Implementasi Peningkatan Citra Melalui Smoothing Mean Dengan Menggunakan OpenCV Dan Python
Keywords:
Image Processing, Smoothing Mean, OpenCV , Python, Noise Reduction, Image EnhancementAbstract
Pengolahan citra adalah aspek kunci dalam analisis visual modern, yang mencakup pengurangan noise dan peningkatan kualitas gambar. Artikel ini menggambarkan penerapan metode Smoothing Mean menggunakan OpenCV dan Python untuk menghaluskan gambar digital. Kami melakukan eksperimen untuk mengevaluasi efektivitas metode dalam mengurangi noise tanpa mengorbankan detail citra. Hasilnya menunjukkan bahwa pendekatan ini dapat meningkatkan kualitas visual gambar dengan baik, memperbaiki aplikasi pengolahan citra di berbagai domain.
References
Mather, P. M., & Koch, M. (2022). Computer processing of remotely-sensed images. John Wiley & Sons.
Merchant, F., & Castleman, K. (Eds.). (2022). Microscope image processing. Academic press.
Bailey, D. G. (2023). Design for embedded image processing on FPGAs. John Wiley & Sons.
Rosyani, P., Taufik, M., Waskita, A. A., & Apriyanti, D. H. (2018, November). Comparison of color model for flower recognition. In 2018 3rd International conference on information technology, information system and electrical engineering (ICITISEE) (pp. 10-14). IEEE.
Rosyani, P., Suhendi, A., Apriyanti, D. H., & Waskita, A. A. (2021). Color Features Based Flower Image Segmentation Using K-Means and Fuzzy C-Means. Building of Informatics, Technology and Science (BITS), 3(3), 253-259.
Rosyani, P., & Hariansyah, O. (2020). Pengenalan Citra Bunga Menggunakan Segmentasi Otsu Treshold dan Naï ve Bayes. Jurnal Sistem dan Informatika (JSI), 15(1), 1-7.
Rosyani, P., Amalia, R., & Ikasari, I. H. (2021). Deteksi Objek dengan Model Warna Ycbcr dan Similiarity Distance. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 9(2), 98-100.
Rosyani, P. (2017). Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) dan Canberra Distance. Jurnal Informatika Universitas Pamulang, 2(2), 118-121.
