Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

CS3204 Pengolahan Citra - UAS CHAPTER 5. Image Enhancement Equalisasi histogram Spesifikasi histogram Departement Teknik Informatika IT Telkom.

Presentasi serupa


Presentasi berjudul: "CS3204 Pengolahan Citra - UAS CHAPTER 5. Image Enhancement Equalisasi histogram Spesifikasi histogram Departement Teknik Informatika IT Telkom."— Transcript presentasi:

1 CS3204 Pengolahan Citra - UAS CHAPTER 5. Image Enhancement Equalisasi histogram Spesifikasi histogram Departement Teknik Informatika IT Telkom

2 Dua Pendekatan Image Enhancement  Metode-metode berbasis domain frekwensi Manipulasi terhadap representasi frekwensi dari citra Contoh: operasi berbasis transformasi Fourier terhadap citra  Metode-metode berbasis domain spasial Manipulasi langsung terhadap pixel-pixel pada citra Contoh: operasi histogram

3 Histogram citra  Berlaku untuk nilai gray level; RGB  per plane warna  Plotting dari persamaan: L: jumlah level p r (r k ): probabilitas kemunculan level ke-k n k : jumlah kemunculan level k pada citra n: total jumlah pixel dalam citra

4 Contoh histogram

5 Equalisasi histogram  Tujuan: melakukan transformasi terhadap histogram citra asli sedemikian sehingga didapat histogram citra hasil dengan distribusi lebih seragam (uniform) ≈ linearisasi  Dasar konsep: transformasi probability density function menjadi uniform density  bentuk kontinyu  Agar dapat dimanfaatkan dalam pengolahan citra digital, diubah ke bentuk diskrit

6 Equalisasi pada domain kontinyu

7 Ilustrasi equalisasi pada domain kontinyu

8 Bentuk diskrit fungsi transformasi

9 Contoh Citra 64x64 pixel, 8 tingkat keabuan dgn distribusi: rkrk nknk p r (r k )=n k /n r 0 =07900,19 r 1 =1/710230,25 r 2 =2/78500,21 r 3 =3/76560,16 r 4 =4/73290,08 r 5 =5/72450,06 r 6 =6/71220,03 r 7 =1810,02 Histogram citra:

10 Fungsi transformasi

11 Fungsi transformasi: grafik

12 Pembulatan  s 0 = 0.19  1/7  s 1 = 0.44  3/7  s 2 = 0.65  5/7  s 3 = 0.81  6/7  s 4 = 0.89  6/7  s 5 = 0.95  1  s 6 = 0.98  1  s 7 = 1.00  1  8 tingkat keabuan valid  nilai s k dibulatkan ke nilai valid terdekat

13 Pemetaan  Hanya ada 5 level keabuan pada uniform histogram r 0 (790 pixel)  s 0 = 1/7 r 1 (1023 pixel)  s 1 = 3/7 r 2 (850 pixel)  s 2 = 5/7 r 3 (656 pixel), r 4 (329 pixel)  s 3 = 6/7 r 5 (245 pixel),r 6 (122 pixel),r 7 (81 pixel)  s 4 = 7/7

14 Histogram dengan distribusi seragam  Karena histogram merupakan aproksimasi terhadap probability density function, sangat jarang didapat histogram hasil yang betul-betul rata

15 Tabel Histogram secara Lengkap Citra 64x64 pixel, 8 tingkat keabuan dgn distribusi: rkrk nknk p r (r k )=n k /n SkSk S k x 7Normal(S k ) r 0 =07900,19 1,33  1 s 0 =1/7 r 1 =1/ ,250,44 3,08  3 s 1 =3/7 r 2 =2/78500,210,65 4,55  5 s 2 =5/7 r 3 =3/76560,160,81 5,67  6 s 3 =6/7 r 4 =4/73290,080,89 6,23  6 s 4 =6/7 r 5 =5/72450,060,95 6,65  7 s 5 =7/7 r 6 =6/71220,030,98 6,86  7 s 6 =7/7 r 7 =1810,021,007s 7 =1

16 Operasi equalisasi histogram 1.Buat histogram dari citra asli 2.Transformasikan histogram citra asli menjadi histogram dengan distribusi seragam 3.Ubah nilai tiap pixel sesuai dengan nilai hasil pemetaan (histogram asli  uniform histogram)

17 Algoritma: citra 512 x 512 pixel 256 graylevel Var x,y,i,j : integer; HistEq : array[0..255] of integer; Hist : array[0..255] of real; Sum : real; Begin Histogram(image,Hist){bentuk histogram dari citra asli} for i:=  to 255 do{transformasi ke uniform histogram} sum := 0.0 for j:=  to i do sum:= sum + hist[j] endfor histEq[i]:=round(255 * sum); end; for y:=0 to 511 do {ubah nilai tiap pixel pada citra} for x:=0 to 511 do image[x,y]:= HistEq[Image[x,y]]; end;

18 Contoh1 equalisasi histogram

19 Contoh2 equalisasi histogram

20 Spesifikasi histogram  Kelemahan equalisasi histogram: histogram hasil tidak bisa dibentuk sesuai kebutuhan  Kadangkala dibutuhkan untuk lebih menonjolkan rentang gray level tertentu pada citra  spesifikasi histogram

21 Bentuk diskrit spesifikasi histogram: by example Citra 64x64 pixel, 8 tingkat keabuan dgn distribusi: rkrk nknk p r (r k )=n k /n r 0 =07900,19 r 1 =1/710230,25 r 2 =2/78500,21 r 3 =3/76560,16 r 4 =4/73290,08 r 5 =5/72450,06 r 6 =6/71220,03 r 7 =1810,02 Histogram citra:

22 Bentuk histogram yang diinginkan zkzk p z (z k ) z 0 =00,00 z 1 =1/70,00 z 2 =2/70,00 z 3 =3/70,15 z 4 =4/70,20 z 5 =5/70,30 z 6 =6/70,20 z 7 =10,15

23 Langkah 1: equalisasi histogram Didapat hasil: rjskrjsk nknk p s (s k ) r 0  s 0 =1/77900,19 r 1  s 1 =3/ ,25 r 2  s 2 =5/78500,21 r 3,r 4  s 3 =6/7 9850,24 r 5,r 6,r 7  s 4 =7/7 4480,11

24 Langkah 2: cari fungsi transformasi  v 0 = G(z 0 ) = 0,00  v 1 = G(z 1 ) = 0,00  v 2 = G(z 2 ) = 0,00  v 3 = G(z 3 ) = 0,15  v 4 = G(z 4 ) = 0,35  v 5 = G(z 5 ) = 0,65  v 6 = G(z 6 ) = 0,85  v 7 = G(z 7 ) = 1,00

25 rkrk nknk p r (r k )=n k /n SkSk S k x 7Normal(S k ) r 0 =07900,19 1,33  1 s 0 =1/7 r 1 =1/ ,250,44 3,08  3 s 1 =3/7 r 2 =2/78500,210,65 4,55  5 s 2 =5/7 r 3 =3/76560,160,81 5,67  6 s 3 =6/7 r 4 =4/73290,080,89 6,23  6 s 4 =6/7 r 5 =5/72450,060,95 6,65  7 s 5 =7/7 r 6 =6/71220,030,98 6,86  7 s 6 =7/7 r 7 =1810,021,007s 7 =1

26 Langkah 2: cari fungsi transformasi Dengan kata lain, lakukan langkah-langkah equalisasi thd histogram yang diinginkan : zkzk p z (z k )VkVk V k x 7Normal(V k ) z 0 =00,00 v 0 =0 z 1 =1/70,00 v 1 =0 z 2 =2/70,00 v 2 =0 z 3 =3/70,15 1,05  1 v 3 =1/7 z 4 =4/70,200,35 2,45  2 v 4 =2/7 z 5 =5/70,300,65 4,45  4 v 5 =4/7 z 6 =6/70,200,  6 v 6 =6/7 z 7 =10,151,007v 7 =1

27 Grafik fungsi transformasi

28 Langkah 3: terapkan inverse G pada level histogram equalisasi  Pemetaan nilai s k ke G(z k ) terdekat  s 0 = 1/7 ≈ 0.14  G(z 3 ) = 0.15; z 3 = 3/7  s 1 = 3/7 ≈ 0.43  G(z 4 ) = 0.35; z 4 = 4/7  s 2 = 5/7 ≈ 0.71  G(z 5 ) = 0.65; z 5 = 5/7  s 3 = 6/7 ≈ 0.86  G(z 6 ) = 0.85; z 6 = 6/7  s 4 = 1  G(z 7 ) = 1.00; z 7 = 1

29 Langkah 4: pemetaan dari r k ke z k  Dengan memperhatikan pemetaan histogram asli ke histogram equalisasi  r 0 = 0  z 3 = 3/7  r 1 = 1/7  z 4 = 4/7  r 2 = 2/7  z 5 = 5/7  r 3 = 3/7  z 6 = 6/7  r 4 = 4/7  z 6 = 6/7  r 5 = 5/7  z 7 = 1  r 6 = 6/7  z 7 = 1  r 7 = 1  z 7 = 1

30 Histogram hasil zkzk nknk p z (z k )=n k /n r 0 =000 r 1 =1/700 r 2 =2/700 r 3 =3/77900,19 r 4 =4/710230,25 r 5 =5/78500,21 r 6 =6/79850,24 r 7 =14480,11 Histogram hasil mungkin tidak sama persis dengan spesifikasinya  transformasi hanya akan memberikan hasil yang persis pada kasus kontinyu

31 Operasi spesifikasi histogram 1.Buat histogram dari citra asli 2.Transformasikan histogram citra asli menjadi histogram dengan distribusi seragam 3.Tentukan fungsi trasformasi sesuai spesifikasi histogram yang diinginkan 4.Ubah nilai tiap pixel sesuai dengan nilai hasil pemetaan (histogram asli  histogram equalisasi  histogram hasil)

32 Algoritma: citra 512 x 512 pixel 256 graylevel Var x,y,i,minval,minj,j : integer; Histspec : array[0..255] of integer; Invhist : array[0..255] of integer; Sum : real; Begin Hist_Equalization(Image) {equalisasi histogram} For i:= 0 to 255 do {histogram yang dispesifikasikan telah disimpan di spec} Sum:= 0.0; For j:= 0 to i do Sum := sum + spec[j] Histspec[i] = round(255 * sum) Endfor {didapat fungsi transformasi} for i:= 0 to 255 do {pemetaan histogram} minval := abs(i – histspec[0]; minj := 0; for j:= 0 to 255 do if abs(i – histspec[j]) < minval then minval := abs(i – histspec[j]) minj := j endif invhist[i]:= minj endfor for y:= 0 to 511 do {ubah nilai tiap pixel pada citra} for x:= 0 to 511 do image[x,y] = invhist[image(x,y)]

33 Contoh 1 spesifikasi histogram

34 Contoh 2 spesifikasi histogram

35 Contoh 3 spesifikasi histogram

36 Contoh cara menspesifikasikan histogram

37 Local enhancement  Metode equalisasi dan spesifikasi histogram yg telah dibahas bersifat global (operasi terhadap semua pixel dalam citra)  Kadang diperlukan enhancement hanya untuk suatu area tertentu dalam citra Adaptasi metode global (equalisasi atau spesifikasi) untuk area N x M pixel


Download ppt "CS3204 Pengolahan Citra - UAS CHAPTER 5. Image Enhancement Equalisasi histogram Spesifikasi histogram Departement Teknik Informatika IT Telkom."

Presentasi serupa


Iklan oleh Google