Nama = Izza Syahri Muharram || Nim = 220605110073 || Mata kuliah = Linear Algebra || Dosen Pengampu = Prof. Dr. SUHARTONO, M.Kom || Teknik Informative || Universitas Islam Negeri Malang

library (magick)
## Linking to ImageMagick 6.9.12.3
## Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fontconfig, x11

Pemrosesan gambar penting di banyak bidang. Misalnya, jika kita ingin melindungi identitas seseorang dari kamera keamanan, kita mungkin harus melakukannya beberapa bagian dari gambar tidak jelas. Dalam pembelajaran mesin, proses ini bisa penting untuk pembelajaran. Misalnya, jika kita ingin melatih mesin untuk mengidentifikasi orang yang mencurigakan dari kamera keamanan, kita perlu melatih mesinnya untuk mengenali kecenderungan dan karakteristik orang yang mencurigakan, dan bagaimana ini berbeda dari orang biasa. Dalam contoh ini, kami menggunakan tenung paket dalam R untuk mendemonstrasikan pemrosesan gambar tanpa merinci. Pertama-tama kita perlu menginstal paket magick (lihat Lampiran untuk mengetahui caranya menginstal paket). Kemudian kami mengunggah paket magick di R

inp_img <- image_read("http://polytopes.net/Tora_color.png")
image_info(inp_img)
##   format width height colorspace matte filesize density
## 1    PNG    77    133       sRGB  TRUE    22377   28x28
plot(inp_img)

mod_img <- image_modulate(inp_img, brightness = 120, saturation = 20,
hue = 20)

Di latar belakang proses ini, paket magick menggunakan linear transformasi matriks. Dalam pemrosesan gambar, kami mengonversi gambar sebagai matriks besar dengan angka. Setiap piksel adalah entri dari matriks. Nilai ditugaskan untuk setiap entri adalah skala kegelapan dan/atau nomor warna. Sebagai akibat, setiap pemrosesan pada gambar adalah operasi pada matriks. Misalnya, jika kami mengubah warna, kami menetapkan nilai yang berbeda dalam entri matriks. jika kita memutar gambar, ini setara dengan menerapkan peta linier ke matriks. Jika kami ingin mengompres gambar, kami dapat memotong beberapa nilai menggunakan analisis komponen utama. Transformasi ini semua didasarkan pada matriks hitung

Operasi matriks adalah dasar dari aljabar linier, yang kami definisikan di sini. Pertama kita mendefinisikan penjumlahan matriks. Untuk melakukannya, jumlah vektor baris dari A dan B harus sama dan banyaknya vektor kolom A dan B harus sama.

v1 <- c(2, -1, 3)
v2 <- c(-1, 0, 4)
v1 + v2
## [1]  1 -1  7
A <- matrix(c(3, 0, -5, -1, -3, 4), nrow = 2, ncol = 3, byrow = TRUE)
B <- matrix(c(-5, 5, 2, 1, -2, 0), nrow = 2, ncol = 3, byrow = TRUE)
A + B
##      [,1] [,2] [,3]
## [1,]   -2    5   -3
## [2,]    0   -5    4
A <- matrix(c(3, 0, -5, -1, -3, 4), nrow = 2, ncol = 3, byrow = TRUE)
-3 * A
##      [,1] [,2] [,3]
## [1,]   -9    0   15
## [2,]    3    9  -12
v1 <- c(2, -1, 3)
v2 <- c(-1, 0, 4)
v1 %*% v2
##      [,1]
## [1,]   10
A <- matrix(c(3, 0, -5, -1, -3, 4), nrow = 2, ncol = 3, byrow = TRUE)
B <- matrix(c(-5, 5, 2, 1, -2, 0), nrow = 3, ncol = 2, byrow = TRUE)
A %*% B
##      [,1] [,2]
## [1,]   -5   15
## [2,]   -9   -8
A <- matrix(c(4, -1, -5, 0, 1, -2), 2, 3, byrow = TRUE)
t(A)
##      [,1] [,2]
## [1,]    4    0
## [2,]   -1    1
## [3,]   -5   -2

kesmipulan dalam library magick semua matriks di atas akan disederhanakan dan diubah menjadi pixel pixel dalam gambar yang akan menampilkan gambar seperti diatas.

daftar pustaka 1. Yoshida.Ruriko.2021.Linear Algebra and Its Applications With R.London. CRC Press.