Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

DC - OKT 20031 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas.

Presentasi serupa


Presentasi berjudul: "DC - OKT 20031 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas."— Transcript presentasi:

1 DC - OKT Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia

2 DC - OKT Tujuan Peningkatan Mutu Citra Sumber Pustaka: Gonzalez, Bab 4 Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif lebih baik dari citra awal untuk aplikasi tertentu. Kata baik disini tergantung pada jenis aplikasi dan problem yang dihadapi.

3 DC - OKT Jenis Teknik Peningkatan Mutu Citra Teknik peningkatan mutu citra dapat dibagi menjadi dua: Peningkatan mutu citra pada domain spasial Point Processing Mask Processing Peningkatan mutu citra pada domain frekuensi

4 DC - OKT Image Enhancement Spatial Domain I. Point Processing a.Image Negative b.Contrast Stretching c.Histogram Equalization - all grey level and all area - specific grey level (histogram specification) - local enhancement (specific part of the image) d. Image Subtracting e. Image Averaging II. Mask Processing Frequency Domain …(next week) Lingkup Pembahasan

5 DC - OKT I. Point Processing Cara paling mudah untuk melakukan peningkatan mutu pada domain spasial adalah dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak menggunakan jendela ketetanggaan) Pengolahan menggunakan histogram juga termasuk dalam bagian point processing

6 DC - OKT Ia. Image Negative Mengubah nilai grey-level piksel citra input dengan: G baru = G lama Hasilnya seperti klise foto

7 7 Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Citra Optik Citra SAR (Sumber: Bakosurtanal RI)

8 DC - OKT Ib. Contrast Stretching Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel- piksel pada citra menurut fungsi s = T(r) tertentu r1 ≤ r2, s1 ≤ s2 r1 = r2, s1 = s2  tidak ada perubahan r1 = r2, s1 = 0, s2 = 255  tresholding menjadi citra biner dengan ambang r1 0 s (r1,s1) r 255 T(r) (r2,s2)

9 DC - OKT Contoh Contrast Stretching

10 DC - OKT Contrast Stretching Fungsi lain yang baik digunakan adalah: f out = (f in – a) * b a = min(f in ) b = 255 / (max(f in ) – min(f in )) Citra masukan yang grey level nya tidak penuh dari 0 – 255 (low constrast) diubah menjadi citra yang grey level nya berkisar dari 0 – 255 (high contrast)

11 DC - OKT Ic. Histogram Equalization Histogram: diagram yang menunjukkan jumlah kemunculan grey level (0-255) pada suatu citra Histogram processing: Gambar gelap: histogram cenderung ke sebelah kiri Gambar terang: histogram cenderung ke sebelah kanan Gambar low contrast: histogram mengumpul di suatu tempat Gambar high contrast: histogram merata di semua tempat  Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada citra juga berubah

12 DC - OKT Ic. Histogram Equalization in all grey level and all area (1) Ide: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar pada kisaran Sifat: Grey level yang sering muncul lebih dijarangkan jaraknya dengan grey level sebelumnya Grey level yang jarang muncul bisa lebih dirapatkan jaraknya dengan grey level sebelumnya Histogram baru pasti mencapai nilai maksimal keabuan (contoh: 255)

13 DC - OKT Ic. Histogram Equalization in all grey level and all area (2) -mengubah pemetaan grey level pada citra, dengan rumus:

14 DC - OKT Ic. Histogram Equalization in all grey level and all area (3) Contoh : citra dengan derajat keabuan hanya berkisar 0-10 Citra awal: Derajat Keabuan Kemunculan Probabilitas Kemunculan Sk SK * 10 Derajat keabuan baru Citra Akhir:

15 DC - OKT Ic. Histogram Equalization specific grey level (hist. specification) Histogram equalization tidak dilakukan pada seluruh bagian dari histrogram tapi hanya pada bagian tertentu saja

16 DC - OKT Ic. Histogram Equalization specific area (local enhancement) Histogram equalization hanya dilakukan pada bagian tertentu dari citra

17 DC - OKT Ic. Histogram Equalization specific area (local enhancement) Histogram equalization menggunakan jendela 7x7

18 DC - OKT Id. Image Substraction Dilakukan jika kita ingin mengambil bagian tertentu saja dari citra - =

19 19 Aplikasi Kedokteran (Biomedik) (Sumber: Thesis S2 Kartono) Thorax X-Ray Standard Landmarks Thorax Tissue

20 DC - OKT Ie. Image Averaging Dilakukan jika kita memiliki beberapa citra yang bergambar sama, namun semua citra memiliki noise (gangguan) Noise satu citra berbeda dengan noise citra lainnya (tidak berkorelasi) Cara memperbaikinya adalah dengan melakukan operasi rata- rata terhadap semua citra tersebut

21 DC - OKT II. Mask Processing (1) Jika pada point processing kita hanya melakukan operasi terhadap masing-masing piksel, maka pada mask processing kita melakukan operasi terhadap suatu jendela ketetanggaan pada citra. Kemudian kita menerapkan (mengkonvolusikan) suatu mask terhadap jendela tersebut. Mask sering juga disebut filter.

22 DC - OKT II. Mask Processing (2) x4 765 Contoh: Jendela ketetanggan 3x3, Nilai piksel pada posisi x dipengaruhi oleh nilai 8 tetangganya  Perbedaan dengan point processing: pada point processing, nilai suatu piksel tidak dipengaruhi oleh nilai tetangga-tetangganya

23 DC - OKT II. Mask Processing (3) W1W1 W2W2 W3W3 W4W4 W5W5 W6W6 W7W7 W8W8 W9W9 Contoh sebuah mask berukuran 3x3. Filter ini akan diterapkan / dikonvolusikan pada setiap jendela ketetanggaan 3x3 pada citra (anggap filter sudah dalam bentuk terbalik) G 11 G 12 G 13 G 14 G 15 G21 G 22 G 23 G 24 G 25 G 31 G 32 G 33 G 34 G 35 G 41 G 42 G 43 G 44 G 45 G 51 G 52 G 53 G 54 G 55 G 22 ’ = w 1 G 11 + w 2 G 12 + w 3 G 13 + w 4 G 21 + w 5 G 22 + w 6 G 23 + w 7 G 31 + w 8 G 32 + w 9 G 33

24 DC - OKT II. Jenis-jenis filter spasial Smoothing filters: Lowpass filter (linear filter, mengambil nilai rata-rata) Median filter (non-linear filter, mengambil median dari setiap jendela ketetanggan) Sharpening filters: Roberts, Prewitt, Sobel (edge detection) Highpass filter

25 DC - OKT II. Contoh penerapan filter spasial /9 x (a) Gambar Asli (b)-(f) hasil dari spatial lowpass filtering dengan ukuran mask 3,5,7,15,25 Average lowpass filter

26 DC - OKT II. Contoh penerapan filter low pass dan median (a) Gambar asli (b) Gambar yang diberi noise (c) Hasil dari 5x5 lowpass average filtering (d) Hasil dari 5x5 median filtering

27 DC - OKT II. Edge detection Pada suatu citra monokrom, suatu edge (sisi) dapat ditandai dengan adanya suatu perbedaan intensitas yang besar

28 DC - OKT II. Edge detection Bagaimana ‘mendeteksi’ perbedaan intensitas tersebut? Dengan mempertegas perbedaan (kalikan satu intensitas dengan nilai negatif, kemudian kalikan nilai positif pada intensitas lainnya) Kasus A: 2 bersisian dgn 100 (edge)  2*(-1) + 100*(1)= 99 Kasus B: 2 bersisian dgn 4 (not edge)  2*(-1) + 4*(1)= 2 Lakukan tresholding untuk memperjelas mana bagian sisi dan mana yang bukan Ambil treshold = 90, maka Kasus A akan dianggap sebagai sisi, Kasus B tidak dianggap sisi

29 DC - OKT II. Contoh edge detection Sobel Prewitt (a)Gambar awal, (b) hasil dari Prewitt Mask, (c) thresholding dari (b) pada nilai > 25 (d) thresholding dari (b) pada nilai >25 dan < 25 (black)


Download ppt "DC - OKT 20031 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas."

Presentasi serupa


Iklan oleh Google