1. Home
  2. Lainnya

Implementasi Fungsi Deteksi Wajah

Jarak Ke Cluster Ke - 3 Jarak = Sqrt193-204 + 117-113 + 153-57 Jarak = 96.7109094156394 Cluster Terpilih : Cluster Ke - 3

4.1.4. Implementasi Fungsi Deteksi Wajah

Fungsi deteksi wajah merupakan komponen sistem yang melakukan deteksi wajah pada citra digital. Proses deteksi dilakukan dengan ekstraksi warna kulit pada citra digital. Area warna kulit kemudian akan dibandingkan dengan fitur wajah yang telah diperoleh dari fungsi fitur wajah. Antarmuka deteksi wajah dapat dilihat pada gambar 4.3 sebagai berikut. Gambar 4.3 Antarmuka Deteksi Antarmuka deteksi seperti yang terlihat pada gambar 4.3 menerima input citra digital yang telah terdapat beberapa wajah untuk di deteksi. Proses deteksi pada Universitas Sumatera Utara dasarnya menggunakan kombinasi operasi skin color detection dan operasi K-Means clustering. Operasi skin color detection secara keseluruhan dapat dijabarkan sebagai berikut. Diketahui sebuah potongan gambar dengan citra sebagai berikut : Dengan matriks citra ruang warna RGB sebagai berikut : Tabel 4.1 Nilai Piksel Contoh Warna Kulit 233,197,169 238,210,189 255,255,255 233,196,170 235,205,179 246,232,221 243,224,209 232,197,169 233,196,169 maka akan di-identifikasikan apakah piksel tengah P1,1 tersebut merupakan warna kulit atau bukan sebagai berikut : ����� = �0,0 + �0,1 + … + �2,2 9 = 27 + 26 + 0 + 25 + 28 + 26 + 26 + 27 + 25 9 = 23.33 ���� = ��0,0 − ������ 2 + ��0,1 − ������ 2 + … + ��2,2 − ������ 2 9 = 68.89 Universitas Sumatera Utara ������ = ��0,0 + ��0,1 + … + ��2,2 9 = 111 + 115 + 128 + 111 + 112 + 121 + 119 + 111 + 111 9 = 115.44 ����� = ��0,0 − ������ 2 + ��0,1 − ������ 2 + … + ��2,2 − ������ 2 9 = 32.47 ������ = ��0,0 + ��0,1 + … + ��2,2 9 = 145 + 142 + 128 + 146 + 143 + 135 + 137 + 145 + 146 9 = 140.78 ����� = ��0,0 − ������ 2 + ��0,1 − ������ 2 + … + ��2,2 − ������ 2 9 = 34.17 Mengikuti aturan skin color detection : 1. H1,1 yaitu 28 diketahui lebih besar dari MeanH-VarH dan lebih kecil dibandingkan dengan MeanH + VarH. 2. Cb1,1 yaitu 112 diketahui lebih besar dari MeanCb-VarCb dan lebih kecil dibandingkan dengan MeanCb + VarCb. 3. Cr1,1 yaitu 143 diketahui lebih besar dari MeanCr-VarCr dan lebih kecil dibandingkan dengan MeanCr + VarCr. Dikarenakan ketiga aturan dipenuhi oleh Piksel1,1 maka piksel tersebut dapat dikatakan sebagai piksel warna kulit. Universitas Sumatera Utara

4.2. Pengujian

Dokumen yang terkait

Implementasi Color Constancy Pada Citra Digital Menggunakan Logarithmi Image Processing

6 92 76

Perbandingan Metode K Nearest Neighbor dan K Means Clustering Dalam Segmentasi Warna Pada Citra.

0 2 99

Implementasi K-Means Clustering pada lingkungan big data menggunakan model pemrograman MapReduce.

5 23 146

DATA MINING PENERAPAN K-MEANS ALGORITM CLUSTERING

3 11 24

Optimasi K Means Clustering Menggunakan

0 3 10

Deteksi Penyakit Epilepsi dengan Menggunakan Entropi Permutasi, K-means Clustering, dan Multilayer Perceptron

0 0 5

SISTEM TEMU KEMBALI CITRA BERBASIS KONTEN MENGGUNAKAN HAAR WAVELET TRANSFORM DAN K-MEANS CLUSTERING

0 0 8

BAB 2 LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital - Implementasi dan Deteksi Pola Wajah Pada Citra Digital Menggunakan Skin Color dan K-Means Clustering

0 0 11

IMPLEMENTASI DAN DETEKSI POLA WAJAH PADA CITRA DIGITAL MENGGUNAKAN SKIN COLOR DAN K-MEANS CLUSTERING

0 1 12

Implementasi Clustering K-Means dalam Domain Wavelet menggunakan Adaptif Soft-Thresholding untuk Denoising Citra - ITS Repository

0 0 96