Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Pengolahan Citra Diah Octivita (1202007022) Hadi Ismanto (1202000486) Jan Peter (1202000605) Yenni Rahmawati (1202001113)

Presentasi serupa


Presentasi berjudul: "Pengolahan Citra Diah Octivita (1202007022) Hadi Ismanto (1202000486) Jan Peter (1202000605) Yenni Rahmawati (1202001113)"— Transcript presentasi:

1 Pengolahan Citra Diah Octivita ( ) Hadi Ismanto ( ) Jan Peter ( ) Yenni Rahmawati ( )

2 Digital Image Fundamentals  Elements of Visual Perception  Light and the Electromagnetic Spectrum  Image Sensing and Acquisition  Image Sampling and Quantization  Some Basic Relationship Between Pixels  Linear and Nonlinear Operations

3 Elements of Visual Fundamentals  Structure of the Human Eye  Image Formation in the Eye  Brightness Adaption and Discrimination

4 Structure of the Human Eye

5 Structure of the Human Eye (cont.)  3 Membran yang membungkus mata –Cornea dan Sclera –Choroid –Retina  Fovea adalah bagian dari retina yang mempunyai bagian penerima  Blind Spot : adalah bagian retina yang tidak mengandung receptor sehingga tidak dapat menerima dan menginterpretasi informasi

6 Structure of the Human Eye (cont.)  2 Jenis penerima –Cones  Photopic –Rods  Scotopic

7 Image Formation in the Eye  Jarak antara bagian tengah lensa dan retina berkisar 17 mm sampai 14 mm  H benda / S benda = H diretina / S diretina

8 Brightness Adaptation and Discrimination  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).

9 Brightness Adaptation and Discrimination (Cont.)  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.

10 Brightness Adaptation and Discrimination (Cont.)  Kepekaan dalam pembedaan tingkat kecemerlangan merupakan fungsi yang tidak sederhana, namun dapat dijelaskan antara lain dengan dua fenomena berikut:

11 Brightness Adaptation and Discrimination (Cont.)  Mach Band (ditemukan oleh Ernst Mach): pita tengah bagian kiri kelihatan lebih terang dari bagian kanan.

12 Brightness Adaptation and Discrimination (Cont.)  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.

13 Light and the Electromagnetic Spectrum  Cahaya adalah tipe radiasi elektromagnetik tertentu yang dapat dilihat dan dirasakan oleh mata manusia  Spektrum warna dibagi menjadi 6 : –Violet –Biru –Hijau –Kuning –Oranye –Merah

14 Light and the Electromagnetic Spectrum (Cont.)  Cahaya yang tidak mempunyai warna disebut cahaya akromatik atau mono akromatik  Radiance adalah total energi dari sumber cahaya  Luminance adalah ukuran dari energi yang diterima dari sumber cahaya  Brightness adalah deskripsi subjektif dari persepsi cahaya yang tidak mungkin diukur

15 Perekaman dan Penginderaan Gambar  Perekaman gambar dengan sensor tunggal  Perekaman gambar dengan sensor garis  Perekaman gambar dengan sensor array  Model pembentukan gambar sederhana

16 Perekaman Gambar dengan Sensor Tunggal  Contoh sensor tunggal : photodiode  Filter  meningkatkan selektifitas  Untuk menggenerate gambar 2 dimensi dengan sensor tunggal,ada pemindahan relatif pada sumbu X dan Y diatara sensor dan daerah yang digambarkan

17 Perekaman Gambar dengan Sensor Garis  Garis  menggambar elemen-elemen gambar dalam satu arah.  Gerak tegak lurus dari garis tsb melakaukan penggambaran dalam arah yang lain.  Jenis sensor ini digunakan di kebanyakan scanner-scanner flat bed.  Output sensor harus diproses dengan merekonstruksi algoritma-algoritma yang sasarannya mentransformasikan data sensor ke gambar.

18 Perekaman Gambar dengan Sensor Array  Numerous electromagnetic dan beberapa device ultrasonic sensing disusun dalam bentuk array.  Sensor menyatukan sinyal cahaya input dari tiap saat.Hal ini menyebabkan reduksi noise.  Karena disusun dalam array 2 dimensi,gambar yang lengkap dapat diperoleh dengan memfokuskan pola energi ke permukaan array.  Prinsip sensor array : energi dari sumber iluminasi direfleksikan dari elemen scene tetapi energi juga dapat ditransformasikan melalui elemen scene.

19 Perekaman Gambar dengan Sensor Array  Imaging System : mengumpulkan energi yang datang dan memfokuskannya ke image plane.  Output : gambar digital.

20 Model Pembentukan Gambar Sederhana  Gambar  f(x,y)  Nilai atau amplitudo dalam koordinat spasial(x,y) adalah bernilai skalar positif yang nilainya ditentukan oleh sumber gambar.  Ketika sebuah gambar digenerate dari proses fisik,nilainya proporsional bagi energi yang diradiasikan oleh sumber fisik.  0 < f(x,y) < ~

21 Model Pembentukan Gambar Sederhana  Nilai f(x,y) ditentukan oleh : a. Jumlah sumber iluminasi di scene yang ditampilkan  iluminasi = i(x,y) b. Jumlah iluminasi yang direfleksikan oleh objek-objek di scene  refleksi = r(x,y)  f(x,y) = i(x,y) r(x,y)  Dengan 0 < i(x,y) < ~ dan 0 < r(x,y) <1

22 Model Pembentukan Gambar Sederhana  Kita mencari intensitas dari gambar monokrom dari setiap koordinat(x0,y0).Sehingga tingkat keabuan(l) dari gambar pada titik itu adalah: l=f(x0,y0) dimana Lmin <= l <= Lmax  Secara teori : Lmin  positif Lmax  berhingga  Secara praktek : Lmin = imin rmin Lmax= imax rmax  Skala Keabuan  [Lmin, Lmax]

23 Image Sampling and Quantization  Tujuan : Untuk mengubah data image yang kontinu dari alat penangkap citra menjadi citra dalam bentuk digitalnya.

24 Basic Concepts  Sebuah citra bisa kontinu dalam hal koordinat x,y –nya, dan dalam amplitudonya.  Sampling = Mendiskritkan atau mendigitkan koordinat-kordinat yang kontinu itu.  Quantization = Mendiskritkan atau mendigitkan nilai amplitudonya.

25 Example  Sampling : bagi image menjadi N baris dan M kolom, dengan elemen- elemen di dalam kotak- kotak itu sebagai piksel.  Quantization : tentukan level keabuan untuk gambar, biasanya kelipatan dua(misal: 2, 8 64, dst).

26 Resolusi Spasial dan Kecemerlangan  Resolusi spasial : Menunjukkan berapa tingkat terkecil dari detail sebuah citra. Citra dengan ukuran 256 x 256 piksel, sama artinya dengan memiliki resolusi spasial 256 x 256.  Resolusi Kecemerlangan : Menunjukkan berapa banyaknya dari perubahan level kecemerlangan yang dapat diketahui (berapa jumlah graylevel- nya).

27 Zooming and Shrinking  Zooming = oversampling sebuah citra dijital. Memerlukan dua langkah, yaitu menciptakan lokasi piksel yang baru dan menentukan gray level dari lokasi-lokasi piksel baru itu.  Shrinking = undersampling sebuah citra dijital. Cara melakukannya mirip seperti zooming hanya kebalikannya.

28 Neighbors  Neighbors of a Pixel –4-neighbors of a pixel : N 4 (p) 2 horizontals 2 verticals –8-neighbors of a pixel N 8 (p) 4-neighbors : N 4 (p) 4 diagonals : N D (p) X XpX X X XpX X

29 Adjacency, Connectivity, Regions, Boundaries  Connectivity –Two pixel are connected if they are neighbors and they have similarity (e.g. same gray level)  Adjacency –Define the similarity –Notated with a set of gray level values V –E.g. V = {1} for binary

30 Adjacency, Connectivity, Regions, Boundaries (cont’d)  2 pixel p and q with values from V are: –4-adjacency q is in N 4 (p) –8-adjacency q is in N 8 (p) –m-adjacency q is in N 4 (p), OR q in N D (p) AND N 4 (p) ∩ N 4 (q) has no values from V

31 Adjacency, Connectivity, Regions, Boundaries (cont’d)  Region –Has a connected set –Connected set  1 set pixels only connected

32 Distance (D)  D(pixel1, pixel2) is a distance function if: –D(p,q) ≥ 0 (D(p,q) = 0 iff p = q –D(p,q) = D(q,p) –D(p,z) ≤ D(p,q) + D(q,z) Remember Linear Algebra

33 Additional  Image Operations on a Pixel Basis –E.g. dividing one image by another means pixel f in image 1 is divided by pixel g in image 2 where f and g has the same position  We usually use linear operations on image processing


Download ppt "Pengolahan Citra Diah Octivita (1202007022) Hadi Ismanto (1202000486) Jan Peter (1202000605) Yenni Rahmawati (1202001113)"

Presentasi serupa


Iklan oleh Google