Politeknik Elektronika Negeri Surabaya

Slides:



Advertisements
Presentasi serupa
Materi 02(a) Pengolahan Citra Digital
Advertisements

Konversi citra Satriyo.
Pengolahan Citra S.NURMUSLIMAH.
Statistik Dalam Image Enhancement Achmad Basuki Surabaya 2005.
Nana Ramadijanti Politeknik Elektronika Negeri Surabaya PENS-ITS 2009
Praktikum Pengolahan Citra
Pengolahan Citra 4 – Peningkatan Kualitas Citra Disusun oleh: Teady Matius – Dari berbagai sumber.
Image color feature Achmad Basuki
Filter Spasial Citra.
Perbaikan Citra pada Domain Spasial
Transformasi Gray (cont), Statistik Dalam Image Enhancement
PERBAIKAN KUALITAS CITRA 1
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Operasi-operasi dasar Pengolahan Citra Digital~3
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Image Enhancement.
Anna Hendrawati STMIK CILEGON
PENGOLAHAN CITRA DAN POLA
Fuzzy for Image Processing
Citra Abu-abu, Biner, Berwarna,
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
IMAGE ENHANCEMENT (PERBAIKAN CITRA)
CS3204 Pengolahan Citra - UAS
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
Modul 1 PENGANTAR PENGOLAHAN CITRA
MODUL 3 PERBAIKAN KUALITAS CITRA
Pertemuan 2 Pengolahan Citra Digital
Modul 1 PENGANTAR PENGOLAHAN CITRA
MODUL 3 PERBAIKAN KUALITAS CITRA
Peningkatan Kualitas Citra
MODUL KULIAH 2 FORMASI CITRA
Perbaikan Kualitas Citra (Image Enhancement)
Operasi Matematis Pada Citra
Image Processing 1. Pendahuluan.
MODUL 9 Ekstraksi Fitur Warna
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
EDY WINARNO fti-unisbank-smg 31 maret 2009
BAB II. PEMBENTUKAN CITRA
Stimik Cilegon, 25 Juni 2010 Anna Hendrawati
Operasi Aritmatika dan Geometri pada Citra
Transformasi dan Model Warna Citra Digital
Informatics Engineering Dept
EKUALISASI HISTOGRAM (Histogram Equalization)
Operasi Dasar Pengolahan Citra
Peningkatan Mutu Citra
Desita Ria Yusian TB,S.ST.,MT Universitas Ubudiyah Indonesia
Informatics Engineering Dept
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Digital Image Processing
EDY WINARNO fti-unisbank-smg 14 April 2009
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
PERTEMUAN KE-1 Sumber :Prof. Sinisa Todorovic
Pengolahan Citra Digital
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
PENINGKATAN KUALITAS CITRA (Image Enhancement)
Pengolahan Citra Digital
Digital Image Processing
Operasi Matematis Pada Citra
Operasi titik / piksel.
Operasi Pixel dan Histogram
Pengolahan Citra Digital. Pembentukan Citra Citra dibagi menjadi 2 macam : 1.Citra kontinyu : adalah citra yang dihasilkan dari sistem optik yang menerima.
IMAGE ENHANCEMENT.
I. Fourier Spectra Citra Input Peningkatan mutu citra pada domain frekuensi Fourier dilakukan secara straightforward: Hitung transformasi Fourier dari.
Pertemuan 4 Mata Kuliah Pengolahan Citra
Pengubahan Histogram Ada dua cara Perataan Histogram
Pertemuan 6 Mata Kuliah Pengolahan Citra
Pengolahan citra digital
PENGANTAR PENGOLAHAN CITRA
Transcript presentasi:

Politeknik Elektronika Negeri Surabaya Flip Horizontal, Vertical Transformasi Gray (cont), Biner, Image Enhancement Politeknik Elektronika Negeri Surabaya

Application

Application

Materi Konversi RGB ke Gray Scale Konversi Gray Scale ke Biner Konversi Gray Scale ke m-Bit Pengaturan Brightness Pengaturan Kontras Gray-scale Histogram Distribusi Kumulatif Histogram Equalization

Konversi RGB ke Gray Scale Setiap pixel mempunyai nilai red (r), green (g) dan blue (b) dengan nilai masing-masing 0-255 Setiap pixel mempunyai nilai derajat keabuan x dengan nilai 0-255

Bitmap bmp3 = (Bitmap)pbox3.Image; Color pixelColor; pbox6.Image = new Bitmap(pbox6.Width, pbox6.Height); for (int y = 0; y < bmp3.Height; y++) { for (int x = 0; x < bmp3.Width; x++) pixelColor = bmp3.GetPixel(x, y); int red = pixelColor.R; int green = pixelColor.G; int blue = pixelColor.B; int rata = (int)(red + green + blue) / 3; bmp3.SetPixel(x, y, Color.FromArgb(rata, rata, rata)); } pbox6.SizeMode = PictureBoxSizeMode.StretchImage; pbox6.Image = bmp3;

Konversi Gray Scale Ke Biner Setiap pixel mempunyai nilai derajat keabuan x dengan nilai 0-255 Setiap pixel mempunyai nilai warna xbw dengan nilai 0 dan 1

Bitmap bmp4 = (Bitmap)pbox3.Image; Color pixelColor; for (int y = 0; y < bmp4.Height; y++) { for (int x = 0; x < bmp4.Width; x++) pixelColor = bmp4.GetPixel(x, y); int red = pixelColor.R; int green = pixelColor.G; int blue = pixelColor.B; int rata = (int)(red + green + blue) / 3; if (rata < 128) { rata = 0; } else { rata = 255; } bmp4.SetPixel(x, y, Color.FromArgb(rata, rata, rata)); } pbox7.SizeMode = PictureBoxSizeMode.StretchImage; pbox7.Image = bmp4;

Konversi Gray Scale Ke m-Bit Setiap pixel mempunyai nilai derajat keabuan x dengan nilai 0-255 Setiap pixel mempunyai nilai warna xth dengan nilai 0 sampai dengan 2m-1 Contoh : X=100, gray scale 4 bit (0-64) Xbaru = 64 x (100/64) = 64 x 1 = 64

Pengaturan Flip Horizontal Vertical

//Flip Horizontal Bitmap source = (Bitmap)pbox3.Image; Color pC; //pixelColor int size=source.Height; if (source.Width < source.Height) size = source.Width; Bitmap bmp1 = new Bitmap(size,size); for (int y = 0; y < size; y++) { for (int x = 0; x < size; x++) pC = source.GetPixel(size-1-x, y); bmp1.SetPixel(x, y, Color.FromArgb(pC.R, pC.G, pC.B)); } pbox4.SizeMode = PictureBoxSizeMode.StretchImage; pbox4.Image = bmp1;

//Flip Vertical Bitmap bmp2 = new Bitmap(size, size); for (int y = 0; y < size; y++) { for (int x = 0; x < size; x++) int a = size - y; pC = source.GetPixel(x, size-1-y); bmp2.SetPixel(x, y, Color.FromArgb(pC.R, pC.G, pC.B)); } pbox5.SizeMode = PictureBoxSizeMode.StretchImage; pbox5.Image = bmp2;

Pengaturan Brightness Proses pengaturan brightness adalah proses penambahan nilai derajat keabuan x dengan nilai perubahan brightness tbrightness 255 255 tbrightness bisa positif dan dan negatif

// fungsi Contrast Bitmap source = (Bitmap)pbox3.Image; Bitmap bmp1 = new Bitmap(source.Height,source.Width); bmp1 = source; Color pixelColor; int k = 30; for (int y = 0; y < source.Height; y++) { for (int x = 0; x < source.Width; x++) pixelColor = source.GetPixel(x, y); int red = pixelColor.R; int green = pixelColor.G; int blue = pixelColor.B; if ((red + k) <= 255) { red = red + k; } ; if ((green + k) <= 255) { green = green + k; }; if ((blue + k) <= 255) { blue = blue + k; } ; bmp1.SetPixel(x, y, Color.FromArgb(red,green,blue)); } pbox8.SizeMode = PictureBoxSizeMode.StretchImage; pbox8.Image = bmp1;

0 < tkontras < m , dengan m positif Pengaturan Contrast Proses pengaturan contrast adalah proses perkalian nilai derajat keabuan x dengan nilai perubahan contrast tcontrast 255 0 < tkontras < m , dengan m positif 255

Color pixelColor = source.GetPixel(x, y); int red = pixelColor.R; int green = pixelColor.G; int blue = pixelColor.B; Color pixelColor1 = source.GetPixel(x + 1, y); int red1 = pixelColor1.R; int green1 = pixelColor1.G; int blue1 = pixelColor1.B; int rataRed = (int)(red + red1) / 2; int rataGreen = (int)(green + green1) / 2; int rataBlue = (int)(blue + blue1) / 2; red = (int) K * (red1 - red) + rataRed; green = (int)K * (green1 - green) + rataGreen; blue = (int)K * (blue1 - blue) + rataBlue; if (red > 255) { red = 255; } if (green > 255) { green = 255; } if (blue > 255) { blue = 255; } if (red < 0) { red = 0; } if (green < 0) { green = 0; } if (blue < 0) { blue = 0; } bmp1.SetPixel(x, y, Color.FromArgb(red, green, blue));

Gray-Scale Histogram Histogram di dalam gambar gray-scale menyatakan distribusi dari derajat keabuan (terang/gelap) pada suatu gambar. Dari histogram ini dapat dilihat apakah gambar tersebut lebih banyak warna gelap atau lebih banyak warna terang Teknik histogram ini dapat dikembangkan untuk memperbaiki kualitas gambar (image enhancement) dengan apa yang dinamakan dengan Histogram Equalization, suatu teknik untuk meratakan distribusi terang/gelap sehingga gambar kelihatan lebih jelas.

Gray-Scale Histogram Gambar ini didominasi warna terang, karena grafik di sebelah kanan terlihat lebih banyak. Gambar ini didominasi warna gelap, karena grafik di sebelah kiri terlihat lebih banyak.

Distribusi Kumulatif Distribusi kumulatif C(x) adalah nilai total histogram dari tingkat keabuan=0 sampai dengan tingkat keabuan=x, dan didefinisikan dengan: Distribusi kumulatif ini dapat digunakan untuk menunjukkan perkembangan dari setiap step derajat keabuan. Pada distribusi kumulatif, gambar dikatakan baik bila mempunyai distribusi kumulatif yang pergerakannya hampir sama pada semua derajat keabuan.

Distribusi Kumulatif Perubahan yang tajam

Distribusi Kumulatif Gambar-gambar hasil photo mempunyai perubahan yang tidak terlalu tajam dan biasanya tidak lebih dari satu. Hal ini menunjukkan tingkat gradiasi yang halus pada gambar hasil photo. Gambar-gambar kartun mempunya banyak perubahan yang tajam, hal ini menunjukkan tingkat gradiasi pada gambar kartun rendah (kasar).

Histogram Equalization Histogram Equalization adalah suatu proses untuk meratakan histogram agar derajat keabuan dari yang paling rendah (0) sampai dengan yang paling tinggi (255) mempunyai kemunculan yang rata. Dengan histogram equalization hasil gambar yang memiliki histogram yang tidak merata atau distribusi kumulatif yang banyak loncatan gradiasinya akan menjadi gambar yang lebih jelas karena derajat keabuannya tidak dominan gelap atau dominan terang. Proses histogram equalization ini menggunakan distribusi kumulatif, karena dalam proses ini dilkakukan perataan gradien dari distribusi kumulatifnya.

Formulasi Histogram Equalization Histogram Equalization dari suatu distribusi kumulatif C adalah: Cw adalah nilai distribusi kumulatif pada derajat keabuan w t adalah nilai threshold derajat keabuan= 28 atau 256 nx dan ny adalah ukuran gambar.

Perhitungan Histogram Equalization Perhatikan histogram berikut: Distribusi Kumulatifnya 2 4 3 1 3 6 4 3 1 0 3 2 2 6 9 10 13 19 23 26 27 27 30 32

Perhitungan Histogram Equalization Distribusi Kumulatif: 2 6 9 10 13 19 23 26 27 27 30 32 w Cw w-baru 1 2 (2*12)/ 41 6 3 9 4 10 5 13 19 7 23 8 26 27 11 30 12 32

Histogram Equalization Pada Gambar

Histogram Equalization Pada Gambar

Histogram Equalization Pada Gambar

Aplikasi Histogram Equalization Buka project baru Pada form atur property ScaleMode=Pixel Tambahkan 2 pictureBox. Pada setiap pictureBox, atur property Appereance=Flat, Autoredraw=True dan ScaleMode=Pixel. Buat ukuran kedua pictureBox ini sama. Pada picture1, tambahkan gambar pada property picture Tambahkan 1 commandButton, isikan property Caption=Histogram Equalization. Atur tampilan seperti gambar di bawah ni.

Lingkup Pembahasan

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

Ia. Image Negative Mengubah nilai grey-level piksel citra input dengan: Gbaru = 255 - Glama Hasilnya seperti klise foto

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

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 255 (r2,s2) s T(r) (r1,s1) 255 r

Contoh Contrast Stretching

Contrast Stretching Fungsi lain yang baik digunakan adalah: fout = (fin – a) * b, -> (20-10)*6=60 a = min(fin) misal : a=10 b = 255 / (max(fin) – min(fin)) : b=255/(50-10)=255/40=6 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)

Contrast Stretching Buatlah matrik citra ukuran 10x10 dengan nilai random gray scale 50-150 (optional) Dapatkan matrik citra hasil setelah dilakukan contras stretching sehingga gray level citra menjadi 0-255. Tampilkan matrik citra asal dan matrik citra hasil contras stretching. Dikumpulkan senin mg depan.

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

Ic. Histogram Equalization in all grey level and all area (1) Ide: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar pada kisaran 0-255 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)

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

Ic. Histogram Equalization in all grey level and all area (3) Citra awal: 3 5 5 5 4 5 4 5 4 4 5 3 4 4 4 4 5 6 6 3 Citra Akhir: 1 9 9 9 5 9 5 9 5 5 9 1 5 5 5 5 9 10 10 1 Contoh : citra dengan derajat keabuan hanya berkisar 0-10 1 2 3 4 5 6 7 8 9 10 11 18 20 (0*10)/25 (3*10)/25 (11*10)/25 (18*10)/25 (20*10)/25 0.15 0.40 0.35 0.1 0.55 0.90 1.5 5.5 Derajat Keabuan Kemunculan Probabilitas Kemunculan Sk SK * 10 Derajat keabuan baru

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

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

References Achmad Basuki, Nana Ramadijanti, “Modul Teori Citra PENS” Image Application from other sites