Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial1 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Informatics Engineering.

Presentasi serupa


Presentasi berjudul: "Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial1 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Informatics Engineering."— Transcript presentasi:

1 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial1 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Informatics Engineering Dept. Universitas Trunojoyo

2 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial2 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial3 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial4 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial5 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial6 Ia. Image Negative Mengubah nilai grey-level piksel citra input dengan: G baru = G lama Hasilnya seperti klise foto

7 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial7 Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Citra Optik Citra SAR (Sumber: Bakosurtanal RI)

8 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial8 Ib. Contrast Stretching Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel- piksel pd 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial9 Contoh Contrast Stretching

10 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial10 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial11 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial12 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial13 Ic. Histogram Equalization in all grey level and all area (2) -mengubah pemetaan grey level pada citra, dengan rumus:

14 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial14 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial15 Ic. Histogram Equalization specific grey level (hist. specification) Histogram equalization tidak dilakukan pada seluruh bagian dari histrogram tapi hanya pada bagian tertentu saja

16 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial16 Ic. Histogram Equalization specific area (local enhancement) Histogram equalization hanya dilakukan pada bagian tertentu dari citra

17 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial17 Ic. Histogram Equalization specific area (local enhancement) Histogram equalization menggunakan jendela 7x7

18 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial18 Id. Image Substraction Dilakukan jika kita ingin mengambil bagian tertentu saja dari citra - =

19 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial19 Aplikasi Kedokteran (Biomedik) (Sumber: Thesis S2 Kartono) Thorax X-Ray Standard Landmarks Thorax Tissue

20 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial20 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial21 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial22 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial23 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial24 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial25 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial26 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial27 II. Edge detection Pada suatu citra monokrom, suatu edge (sisi) dapat ditandai dengan adanya suatu perbedaan intensitas yang besar

28 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial28 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 Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial29 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 "Kamis, 8 Oktober 2009 Peningkatan Mutu Citra Domain Spasial1 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Informatics Engineering."

Presentasi serupa


Iklan oleh Google