Introduction to Ruang Warna

dalam penelitian ini penulis membahas penggunaan pengolahan citra digital untuk memanipulasi citra sehingga dapat lebih dikenali oleh penyandang buta warna menggunakan Algoritma Daltonisasi LMS, pada metode ini dilakukan simulasi ke 3 jenis persepsi penglihatan dengan memanipulasi citra pada ruang warna LMS, kemudian error pembandingan citra simulasi dengan citra asli akan dijadikan parameter penggeser untuk citra hasil.

Ini dimulai dengan tahap pra-pemrosesan: konversi ruang warna dan pengubahan ukuran gambar, dilanjutkan dengan ekstraksi fitur wajah, dan kemudian set fitur yang diekstraksi diklasifikasikan.

Algoritma yang dibuat menggunakan segmentasi berdasarkan warna hijau dalam ruang warna HSV untuk mendeteksi daun, baik gulma maupun tanaman pada beragam pencahayaan.

Penelitian ini menggunakan citra warna RGB lalu dikonversi ke ruang warna HSV, dan menggunakan Fuzzy C-Means untuk membandingkan akurasinya.

Pada paper ini, menyajikan perancangan aplikasi yang berfungsi untuk mengidentifikasi kematangan buah pinang dengan mengunakan Backpropagation dan Transformasi ruang warna.

Sebelum melakukan segmentasi terlebih dahulu menentukan ruang warna menggunakan CIELab.

Citra dari mata ikan bandeng diekstrak pada ruang warna RGB dengan mengambil warna merah.

Dalam hal ini, metode transformasi sistem ruang warna sebagai bagian dari pemrosesan gambar membantu dalam mendeteksi warna dalam gambar dan memprosesnya sehingga mudah untuk diidentifikasi.

Dengan adanya citra digital maka untuk menentukan kematangan buah tomat berdasarkan warnanya bisa dilakukan secara computing (berbasis teknologi), yaitu dengan menerapkan pengolahan citra menggunakan metode transformasi ruang warna HIS (Hue, Saturation, Intensity).

Metode yang digunakan adalah mengubah ruang warna RGB (merah, hijau, biru) menjadi ruang warna HSV (Hue, Saturation, Value).

Penelitian ini mengusulkan identifikasi jumlah bibit bandeng menggunakan metode k-means berbasis hsv color dan morfologi, penelitian ini diawali dengan tahapan preprocessing, dilakukan transformasi warna citra RGB ke HSV dan RGB ke Grayscale berdasarkan nilai threshold citra dari S dan V pada ruang warna (color space) HSV dan morfologi, dilanjutkan segmentasi dan ekstraksi fitur berdasarkan area dan proses yang terakhir adalah menghitung jumlah bibit bandeng yang berhasil dikenali sebagai objek bibit bandeng berdasarkan hasil pengklasteran dengan Metode Clustering K-Means.