1. Home
  2. Lainnya

Flowchart Proses Skin Color Detection Flowchart Proses K-Means Clustering

3.4.1.2 Flowchart Proses Skin Color Detection

START Melakukan perhitungan nilai mean dan variance dari Hue, Cb dan Cr dari setiap piksel dari citra Input Citra Output Piksel yang tergolong ke warna kulit END Melakukan pemindaian tiap piksel pada citra digital dan menggolongkan piksel – piksel yang tergolong ke warna kulit ArrPiksel = Membaca Piksel Citra Tes Gambar 3.7 Flowchart Proses Skin Color Detection Keterangan : Dari Gambar 3.7 dapat dilihat proses dari skin color detection. Sistem menerima input citra yang kemudian sistem akan melakukan komputasi nilai Universitas Sumatera Utara variance dari ruang warna hue, Cb dan Cr. Kemudian sistem kemudian melakukan penyeleksian piksel per piksel menggunakan pemeriksaan kondisi terhadap nilai variance yang diperoleh. Sistem kemudian menampilkan hasil piksel dari warna kulit pada citra.

3.4.1.3 Flowchart Proses K-Means Clustering

START Membentuk cluster awal sebanyak jumlah yang ditentukan Input Citra dan jumlah cluster END A Memberikan nilai centroid acak awal pada cluster yang dibentuk Melakukan pengelompokan piksel ke dalam cluster yang dibentuk berdasarkan jarak warna dengan centroid dari cluster Apakah nilai centroid awal berbeda dengan centroid baru? Melakukan perhitungan centroid menggunakan nilai rata-rata dari anggota tiap cluster A B B True Output Informasi Cluster False Gambar 3.8 Flowchart Proses K-Means Clustering Universitas Sumatera Utara Keterangan : Dari Gambar 3.8 dapat dilihat proses dari proses K-Means clustering. Proses dimulai dengan membentuk cluster awal dengan nilai centroid acak. Sistem kemudian melakukan pengelompokkan piksel citra ke dalam cluster yang dibentuk berdasarkan jarak warna piksel tersebut terhadap nilai centroid tiap cluster. Setelah proses pengelompokkan selesai proses dilanjutkan dengan perhitungan centroid baru dengan menggunakan nilai rata-rata dari piksel anggota dari cluster. Jika ternyata centroid baru tidak sama dengan centroid lama maka proses pengelompokkan diulang kembali menggunakan centroid baru.

3.4.2 Rancangan Database

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