Pertemuan 12 : Aksentuasi Citra [Image Enhancement]

Presentasi berjudul: "Pertemuan 12 : Aksentuasi Citra [Image Enhancement]"— Transcript presentasi:

1 Pertemuan 12 : Aksentuasi Citra [Image Enhancement]
Andriyan B. Suksmono John Adler KK-Komputasi dan Kecerdasan Buatan Sistem Komputer Universitas Komputer Indonesia-UNIKOM Departemen Sistem Komputer TK Pengolahan Citra

2 Pendahuluan Enhancement citra: aksentuasi dan penajaman fitur tertentu dari citra (tepian, perbatasan wilayah atau kontras) agar citra dapat ditampilkan secara lebih baik maupun dianalisis secara lebih teliti. Enhancement tidak meningkatkan kandungan informasi, melainkan jangkauan dinamik dari fitur shg bisa dideteksi dengan lebih mudah dan tepat. Tantangan terbesar dalam enhancement citra adalah peng-kuantifikasi-an kriteria/ fitur yang akan di-enhance. Departemen Sistem Komputer TK Pengolahan Citra

3 TUJUAN PENINGKATAN KUALITAS CITRA
Untuk melakukan pemprosesan terhadap citra agar hasilnya dapat lebih baik dari citra awal untuk aplikasi tertentu. Baik disini tergantung pada jenis aplikasi dan masalah yang dihadapi. Departemen Sistem Komputer TK Pengolahan Citra

4 Berbagai teknik Image Enhancement
False Coloring Psudocoloring Point Operation Spatial operation Transform Pseudo Coloring Contrast Stretching Noise Clipping Window Slicing Histogram Modeling Noise Smoothing Median Filtering Unsharp Masking Low-, High-, Band-pass Filtering Zooming Linear Filtering Root Filtering Homomorphic Filtering Departemen Sistem Komputer TK Pengolahan Citra

5 Operasi Titik-contrast stretching
Operasi titik (point operation). Adalah operasi zero-memory, dimana derajat keabuan u[0,L] dipetakan ke derajat keabuan v[0,L] melalui transformasi: v=f(u). Contrast stretching. Kontras yang rendah timbul akibat pencahayaan yang buruk atau efek non-linier sensor. Transformasi dilakukan sbb: Pada daerah yang di-stretch, kemiringan dibuat >1. Parameter a, dan b diperoleh dari histogram citra. Departemen Sistem Komputer TK Pengolahan Citra

6 Clipping dan tresholding
Jika pada persm. sebelumnya, ==0, maka disebut clipping. Thresholding adalah kasus khusus dari clipping dimana a=b=t. a b L    va vb u u v u v v stretching clipping tresholding Departemen Sistem Komputer TK Pengolahan Citra

7 Contoh tresholding: binarisasi
Citra gray-level sel darah merah Citra biner sel darah merah Departemen Sistem Komputer TK Pengolahan Citra

8 Contoh tresholding: koreksi gamma
Citra Asal Citra Hasil koreksi gamma Departemen Sistem Komputer TK Pengolahan Citra

9 Negatif dijital Citra negatif diperoleh dengan membalik penskalaan derajat keabuan: v = L-u %MATLAB I=imread('cameraman.tif'); figure(1);imagesc(I); colormap(gray); figure(2); imagesc(255-double(I)); Departemen Sistem Komputer TK Pengolahan Citra

10 Potongan tingkat intensitas
Transformasi ini bisa dipakai untuk melakukan segmentasi tingkat keabuan tertentu dlm citra. Tanpa latar belakang: Dengan latar belakang: u v a b L v a b L u Departemen Sistem Komputer TK Pengolahan Citra

11 Contoh pemotongan intensitas
Citra asal Tanpa background Dengan Background Departemen Sistem Komputer TK Pengolahan Citra

12 Ekstraksi bit Citra u yang dikuantisasi dinyatakan dengan:
u = k12B-1+ k22B-2+ … kB-12+ kB Keluaran yang diinginkan dlm ekstraksi bit adalah Dpt ditunjukkan bahwa kn = in - 2in-1, dimana in=int(u/2B-n ) Contoh: 8 buah bitplane-cameraman Departemen Sistem Komputer TK Pengolahan Citra

13 Contoh-lanjutan Departemen Sistem Komputer TK Pengolahan Citra

14 Pemampatan jangkauan (range comp.) & Deteksi perubahan
Kadangkala jangkauan dari citra sangat besar (mis. dalam citra transform). Kompresi dilakukan dng v = c log10(1+|u|) , c konstanta Pengurangan citra, bisa dipakai untuk melakukan deteksi perubahan. Contoh: Digital Substraction Angiography (DSA). Departemen Sistem Komputer TK Pengolahan Citra

15 Contoh pemampatan jangkauan
Departemen Sistem Komputer TK Pengolahan Citra

16 Pemodelan histogram Histogram citra menyatakan frekuensi kemunculan berbagai derajat keabuan dalam citra. Teknik pemodelan histogram mengubah citra hingga memiliki histogram sesuai keinginan. Ekualisasi histogram. Bertujuan mendapatkan histogram citra dengan distribusi seragam. I = imread('tire.tif');imshow(I); imhist(I,64) J = histeq(I);figure, imshow(J); figure; imhist(J,64) setelah ekualisasi sebelum ekualisasi Departemen Sistem Komputer TK Pengolahan Citra

17 Contoh histogram citra
Departemen Sistem Komputer TK Pengolahan Citra

18 contoh Ekualisasi histogram tidak cocok untuk citra dng histogram asal sangat sempit hasil asal Departemen Sistem Komputer TK Pengolahan Citra

19 Operasi spasial Perata-rataan dan penapisan lolos-rendah scr spasial. Setiap piksel dalam citra digantikan dengan nilai rata-rata terbobot dari tetangganya: y(m,n) citra masukan dan v(m,n) citra keluaran, W ‘jendela’ dan a(k,l) pembobot. Jika a(k,l) bernilai sama semuanya, proses ini disebut perata-rataan spasial a(k,l)=1/NW dan NW cacah piksel dalam jendela.

20 Operasi spasial Cara lain: setiap piksel digantikan dengan rata-rata empat buah tetangga terdekatnya: v(m,n) = 0.5 [y(m,n) { y(m-1,n) + y(m+1,n) + y(m,n-1) + y(m,n+1)} ] Berbagai jenis ‘ mask’ 1/9 1/8 Jendela 22 Jendela 33 Perata-rataan terbobot 5 titik Departemen Sistem Komputer TK Pengolahan Citra

21 Operasi spasial Perata-rataan spasial dipakai untuk penghalusan (smoothing), penapisan lolos rendah (low-pass) dan pencuplikan citra bagian (subsampling). Untuk citra dengan derau: y(m,n) = u(m,n) + (m,n) , dimana (m,n) derau putih dengan variansi 2, maka perata-rataan memberikan citra hasil: (m,n) adalah rata-rata spasial (m,n). Jika mean dari (m,n) nol, maka daya derau ditekan sebanyak cacah piksel dalam jendela: 2 = 2/NW. Departemen Sistem Komputer TK Pengolahan Citra

22 Contoh: Operasi spasial
Citra asli Citra + derau Departemen Sistem Komputer TK Pengolahan Citra

23 Contoh: operasi spasial
Departemen Sistem Komputer TK Pengolahan Citra

24 Pengaburan (blurring) karena perata-rataan
Departemen Sistem Komputer TK Pengolahan Citra

25 Pengaburan karena perata-rataan
Departemen Sistem Komputer TK Pengolahan Citra

26 Pengaruh berbagai energi derau
Departemen Sistem Komputer TK Pengolahan Citra

27 Pengaruh berbagai energi derau
Departemen Sistem Komputer TK Pengolahan Citra

28 Filter median Contoh terakhir menunjukkan kelemahan perata-rataan
Hal ini bisa diatasi dengan filter median Departemen Sistem Komputer TK Pengolahan Citra

29 Contoh filter median Departemen Sistem Komputer
TK Pengolahan Citra

30 Penajaman citra (image sharpening)
Penajaman citra adalah proses untuk menampakkan struktur halus yang hilang karena efek pengaburan. Tapis lolos tinggi. Dapat dilakukan dengan sebuah operator yang invarian-geser, mis. dng mask yg berisi kombinasi bilangan positif-negatif yg sesuai. Dng mask ini, perubahan derajat keabuan dalam citra ditajamkan. Mask bernilai positif di tengah, dan negatif disekelilingnya, misalnya: Proses ini ekivalen dengan penapisan lolos tinggi. Departemen Sistem Komputer TK Pengolahan Citra

31 Tapis lolos tinggi Citra yang ditapis lolos tinggi g ekivalen dengan citra asal f dengan citra yang ditapis lolos rendah: g(m, n) = f(m, n) – lowpass(f(m, n)) Departemen Sistem Komputer TK Pengolahan Citra

32 Penapisan high-boost (unsharp)
Ekivalen dng pengurangan citra asal yg diperkuat dengan citra yg sdh ditapis lolos rendah g(m, n) = Af(m, n) – lowpass(f(m, n)) = (A-1)f(m, n) + [f(m, n)– lowpass(f(m, n))] = (A-1)f(m, n) + higpass(f(m, n)) Jadi, untuk A>1, sekian kali citra asal ditambahkan ke citra yang telah ditajamkan. Hasilnya mirip citra asal tetapi dng tepian yang tajam. Citra asal High pass High boost Departemen Sistem Komputer TK Pengolahan Citra

33 Filter turunan (derivative)
Dipakai untuk menajamkan tepian, umumnya dipakai operator gradien: Umumnya dipakai versi diskrit. Tinjau daerah citra berikut: Aproksimasi gradien absolut diberikan oleh Departemen Sistem Komputer TK Pengolahan Citra

34 Filter turunan: Operator Robert
Implementasi dilakukan dengan bentuk konvolusi: yang disebut Robert cross gradient operator Citra asli Departemen Sistem Komputer TK Pengolahan Citra

35 Filter turunan: Operator Prewitt
Operator Prewitt diperoleh dari yang menghasilkan: Kinerja operator ini lebih baik dari yang sebelumnya Departemen Sistem Komputer TK Pengolahan Citra

36 Filter turunan: Operator Sobel
Hasil sebelumnya bisa didekati dengan yang disebut dengan Operator Sobel Departemen Sistem Komputer TK Pengolahan Citra

37 Metoda domain frekuensi
Enhancement dari citra dilakukan pada citra yg telah ditransformasi, diikuti transformasi balik ke domain spasial. Untuk citra U = {u(m,n)} yang ditransformasi menjadi V = {v(k,l)} : V = AUAT. Operasi enhancement menghasilkan v’(k,l) = f(u(m,n)). Citra ter-enhanced dlm domain spasial adalah: U = A-1V’(AT)-1 . Generalized Filtering: adalah transformasi zero-memory dng cara perkalian piksel-ke-piksel: v’(k, l) = g(k, l) v(k, l). Fungsi g(k, l) disebut sebagai zonal mask. u(m,n) Transformasi Uniter AUAT v(k,l) Operasi Titik f(.) v’(k,l) Inverse A-1 V’(AT)-1 u’(m,n) Departemen Sistem Komputer TK Pengolahan Citra

38 Metoda domain frekuensi
Konsep penapisan lebih sesuai jika dilakukan dalam domain frekuensi. Penapisan dari citra f(m,n) dilakukan melalui DFT-nya, F(u,v). Dalam domain waktu, proses penapisan adalah konvolusi citra f(m,n) dng tapis h(m,n) g(m,n) = h(m,n)*f(m,n) yang proses komputasinya terlalu lambat. Percepatan dilakukan dalam domain transform via FFT G(u,v) = H(u,v) F(u,v) Departemen Sistem Komputer TK Pengolahan Citra

39 Penapisan lolos rendah ideal
Bentuk tapis lolos rendah ideal r0=57 Citra asli LPF, r0 = 57 LPF, r0 = 36 LPF, r0 = 26 Terjadi efek ringing, ciri dari tapis ideal. Departemen Sistem Komputer TK Pengolahan Citra

40 Penapisan lolos rendah Butterworth
Bentuk tps lolos rendah Butterworth n: order filter, r0: cutoff freq. Citra asli r0 = 18 r0 = 13 r0 = 10 Tanpa efek ringing. Departemen Sistem Komputer TK Pengolahan Citra

41 Tapis lolos rendah Butterworth
Penghilangan false contouring dan penekanan derau. False contour akibat kuantisasi tidak cukup False contour dihilangkan dng LPF Butterworth Citra asal Citra dng derau Citra ditapis Departemen Sistem Komputer TK Pengolahan Citra

42 Tapis lolos tinggi ideal
Bentuk tapis lolos tinggi ideal r0 = 36 Citra asli HPF, r0 = 18 HPF, r0 = 36 HPF, r0 = 26 Terjadi efek ringing, ciri dari tapis ideal. Departemen Sistem Komputer TK Pengolahan Citra

43 Penapisan lolos tinggi Butterworth
Bentuk tps lolos rendah Butterworth r0=47, n=2 n: order filter, r0: cutoff freq. Citra asli r0 = 47 r0 = 36 r0 = 81 Tanpa efek ringing. Departemen Sistem Komputer TK Pengolahan Citra

44 [image restoration] Minggu Depan..... Pertemuan ke-13 :
pemulihan citra [image restoration] Departemen Sistem Komputer TK Pengolahan Citra

45 TERIMA KASIH Departemen Sistem Komputer TK Pengolahan Citra