Operasi Piksel dan Histogram

Slides:



Advertisements
Presentasi serupa
Peserta mengerti tahap-tahap pada ADC
Advertisements

KIMIA UNSUR-UNSUR TRANSISI
PERTEMUAN 3 Algoritma & Pemrograman
Penyelidikan Operasi 1. Konsep Optimisasi.
KEBIJAKAN PEMERINTAH PROVINSI JAWA TIMUR
Penyusunan Data Baseline dan Perhitungan Capaian Kegiatan Peningkatan Kualitas Permukiman Kumuh Perkotaan DIREKTORAT PENGEMBANGAN KAWASAN PERMUKIMAN DIREKTORAT.
BALTHAZAR KREUTA, SE, M.SI
PENGEMBANGAN KARIR DOSEN Disarikan dari berbagai sumber oleh:
Identitas, persamaan dan pertidaksamaan trigonometri
ANGGOTA KELOMPOK WISNU WIDHU ( ) WILDAN ANUGERAH ( )
METODE PENDUGAAN ALTERNATIF
Dosen Pengampu: Muhammad Zidny Naf’an, M.Kom
GERAK SUGIYO, SPd.M.Kom.
Uji Hipotesis Luthfina Ariyani.
SOSIALISASI PEKAN IMUNISASI NASIONAL (PIN) POLIO 2016
PENGEMBANGAN BUTIR SOAL
Uji mana yang terbaik?.
Analisis Regresi linear berganda
PEERSIAPAN DAN PENERAPAN ISO/IEC 17025:2005 OLEH: YAYAN SETIAWAN
E Penilaian Proses dan Hasil Belajar
b. Kematian (mortalitas)
Ilmu Komputasi BAGUS ADHI KUSUMA
Uji Hipotesis dengan SPSS
OVERVIEW PERUBAHAN PSAK EFFEKTIF 2015
Pengolahan Citra Berwarna
Teori Produksi & Teori Biaya Produksi
Pembangunan Ekonomi dan Pertumbuhan Ekonomi
PERSIAPAN UN MATEMATIKA
Kriptografi.
1 Bab Pembangunan Ekonomi dan Pertumbuhan Ekonomi.
Ekonomi untuk SMA/MA kelas XI Oleh: Alam S..
ANALISIS PENDAPATAN NASIONAL DALAM PEREKONOMIAN TIGA SEKTOR
Dosen: Atina Ahdika, S.Si., M.Si.
Anggaran biaya konversi
Junaidi Fakultas Ekonomi dan Bisnis Universitas Jambi
Pemodelan dan Analisis
Bab 4 Multivibrator By : M. Ramdhani.
Analisis Regresi – (Lanjutan)
Perkembangan teknologi masa kini dalam kaitannya dengan logika fazi
DISTRIBUSI PELUANG KONTINU
FETAL PHASE Embryolgy II
Yusuf Enril Fathurrohman
3D Viewing & Projection.
Sampling Pekerjaan.
Gerbang Logika Dwi Indra Oktoviandy (A )
SUGIYO Fisika II UDINUS 2014
D10K-6C01 Pengolahan Citra PCD-04 Algoritma Pengolahan Citra 1
Perpajakan di Indonesia
Bab 2 Kinerja Perusahaan dan Analisis Laporan Keuangan
Penyusunan Anggaran Bahan Baku
MOMENTUM, IMPULS, HUKUM KEKEKALAN MOMENTUM DAN TUMBUKAN
Theory of Computation 3. Math Fundamental 2: Graph, String, Logic
Strategi Tata Letak.
Theory of Computation 2. Math Fundamental 1: Set, Sequence, Function
METODE PENELITIAN.
(Skewness dan kurtosis)
Departemen Teknik Mesin dan Biosistem INSTITUT PERTANIAN BOGOR
Dasar-dasar piranti photonik
Klasifikasi Dokumen Teks Berbahasa Indonesia
Mekflu_1 Rangkaian Pipa.
Digital to Analog Conversion dan Rekonstruksi Sinyal Tujuan Belajar 1
SEKSI NERACA WILAYAH DAN ANALISIS BPS KABUPATEN TEMANGGUNG
ASPEK KEPEGAWAIAN DALAM PENILAIAN ANGKA KREDIT
RANGKAIAN DIODA TK2092 Elektronika Dasar Semester Ganjil 2015/2016
Ruang Euclides dan Ruang Vektor 1.
Bab Anuitas Aritmetrik dan Geometrik
Penyelidikan Operasi Pemrograman Dinamik Deterministik.
Kesetimbangan Fase dalam sistem sederhana (Aturan fase)
ANALISIS STRUKTUR MODAL
Transcript presentasi:

Operasi Piksel dan Histogram STMIK PPKIA Pradnya Paramita Sigit Setyowibowo, ST., MMSI

Operasi Piksel g(x,y) = T[f(x,y)] Prosedur yang secara langsung memanipulasi pixel. g(x,y) = T[f(x,y)] dimana f(x,y) adalah image input g(x,y) adalah image yang diproses T adalah T menyatakan fungsi atau macam operasi yang dikenakan terhadap piksel f(x, y)

Histogram Citra Histogram citra merupakan diagram yang menggambarkan frekuensi setiap nilai intensitas yang muncul di seluruh piksel citra

Representasi Image

24 bits

Apakah itu histogram? (3, 8, 5) Histogram memberikan deskripsi global dari penampakan sebuah image.

yang memiliki gray level k  Histogram dari image digital dengan gray levels dari 0 sampai L-1 adalah fungsi diskrit h(rk)=nk, dimana:  rk adalah nilai gray level ke k  nk adalah jumlah pixels dalam image yang memiliki gray level k  n adalah jumlah keseluruhan pixel pada image  k = 0, 1, 2, …, L-1

 Histogram dari image digital dengan gray level yang berada dalam range [0, L-1] adalah sebuah fungsi diskrit h(rk) = nk dimana rk adalah nilai gray level ke k dan nk adalah jumlah pixel yang memiliki nilai gray level rk. Jumlah Penampakan 0 255 Nilai Pixel

Image colors red green blue

Dengan Histogram informasi spasial dari image diabaikan dan hanya mempertimbangkan frekuensi relatif penampilan gray level.

Sifat – Sifat Histogram  Histogram adalah pemetaan Many-to-One  Image yang berbeda dimungkinkan untuk memiliki histogram yang sama. 1 A 3 2 4 Images B Histograms

ALGORITMA 3.1 – Menghitung histogram citra aras keabuan Masukan: f(M, N) : citra berukuran M baris dan N kolom L : jumlah aras keabuan   Buatlah larik hist sebanyak 2L elemen dan isi dengan nol. FOR i  1 TO M FOR j  1 TO N hist(f(M, N)+1)  hist(f(M, N)+1) + 1 END-FOR

Program : histo.m function histo(Img) % HISTO Digunakan sebagai contoh pembuatan histogram   [jum_baris, jum_kolom] = size(Img); Img = double(Img); Histog = zeros(256, 1); for baris=1 : jum_baris for kolom=1 : jum_kolom Histog(Img(baris, kolom)+1) = ... Histog(Img(baris, kolom)+1) + 1; end % Tampilkan dalam bentuk diagram batang Horis = (0:255); bar(Horis, Histog);

Dengan memanggil >> Img = imread('C:\Image\innsbruck.tif');  >> histo(Img); 

Untuk mengetahui nilai histogram, diperlukan perintah seperti berikut: Untuk kemudahan dalam mengamati histogram, fungsi bawaan bernama imhist dapat dimanfaatkan. Contoh penggunaannya: >> Img=imread('C:\Image\innsbruck.tif');  >> imhist(Img);  Untuk mengetahui nilai histogram, diperlukan perintah seperti berikut: >> [Histog, aras] = imhist(Img);  Dengan cara seperti itu, Histog berupa larik yang berisi jumlah piksel setiap nilai aras dalam argumen aras. Namun, diagram tidak dibuat

Pada pengolahan citra, histogram mempunyai peran yang cukup penting Pada pengolahan citra, histogram mempunyai peran yang cukup penting. Manfaat yang dapat didapatkan seperti berikut. Berguna untuk mengamati penyebaran intensitas warna dan dapat dipakai untuk pengambilan keputusan misalnya dalam peningkatan kecerahan atau peregangan kontras serta sebaran warna. Berguna untuk penentuan batas-batas dalam pemisahan objek dari latarbelakangnya. Memberikan persentase komposisi warna dan tekstur intensitas untuk kepentingan identifikasi citra.

Histogram pada citra berwarna secara menyeluruh (I), merah (R), hijau (G), dan biru (B)

Empat buah citra (a),(b),(c), dan (d) yang memiliki histogram yang sama (e), tetapi mempunyai informasi yang jauh berbeda

Meningkatkan Kecerahan Operasi dasar yang sering dilakukan pada citra adalah peningkatan kecerahan (brightness). Operasi ini diperlukan dengan tujuan untuk membuat gambar menjadi lebih terang Misalkan, f(x, y) menyatakan nilai piksel pada citra berskala keabuan pada koordinat (x, y). Maka, citra baru 𝑔 𝑥, 𝑦 = 𝑓 𝑥, 𝑦 + 𝛽

Sebagai contoh, terdapat citra seperti pada Gambar (a) Sebagai contoh, terdapat citra seperti pada Gambar (a). Citra tersebut dapat dicerahkan dengan memberikan perintah seperti berikut. >> Img = imread('C:\Image\absam.png');  >> C = Img + 60;  >> imshow(C);  Hasilnya ditunjukkan pada Gambar (b).

Meregangkan Kontras Kontras dalam suatu citra menyatakan distribusi warna terang dan warna gelap. Kontras dapat diukur berdasarkan perbedaan antara nilai intensitas tertinggi dan nilai intensitas terendah yang menyusun piksel-piksel dalam citra. Agar distribusi intensitas piksel berubah perlu dilakukan peregangan kontras. Hal ini dilaksanakan dengan menggunakan rumus   𝑔 𝑥, 𝑦 = 𝛼 𝑓 𝑥, 𝑦 Berdasarkan rumus di atas, kontras akan naik kalau α > 1 dan kontras akan turun kalau α < 1.

Contoh citra dengan kontras rendah Gambar tersebut sengaja dibuat ekstrem sempit agar memiliki kontras yang rendah. Hal ini dapat dilihat pada histogramnya

Hasil peregangan kontras dengan  = 2,5 Sekarang akan dicoba untuk meregangkan kontras dengan cara seperti berikut:   >> Img = imread('C:\Image\gembala.tif');  >> K = 2.5 * Img;  >> imshow(K);  Hasil peregangan kontras dengan  = 2,5

Kombinasi Kecerahan dan Kontras Operasi peningkatan kecerahan dan peregangan kontras dapat dilakukan sekaligus untuk kepentingan memperbaiki citra 𝑔 𝑥, 𝑦 = 𝛼 𝑓 𝑥, 𝑦 + 𝛽 Namun, kalau yang dikehendaki adalah melakukan pengaturan agar aras keabuan pada citra f yang berkisar antara f1 dan f2 menjadi citra g dengan aras antara g1 dan g2, rumus yang diperlukan adalah 𝑔 𝑥, 𝑦 = 𝑔 1 + 𝑔 2 − 𝑔 1 𝑓 2 − 𝑓 1 𝑓 𝑥,𝑦 − 𝑓 2

Hasil pengaturan kecerahan dan Implementasinya seperti berikut.   >> Img = imread('C:\Image\gembala.tif');  >> C = Img - 45;  >> K = C * 11;  >> imshow(K);  Hasil pengaturan kecerahan dan peregangan kontras

Membalik Citra Citra seperti ini biasa digunakan pada rekam medis; misalnya hasil fotografi rontgen. Hubungan antara citra dan negatifnya untuk yang beraras keabuan dapat dinyatakan dengan rumus: 𝑔 𝑦, 𝑥 = 255− 𝑓 𝑦, 𝑥

Pembalikan citra menunjukkan bahwa kalau f(y, x) bernilai 255, g(y, x) bernilai 0. Sebaliknya, kalau f(y, x) bernilai 0, g(y, x) bernilai 255

perintah berikut dapat dicoba:   >> Img = imread('C:\Image\lena256.png');  >> R = 255 - Img;  >> imshow(R); 

Pemetaan Nonlinear Kalau suatu citra berisi bagian yang cerah dan bagian yang gelap yang cukup ekstrem, akan lebih baik kalau digunakan cara nonlinear. Sebagai contoh, dapat digunakan fungsi logaritma, yang membuat bagian yang gelap (intensitas rendah) lebih dicerahkan daripada yang berintensitas tinggi, karena memuat banyak detail yang penting

Kode yang digunakan untuk melakukan pemetaan di atas seperti berikut:   >> Img = imread('C:\Image\gembala.tif');  >> C = log(1+double(Img));  >> C2 = im2uint8(mat2gray(C));  >> imshow(C2); 

Pemotongan Aras Keabuan Efek pemotongan (clipping) diperoleh bila dilakukan operasi seperti berikut: 𝑔 𝑦,𝑥 = 0, &𝑥≤ 𝑓 1 𝑓(𝑦,𝑥), & 𝑓 1 <𝑓 𝑦,𝑥 <𝑓 2 255, &𝑥≥ 𝑓 2

Contoh pemotongan aras keabuan dengan pola sangat tidak linear atau patah-patah Nilai g dinolkan atau dipotong habis untuk intensitas asli dari 0 hingga f1 karena dipandang tidak mengandung informasi atau objek menarik. Demikian pula untuk nilai intensitas dari f2 ke atas, yang mungkin hanya mengadung derau

Program : potong.m function [Hasil] = potong(berkas, f1, f2) % POTONG Menghasilkan citra dengan level 0 s/d f1 % serta f2-255 dinolkan   Img = imread(berkas); [tinggi, lebar] = size(Img); Hasil = Img; for baris=1 : tinggi for kolom=1 : lebar if Hasil(baris, kolom) <= f1 Hasil(baris, kolom) = 0; end if Hasil(baris, kolom) >= f2 Hasil(baris, kolom) = 255;

Sebagai contoh, pemanggilan seperti berikut dapat diberikan:   >> H = potong('C:\Image\daun.tif', 30, 170);  >> imshow(H); 

Latihan Jelaskan yang dimaksud operasi piksel. Jelaskan pengertian histogram citra. Terdapat citra 4x4 dengan rincian nilai kecerahan piksel seperti berikut. 7 6 5 2 4 1 Aras keabuan sebanyak 8 buah. Bagaimana histogram citra tersebut dalam bentuk angka? Jelaskan yang dimaksud dengan citra dengan kontras yang rendah. Apakah efeknya? Jelaskan bahwa peningkatan kecerahan melalui rumus   𝑔 𝑦, 𝑥 = 𝑓 𝑦, 𝑥 + 𝛽   tidak memberikan efek peregangan kontras. Terangkan proses untuk membentuk film negatif berdasarkan suatu citra.