06 Yuk Analisa Keaslian Video Mesum Luna Maya dan Ariel

Jikalau salah satu pakar bokeptelematika, Roy Suryo memilih bungkam, mengapa kita sebagai blogger tidak ikut aktif untuk menyelidiki dan menganalisa kebenaran atau keaslian bahwa video mesum tersebut adalah Luna Maya dan Ariel. Itung-itung nambah pengetahuan dan ketenaran heheh, postingan ini mencoba memberikan gambaran buat anda mengenai apakah video luna maya dan ariel tersebut memang mereka berdua atau hanya orang yang mirip saja, diambil dari forum kaskus. Akan lebih bagus lagi kalau anda sudah download video mesum luna maya itu
Kata teman dan sahabat semua mengatakan, video porno tersebut 90% mirip banget Luna Maya dan Aril. Dan saya juga beranggapan demikian, melihat fotonya saja udah yakin banget emang mirip apalagi kalau lihat video mesum luna maya.

1. Kecurigaan pertama adalah mengenai tatto kupu-kupu yang ada di pinggang wanita dalam video porno tersebut. Menurut beberapa media, katanya si Luna Maya dulu sering main ke toko Tatto, salah satunya Kent Tatto. Walaupun Kent Tatto tidak mengiyakan bahwa si Luna Maya pernah ditatto sama mereka namun ini masih menimbulkan kecurigaan. Lebih jelasnya lihat di Kent Tatto.

2. Model rambut ariel waktu masih gondrong sebahu,

3. Perhatikan bentuk lengan Ariel dengan ketika berada di atas panggun tanpa baju,

4. Coba perhatikan gelang putih yang selalu dipakai Luna Maya pada tangan kanan. Gelang ini juga dipakai di iklan sabun lux bersama Ariel.

5. Mengenai ekspresi mimik wajah Luna Maya dan wanita yang di video porno tersebut,

Nah bagaimana menurut anda, saya yakin anda patut untuk mencurigai bahwa kemungkinan 'Video Porno Luna Maya dan Ariel' itu memang Luna Maya dan Ariel, Terakhir katanya ada teman yang juga bilang bahwa suara desahan mereka di video mesum tersebut juga identik banget.

Ok deh, segitu aja informasi ini dan kita tunggu update selanjutnya aja. Untuk para fans setia yang penasaran banget dengan video mesum luna maya, anda masih bisa download video luna maya kok. masih banyak bertebaran loh. Sebenarnya pada halaman komentar saya di salah satu postingan lainnya ada beberapa yang mencoba memberi link downloadnya. Tapi demi menjaga reputasi,xixixi. Saya sudah menghapusnya, walaupun telat menghapusnya karena keterbatasan saya mengontrol komentar yang masuk dan tidak dimoderasi.

akuisisi data citra video

Karakteristik Video Digital
Video digital pada dasarnya tersusun atas serangkaian frame yang ditampilkan dengan kecepatan tertentu (frame / detik). Jika laju frame cukup tinggi, maka mata manusia melihatnya sebagai rangkaian yang kontinu.
Setiap frame merupakan gambar/ citra digital. Suatu citra digital direpresentasikan dengan sebuah matriks yang masing-masing elemennya merepresentasikan nilai intensitas.

Karakteristik-karakteristik yang akan menentukan kualitas suatu video:
1. Resolusi/ dimensi frame
Merupakan ukuran sebuah frame, resolusi dinyatakan dalam pixel x pixel. Semakin tinggi resolusi maka semakin baik tampilan video tersebut. Namun, resolusi yang semakin tinggi membuat bit yang besar juga.

2. Kedalaman bit
Menetukan jumlah bit yang digunakan untuk merepresentasikan tiap piksel pada sebuah frame, efeknya terlihat langsung pada kualitas video. Sama seperti resolusi, semakin besar kedalaman bit yang dipakai, semakin besar juga bit yang diperlukan.

3. Laju frame
Karakteristik ini berkaitan dengan kehalusan gerakan (smooth motion) dan kilatan (flash). Contohnya, untuk mendapatkan gerakan yang halus diperlukan setidaknya 25 frame/ detik. Kilatan merupakan jumlah layer ditampilkan per detik, misalnya dengan 20 frame per detik, kilatan sudah dapat dilenyapkan.

Representasi warna
Pada video digital, umumnya data video dipisahkan menjadi komponen-komponen kecerahan maupun warna, yang dapat di kelompokkan:

1. RGB (red, green, blue)
Warna tiap piksel ditentukan oleh kombinasi intensitas dari masing-masing komponen warna. Misalnya pada RGB 24 bit, masing-masing komponen warna dinyatakan dalam 8 bit atau 256 level. Misalnya untuk warna biru langit direpresentasikan dengan R=180, G=189, B=249.

2. YUV
Pemisahan ini menurut komponen kecerahan (luminance) dan komponen warna (chrominance). Contohnya digunakan pada format PAL. Sinyal kecerahan dinyatakan dengan Y, sedangkan dua sinyal warna dinyatakan dengan U dan V.
Y=0,299R + 0,587G + 0,114B
U=(B-Y) x 0,493
V=(R-Y) x 0,877

3. YIQ
Merupakan pemisahan komponen kecerahan (Y), dan komponen warna (I dan Q) pada format NTSC.
Y=0,299R + 0,587G + 0,114B
I =0,596R – 0,275G – 0,321B
Q =0,212R – 0,523G – 0,311B

4. Kompresi
Jumlah bit yang diperlukan video digital untuk penyimpanan maupun transmisi dapat dihitung sebagai berikut: format AVI dengan resolusi 320x240 pixels untuk komponen kecerahan dan separuhnya untuk dua komponen warnanya. Kedalaman pikselnya adalah 8 bit/piksel dan laju framenya 30 frame. Detik. Maka jumlah bit yang dibutuhkan, yaitu 320 x 240 pixels x 8 bit/piksel x 30 frame/detik = 18.432.000 bit/s (18 Mbps), jumlah bit ini bukanlah jumlah bit yang kecil. Tidak mungkin menyalurkan format ini ke dalam saluran bit rate rendah, misalnya 64 Kbps.

Kompresi dapat dilakukan dengan memanfaatkan Redundansi yang terdapat pada data video, baik Redundansi spasial maupun temporal:

1. Redundansi spasial
Redundansi yang terdapat dalam suatu frame. Hal ini disebabkan oleh adanya korelasi antara sebuah piksel dengan piksel di sekitarnya. Redundansi ini dimanfaatkan untuk melakukan kompresi intraframe.

2. Redundansi temporal
Redundansi yang terdapat diantara frame dengan frame sebelum atau sesudahnya. Hal ini disebabkan adanya piksel-piksel yang berkorelasi di antara frame-frame tersebut. Redundansi ini terutama dikarenakan banyak bagian frame yang tidak berubah dibanding frame sebelum dan sesudahnya.

Berdasarkan dua jenis redundansi tersebut, kompresi pada data video dapat dibagi menjadi dua:

1. Kompresi intraframe
Dilakukan dengan memanfaatkan redundansi spasial yang terdapat dalam suatu frame. Beberapa metode dalam kompresi ini antara lain:
a. Subsampling
Merupakan dasar dari kebanyakan kompresi image dan sebanding dengan membuang data, kompresi dilakukan dengan mengurangi jumlah piksel yang digunakan untuk merepresentasikan suatu image. Hal ini mengakibatkan berkurangnya jumlah resolusi
b. Pengurangan kedalaman bit
Disebut juga coarse quantization. Metode ini mengurangi jumlah bit yang digunakan untuk merepresentasikan suatu piksel.
c. Transform Coding
Mentransformasikan data dari domain ruang ke domain frekuensi. Cara ini menghasilkan data yang mudah diproses untuk kompresi lebih lanjut. Contohnya DCT (Discrete Cosine Transform).

Kompresi interframe
Dilakukan dengan memanfaatkan redundansi temporal. Metode dalam kompresi ini antara lain:
a. Subsampling
Mengurangi laju frame dalam data video, yaitu mentransmisikan frame tertentu, misalnya tiap dua frame.
b. Difference Coding
Membagi frame menjadi blok-blok yang tidak tumpang tindih. Hanya blok yang mengalami perubahan signifikan saja yang disimpan.
c. Motion Compensation
Membagi frame menjadi blok-blok yang tidak tumpang tindih. Setelah itu dilakukan proses pencocokan blok. Tiap blok pada frame tersebut dibandingkan dengan blok-blok berukuran sama pada frame sebelumnya, perbedaan lokasi antara blok tersebut dengan blok yang mirip pada frame sebelumnya disebut vektor gerak/ motion vector. Hanya vektor gerak saja yang disimpan.


Integrasi Sistem

Video digital merupakan rangkaian frame. Untuk melakukan kompresi pada data video, maka dilakukan kompresi pada masing-masing frame tersebut. Sebelum kompresi dilakukan pada suatu frame, harus ditentukan terlebih dahulu apakah diterapkan kompresi interframe atau intraframe, setelah frame referensi ditentukan (intraframe)
Frame yang dikompresi dengan metode intraframe disebut frame I. Frame yang dikompresi dengan interframe disebut frame P. Perbandingan banyak frame I dan frame P dalam sebuah grup frame yaitu sebuah frame I dan n buah frame P. Kompresi dilakukan dengan menetapkan frame referensi dahulu, yaitu frame pertama harus dilakukan kompresi intraframe/ menetapkan frame pertama sebagai frame I, bukan kompresi interframe (karena prediksi tidak dapat dilakukan bila tidak ada frame sebelumnya sebagai referensi). Untuk kompresi selanjutnya, kompresi dapat dilakukan dengan metode intarframe atau interframe.
Kompresi interframe mempengaruhi kualitas hasil kompresi. Semakin banyak kompresi interframe maka semakin tinggi rasio kompresi yang didapat, namun kualitas gambarnya menjadi menurun.

Alur sistem integrasi kompresi
1. Pada suatu kumpulan frame/ sebuah grup frame, frame pertama ditetapkan sebagai frame I, dilakukan kompresi intraframe. Proses yang dilakukan adalah DCT, selanjutnya kuantisasi, RLE, dilanjutkan VLC. Hasilnya disimpan.
2. Hasil kuantisasi tadi, di dekuantisasi dan dilakukan inverse DCT, kemudian ditulis pada frame referensi sebagai acuan melakukan prediksi pada proses berikutnya.
3. Frame berikutnya adalah frame P, dilakukan kompresi interframe. Prosesnya dilakukan matching block, mencocokan blok-blok pada frame tersebut dengan blok-blok pada frame referensi. Proses ini menghasilkan vector gerak (motion vector), yang selanjutnya disimpan sebagai hasil kompresi.
4. Proses no. 3 diulang sebanyak jumlah frame P yang ada dalam sebuah grup frame tersebut.

Alur Sistem Integrasi Dekompresi
Hasil kompresi harus dapat dikembalikan untuk mendapatkan data semula. Proses menguraikan hasil kompresi untuk mendapatkan data semula disebut dekompresi.
1. Frame I direkonstruksi dengan decoding, pembalikan proses VLC dan RLE, dekuantisasi, dan inverse DCT (IDCT). Proses ini dihasilkan sebuah frame yang selanjutnya digunakan sebagai referensi bagi proses dekompresi interframe (dengan frame P).
2. Frame P direkonstruksi dengan melakukan pembalikan proses pengkodean pada data, yang menghasilkan vektor gerak untuk tiap blok. Vektor gerak yang didapat disimpan dan digunakan untuk proses dekompresi selanjutnya.
3. Proses pada frame P berulangkali sebanyak jumlah frame P pada grup frame.

Digital Image Processing

On this occasion, I will tell friends, like where the image-making process that's, of course with a mathematical calculation. This article dibat based on the knowledge I can in college lho. Ok aja deh slim, What is a digital image?

Image (image): can be defined as two-dimensional function f (x, y) where x and y are spatial coordinates and the amplitude of f at any pair (x, y) is called the intensity (gray level) image at that point.

If x and y finite (Finite) and discrete (non continuous) is called a digital image. Digital image consists of a number of finite elements each have a location and value.

The elements x and y is the image elements / pels / pixel. Digital image is the image with f (x, y) whose value didigitalisasi's (made discrete) both in spatial coordinates and in his gray levels. Digitalization of the image spatial coordinates is called the image sampling, while the digitization of the gray-level image is called the gray-level quantization. Digital image can be thought of as a matrix where the rows and columns show the gray level at that point. The elements of the digital image is usually referred to as pixels, which stands for picture elements.

Digital image processing goal is to get a new image that is more suitable for use in certain applications. One type of image processing is called contrast stretching.
Contrast stretching is a technique used to obtain a new image with better contrast than the contrast of the image origin. Image with low contrast can occur due to lack of lighting, lack of dynamism of the image sensor, or an error setting the lens opening at the image capture. The idea of the contrast stretching is to increase the dynamic field of gray levels in the image to be processed.

Basic Color
RGB is a color model that consists of red, green, and blue, are combined in order to form a broad color. Each basic color, red for instance, can be given a range-value. For computer monitors, the smallest range value = 0 and the greatest = 255. Options 256 scale is based on how to uncover 8 digit binary number that is used by computers. In this way, will get a mix of colors 256 x 256 x 256 = 1,677,726 colors. A type of color, can be thought of as a vector in 3-dimensional space is usually used in mathematics, the coordinates are expressed in the form of three numbers, namely x-components, components and component-y-z. Suppose that a vector is written as r = (x, y, z). For color, the components are replaced by the components R (ed), G (reen), B (lue). Thus, a type of color can be written as follows: color = RGB (30, 75, 255). White = RGB (255,255,255), while for black = RGB (0,0,0).

Gray image
Graysacale the pixel colors that are in the range of shades of black and white. For example, if we have a 200x300 pixel size image, then the amount of unused byter in memory is 200x300x2 = 120000bit.

Binary image
Binary image obtained through the separation process based on the pixels that have gray degrees. Pixels that have gray degrees lower than the set limit values will be given the value 0, while pixels that have gray degree greater than the limit value will be converted to 1.
So for a picture which is usually black Puth, his values 0 and 1.
For example, if we have a 200x300 pixel size image, then the unused amount byter in memory is 200x300x1 = 60000bit.

Changing the brightness IMAGE (IMAGE BRIGHTNESS)
Image Brightness (light images) is a technique to make images become brighter or darker. Brightness / kecermelangan images can be done by adding (or subtracting) a constant from each pixel in the image. Image Brightness process causes the histogram of the image changes.
In the process of image brightness mathematically written as:

* F (x, y) '= f (x, y) + b

If b> 0, then the image brightness increases, on the other hand, if b <0 the brightness of the image decreases.

Pixel value of the processing results may be less than equal to the minimum degree of gray (0) or more than equal to the maximum degree of gray (255). Therefore, these pixels need to be clipping to a minimum gray value or the maximum gray value.


Quality improvement of image (image enhancement)
This type of operation aims to improve the image in a way to manipulate the image parameters. With this operation, the special characteristic that there are special is more highlighted in the image.

Operation examples improvement of image:

a. improvement contrast brightness
b. improvement edge object (edge enhancement)
c. Sharpening (Sharpening)
d. Giving false color (pseudocoloring)
e. Filtering noise (noise filtering)


Image restoration (image restoration)
This operation aims to eliminate defects in the image. Image restoration goals similar to the image perbaikkan operation. The difference is, the restoration of the image causes image degradation is known.

Examples of image restoration operations:
a. Disappearance vagueness (deblurring)
b. Elimination of noise (noise)

Image compression (image compression)
This type of operation performed for the image can be represented in a more compact and require less memory. Important things that must be considered in image compression is the image that has been compressed to keep a good image quality.

Image segmentation (segmentation images)
This type of operation aims to break an image into several segments with a certain criteria. This type of operation is closely related to pattern recognition.

Image analysis
This type of operation is aimed to calculate kuantitif amount of images to produce decryption. Image processing techniques extract a particular characteristic that helps in the identification of objects. Segmentation process is sometimes necessary to locate the desired object from its surroundings.
Operation examples pengorakan image:
a. Object edge detection (edge detection)
b. Extraction limit (boundary)
c. Regional representation (region)

Reconstruction image (Image Reconstruction)
This type of operation aims to reshape the image of the object of several projected results. Image reconstruction operations are widely used in the medical field.

pengolahan citra digital

Pada kesempatan ini, saya akan memberitahukan kepada temen2, bagai mana proses pembuatan gambar itu sih, tentu saja dengan sebuah perhitungan matematika. Artikel ini dibat berdasarkan ilmu yang saya dapat di kampus lho. Ok deh langsing aja, Apa sih citra digital itu??

Citra (image) : bisa didefinisikan sebagai fungsi dua dimensi f(x,y) di mana x dan y adalah koordinat spasial dan amplitudo f pada setiap pasang (x,y) disebut intensitas (gray level) citra pada titik tersebut.

Jika x dan y berhingga (finite) dan diskrit (tdk kontinyu) maka disebut citra digital. Citra digital terdiri dari sejumlah elemen berhingga yang masing-masing mempunyai lokasi dan nilai.

Elemen-elemen x dan y disebut elemen citra / pels / pixel. Citra digital adalah citra dengan f(x,y) yang nilainya didigitalisasi-kan (dibuat diskrit) baik dalam koordinat spasialnya maupun dalam gray level nya. Digitalisasi dari koordinat spasial citra disebut dengan image sampling, sedangkan digitalisasi dari gray-level citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan sebagai suatu matriks dimana baris dan kolomnya menunjukkan gray level di titik tersebut. Elemen-elemen dari citra digital tersebut biasanya disebut dengan pixel, yang merupakan singkatan dari picture elements .

Tujuan pengolahan citra digital adalah untuk mendapatkan citra baru yang lebih sesuai untuk digunakan dalam aplikasi tertentu. Salah satu jenis pengolahan citra adalah yang disebut dengan contrast stretching .
Contrast stretching ini adalah teknik yang digunakan untuk mendapatkan citra baru dengan kontras yang lebih baik daripada kontras dari citra asalnya. Citra yang memiliki kontras rendah dapat terjadi karena kurangnya pencahayaan, kurangnya bidang dinamika dari sensor citra, atau kesalahan setting pembuka lensa pada saat pengambilan citra. Ide dari proses contrast stretching adalah untuk meningkatkan bidang dinamika dari gray level di dalam citra yang akan diproses.

Dasar Warna
RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru, digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar, misalnya merah, dapat diberi rentang-nilai. Untuk monitor komputer, nilai rentangnya paling kecil = 0 dan paling besar = 255. Pilihan skala 256 ini didasarkan pada cara mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer. Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 1677726 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu komponen-x, komponen-y dan komponen-z. Misalkan sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna, komponen-komponen tersebut digantikan oleh komponen R(ed), G(reen), B(lue). Jadi, sebuah jenis warna dapat dituliskan sebagai berikut: warna = RGB(30, 75, 255). Putih = RGB (255,255,255), sedangkan untuk hitam= RGB(0,0,0).

Citra Gray
Graysacale adalah warna-warna piksel yang berada dalam rentang gradasi warna hitam dan putih. sebagai contoh, jika kita mempunyai gambar berukuran 200x300 pixel, maka jumlah byter yang terpakai di memory adalah 200x300x2 = 120000bit.

Citra Biner
Citra biner diperoleh melalui proses pemisahan piksel-piksel berdasarkan derajat keabuan yang dimilikinya. Piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan akan diberikan nilai 0, sementara piksel yang memiliki derajat keabuan yang lebih besar dari batas akan diubah menjadi bernilai 1.
Jadi untuk gambar yang biasanya berwarna hitam puth, nilai nya 0 dan 1.
sebagai contoh, jika kita mempunyai gambar berukuran 200x300 pixel, maka jumlah byter yang terpakai di memory adalah 200x300x1 = 60000bit.

PENGUBAHAN KECERAHAN GAMBAR (IMAGE BRIGHTNESS)
Image Brightness (pencerahan gambar)adalah suatu teknik untuk membuat citra menjadi lebih terang atau lebih gelap. Kecerahan/kecermelangan gambar dapat dilakukan dengan cara menambahkan(atau mengurangkan) sebuah konstanta dari setiap pixel di dalam citra. Proses Image Brightness menyebabkan histogram dari citra tersebut mengalami perubahan.
Secara matematis proses Image brightness ditulis sebagai :

* f(x,y)'=f(x,y)+b

Jika b>0, maka kecerahan gambar bertambah, sebaliknya jika b<0 kecerahan gambar berkurang. Nilai pixel hasil pengolahan mungkin kurang dari sama dengan derajat keabuan minimum (0) atau lebih dari sama dengan derajat keabuan maksimum (255). Karena itu,pixel tersebut perlu dilakukan clipping ke nilai keabuan minimum atau ke nilai keabuan maksimum. Perbaikkan Kualitas Citra (image enhancement) Jenis operasi ini bertujuan untuk memperbaiki citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, cirri-ciri khusus yang khusus yang terdapat didalam citra lebih ditonjolkan. Contoh-contoh operasi perbaikkan citra: a. Perbaikkan kontras gelap/terang b. Perbaikkan tepian objek (edge enhancement) c. Penajaman (sharpening) d. Pemberian warna semu (pseudocoloring) e. Penapisan derau (noise filtering) Pemugaran Citra (image restoration) Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikkan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh operasi pemugaran citra : a. Penghilangan kesamaran (deblurring) b. Penghilangan derau (noise) Pemampatan Citra (image compression) Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan citra adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Segmentasi Citra (image segmentation) Jenis operasi ini bertujuan untuk memecah suatu citra kedalam beberapa segmen dengan suatu criteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. Pengorakan Citra (Image Analysis) Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan diskripsinya. Tehnik pengolahan citra mengekstraksi cirri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadang kala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi pengorakan citra : a. Pendeteksian tepian objek (edge detection) b. Ekstraksi batas (boundary) c. Representasi Daerah (region) Rekonstruksi Citra (Image Reconstruction) Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis.