Mengolah Citra dengan Python
Citra sebagai larik angka: warna, ukuran, filter, tepi, dan menghitung objek dengan numpy, SciPy, dan Pillow — di browser.
Pelajaran pertama bisa dicoba tanpa akun. Selanjutnya pakai akun gratis agar progres, draft kode, dan sertifikatmu tersimpan.
Enam belas pelajaran memperlakukan citra digital sebagaimana komputer melihatnya: larik angka. Mulai dari piksel, dimensi tinggi × lebar × kanal, dtype uint8 dan ukuran memori, grayscale dengan rumus luma ITU-R 601-2 yang dipakai Pillow, HSV, sampai memotong, mencerminkan, dan memutar citra dengan slicing. Lalu mengubah ukuran dengan interpolasi nearest dan bilinear, membaca histogram, mencerahkan dan meregangkan kontras tanpa luapan uint8, serta thresholding tetap dan Otsu. Modul ketiga memfilter dengan scipy.ndimage: konvolusi, blur rata-rata dan Gaussian, penajaman, tepi Sobel, erosi, dilasi, dan opening. Modul terakhir menemukan dan menghitung objek dengan pelabelan komponen, kotak pembatas, dan IoU, ditutup dengan piksel sebagai fitur klasifikasi angka tulisan tangan. Semua kode dijalankan di Python sungguhan (Pyodide) dan diperiksa dengan test assert.
5,0 ★ (Belum ada ulasan) · 16 pelajaran · 4 modul · ±226 menit
Bawa pulang keterampilannya
Yang akan kamu bisa setelah kelas ini
- Membaca citra sebagai larik numpy: menafsirkan shape tinggi × lebar × kanal dan dtype uint8, menghitung ukuran memori, mengubah RGB ke grayscale dengan rumus luma Pillow, serta memotong, mencerminkan, dan memutar citra.
- Mengubah ukuran citra dengan interpolasi nearest dan bilinear, membaca histogram, mengatur kecerahan dan kontras tanpa luapan uint8, menormalkan intensitas, dan mengubah citra abu-abu menjadi biner dengan ambang tetap maupun metode Otsu.
- Menerapkan konvolusi dengan scipy.ndimage untuk blur rata-rata, blur Gaussian, penajaman, dan deteksi tepi Sobel, lalu merapikan citra biner dengan erosi, dilasi, dan opening.
- Menghitung objek dengan pelabelan komponen terhubung, menentukan kotak pembatasnya, menilai kecocokan dua kotak dengan IoU, dan memakai piksel citra 8 × 8 sebagai fitur klasifikasi.
Untuk siapa
Orang yang sudah nyaman dengan Python dan numpy dasar dan ingin mengerti apa yang terjadi di balik aplikasi pengolah foto dan computer vision: dari satu piksel sampai menghitung objek, tanpa memasang apa pun.
Prasyarat
Python Dasar (fungsi, perulangan), Analisis Data dengan Python atau pemahaman setara tentang array numpy (shape, slicing)
Alat yang perlu disiapkan
- Browser modern di komputer. Python, numpy, SciPy, dan Pillow dimuat sekali (sekitar 30 MB) lalu tersimpan di cache; pelajaran fitur klasifikasi menambah scikit-learn.
Tempat berlatih
Coba, periksa, lalu lanjutkan.
53 latihan di 16 pelajaran. Jawaban diperiksa langsung di halaman materi; petunjuk dibuka bertahap.
Jalur belajar kelas ini
Kurikulum
4 modul · 16 pelajaran · ±226 menit
Urutan pelajaran tidak dikunci.
Sertifikat kelas
Selesaikan kelasnya, sertifikat ini atas namamu.
- Nama lengkapmu dan judul kelas tercetak di sertifikat.
- Kode dan QR yang bisa dicek siapa saja di kelasgratis.com/verifikasi.
- Sekali klik ke profil LinkedIn, atau unduh PNG dan PDF.
Bukti penyelesaian materi, bukan akreditasi atau sertifikasi kompetensi.
Pertanyaan yang sering muncul
Kenapa tidak memakai OpenCV atau scikit-image?
Keduanya tidak tersedia di Python peramban (Pyodide) yang menjalankan latihan kelas ini. Operasi yang sama dikerjakan dengan numpy, scipy.ndimage, dan Pillow; dokumentasi scikit-image tetap dirujuk untuk konsepnya, sehingga pindah ke OpenCV atau scikit-image tinggal mempelajari nama fungsinya.
Apakah saya perlu mengunggah foto sendiri?
Tidak. Semua citra latihan berupa larik numpy kecil (misalnya 6 × 6 piksel) yang dibuat di kode, supaya setiap angka bisa dicek dengan tangan dan hasilnya selalu sama. Caranya berlaku persis untuk foto berukuran jutaan piksel.
Apa hubungan kelas ini dengan deteksi objek?
Kelas ini mengajarkan dasarnya: memisahkan objek dari latar dengan ambang, menghitungnya dengan pelabelan komponen, mengukur kotak pembatasnya, dan menilai kecocokan kotak tebakan dengan kotak benar memakai IoU — ukuran yang sama yang dipakai untuk menilai detektor berbasis jaringan saraf.
Dari pengalaman belajar
Ulasan peserta
Apa yang membantu, dan apa yang masih bisa diperbaiki?
Ulasan berasal dari akun yang telah menyelesaikan setidaknya satu pelajaran. Bintang 1–3 ditinjau admin sebelum terbit; bintang 4–5 langsung terbit. Sebelum ada ulasan terbit, kelas menggunakan nilai awal admin 5,0. Setelahnya, rating mengikuti rata-rata ulasan yang sudah terbit.
Pengalamanmu bisa membantu peserta berikutnya.
Belum ada ulasan yang terbit untuk kelas ini.
Bagikan pengalaman belajarmu
Masuk dan selesaikan satu pelajaran untuk menulis ulasan. Masuk ke akun →
Setelah kelas ini
Jalur yang memuat kelas ini
Revisi materi terakhir: 28 Sep 2026. Laporan kesalahan bisa dikirim dari setiap halaman pelajaran.