Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Sistem Visual Manusia dan Pengolahan Citra Digital Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2009.

Presentasi serupa


Presentasi berjudul: "Sistem Visual Manusia dan Pengolahan Citra Digital Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2009."— Transcript presentasi:

1 Sistem Visual Manusia dan Pengolahan Citra Digital Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2009

2 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Materi Sistem Visual Manusia Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Piksel dan Connectivity Labelling of connected Component Operasi Logika dan Aritmatika pada Citra Jenis-Jenis Citra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra

3 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 3 Human dan Computer Vision Mempelajari pengolahan citra tanpa tidak bisa dilakukan tanpa memperhatikan sistem human vision. Sejumlah uji coba dan evaluasi akan diberikan pada citra yang akan diproses oleh sistem visual yang kita miliki. Tanpa memperhatikan sistem human vision kita mungkin banyak salah dalam menginterpretasikan citra

4 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 4 Beberapa Pertanyaan Sederhana ? Apakah perbedaan intesitas dapat diketahui sebagai perbedaan? Apakah resolusi spatial, dari mata ? Sebarapa akurat kita dapat menebak dan membandingkan distances dan areas? Bagaimana kita sensitif terhadap warna? Fitur-fitur mana yang dapat dideteksi dan membedakan obyek2?

5 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 5 Sistem Visual Manusia Pembentukan Citra oleh Sensor Mata –Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. –Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana fokus lensa terletak antara retina dan lensa mata. –Mata dan syaraf otak dapat menginterpretasi bayangan yang merupakan obyek pada posisi terbalik.

6 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Representasi Penglihatan Representasi penglihatan ini menunjukkan cara kerja kamera dalam meng-capture suatu gambar.

7 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 7 Struktur Mata Manusia A cross section of the human eye (Gonzalez & Woods, 1992) Bentuk seperti sphere Rata-rata diameter 20mm 3 membran Cornea dan sclera Choroid Retina menutup mata

8 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 8 Sistem Visual Manusia Choroid : Lies below the sclera,contains network of blood vessels that serve as the major source of nutrition to the eye. Choroid coat is heavily pigmented and hence helps to reduce the amount of extraneous light entering the eye and the backscatter within the optical globe.

9 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 9 Sistem Visual Manusia Fovea di bagian retina terdiri dari dua jenis receptor: –Sejumlah cone receptor, sensitif terhadap warna, visi cone disebut photocopic vision atau bright light vision –Sejumlah rod receptor, memberikan gambar keseluruhan pandangan dan sensitif terhadap iluminasi tingkat rendah, visi rod disebut scotopic vision atau dim-light vision Blind Spot –adalah bagian retina yang tidak mengandung receptor sehingga tidak dapat menerima dan menginterpretasi informasi

10 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 10 Sistem Visual Manusia Subjective brightness –Merupakan tingkat kecemerlangan yang dapat ditangkap sistem visual manusia; –Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke mata manusia; –Mempunyai daerah intensitas yang bergerak dari ambang scotopic (redup) ke ambang photocopic (terang). Brightness adaption –Merupakan fenomena penyesuaian mata manusia dalam membedakan gradasi tingkat kecemerlangan; –Batas daerah tingkat kecemerlangan yang mampu dibedakan secara sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah tingkat kecemerlangan sebenarnya.

11 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 11 Sistem Visual Manusia Kepekaan dalam pembedaan tingkat kecemerlangan merupakan fungsi yang tidak sederhana, namun dapat dijelaskan antara lain dengan dua fenomena berikut: Mach Band (ditemukan oleh Ernst Mach): pita tengah bagian kiri kelihatan lebih terang dari bagian kanan. Simultaneous Contrast: kotak kecil disebelah kiri kelihatan lebih gelap dari kotak kecil disebelah kanan, padahal intensitasnya sama tapi intensitas latar belakang berbeda. Hal sama terjadi bila kertas putih di meja kelihatan lebih putih daripada kertas sama diarahkan ke sinar matahari.

12 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 12 Pengertian Citra Digital Citra Digital –Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut; –Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan (kwantisasi); –Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan tingkat keabuan pada titik tersebut.

13 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 13 Resolusi Spasial dan Kecemerlangan/Brightness Resolusi Citra –Dikenal: resolusi spasial dan resolusi kecemerlangan, berpengaruh pada besarnya informasi citra yang hilang. –Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinue ke citra digital disebut dijitisasi (sampling). Hasil digitasi dengan jumlah baris 256 dan jumlah kolom resolusi spasial 256 x 256. –Resolusi kecemerlangan (intensitas / brightness): halus / kasarnya pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat kontinue ke daerah intensitas diskrit disebut kwantisasi. Bila intensitas piksel berkisar antara 0 dan resolusi kecemerlangan citra adalah 256.

14 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Sampling Proses capture pada kamera melakukan penangkapan besaran intensitas cahaya pada sejumlah titik yang ditentukan oleh besar kecilnya kemampuan resolusi sebuah kamera. Proses pengambilan titik-titik ini dinamakan dengan sampling.

15 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Kuantisasi

16 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Kuantisasi (Warna)

17 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Sampling dan Kuantisasi Sampling menunjukkan banyaknya pixel (blok) untuk mendefinisikan suatu gambar Kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah bit pada gambar digital  b/w dengan 2 bit, grayscale dengan 8 bit, true color dengan 24 bit

18 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 18 Resolusi Spasial - Sampling Sampling Uniform dan Non-uniform –Sampling Uniform mempunyai spasi (interval) baris dan kolom yang sama pada seluruh area sebuah citra. –Sampling Non-uniform bersifat adaptif tergantung karakteristik citra dan bertujuan untuk menghindari adanya informasi yang hilang. Daerah citra yang mengandung detil yang tinggi di-sampling secara lebih halus, sedangkan daerah yang homogen dapat di- sampling lebih kasar. Kerugian sistem sampling Non- uniform adalah diperlukannya data ukuran spasi atau tanda batas akhir suatu spasi.

19 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 19 Resolusi Kecemerlangan - Kwantisasi Kwantisasi Uniform, Non-uniform, dan Tapered –Kwantisasi Uniform mempunyai interval pengelompokan tingkat keabuan yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya). –Kwantisasi Non-uniform: Kwantisasi yang lebih halus diperlukan terutama pada bagian citra yang meng- gambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kwantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek. –Kwantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kwantisasi secara lebih halus dan diluar batas daerah tersebut dapat di- kwantisasi secara lebih kasar (local stretching).

20 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 20 Resolusi Uniform vs Non-Uniform Tidak perlu resolusi spasial yang non-uniform Perlu resolusi spasial yang non-uniform Tidak perlu resolusi kecemerlangan yang non- uniform (untuk warna hitam dan putih) Perlu resolusi kecemerlangan yang non- uniform (untuk warna kehijauan dan kemerahan)

21 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 21 Hubungan antara piksel dan pengertian connectivity 4-tetangga piksel P 8-tetangga piksel P X X X X X P X X P X X X X X Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau sama- sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya

22 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 22 Labelling of connected component Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4-tetangga dan (b) dengan aturan 8 tetangga: ekivalen dengan

23 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 23 Operasi Aritmetik / Logika pada Citra Operasi Aritmetik antara dua citra –+ - x / –Band ratio antara citra sensor optik Landsat TM band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya. –Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.

24 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 24 Operasi Aritmetik / Logika pada Citra Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah. Jakarta in 1994 Jakarta in 1998 (Lapan, 2001)

25 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Operasi Aritmetik / Logika pada Citra Operasi Logika antara dua citra –OR AND NOT –Masking (AND) operation dapat digunakan untuk memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik.

26 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 26 Komponen Sistem Pengolahan Citra Digital (Gonzalez & Woods, 1992)

27 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Dasar Radiometri Radiometri adalah bagian dari image formation yang membahas relasi antara besaran energi dari sumber, besaran refleksi dari permukaan dan besaran yang diterima oleh sensor

28 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Model Kamera

29 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Tiga Jenis Citra

30 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Model Citra Berwarna Dengan RGB

31 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Representasi Citra

32 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Format Warna RGB R G B Format warna 24 BIT dinyatakan dengan: R (8 bit) G (8 bit) B (8 bit) Masing-masing komponen warna RGB mempunyai nilai 0 s/d 255 (8 bit) derajat kecerahan (derajat keabuan)

33 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Format Warna RGB WarnaRGB Merah Hijau Biru Kuning Magenta 2550 Cyan 0255 Putih 255 Hitam 000 Abu-abu 128

34 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Contoh Warna RGB Dalam HexaDecimal

35 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Fungsi Untuk Membaca Warna RGB void WarnaToRGB(long int warna,int *Red, int *Green, int *Blue) { *Red = warna & 0x000000FF; *Green = (warna & 0x0000FF00) >> 8; *Blue = (warna & 0x00FF0000) >> 16; } Contoh: Warna 0x00F0A122 bila dioperasikan akan menjadi: Red = 0x00F0A122 & 0x000000FF = 22 (Hexa) = 34 Green = 0x00F0A122 & 0x0000FF00 = A1 (Hexa) = 161 Blue = 0x00F0A122 & 0x00FF0000 = F0 (Hexa) = 240

36 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Fungsi Untuk Membuat Warna RGB long int RGBToWarna(int Red, int Green, int Blue) { return(Red+(Green<<8)+(Blue<<16)); }

37 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Membaca dan Menampilkan Citra Proses untuk membaca citra sama seperti proses membaca matrik, karena citra adalah suatu matrik. Setiap pixel pada citra mempunyai 3 nilai R,G dan B Proses untuk menampilkan citra sama seperti proses untuk menampilkan citra seperti menampilkan matrik dengan setiap pixelnya diberi nilai (R,G,B)

38 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS Membaca dan Menampilkan Citra pada Bahasa C // Membaca citra warna=dcMem.GetPixel(x,y); // Mengambil warna (R,G,B) WarnaToRGB(warna,&red,&green,&blue); Membaca Citra pada titik (x,y) : Memberikan nilai warna pada titik (x,y) warna=RGBToWarna(red,green,blue); dcMem.SetPixel(x,y,warna); pDC->BitBlt(0,0,150,100,&dcMem,0,0,SRCCOPY); Menampilkan citra di layar

39 SekilaS InfO Ada beberapa hal yang harus dikuasai sebelum menguasai materi di dalam image processing yaitu: matematika, aljabar, pengolahan sinyal, statistik dan pemrograman.

40 BergaBunglah denGan Kami BergaBunglah denGan Kami Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 2009


Download ppt "Sistem Visual Manusia dan Pengolahan Citra Digital Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2009."

Presentasi serupa


Iklan oleh Google