SIFT (Scale Invariant feature Transform) merupakan algoritma local descriptor berdasarkan gradient distribution pada bagian gambar. Fungsi dari SIFT ini adalah untuk mendeteksi fitur2 lokal yang realtif banyak pada sebuah citra. SIFT ini diklaim sangat tahan terhadap skala, rotasi, iluminasi dan noise.   SIFT dipublikasikan oleh david lowe pada tahun 1999. untuk mencoba aplikasi SIFT bisa di download di http://www.cs.ubc.ca/~lowe/keypoints/siftDemoV4.zip.

1. scale-space extrema detection. Memperhitungkan atas semua skala dan lokasi gambar. hal ini diimplementasikan secara efisien dengan diferent of gausian yang berfungsi mengidentifikasi titik2 yang berpotensi invariant terhadap skala dan rotasi.
2. Keypoint localization. pada Setiap kandidat lokasi. dibuat model detail untuk menetukan  lokasi dan skala. keypoint yang dipilih berdasarkan ukuran stabilitasnya.
3. Orientation Assignment. Satu atau lebih orientasi akan diberikan ke setiap lokasi keypoint  berdasarkan arah gradient gambar lokal
4.keypoint descriptor : gradien gambar lokal diukur pada skala yang dipilih di wilayah sekitar  keypoint masing2. ini berubah kedalam representasi yang memungkinkan untuk level signifikan  dari distorsi lokal shape dan perubahan ilumuniasi.

Dalam image matching dan recognition, SIFT feature pertama kali akan diekstrasi dari kumpulan image reference dan disimpan dalam database. gambar yang akan dimatching secara individual  dibandingkan setiap feature antara image yang baru dengan feature yang ada pada database dengan mengukur euclidean distance feature vektornya

(artikel ini masih draft, CMIIW)

Maximum Contiguous Subsequence Sum (MCSS) Algorithm adalah algoritma yang digunakan untuk mencari hasil pejumlahan maksimum dari deret bilangan. Nilai maksimum dari hasil penjumlahan suatu deret akan menjadi 0 jika semua nilai dalam deret bernilai negatif.

Download Selengkapnya ANALISA RUNNING TIME MAXSUBSUM

SURF merupakan high-performance descriptor yang invariant terhadap skala dan rotasi.  bahkan SURF diiklaim mengalahkan metode descriptor sebelumnya yang berhubungan dengan repeatability, distinctiveness, and robustness. SURF bekerja pada gambar yang tidak terpisahkan untuk konvolusi image dengan tujuan untuk mengurangi waktu komputasi yang dibangun dari detector/descriptor terkemuka sebelumnya(using a fast Hessian matrix-based measure for the detector and a distribution-based descriptor).

Surf  menggambarkan distribusi dari Haar wavelet yang berhubungan dengan interest point neighbourhood.  Setiap feature descriptor hanya memiliki  64 dimensi yang  dihasilkan dari fast computation dan comparison(4 x 4 location grid x 4 wavelet responses in horishontal and vertical directions). digunakan hanya 64 dimensi untuk mengurangi waktu komputasi feature dan matching.

(tulisan ini masih draft) CMIIW

Tujuan utama pengubahan citra berwarna menjadi citra biner adalah untuk menghemat kebutuhan memori saat dilakukan pengolahaan citra. Citra biner merupakan citra yang terdiri dari komponen warna hitam dan putih. Sifat pengolahan citra biner relatif sederhana, cepat dan mudah diimplementasikan sehingga bisa dijalankan meski memori yang dimiliki kecil.
Salah satu pengolahan citra biner adalah Compactness(kekompakan). Compacness bertujuan untuk mengidentifikasi bentuk dan ukuran object yang sama tetapi dengan profik tepi yang berbeda. Dalam penghitungan compatness suatu citra diperhatikan area dan perimeter citra. Area (A) merupakan jumlah pixel penyusun objek. satuan dari area adalah pixel. Perimeter (P) adalah panjang perbatasan object tersebut. Besar perimeter merupakan jumlah pixel yang terdapat pada batas object tersebut.

hubungan antara compaqness(C), Area(A) dan Perimeter(P) adalah :

C=P^2/A

Object dari tepi biasanya memberikan nilai C sekitar 4pi dan semakin mengecil jika tepinya tidak merata(berliku2).

Selanjutnya untuk menghitung kebundaran(roundess R) yaitu dengan perbandingan luas object dengan luas lingkaran yang mempunyai perimeter yang sama.

Luas lingkaran dengan perimeter P adalah P^2/4*pi.  maka faktor kebundaran R bisa dihitung dengan :

R=4*pi*A/p^2