科学ジャーナル 0.81
ISSN: 2460-8092, 2548-6551 (e) ISSN2460-8092,2548-6 551(e) 0.75
Vol 5 No 2 – Desember 2019 Vol 5 No 2 - 2019年11月 0.85
Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur Shoffan Saifullah Universitas Pembangunan Nasional Veteran Yogyakarta shoffans@upnyk.ac.id Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur Shoffan Saifullah Universitas Pembangunan Nasional Veteran Yogyakarta Shoffans@upnyk.ac.id 0.99
Kata Kunci カタ・クンチ(Kata Kunci) 0.29
Abstrak Image Processing, Deteksi Embrio Telur, CLAHE-HE, Watershed Transform アブストラク 画像処理, Deteksi Embrio Telur, CLAHE-HE, Watershed Transform 0.79
Image processing dapat diterapkan dalam proses deteksi embrio telur. 画像処理のdapat diterapkan dalam proses deteksi embrio telur。 0.75
Proses deteksi embrio telur dilakukan dengan menggunakan proses segmentasi, yang membagi citra sesuai dengan daerah yang dibagi. Proses deteksi embrio telur dilakukan dengan menggunakan proses segmentasi、yang membagi citra sesuai dengan daerah yang dibagi。 0.72
Proses ini memerlukan perbaikan citra yang diproses untuk memperoleh hasil optimal. proses ini memerlukan perbaikan citra yang diproses untuk memperoleh hasil optimal. 0.83
Penelitian ini akan menganalisis deteksi embrio telur berdasarkan image processing dengan image enhancement dan konsep segmentasi menggunakan metode watershed transform. penelitian ini akan menganalisis deteksi embrio telur berdasarkan image processing dengan image enhancement dan konsep segmentasi menggunakan metode watershed transform 0.80
Image enhacement pada preprocessing dalam perbaikan citra menggunakan kombinasi metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Histogram Equalization (HE). Image Enhacement pada Preprocessing dalam perbaikan citra menggunakan kombinasi metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Histogram Equalization (HE)。 0.81
Citra grayscale telur diperbaiki dengan menggunakan metode CLAHE, dan hasilnya diproses kembali dengan menggunakan HE. Citra Greyscale telur dierbaiki dengan menggunakan metode CLAHE, dan hasilnya diproses kembali dengan menggunakan HE。 0.74
Hasil perbaikan citra menunjukkan bahwa metode kombinasi CLAHEHE memberikan gambar secara jelas daerah objek citra telur yang memiliki embrio. Hasil perbaikan citra menunjukkan bahwa metode kombinasi CLAHEHE memberikan gambar secara jelas daerah objek citra telur yang memiliki embrio。 0.80
Proses segmentasi dengan menggunakan konversi citra ke citra hitam putih dan segmentasi watershed mampu menunjukkan secara jelas objek telur ayam yang memiliki embrio. Proses segmentasi dengan menggunakan konversi citra ke citra hitam putih dan segmentasi watershed mampu menunjukkan secara jelas objek telur ayam yang memiliki embrio。 0.80
Hasil segmentasi mampu membagi daerah telur memiliki embrio secara nyata dan akurat dengan persentase sebesar  98%.. Hasil segmentasi mampu membagi daerah telur memiliki embrio secara nyata dan akurat dengan persentase sebesar ^ 98%。 0.80
Keywords Abstract Image Processing, Detection of Egg Embryos, CLAHE-HE, Watershed Transform キーワード 概要 画像処理, 卵胚検出, CLAHE-HE, Watershed Transform 0.67
1. Pendahuluan 1. Pendahuluan 0.85
Deteksi objek dapat dilakukan dalam beberapa cara diantaranya dengan suara [1], [2], gambar Segmentasi merupakan salah satu proses yang digunakan untuk mendeteksi objek gambar. Deteksi objek dapat dilakukan dalam beberapa cara diantaranya dengan suara [1], [2], gambar Segmentasi merupakan salah satu proses yang digunakan untuk mendeteksi objek gambar。 0.77
Segmentasi mampu membagi citra [5] ke dalam beberapa 5] ke dalam beberapa Segmentasi mampu membagi citra [5]。 0.91
[3], dan sensor [3]、ダン センサ 0.64
[4]. DOI : 10.29080/systemic.v5 i2.798 This work is licensed under a Creative Commons Attribution-ShareAli ke 4.0 International License. [4]. DOI : 10.29080/systemic.v5 i2.798 この作品はCreative Commons Attribution-ShareAli ke 4.0 International Licenseの下でライセンスされている。 0.58
Image processing can be applied in the detection of egg embryos. 画像処理は、卵胚の検出に適用することができる。 0.81
The egg embryos detection is processed using a segmentation process. 卵胚検出は、セグメンテーションプロセスを用いて処理される。 0.77
The segmentation divides the image according to the area that is divided. セグメンテーションは、分割された領域に応じて画像を分割する。 0.72
This process requires improvement of the image that is processed to obtain optimal results. このプロセスには、最適な結果を得るために処理される画像の改善が必要です。 0.70
This study will analyze the detection of egg embryos based on image processing with image enhancement and the concept of segmentation using the watershed method. 本研究では,画像エンハンスメントを用いた画像処理と流域法によるセグメンテーションの概念に基づき,卵胚の検出を解析する。 0.86
Image enhancement in preprocessing in image improvement uses a combination of Contrast Limited Adaptive Histogram Equalization (CLAHE) and Histogram Equalization (HE) methods. 画像改善における前処理における画像強調には、Contrast Limited Adaptive Histogram Equalization (CLAHE) と Histogram Equalization (HE) を組み合わせている。 0.82
The grayscale egg image is corrected using the CLAHE method, and the results are reprocessed using HE. CLAHE法を用いて卵像のグレースケールを補正し、HEを用いて再処理する。 0.74
The image improvement results show that the CLAHE-HE combination method gives a clear picture of the object area of the egg image that has an embryo. 画像改善の結果,CLAHE-HE組み合わせ法は胚を持つ卵像の被写体面積の明瞭な画像を与えることが明らかとなった。 0.81
The segmentation process using image conversion to black and white image and watershed segmentation can clearly show the object of a chicken egg that has an embryo. 画像から白黒画像への変換と流域分割を用いたセグメンテーションプロセスは、胚を持つ鶏卵のオブジェクトを明確に示すことができる。 0.83
The results of segmentation can divide the area of the egg having embryos in a real and accurate way with a percentage  98%. セグメンテーションの結果は、胚を持つ卵の面積を、実際の正確な方法で98%の比率で分割することができる。 0.76
bagian (region). bagian (複数形 bagians) 0.60
Proses segmentasi citra dilakukan setelah preprocessing. Proses segmentasi citra dilakukan setelah前処理。 0.84
Preprocessing dilakukan untuk mendapat gambar yang lebih baik secara identifikasi. dilakukan untuk mendapat gambar yang lebih baik secara identifikasiの前処理。 0.83
kualitas untuk dilakukan proses Beberapa untuk memperbaiki citra diantaranya image enhacement menggunakan metode contrast limited adaptive histogram equalization (CLAHE) dan histogram thresholding (HT). Kualitas untuk dilakukan proses Beberapa untuk memperbaiki citra diantaranya image enhacement menggunakan metode contrast limited adapt histogram equalization (CLAHE) dan histogram thresholding (HT)。 0.80
Image enhacement dengan イメージ・エンハーセメント・デンガン 0.35
dilakukan proses Dilakukan proses 0.79
yang 0.44
英語(論文から抽出)日本語訳スコア
Shoffan Saifullah/ Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi… Shoffan Saifullah / Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi... 0.91
metode CLAHE dan HT mampu memperbaiki citra objek bawah air [6] sehingga hasil yang diberikan menunjukkan gambar dengan objek yang lebih jelas dibandingkan dengan citra aslinya. mode CLAHE dan HT mampu memperbaiki citra objek bawah air [6] sehingga hasil yang diberikan menunjukkan gambar dengan objek yang lebih jelas dibandingkan dengan citra aslinya。 0.75
maka dalam penelitian ini akan mendeteksi gambar embrio telur dengan menggunakan image enhacement (kombinasi CLAHE dan HE), dan proses segmentasi dengan metode watershed. maka dalam penelitian ini akan mendeteksi gambar embrio telur dengan menggunakan image enhacement (kombinasi CLAHE dan HE), dan proses segmentasi dengan meode watershed. 0.79
dapat dilakukan ダパ Dilakukan 0.54
Selain dengan menggunakan CLAHE, image enhancement dengan menggunakan metode Histogram Equalization (HE) dan Exposure Based Sub Image Histogram Equalization (ESIHE) [7]. Selain dengan menggunakan CLAHE, Image enhancement dengan menggunakan metode Histogram Equalization (HE) dan Exposure Based Sub Image Histogram Equalization (ESIHE) [7] 0.80
Perbandingan hasil diperoleh bahwa ESIHE mampu memberikan hasil yang lebih baik jika dibandingkan dengan metode HE dan CLAHE dalam peningkatan kualitas berdasar pada nilai entropy dan contrast [7], [8], [9]. Perbandingan hasil diperoleh bahwa ESIHE mampu memberikan hasil yang lebih baik jika dibandingkan dengan metode HE dan CLAHE dalam peningkatan kualitas berdasar pada nilai entropy dan contrast [7], [8], [9]。 0.76
Peningkatan kualitas pada citra myocardial perfussion, metode CLAHE mampu memberikan hasil yang efektif dan cepat dalam interpretasi visual [9], [10] dan lebih akurat dalam analisis diagnosa pada cardiac, jika dibandingkan dengan metode HE. Peningkatan kualitas pada citra myocardial perfussion, metode CLAHE mampu memberikan hasil yang efektif dan cepat dalam interpretasi visual [9], [10] dan lebih akurat dalam analisis diagnosa pada heartc, jika dibandingkan dengan metode HE。 0.81
Metode HE memberikan intersity saturation yang hasilnya menginformasikan bahwa metode ini belum dapat diimplementasikan pada kasus CLAHE menggambarkan citra yang lebih jelas dan dapat dilakukan proses segmentasi seperti penggunaan metode winner filter untuk proses segmentasi citra biomedical. Metode HE memberikan intersity saturation yang hasilnya menginformasikan bahwa metode ini belum dapat diimplementasikan pada kasus CLAHE menggambarkan citra yang lebih jelas dan dapat dilakukan proses segmentasi seperti penggunaan metode winner filter untuk proses segmentasi citra biomedical。 0.81
dengan metode-metode image enhacement dapat dilakukan tersebut, dengan menggunakan beberapa metode seperti simpel HE [12], Dualistic Sub-Image Histogram Equalization (DSIHE) dan HE Schenaus [13]. dengan metode-metode image enhacement dapat dilakukan tersebut, dengan menggunakan beberapa metode seperti simpel HE [12], Dualistic Sub-Image Histogram Equalization (DSIHE) dan HE Schenaus [13] 0.89
citra medis [11]. シトラ・メディス [11]. 0.47
Hasil Selain citra ハシル セラン シトラ 0.37
Selain proses perbaikan Selain proses perbaikan 0.85
citra hasil watermarking citra hasil watermarking 0.85
(image enhancement), proses segmentasi sangat penting dalam proses identifikasi [14]. (画像強調) proses segmentasi sangat penting dalam proses identifikasi [14] 0.73
Proses segmentasi telur telah dilakukan dalam identifikasi citra asli dan [15]. Proses segmentasi telur telah dilakukan dalam identifikasi citra asli dan [15]。 0.71
Hasil segmentasi menunjukkan bahwa prosesnya berhasil dan dapat terindentifikasi. hasil segmentasi menunjukkan bahwa prosesnya berhasil dan dapat terindentifikasi(英語) 0.82
Proses segmentasi dilakukan dengan berbagai metode diantaranya yaitu thresholding [16], HSV (hue, saturation, value) [17], active contour [18] [19], otsu method [20], edge detection [21], hough transformation [22], watershed [23], dan lain-lain. Proses segmentasi dilakukan dengan berbagai metode diantaranya yaitu thresholding [16], HSV (hue, saturation, value) [17], active outline [18] [19], otsu method [20], edge detection [21], hough transformation [22], watershed [23], dan lain-lain. (英語) 0.81
Proses identifikasi citra telur diproses dengan berbagai cara mulai dari pengenalan fisik maupun embrio telah dilakukan dalam beberapa penelitian diantaranya yaitu identifikasi fertilitas telur ayam berdasarkan ektrasksi ciri GLCM dengan Backpropagatoin dan K-Means Clustering itu, proses identifikasi citra telur hasil thermal imaging [26] dapat diproses dengan processing. Proses identifikasi citra telur diroses dengan berbagai cara mulai dari pengenalan fisik maupun embrio telah dilakukan dalam beberapa penelitian diantaranya yaitu identifikasi fertilitas telur ayam berdasarkan ektrasksi ciri GLCM dengan Backpropagatoin dan K-Means Clustering itu, proses identifikasi citra telur hasil thermal imaging [26] dapat diproses dengan processing [26] dapat diproses dengan processing。 0.97
Identifikasi citra juga diproses untuk menguji image processing dalam perbandingan proses diantaranya yaitu citra dan hasil kompresi wavelet-nya [27], citra asli dan hasil croping-nya [28], citra digital dan thermal imaging [29], proses segmentasi citra hasil watermarking [30], ekstraksi fitur GLCM [31] dan Backpropagation (BP) [32] dalam identifikasi fertilitas telur. Identifikasi citra juga diproses untuk menguji image processing dalam perbandingan proses diantaranya yaitu citra dan hasil kompresi wavelet-nya [27], citra asli dan hasil croping-nya [28], citra digital dan thermal imaging [29], proses segmentasi citra hasil watermarking [30], ekstraksi fitur GLCM [31] dan Backpropagation (BP) [32] dalam identifikasi fertilitas telur。 0.85
asli dengan [24]. アスリデンガン [24]. 0.44
Proses [25]. Selain 散文 [25]. セラン 0.42
identifikasi idtifikasi 0.45
image telur citra image テルル シトラ 0.53
Berdasarkan pada latar belakang tersebut, Berdasarkan pada latar belakang tersebut。 0.69
54 2. Metode Penelitian 54 2. メトドペネリティアン(Metode Penelitian) 0.65
fertilitas fertilitas 0.85
Identifikasi telur dengan menggunakan image processing banyak dilakukan dengan berbagai metode dan berbagai hasil identifikasi. identifikasi telur dengan menggunakan image processing banyak dilakukan dengan berbagai metode dan berbagai hasil identifikasi 0.76
Image processing merupakan proses identifikasi telur dilakukan dengan langkah awal akuisisi citra. 画像処理のmerupakan proses identifikasi telur dilakukan dengan langkah awal akuisisi citra。 0.84
Proses akuisisi citra dapat dilakukan dengan beberapa alat yaitu kamera digital dan kamera thermal [15], [28] [33]. Proses akuisisi citra dapat dilakukan dengan beberapa alat yaitu kamera Digital dan kamera thermal [15], [28] [33]。 0.74
Proses image processing salah satunya menggunakan metode segmentasi untuk menentukan objek yang teridentifikasi sebagai telur. proses image processing salah satunya menggunakan metode segmentasi untuk menentukan objek yang teridentifikasi sebagai telur 0.74
identifikasi berdasarkan identifikasi berdasarkan 0.85
salah satu Proses identifikasi telur yang dilakukan adalah mendeteksi embrio pada telur menggunakan metode segmentasi watershed. サラ さっ さっ Proses identifikasi telur yang dilakukan adalah mendeteksi embrio pada telur menggunakan metode segmentasi watershed。 0.48
Citra telur yang digunakan adalah citra telur ayam. Citra telur yang digunakan adalah citra telur ayam。 0.75
Citra telur akan dilakukan preprocessing terlebih dahulu dengan guna untuk memperbaiki citra sehingga hasil prosesnya dapat maksimal. Citra telur akan dilakukan preprocessing terlebih dahulu dengan guna untuk memperbaiki citra sehingga hasil prosesnya dapat maksimal。 0.76
Proses deteksi embrio telur ditunjukkan seperti pada Gambar 1. プロセス deteksi embrio telur ditunjukkan seperti pada Gambar 1。 0.79
Gambar 1. Alur proses deteksi embrio pada telur fertil ギャンバー1。 alur proses deteksi embrio pada telur fertil 0.57
dengan menggunakan segmentasi watershed 田岸メングナカンセグナシ流域 0.25
Berdasarkan pada Gambar 1, alur proses memiliki 3 tahap utama yaitu hasil akuisisi citra, preprocessing, dan identifikasi. Berdasarkan pada Gambar 1 alur proses memiliki 3 tahap utama yaitu hasil akuisisi citra, preprocessing, dan identifikasi。 0.76
Proses akuisisi citra menghasilkan citra warna (RGB) dengan 3 komponen warna yaitu (red), hijau (green), biru (blue) [34], [35]. 補題 akuisisi citra menghasilkan citra warna (rgb) dengan 3 komponen warna yaitu (red), hijau (green), biru (blue) [34], [35] 0.72
Hasil ini akan dilakukan rposes grayscaling, yaitu mengubah citra warna menjadi citra warna direpresentasikan ke dalam matriks m x n dengan 3 komponen warna tersebut yang masing-masing warna memiliki range 0-255. hasil ini akan dilakukan rposes grayscaling, yaitu mengubah citra warna menjadi citra warna direpresentasikan ke dalam matriks m x n dengans m x n dengan 3 komponen warna tersebut yang masing-masing warna memiliki range 0-255 0.95
Proses grayscaling ini dilakukan dengan menggunakan rumus persamaan (1). プロセスグレースケーリング ini dilakukan dengan menggunakan rumus persamaan (1) 0.75
grayscale. Dimana グレースケール ディマナ 0.42
citra シトラ 0.50
英語(論文から抽出)日本語訳スコア
SYSTEMIC : Information System and Informatics Journal. SYSTEMIC : 情報システムと情報誌。 0.75
(Vol 5 No 2 - Desember 2019) 53-60 (第5巻第2号-2019年廃止)53-60 0.53
(1) Citra (1) シトラ 0.70
grayscale yang dihasilkan perlu dilakukan perbaikan citra dengan menghilangkan noise/derau yang ada pada citra. グレースケール yang dihasilkan perlu dilakukan perbaikan citra dengan menghilangkan noise/derau yang ada pada citra。 0.75
Noise merupakan gangguan pada citra yang dapat menurunkan kualitas citra [36]. 騒音merupakan gangguan pada citra yang dapat menurunkan kualitas citra [36]。 0.66
Image enhancement merupakan proses peningkatan kualitas yang bertujuan untuk memperbaiki citra maupun menunjukkan citra yang ditonjolkan [37]. 画像 強化merupakan proses peningkatan kualitas yang bertujuan untuk memperbaiki citra maupun menunjukkan citra yang ditonjolkan [37]。 0.77
Perbaikan citra pada penelitian ini menggunakan kombinasi 2 metode yaitu histogram equalization dan contrast limited adaptive histogram equalization (CLAHE). Perbaikan citra pada penelitian ini menggunakan kombinasi 2 metode yaitu histogram equalization dan contrast limited Adaptive histogram equalization (CLAHE)。 0.81
HE merupakan metode yang digunakan untuk merenggangkan/merata kan histogram [38]. HE merupakan metode yang digunakan untuk justnggangkan/merata kan histogram [38]。 0.85
Hasil HE memberikan perbedaan piksel yang lebih besar sehingga informasi yang ada dari citra mampu ditangkap oleh mata. Hasil HE memberikan perbedaan piksel yang lebih besar sehingga informasi yang ada dari citra mampu ditangkap oleh mata。 0.79
HE akan memperlebar range tingkat keabuan dari citra grayscale untuk meningkatkan konstras citra. he akan memperlebar range tingkat keabuan dari citra grayscale untuk meningkatkan konstras citra. (英語) 0.87
HE dapat diperoleh dengan memproses nilai keabuan citra dengan rumus persamaan (2). HE dapat diperoleh dengan memproses nilai keabuan citra dengan rumus persamaan (2)。 0.72
berdasarpada segmentasi wilayah. ベルダサルパダ セグメント・ウィラヤ 0.31
Sedangkan pendekatan citra didasarkan pada wilayah, pembagian dilakukan sub keseragaman wilayah. Sedangkan pendekatan citra didasarkan pada wilayah, pembagian dilakukan sub keseragaman wilayah。 0.75
Hasil segmentasi berupa bagian-bagian dari wilayang yang berkumpul dan melingkupi citra [41]. Hasil segmentasi berupa bagian-bagian dari wilayang yang berkumpul dan melingkupi citra [41] 0.87
Segmentasi memiliki beberapa metode salah satunya adalah watershed transformation (disebut watershed). Segmentasi memiliki beberapa metode salah satunya adalah watershed transformation (disebut watershed)。 0.80
Konsep dasar watershed adalah menangkap citra dalam bentuk 3 dimensi (x,y,z dengan masing-masing tingkat warna piksel). Konsep dasar watershed adalah menangkap citra dalam Benuk 3 dimensi (x,y,z dengan masing-masing tingkat warna piksel)。 0.80
Posisi x dan y adalah bidang dasar sebagai lokasi piksel, sedangkan z merupakan tingkat warna piksel grayscale dengan nilai yang semakin terang (mendekati putih) semakin tinggi nilai ketinggiannya. Posisi x dan y adalah bidang dasar sebagai lokasi piksel, sedangkan z merupakan tingkat warna piksel Greyscale dengan nilai yang semakin terang (mendekati putih) semakin tinggi nilai ketinggiannya。 0.82
Proses segmentasi watershed dapat dilakukan dengan menggunakan teknik flooding. proses segmentasi watershed dapat dilakukan dengan menggunakan teknik flooding(英語) 0.84
Teknik flooding dilakukan dengan langkah-angkah sebagai berikut: a. Proses penentuan jarak tranformasi dengan menggunakan Euclidean Distance (ED) berdasarkan citra hasil preprocessing. Teknik flooding dilakukan dengan langkah-angkah sebagai berikut: a. Proses penentuan jarak tranformasi dengan menggunakan Euclidean Distance (ED) berdasarkan citra hasil preprocessing。 0.90
Rumus ED dapat ditunjukkan pada persamaan 4. Rumus ED dapat ditunjukkan pada persamaan 4。 0.82
(2) b. Mencari nilai jarak terkecil (persamaan 5) (2) b. mencari nilai jarak terkecil (persamaan 5) 0.89
(4) (4) 0.85
dimana nk adalah nilai piksel derajat keabuan, k dan n merupakan jumlah piksel dan L adalah derajat keabuan. dimana nk adalah nilai piksel derajat keabuan、k dan n merupakan jumlah piksel dan L adalah derajat keabuan。 0.82
Sehingga nilai derajat keabuan terhadap derajat keabuan (L-1). Sehingga nilai derajat keabuan terhadap derajat keabuan (L-1)。 0.86
Jika nilai rk = 0 maka warna hitam, dan jika rk= 1 maka warna putih (dalam skala keabuan). Jika nilai rk = 0 maka warna hitam, dan jika rk = 1 maka warna putih (dalam skala keabuan)。 0.84
(k) dinormalkan CLAHE memiliki konsep dimana histogram yang diproses diberi nilai batas bawah [39]. (k)二常観 CLAHE memiliki konsep dimana histogram yang diproses diberi nilai batas bawah [39] 0.69
CLAHE menunjukkan kejelasan pada citra dan konstras citra tidak terlalu meningkat. CLAHE menunjukkan kejelasan pada citra dan konstras citra tidak terlalu meningkat。 0.76
CLAHE dapat mencegah noise over enhacement dan mengurangi edge shadowing [40]. CLAHE dapat mencegah noise over enhacement dan mengurangi edge shadowing [40] 0.74
Nilai batas ini disebut dengan clip limit yang dapat dihitung dengan rumus persamaan 3. Nilai batas ini disebut dengan clip limit yang dapat dihitung dengan rumus persamaan 3。 0.82
(3) (3) 0.85
dimana M adalah dimana (複数形 dimanas) 0.31
size, N merupakan nilai grayscale dengan range 256, dan a adalah clip limit histogram antara 0-100. サイズ, N merupakan nilai grayscale dengan range 256, dan a a adalah clip limit histogram antara 0-100。 0.92
factor sebagai batasan ファクター・セバガイ・バタサン 0.13
luas region Proses terakhir adalah identifikasi dengan mengubah citra hasil preprocessing menjadi citra hitam putih (BW). ルイス地域 Proses terakhir adalah identifikasi dengan mengubah citra hasil preprocessing menjadi citra hitam putih (BW)。 0.55
Citra BW difilter dengan menggunakan bounding box dan dilakukan proses segmentasi untuk identifikasi yang menunjukkan embrio telur. Citra BW difilter dengan menggunakanbounding box dan dilakukan proses segmentasi untuk identifikasi yang menunjukkan embrio telur。 0.70
Pada bagian ini segmentasi menjadi metode akhir untuk proses deteksi embrio. Pada Bagian ini segmentasi menjadi metode akhir untuk proses deteksi embrio。 0.78
Proses segmentasi dilakukan menggunakan watershed transform. Proses segmentasi dilakukan menggunakanの流域の変形。 0.71
Konsep segmentasi didasari 2 pendekatan utama, yaitu tepi dan wilayah. konsep segmentasi didasari 2 pendekatan utama, yaitu tepi dan wilayah。 0.73
Pendekatan segmentasi didasarkan pada tepi, pembagian citra dilakukan berdasarkan diskontinuitas antara sub Pendekatan segmentasi didasarkan pada tepi, pembagian citra dilakukan berdasarkan diskontinuitas antara sub 0.85
55 (5) 55 (5) 0.85
c. Membuat array yang digunakan untuk menerima setiap hasil nilai jarak dan label dari watershed dengan ukuran yang sama dengan citra input. c. Membuat配列 yang digunakan untuk menerima setiap hasil nilai jarak dan label dari watershed dengan Ukuran yang sama dengan citra入力。 0.81
e. d. Mengurutkan nilai jarak secara ascending, dan membuat variable inisiasi dan increment untuk proses flooding. e. d. Mengurutkan nilai jarak secara 上昇, dan membuat 可変 inisiasi dan increment untuk proses 洪水。 0.83
Iterasi nilai-i, dimana untuk nilai setiap piksel yang sama dengan variable i, akan dicek terhadap 8 arah piksel tetangganya. Iterasi nilai-i, dimana untuk nilai setiap piksel yang sama dengan variable i, akan dicek terhadap 8 arah piksel tetangganya。 0.85
Jika piksel tidak saling bersinggungan atau tidak saling bertumpuk, maka akan diberi label dan ditandai sebagai objek. Jika piksel tidak saling bersinggungan atau tidak saling bertumpuk, maka akan diberi label dan ditandai sebagai objek。 0.80
Akan tetapi jika sebaliknya, maka piksel akan diberi label sebagai garis watershed dan disimpan pada array matriks label. Akan tetapi jika sebaliknya, maka piksel akan diberi label sebagai garis watershed dan disimpan pada array matriks label。 0.80
f. Mengulangi f.mengulangi 0.83
langkah ke-6 dengan nilai increment-nya ditambah dengan nilai terkecil dan jarak transformasi (dimana i=i+dn) Hasil akhir dilakukan pengecekan tingkat langkah ke-6 dengan nilai increment-nya ditambah dengan nilai terkecil dan jarak transformasi (dimana i=i+dn) Hasil akhir dilakukan pengecekan tingkat 0.86
keakurasian [43] dengan rumus persamaan 6. keakurasian [43] dengan rumus persamaan 6。 0.82
(6) dimana nilai dari semua komponen yang berhasil (true positive/TN dan true negative/TN) dibagi dengan seluruh data pengujian (semua komponen yang berhasil dan yang tidak (false positive/FP dan false negative/FN)) [44]. (6) dimana nilai dari semua komponen yang berhasil (true positive/TN dan true negative/TN) dibagi dengan seluruh data pengujian (semua komponen yang berhasil dan yang tidak (false positive/FP dan false negative/FN)) [44] 0.98
3. Hasil Dan Pembahasan 3. Hasil Dan Pembahasan 0.85
Proses identidikasi telur untuk mendeteksi embrio dilakukan dengan menggunakan citra telur タンパク・メンデテック・エブリオ・ディラクカン・デンガン・メングナカン・シトラ・テルル 0.10
BGRgrayscale114,0587 ,0299,0++= BGRgrayscale114,0587 ,0299,0++= 0.20
英語(論文から抽出)日本語訳スコア
Shoffan Saifullah/ Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi… Shoffan Saifullah / Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi... 0.91
ayam yang sudah diketahui bahwa telur tersebut fertil. ayam yang sudah diketahui bahwa telur tersebut fertil(英語) 0.85
Proses awal dalam pengolahan citra (akuisisi) dilakukan dengan menggunakan kamera smartphone. Proses awal dalam pengolahan citra (akuisisi) dilakukan dengan menggunakan kameraスマートフォン。 0.84
Kamera smartphone digunakan untuk akuisisi pengambilan gambar telur yang dilakukan proses telur dengan menggunakan senter) di tempat yang gelap seperti pada Gambar 2. KameraスマートフォンDigunakan untuk akuisisi pengambilan gambar telur yang dilakukan proses telur dengan menggunakan senter) di tempat yang gelap seperti pada Gambar 2。 0.84
(penyinaran candling (ペニーナラン) candling 0.65
Gambar 2. Rancangan Proses Akuisisi dari Proses ギャンバー2。 Rancangan Proses Akuisisi dari Proses 0.54
Candling Citra Telur di Tempat Gelap dengan menggunakan senter dan kamera smartphone Akusisi citra (Gambar 2) akan menghasilkan citra warna (RGB) seperti pada Gambar 3.(a). Candling Citra Telur di Tempat Gelap dengan menggunakan senter dan kamera smartphone Akusisi citra (Gambar 2) akan menghasilkan citra warna (RGB) seperti pada Gambar 3.(a)。 0.82
Hasil proses akusisi citra (citra warna) akan dilakukan preprocessing, dimana langkah awalnya adalah dengan proses grayscaling (hasilnya seperti pada Gambar 3.b). hasil proses akusisi citra (citra warna) akan dilakukan pre processing, dimana langkah awalnya adalah dengan proses grayscaling (hasilnya seperti pada gambar 3.b) 0.86
(a) (b) Gambar 3. (a) (b) ガンバー3。 0.66
Gambar Telur Ayam Fertil (a) Gambar Telur Gambar Telur Ayam Fertil (a) Gambar Telur 0.85
Warna, (b) Gambar Telur Grayscale Warna, (b) Gambar Telur Grayscale 0.85
Gambar 3 menunjukkan data citra telur yang terdeteksi sebagai telur yang fertil yang di dalamnya terdapat embrio. Gambar 3 menunjukkan data citra telur yang terdeteksi sebagai telur yang fertil yang di dalamnya terdapat embrio。 0.81
Proses identifikasi awal adalah dengan menggubah citra telur warna (Gambar 3. プロセス identifikasi awal adalah dengan menggubah citra telur warna (ガンバー3)。 0.86
(a)) menjadi citra grayscale (Gambar 3.b). (a)Menjadi citra grayscale(Gambar 3.b) 0.77
Proses ini dilakukan dengan menggunakan nilai matriks dari citra warna dengan masingmasing komponen warna (R,G,dan B) dimasukkan ke dalam persamaan 1 akan menghasilkan citra grayscale (citra aras keabuan dengan intensitas nilai dengan range 0-255) Proses ini dilakukan dengan menggunakan nilai matriks dari citra warna dengan masingmasing komponen warna (R,G,dan B) dimasukkan ke dalam persamaan 1 akan menghasilkan citra Greyscale (citra aras keabuan dengan intensitas nilai dengan range 0-255) 0.88
Hasil grayscaling (citra grayscale) secara detil belum memberikan gambar yang jelas adanya Hasil grayscaling (citra grayscale) secara detil belum memberikan gambar yang jelas adanya 0.85
56 embrio dalam telur, akan tetapi ketika dilihat lebih fokus dan detail maka dibagian dalam sudah tergambarkan adanya embrio yang menandakan bahwa telur tersebut dikategorikan dalam telur fertil. 56 embrio dalam telur, akan tetapi ketika dilihat lebih fokus dan details maka dibagian dalam sudah tergambarkan adanya embrio yang menandakan bahwa telur tersebut dikategorikan dalam telur fertil。 0.83
grayscale dilakukan preprocessing menggunakan metode HE dan CLAHE dengan menggunakan masing-masing dan gabungan dari kedua metode tersebut (Gambar 4). グレースケールのディラクカン前処理のmenggunakan metode HE dan CLAHEdengan menggunakan masing-masing dan gabungan dari kedua metode tersebut (Gambar 4)。 0.90
Setelah proses (a) セテラー・プロセス (a) 0.62
(b) (c) Gambar 4. (b) (c) ギャンバー4。 0.66
Hasil Pengolahan Citra (a) Proses CLAHE (b) Hasil Pengolahan Citra (a) Proses CLAHE (b) 0.85
Proses CLAHE dan HE, (c) Black White プロセスCLAHE dan HE、(c)ブラックホワイト。 0.78
Proses lebih jelas 散文 レビー ジェラス 0.33
citra terlihat pengolahan シトラ テリハ ペンゴラハン 0.33
dengan menggunakan metode CLAHE (Gambar 4. dengan menggunakan metode CLAHE (Gambar 4。 0.81
(a)) memberikan gambar dengan warna kontras yang berada di dalam jika dibandingkan dengan citra hasil grayscale, akan tetapi masih memiliki kekurangan dengan banyaknya noise. a)) メンバー ガンバル デンガン ワーナ kontras yang berada di dalam jika dibandingkan dengan citra hasil Greyscale, akan tetapi masih memiliki kekurangan dengan Banyaknya ノイズ。
訳抜け防止モード: (a)会員のGambar dengan warna kontras yang berada di dalam jika Dibandingkan Dengan citra hasil grayscale Akan Tetapi masih memiliki kekurangan Dengan Banyaknya noise.
0.73
Karena hal tersebut, citra hasil CLAHE diproses menggunakan metdeo HE yang menggambarkan hasil lebih jelas (Gambar 4.(b)). Karena hal tersebut, citra hasil CLAHE diproses menggunakan metdeo HE yang menggambarkan hasil lebih jelas (Gambar 4.(b)))。 0.76
Hasil CLAHE-HE diproses dengan removal noise, konversi ke citra BW, dan filtering sehingga menghasilkan citra BW yang jelas menggambarkan adanya embrio di dalam citra telur tersebut (Gambar 4. Hasil CLAHE-HE diproses dengan removal noise, konversi ke citra BW, dan filtering sehingga menghasilkan citra BW yang jelas menggambarkan adanya embrio di dalam citra telur tersebut (Gambar 4) 0.89
(c)). sangat (c)。 サンガット 0.39
Perbandingan preprocessing dengan image enhancement metode yang digunakan adalah HE dan CLAHE, dimana dilakukan analisis histogram. Perbandingan preprocessing dengan image enhancement metode yang digunakan adalah HE dan CLAHE, dimana dilakukan analisis histogram。 0.79
Histogram yang dianalisis yaitu citra hasil penerapan metode CLAHE, HE, kombinasi HECLAHE, dan CLAHE-HE. Histogram yang dianalisis yaitu citra hasil penerapan metode CLAHE, HE, kombinasi HECLAHE, dan CLAHE-HE 0.86
Masing-masing metode akan ditampilkan gambar histogramnya. Masing-masing metode akan ditampilkan gambar histogramnya。 0.86
penerapan Perbandingan ペネラパン Perbandingan 0.45
metode ditunjukkan pada Gambar 5. metode ditunjukkan pada Gambar 5。 0.78
Penerapan dengan metode CLAHE ditunjukkan seperti gambar 5. penerapan dengan metode clahe ditunjukkan seperti gambar 5 (英語) 0.59
(a) dimana sebelah kiri menggambarkan hasil citranya sedangkan sebelahnya menunjukkan histrogram yang dihasilkan. (a)dimana sebelah kiri menggambarkan hasil citranya sedangkan sebelahnya menunjukkan histrogram yang dihasilkan 0.74
Gambar masih terdapat banyak noise dan gambar kurang jelas. Gambar masih terdapat banyak noise dan gambar kurang jelas。 0.78
Histogram yang dihasilkan menunjukkan gambar yang masih terkumpul. ヒストグラム yang dihasilkan menunjukkan gambar yang masih terkumpul。 0.70
Sedangkan gambar 5. セダンカン・ギャンバー5(Sedangkan Gambar5)。 0.33
(b) menunjukkan hasil HE yang histogramnya sudah menyebar rata dan merenggang, dan gambar yang dihasilkan masih kurang jelas. (b) menunjukkan hasil HE yang Histogramnya sudah menyebar rata dan merenggang, dan gambar yang dihasilkan masih kurang jelas。 0.78
Hasil HE-CLAHE dan CLAHE-HE memberikan perbedaan bahwa citra CLAHE-HE (Gambar 5. Hasil HE-CLAHE dan CLAHE-HE memberikan perbedaan bahwa citra CLAHE-HE (Gambar 5) 0.80
(c)) memberikan jelas dibandingkan dengan HE-CLAHE (dari Gambar 5.(d)). (c)) memberikan jelas dibandingkan dengan HE-CLAHE (dari Gambar 5.(d))。 0.88
Sehingga hasil yang diproses lanjut adalah Gambar 5.(d). Sehingga hasil yang diproses lanjut adalah Gambar 5.(d)。 0.75
Gambar 5. (d) merupakan hasil akhir preprocessing yang akan diproses segmentasi. ギャンバー5。 (d) merupakan hasil akhir 前処理yang akan diproses segmentasi。 0.55
gambar lebih yang ギャンバー レビー 陽 0.33
SenterTelur ayamSmartphone Camera SenterTelur ayamSmartphone Camera 0.85
英語(論文から抽出)日本語訳スコア
SYSTEMIC : Information System and Informatics Journal. SYSTEMIC : 情報システムと情報誌。 0.75
(Vol 5 No 2 - Desember 2019) 53-60 (第5巻第2号-2019年廃止)53-60 0.53
(a) (c) (e) (a) (c) (e) 0.85
(b) (d) Gambar 5. (b) (d) ギャンバー5。 0.68
Analisis Metode Histogram Equalization dengan metode (a) CLAHE, (b) HE, (c) HE-CLAHE, (d) CLAHE-HE, dan Aalisis Metode Histogram Equalization dengan metode (a) CLAHE, (b) HE, (c) HE-CLAHE, (d) CLAHE-HE, dan 0.97
(e) hasil removal noise dan filtering dari CLAHE-HE (e)CLAHE-HEをフィルタするヘイズル除去ノイズ 0.76
Segmentasi menggunakan metode watershed yang ditunjukkan seperti pada Gambar 6. Segmentasi menggunakan metode watershed yang ditunjukkan seperti pada Gambar 6。 0.79
Proses dilakukan mulai dari removal noise dan filtering dengan bounding box yang ditunjukkan dari Gambar 6.(a)-6.(c). Proses dilakukan mulai dari removal noise dan filtering dengan bounding box yang ditunjukkan dari Gambar 6.(a)-6.(c)。 0.82
Kemudian akan dipeoses Kemudian akan dipeoses 0.85
pembuatan citra BW dengan hasil negasinya Gambar 6.(d)-6.(e). pembuatan citra BW dengan hasil negasinya Gambar 6.(d)-6.(e) 0.79
Proses terakhir adalah menggunakan yang 6.(f)-6(h). Proses terakhir adalah menggunakan yang 6.(f)-6(h)。 0.78
ditunjukkan ディトゥンジュクカン 0.19
segmentasi watershed Gambar 区分的流域 ギャンバー 0.44
(a) (e) (b) (a) (e) (b) 0.85
(f) (c) (g) (f) (c) (g) 0.85
(d) (h) Gambar 6. (d) (h) ギャンバー6。 0.69
Analisis Proses Watershed dari awal sampai akhir proses untuk masing-masing citra hasil. Analisis Proses Watershed dari awal sampai akhir proses untuk masing-masing citra hasil。 0.88
57 57 0.85
英語(論文から抽出)日本語訳スコア
Shoffan Saifullah/ Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi… Shoffan Saifullah / Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi... 0.91
Hasil segmentasi watershed, ハシル セグダシの流域 0.40
hasilnya ditunjukkan seperti pada Gambar 6. hasilnya ditunjukkan seperti pada Gambar 6。 0.78
(h) dimana pada bagian akhir citra akan dilabeli dengan warna. (h)dimana pada bagian akhir citra akan dilabeli dengan warna。 0.77
Citra telur yang memiliki embrio terlihat jelas dengan warna-warna yang ditunjukkan dan menjadi dasar jika terjadi banyak segmentasi dengan watershed akan menunjukkan secara jelas embrio yang ada di dalam telur. Citra telur yang memiliki embrio terlihat jelas dengan warna-warna yang ditunjukkan dan menjadi dasar jika terjadi banyak segmentasi dengan watershed akan menunjukkan secara jelas embrio yang ada di dalam telur。 0.86
Berdasarkan proses deteksi embrio, keakurasian hasil deteksi menunjukkan persentase sekisar 98%. Berdasarkan proses deteksi embrio、keakurasian hasil deteksi menunjukkan persentase sekisar 98%。 0.75
Hal ini dapat digunakan untuk memilah telur yang memiliki embrio dan tidak pada penetasan telur. HAL ini dapat digunakan untuk memilah telur yang memiliki embrio dan tidak pada penetasan telur。 0.78
Jika telur terdeteksi memiliki embrio maka tetap dilakukan penetasan, jika tidak memiliki embrio akan dikeluarkan dari penetasan. Jika telur terdeteksi memiliki embrio maka tetap dilakukan penetasan、Jika tidak memiliki embrio akan dikeluarkan dari penetasan。 0.82
4. Kesimpulan Deteksi embrio pada citra telur menggunakan metode watershed transform dilakukan dengan membagi daerah/bagian objek pada telur dengan warna yang berbeda. 4. Kesimpulan Deteksi embrio pada citra telur menggunakan metode watershed transform dilakukan dengan membagi daerah/bagian objek pada telur dengan warna yang berbeda。 0.86
Hasil deteksi menunjukkan bahwa gambar isi telur memiliki embrio. Hasil deteksi menunjukkan bahwa gambar isi telur memiliki embrio。 0.78
Embrio yang terdeteksi terlihat jelas dalam telur, ditandai dengan adanya garis-garis seperti akar di dalam telur ayam dan terdapat bulatan kuning yang telihat secara jelas. Embrio yang terdeteksi terlihat jelas dalam telur, ditandai dengan adanya garis-garis seperti akar di dalam telur ayam dan terdapat bulatan kuning yang telihat secara jelas。 0.85
Akan tetapi citra hasil akuisisi belum mampu memberikan deteksi pada citra telur, sehingga perlu dilakukan proses image enhancement dengan menggabungkan 2 metode yaitu CLAHE dan HE sehingga mampu memberikan gambar yang jelas dan mudah untuk segmentasi dilakukan dengan menggunakan metode watershed transform. Akan tetapi citra hasil akuisisi belum mampu memberikan deteksi pada citra telur, sehingga perlu dilakukan proses image enhancement dengan menggabungkan 2 metode yaitu CLAHE dan HE sehingga mampu memberikan gambar yang jelas dan mudah untuk segmentasi dilakukan dengan menggunakan metode watershed transform。 0.82
Sehingga didapatkan mampu menunjukkan bahwa metode image enhancement dan watershed transform dapat digunakan dalam proses identifikasi pada citra telur berembrio dengan persentase keberhasilan sekisar 98%. sehingga didapatkan mampu menunjukkan bahwa metode image enhancement dan watershed transform dapat digunakan dalam proses identifikasi pada citra telur berembrio dengan persentase keberhasilan sekisar 98% 0.81
proses yang hasil proses 陽 ハシル 0.53
Daftar Pustaka [1] S. Sunardi, A. Mahfurdz and S. Saifullah, "Green turtle and fish identification based on acoustic International Journal of Advances in Intelligent Informatics, vol. Daftar Pustaka [1] S. Sunardi, A. Mahfurdz and S. Saifullah, "Green turtle and Fish Identification based on Acoustic International Journal of Advances in Intelligent Informatics, Vol. 0.91
4, no. 1, pp. 4、いいえ。 1、p。 0.68
53-62., 2018. 53-62., 2018. 0.84
strength," target 強さ」。 ターゲット 0.72
[2] G. Nokas, J. Tsahalis and D. T. Tsahalis, "Classifiers for Sound Objects Detection Using Microphone Array in International Conference Scientific Computing to Computational Engineering, Athens, 2010 . [2] G. Nokas, J. Tsahalis and D. T. Tsahalis, "Classifiers for Sound Objects Detection using Microphone Array in International Conference Scientific Computing to Computational Engineering, Athens, 2010 . 0.94
Filtered Data," フィルタリングデータ」。 0.76
from [3] M. H. J. D. G. W. S. &. from ~ [3]M.H.J.D.G.W.S. 0.72
T. Q. Price, "Object detection using image classification models". T.Q。 価格、「画像分類モデルを用いた物体検出」。 0.84
Washington, DC: U.S. Patent U.S. Patent No. ワシントンd.c.:米国特許no.s. patent no. 0.70
10,223,611, 2019. 10,223,611, 2019. 0.65
[4] R. R. Boukhriss, E. Fendri and M. Hammami, "Moving object detection under different weather conditions using full-spectrum light sources," Pattern Recognition Letters, vol. R. R. Boukhriss, E. Fendri, M. Hammami, “Moving object detection under different weather conditions using full-spectrum light source, Pattern Recognition Letters, vol. 0.84
129, pp. 205-212, 2020. 129, pp. 205-212, 2020. 0.85
[5] G. k. Seerha and R. kaur, "Review on Recent Image Techniques," International Journal on Computer Science and Engineering, vol. 5] G.k. SeerhaとR. kaur, "Review on recent Image Techniques", International Journal on Computer Science and Engineering, vol。 0.82
05, no. 02, pp. 05, No. 02, pp。 0.82
109-112, 2013. 109-112, 2013. 0.84
Segmentation [6] Rai, Rajesh K; Gour, Puran;Singrh, Balvant, "Underwater Image Segmentation using CLAHE Enhancement and Thresholding," International Journal of Emerging Technology and Advanced Engineering, vol. セグメンテーション [6]Rai, Rajesh K; Gour, Puran, Singrh, Balvant, “Underwater Image Segmentation using CLAHE Enhancement and Thresholding”, International Journal of Emerging Technology and Advanced Engineering, vol. 0.73
II, no. 1, pp. II, No。 1、p。 0.72
118-123, January 2012. 118-123, 2012年1月。 0.63
[7] Kapoor, Kanika; Arora, Shaveta, "Colour Image Enhancement Based on Histogram Equalization," Computer Engineering: An International Journal (ECIJ), vol. [7] Kapoor, Kanika, Arora, Shaveta, "Colour Image Enhancement Based on Histogram Equalization", Computer Engineering: An International Journal (ECIJ) vol. 0.80
IV, no. 3, pp. IV, No。 3、p。 0.72
73-83, September 2015. 73-83, 2015年9月。 0.63
Electrical & [8] Kim, Seung J; Min, Byong S; Lim, Dong K; Lee, Joo H, "Determining Parameters in COntrast Limited Adaptive Histogram Equalization," in The on Information Security and Assurance, 2013. 電気 & 8] Kim, Seung J; Min, Byong S; Lim, Dong K; Lee, Joo H, "Determining Parameters in Contrast Limited Adaptive Histogram Equalization" on Information Security and Assurance, 2013. 0.79
International Conference 7th [9] Min, Byong S; Lim, Dong K; Kim, Seung J; Lee, Joo H, "A Novel Method of Determining Parameters of CLAHE Based on Image Entropy," International Journal of Software and Its Applications, vol. 国際 会議 7日 9] Min, Byong S; Lim, Dong K; Kim, Seung J; Lee, Joo H, "A Novel Method of Determining Parameters of CLAHE Based on Image Entropy", International Journal of Software and its Applications, vol. 9] 0.75
VII, no. 12, pp. VII, No。 12、p。 0.74
113120, 2013. 113120, 2013. 0.85
Brightness [10] Patil, Priya S; Prawade, P P, "Biomedical Image and Segmentation Technique using CLAHE and Wiener Filtering," International Journal of Advanced nad Communication Engineering, vol. 輝き 10] Patil, Priya S; Prawade, P P, "Biomedical Image and Segmentation Technique using CLAHE and Wiener Filtering", International Journal of Advanced Nad Communication Engineering, vol。 0.71
V, no. 4, pp. V, No。 4, pp。 0.80
808-812, April 2015. 808-812, 2015年4月。 0.65
Preservation Computer research 保存 コンピュータ 研究 0.72
in [11] Sasi, Neethu M; Jayasree, V K, "Contrast Limited Adaptive Histogram Equalization for Qualitative Enhancement of Myocardial Perfusion Images," vol. で [11] Sasi, Neethu M; Jayasree, V K, "Contrast Limited Adaptive Histogram Equalization for Qualitative Enhancement of Myocardial Perfusion Images", vol。 0.75
V, pp. 326-331, October 2013. V, pp。 326-331, 2013年10月。 0.70
[12] Kumar, Rajesh; Sharma, harish; Suman, "Comparative Study of CLAHE, DSIHE & DHE Schemes," International Journal of Research in Management, Science and Technology, vol. [12] Kumar, Rajesh, Sharma, harish, Suman, “Comparative Study of CLAHE, DSIHE & DHE Schemes, International Journal of Research in Management, Science and Technology, vol. 0.82
I, no. I, pp. いや、いや。 私は、pp。 0.56
1-4. [13] Pizer, Stephen M; 1-4. [13]ファイザー,Stephen M 0.65
johnston, R. Eugene; Erickson, James P, "Contrast Limited adaptive Histogram and Effectiveness," IEEE, pp. Johnston, R. Eugene; Erickson, James P, "Contrast Limited Adaptive Histogram and Effectiveness", IEEE, pp。 0.81
337-345, 1990. 337-345, 1990. 0.84
Equalization Speed [14] A. Wahyudi, "Penerapan Metode Jaringan Syaraf Tiruan Pada Sistem Deteksi Citra Darah Pada Manusia," Jurnal Mahasiswa Teknik Informatika, vol. 平等化 速度 [14] A. Wahyudi, "Penerapan Metode Jaringan Syaraf Tiruan Pada Sistem Deteksi Citra Darah Pada Manusia", Jurnal Mahasiswa Teknik Informatika, vol。 0.72
3, no. 1, pp. 3、いいえ。 1、p。 0.69
53-58, 2019. 53-58, 2019. 0.84
[15] A. Yudhana, Sunardi and S. Saifullah, "Segmentation Eggs Watermarking Image and Original Image," Bulletin of Electrical Engineering and Informatics, vol. 15] A. Yudhana, Sunardi and S. Saifullah, "Segmentation Eggs Watermarking Image and Original Image", Bulletin of Electric Engineering and Informatics, vol。 0.82
VI, no. 3, pp. VI, No。 3、p。 0.72
47-53, March Comparing 47-53年3月 比較 0.64
58 58 0.85
英語(論文から抽出)日本語訳スコア
SYSTEMIC : Information System and Informatics Journal. SYSTEMIC : 情報システムと情報誌。 0.75
(Vol 5 No 2 - Desember 2019) 53-60 (第5巻第2号-2019年廃止)53-60 0.53
2017. [16] P. Harsadi, 2017. [16]P.Harsadi, 0.88
Ayam Berdasarkan Citra Grayscale Menggunakan Kmeans Automatic Thresholding," Jurnal Ilmiah SINUS, vol. ayam berdasarkan citra grayscale menggunakan kmeans automatic thresholding" jurnal ilmiah sinus, vol. (英語) 0.80
12, no. 2, pp. 12、いいえ。 2、p。 0.68
49-56, 2014. 49-56, 2014. 0.84
"Deteksi Embrio 『Deteksi』 Embrio 0.78
[17] Y. R. A. Utami, "Pengenalan Telur Berdasarkan Karakteristik Warna Citra," Jurnal Ilmiah SINUS, vol. [17]Y.R.A. Utami, "Pengenalan Telur Berdasarkan Karakteristik Warna Citra", Jurnal Ilmiah SINUS, vol. 0.90
VII, no. 2, pp. VII, No。 2、p。 0.72
1-14, 2009. 1-14, 2009. 0.84
[18] V. R. Atfira, N. Ibrahim and E. Wulandari, "Deteksi Kualitas Kemurnian Susu Sapi Melalui Digital Menggunakan Metode Active Contour Dengan Klasifikasi K-nearest Neighbor," eProceedings of Engineering, vol. V. R. Atfira, N. Ibrahim and E. Wulandari, "Deteksi Kualitas Kemurnian Susu Sapi Melalui Digital Menggunakan Metode Active Contour Dengan Klasifikasi K-nearest Neighbor", eProceedings of Engineering, vol. 0.86
6, no. 2, 2019. 6、いいえ。 2, 2019. 0.79
Pengolahan Citra ペンゴラハン シトラ 0.32
[19] E. Hermawan, "Active Contour Lankton untuk Segmentasi Kanker Payudara pada Citra Mammogram," Jurnal Eksplora Informatika, vol. 19] E. Hermawan, "Active Contour Lankton untuk Segmentasi Kanker Payudara pada Citra Mammogram", Jurnal Eksplora Informatika, vol。 0.79
9, no. 1, pp. 9、いいえ。 1、p。 0.68
28-37, 2019. 28-37, 2019. 0.84
[20] G. A. Pradipta and P. D. W. Ayu, "PERBANDINGAN CITRA TELUR AYAM MENGGUNAKAN METODE OTSU BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN HSV," JST (Jurnal Sains dan Teknologi, vol. 20] G.A. Pradipta and P.D.W. Ayu, "PerBANDINGAN CITRA TELUR AYAM MENGGUNAKAN METODE OTSU BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN HSV", JST (Jurnal Sains dan Teknologi, vol。 0.88
6, no. 1, 2017. 6、いいえ。 1, 2017. 0.79
SEGMENTASI [21] R. S. Siregar, N. Silalahi and L. T. Sianturi, "Perancangan Aplikasi Segmentasi Citra Edge Detection Menggunakan Sobel dan Isotropic," Jurnal Ilmiah INFOTEK, vol. セグメンタシ He21] R. S. Siregar, N. Silalahi, L. T. Sianturi, "Perancangan Aplikasi Segmentasi Citra Edge Detection Menggunakan Sobel dan Isotropic", Jurnal Ilmiah INFOTEK, vol. 0.60
2, no. 1, 2017. 2、いいえ。 1, 2017. 0.79
[22] P. D. W. Ayu and G. A. Pradipta, "Deteksi Ukuran Telur Ayam Berdasarkan Diameter Menggunakan Metode Fuzzy C-Means Dan IRHT," Jurnal Sistem dan Informatika (JSI), vol. [22]P.D.W.Ayu and G. A. Pradipta, "Deteksi Ukuran Telur Ayam Berdasarkan Diameter Menggunakan Metode Fuzzy C-Means Dan IRHT", Jurnal Sistem dan Informatika (JSI) vol. 0.95
12, no. 1, pp. 12、いいえ。 1、p。 0.69
139-146, 2017. 139-146, 2017. 0.84
[23] M. F. Permana, B. Hidayat and S. Darana, "Identifikasi Kualitas Kesegaran Susu Sapi Melalui Digital Menggunakan Metode Watershed Dan Klasifikasi Learning Vector Quantization (lvq)," eProceedings of Engineering, vol. M. F. Permana, B. Hidayat, S. Darana, "Identifikasi Kualitas Kesegaran Susu Sapi Melalui Digital Menggunakan Metode Watershed Dan Klasifikasi Learning Vector Quantization (lvq), eProceedings of Engineering, vol. 0.79
5, no. 3, 2018. 5位はノー。 3, 2018. 0.79
Pengolahan Citra ペンゴラハン シトラ 0.32
[24] Sunardi, A. Yudhana and S. Saifullah, "Identification of Egg Fertility Using Gray Level and Backpropagation,&quo t; Advanced Science Letters, vol. [24]Sunardi,A. Yudhana,S. Saifullah, “Identification of Egg Fertility using Gray Level and Backpropagation, Advanced Science Letters, vol. 0.85
24, no. 12, pp. 24時24分 12、p。 0.53
9151-9156, 2018. 9151-9156, 2018. 0.84
Co-Occurrence Co-Occurrence 0.59
Matrix [25] S. Saifullah and V. A. Permadi, "Comparison of Egg Fertility Identification based on GLCM Feature Extraction using Backpropagation in and K-means Clustering Algorithms," International Conference on Science in Information Technology, Yogyakarta, 2019. マトリックス [25]S. Saifullah と V. A. Permadi, “Backpropagation in および K-means Clustering Algorithms を用いたGLCM特徴抽出に基づく卵子不妊の同定の比較”, International Conference on Science in Information Technology, Yogyakarta, 2019 0.77
[26] Sunardi, A. Yudhana and S. Saifullah, "Thermal Imaging untuk Identifikasi Telur," in Konferensi Nasional Ke-4 Asosiasi Program Pascasarjana Tinggi Muhammadiyah (APPPTM), Palembang, 2016. [26] Sunardi, A. Yudhana and S. Saifullah, "Thermal Imaging untuk Identifikasi Telur", Konferensi Nasional Ke-4 Asosiasi Program Pascasarjana Tinggi Muhammadiyah (APPPTM), Palembang, 2016。 0.83
[27] A. Yudhana, Sunardi and S. Saifullah, 27] A. Yudhana、Sunardi、S. Saifullah。 0.75
Perguruan 59 "Perbandingan Segmentasi pada Citra Asli dan untuk Identifikasi Telur," Jurnal Ilmiah ILKOM, vol. ペルグルアン 59 『Perbandingan Segmentasi pada Citra Asli dan untuk Identifikasi Telur, Jurnal Ilmiah ILKOM, vol.』 0.66
VIII, no. 3, pp. VIII, No。 3、p。 0.72
190-196, 2016. 190-196, 2016. 0.84
Citra Kompresi Wavelet Citra Kompresi Wavelet 0.85
[28] S. Saifullah, Sunardi and A. Yudhana, "Analisis Perbandingan Pengolahan Citra Asli dan Hasil Croping untuk Jurnal Teknik Informatika dan Sistem Informasi (JuTISI), vol. [28] S. Saifullah, Sunardi and A. Yudhana, "Analisis Perbandingan Pengolahan Citra Asli dan Hasil Croping untuk Jurnal Teknik Informatika dan Sistem Informasi (JuTISI), vol。 0.84
II, no. 3, pp. II, No。 3、p。 0.72
341-350, Desember 2016. 341-350、2016年。 0.70
Identifikasi Telur," Identifikasi Telur」。 0.79
[29] Sunardi, A. Yudhana and S. Saifullah, "Identity analysis of egg based on digital and thermal image processing and counting imaging: object concept," Journal of Electrical and Computer Engineering (IJECE), vol. 9] Sunardi, A. Yudhana and S. Saifullah, "Identity analysis of egg based on digital and thermal image processing and counting imaging: object concept", Journal of Electric and Computer Engineering (IJECE), vol. 電子工学とコンピュータ工学 0.85
7, no. 1, pp. 7、いいえ。 1、p。 0.69
200-208, 2017. 200-208, 2017. 0.84
International [30] A. Yudhana, Sunardi and S. Saifullah, "Segmentation Eggs Watermarking Image and Original Image," Bulletin of Electrical Engineering and Informatics, vol. 国際 30] A. Yudhana, Sunardi and S. Saifullah, "Segmentation Eggs Watermarking Image and Original Image", Bulletin of Electric Engineering and Informatics, vol。 0.80
6, no. 1, pp. 6、いいえ。 1、p。 0.69
47-53, 2017. 47-53, 2017. 0.84
Comparing [31] S. Saifullah, Sunardi and A. Yudhana, "Analisis Ekstraks Ciri Fertilitas Telur Ayam Kampung Dengan Grey Level Cooccurrence Matrix," JURNAL NASIONAL TEKNIK ELEKTRO, vol. 比較 [31]S. Saifullah, Sunardi, A. Yudhana, "Analisis Ekstraks Ciri Fertilitas Telur Ayam Kampung Dengan Grey Level Cooccurrence Matrix", JURNAL NASIONAL TEKNIK ELEKTRO, vol. 0.80
VI, no. 2, 2017. VI, No。 2, 2017. 0.83
[32] Sunardi, A. Yudhana and S. Saifullah, "Identification of Egg Fertility Using Gray Level and Backpropagation,&quo t; Advanced Science Letters, vol. [32]Sunardi,A. Yudhana,S. Saifullah, “Identification of Egg Fertility using Gray Level and Backpropagation, Advanced Science Letters, vol. 0.85
24, no. 12, pp. 24時24分 12、p。 0.53
9151-9156, 2018. 9151-9156, 2018. 0.84
Co-Occurrence Co-Occurrence 0.59
Matrix [33] Saifullah, Shoffan; Yudhana, Anton, "Analisis Ekstraks Ciri Fertilitas Telur Ayam Kampung dengan Grey Level Cooccurrence Matrix," Jurnal Nasional Teknik Elektro, 2017. マトリックス [33]Saifullah, Shoffan; Yudhana, Anton, "Analisis Ekstraks Ciri Fertilitas Telur Ayam Kampung dengan Grey Level Cooccurrence Matrix", Jurnal Nasional Teknik Elektro, 2017 0.71
[34] G. R. Nitta, T. Sravani, S. Nitta and B. Muthu, level based K-means images.," Health and 34] G. R. Nitta, T. Sravani, S. Nitta and B. Muthu, level based K-means images." 0.90
"Dominant gray algorithm Technology, pp. 「卓越したグレーのアルゴリズム技術、p。 0.66
1-7, 2019. 1-7, 2019. 0.84
for MRI [35] X. Chai, X. Fu, Z. Gan, Y. Lu and Y. Chen, "A color image cryptosystem based on dynamic DNA encryption and chaos," Signal Processing, vol. MRIでは [35] X. Chai, X. Fu, Z. Gan, Y. Lu, Y. Chen, "動的DNA暗号化とカオスに基づくカラー画像暗号システム" Signal Processing, vol。 0.83
155, pp. 44-62, 2019. 155, pp。 44-62, 2019. 0.82
[36] D. Prasetiyo and A. [36] D. PrasetiyoとA。 0.86
A. Riadi, "Analisa Komparasi Teknik Reduksi Noise pada Citra," JIPI dan Pembelajaran Informatika, vol. A. Riadi, "Analisa Komparasi Teknik Reduksi Noise pada Citra", JIPI dan Pembelajaran Informatika, vol. 0.85
3, no. 2, pp. 3、いいえ。 2、p。 0.68
109-115, 2018. 109-115, 2018. 0.84
Penelitan (Jurnal ペネリタン (日記) 0.51
Ilmiah [37] H. Nugroho, M. Hakimah and A. W. Azinar, "IMAGE ENHANCEMENT CITRA ZOOM DENGAN METODE BILINEAR INTERPOLATION DARI KAMERA WEBCAM," Network Engineering Research Operation, , vol. Ilmiah [37]H. Nugroho,M. Hakimah,A. W. Azinar, “IMAGE ENHANCEMENT CITRA ZOOM DENGAN METODE BILINEAR InterpoLATION DARI KAMERA WEBCAM, Network Engineering Research Operation, Vol. 0.85
4, no. 2, pp. 4、いいえ。 2、p。 0.67
100-108, 2019. 100-108, 2019. 0.84
MENGGUNAKAN MENGGUNAKAN 0.85
[38] S. Sidik, F. Firmansyah and S. Anwar, "Perbaikan Citra Malam (Tidak Infrared) dengan Metode Histogram Equalization dan Contrast Stretdhing," Ilmu Pengetahuan Dan Teknologi Komputer), vol. 38] S. Sidik, F. Firmansyah and S. Anwar, "Perbaikan Citra Malam (Tidak Infrared) dengan Metode Histogram Equalization dan Contrast Stretdhing", Ilmu Pengetahuan Dan Teknologi Komputer", vol。 0.80
4, (Jurnal JITK 4, (日記) JITK 0.78
英語(論文から抽出)日本語訳スコア
Shoffan Saifullah/ Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi… Shoffan Saifullah / Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi... 0.91
no. 2, pp. 203-210, 2019. ダメよ 2、p。 203-210, 2019. 0.67
[39] F. Kanditami, D. Saepudin and A. Rizal, "Analisis Adaptive Histogram Aqualization (CLAHE) dan Region Growing dalam Mendeteksi Gejala Kanker Payudara pada Citra Mammogram," Jurnal Elektro, vol. [39]F. Kanditami, D. Saepudin, A. Rizal, "Analisis Adaptive Histogram Aqualization (CLAHE) dan Region Growing dalam Mendeteksi Gejala Kanker Payudara pada Citra Mammogram"Jurnal Elektro, vol. 0.88
7, no. 1, pp. 7、いいえ。 1、p。 0.69
15-28, 2014. 15-28, 2014. 0.84
Contrast Limited [40] K. Hidjah, A. Harjoko and A. K. Sari, "Metode Peningkatan Kualitas Citra Medis: Literature Review," SEMNASTEKNOMEDIA ONLINE, vol. コントラスト 限定 40] K. Hidjah, A. Harjoko, A. K. Sari, "Metode Peningkatan Kualitas Citra Medis: Literature Review", SEMNASTEKNOMEDIA ONLINE, vol。 0.73
5, no. 1, pp. 5位はノー。 1、p。 0.69
1-6, 2017. 1-6, 2017. 0.84
[41] Murinto and A. Harjoko, "Segmentasi Citra Itensitas Menggunakan Watershed dan Filtering Sebagai Pre Processing," in Seminar Nasional Informatika, Yogyakarta, 2009. [41] murinto と a. harjoko, seminar nasional informatika, yogyakarta, 2009 における "segmentasi citra itensitas menggunakan watershed dan filtering sebagai pre processing" 0.77
[42] A. Luque, A. Carrasco, A. Martín and A. de las Heras, "The impact of class imbalance in classification performance metrics based on the binary confusion matrix.," Pattern Recognition, vol. a b [42] A. Luque, A. Carrasco, A. Martín, A. de las Heras, 「二項混同行列に基づく分類性能指標におけるクラス不均衡の影響」パターン認識, Vol。 0.91
91, pp. 216-231, 2019. 91, pp。 216-231, 2019. 0.82
[43] Saifullah, Shoffan, "Analisis Perbandingan He dan Clahe pada Image Enhancement dalam Proses Segmenasi Citra untuk Deteksi Fertilitas Telur," Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 43] Saifullah, Shoffan, "Analisis Perbandingan He dan Clahe pada Image Enhancement dalam Proses Segmenasi Citra untuk Deteksi Fertilitas Telur", Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol。 0.72
9, no. 1, 2020. 9、いいえ。 1, 2020. 0.79
60 60 0.85
                 ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。