Image Enhancement in Spatial Domain I Dian Nuswantoro University Ferda Ernawan, Ph.D
The contents This lectures we will look at image enhancement techniques working in the spatial domain: What is image enhancement? Different kinds of image enhancement Point processing Negative Image Logarithmic transformation Power law transforms Case Study (Zoom In & Zoom Out) Neighbourhood operations Smoothing operation Histogram Image (Practicum)
Image Enhancement Image enhancement adalah suatu proses membuat gambar lebih berguna atau berkualitas. Beberapa alasan menerapkan image enhancement: Menekankan detail dalam sebuah image Menghapus noise dari images Membuat Image lebih menarik
Image Enhancement Tujuan dari Image enhancement: Meningkatkan interpretasi atau persepsi informasi dalam gambar untuk penglihatan manusia. Memberikan hasil gambar yang lebih baik dari masukan gambar aslinya dengan menggunakan teknik image processing.
Enhancement Techniques Ada dua kategori teknik dasar image enhancement: Spatial domain techniques Direct manipulation of the image pixels Frequency domain techniques Operate on the transformation domain (Fourier transform, DCT or wavelet transform) of an image.
Image Enhancement
Image Enhancement
Basic Spatial Domain Image Enhancement Sebagian besar operasi image enhancement di dalam spatial domain dapat dalam bentuk: g (x, y) = T[ f (x, y)] Dimana f (x, y) adalah input image, T adalah operator yang didefinisikan untuk (x, y) dan g (x, y) adalah output image. Origin x y Image f (x, y) (x, y)
Point Processing Operasi sederhana spatial domain terjadi ketika memanipulasi pixel itu sendiri. Dalam hal ini, T disebut sebagai point processing operation. Point processing operations: s = T ( r ) Dimana s adalah output image pixel value and r adalah original image pixel value.
Grey Level Transformation Ada berbagai jenis grey level transformations, Tiga dari yang paling umum adalah: Linear Negative/Identity Logarithmic Log/Inverse log Power law nth power/nth root
Negative Images Sebuah fungsi untuk membalikkan warna image dari hitam ke putih sehingga intensitas output sebuah image berkurang dari intensitas input image. Negative image sangat berguna untuk meningkatkan detail warna putih atau gray level pada bagian yang berwarna gelap dalam sebuah image.
Negative Images s = intensitymax - r Original Image x y Image f (x, y) Enhanced Image x y Image g(x, y) s = intensitymax - r Where r denotes the pixel intensity before processing
Example of Negative Image Example: g(x,y)=Imax-f(x,y) Original Image Negative Image g(x,y)= Imax-f(x,y)
Logarithmic Transformation The general form of the log transformation: s = c * log(1 + r) Logarithmic transformation memberikan kisaran tingkat terendah dalam nilai input gray level dan kisaran tertinggi pada nilai output.
Logarithmic Transformation Original Image x y Image f (x, y) Enhanced Image x y Image g(x, y) s = log(1 + r) r didefinisikan sebagai intensitas pixel dari original image.
Logarithmic Transformation g(x,y)= log 10(1+f(x,y)) After Logarithmic Transform Original Image s = log(1 + r)
Power Law Transformation Power law transformations have the following form: s = c * r γ Map a narrow range of dark input values into a wider range of output values. =c=1: identity
Power Law Transformation Original Image x y Image f (x, y) Enhanced Image x y Image g(x, y) s = r γ r didefinisikan sebagai intensitas pixel dari original image.
Power Law Transformation Original Image After Power Law Transformation s = r γ dimana γ =0.5
Image enhancement vs restoration Sebuah proses yang bertujuan untuk meningkatkan kualitas sebuah image sehingga image tersebut terlihat lebih baik. Image Restoration: Sebuah proses yang bertujuan untuk mengembalikan image dari efek operasi degradasi.
Image enhancement vs image restoration a subjective process (improve an images so they will “look” better.) manipulation of image memperbaiki tampilan citra untuk tujuan tertentu Image Restoration an objective process (improve an image in predefined sense) reconstruction of image memperbaiki suatu citra yang sudah terkena noise
Image Restoration Hampir semua image mengalami degradasi dalam akuisisinya. Degradasi bisa disebabkan oleh: kamera yang tidak fokus, gerakan kamera atau objek saat pemotretan, noise yang dihasilkan oleh sensor (scanner, CCD) dsb. Tujuan restorasi citra untuk membersihkan citra dari efek degradasi ini.
Case Study: Zoom In & Zoom Out
Case Study: Zoom In & Zoom Out
Zoom In S E The first stage of zooming (expanding nXm image on 2n+1 X 2m+1 Image)
S X X S S X X S E X S
S X P S X P E
E Output
Zoom Out
Zoom Out