Filtering dan Konvolusi

Slides:



Advertisements
Presentasi serupa
Convolution and Correlation
Advertisements

Nana Ramadijanti Politeknik Elektronika Negeri Surabaya PENS-ITS 2009
Aplikasi Transformasi Citra – Beberapa Contoh
Perbaikan Citra pada Domain Frekuensi
Pengolahan Citra (TIF05)
Image Thinning Kelompok 11 Aldiantoro Nugroho Cininta Dhini Fitriani N. Rifka N. Liputo Yoga Lestyaningrum Kelompok 11 Aldiantoro Nugroho Cininta Dhini.
Operasi Tetangga Nurfarida Ilmianah.
Perbaikan Citra pada Domain Spasial
Pengolahan Citra (TIF05)
Teori Konvolusi dan Fourier Transform
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Image Restoration.
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Overview Materi Pengolahan Citra Digital
Edge Detection (Pendeteksian Tepi)
CS3204 Pengolahan Citra - UAS
Image Enhancement.
PENGOLAHAN CITRA DAN POLA
Filter Spasial Citra.
KONVOLUSI DAN TRANSFORMASI FOURIER
Edge Detection Dr. Aniati Murni (R 1202) Dina Chahyati, SKom (R 1226)
CS3204 Pengolahan Citra - UAS
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Convolution and Correlation
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Aplikasi Transformasi Citra Beberapa Contoh
Convolution and Correlation Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”
2.2 Operasi Dasar Citra : Lokal dan Objek Operasi Ketetanggaan Pixel
KONVOLUSI Oleh : Edy Mulyanto.
Materi 02(b) Pengolahan Citra Digital
Pertemuan 12 : Aksentuasi Citra [Image Enhancement]
Materi 07 Pengolahan Citra Digital
Perbaikan Kualitas Citra (Image Enhancement)
Image Segmentation.
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
Pengolahan dalam Domain Spasial dan Restorasi Citra
The contents This lectures we will look at image enhancement techniques working in the spatial domain: What is image enhancement? Different kinds of image.
DETEKSI TEPI.
Pengolahan Citra Digital
Pengolahan Citra Digital 2010/2011
Image Enhancement –Spatial Filtering
Fourier transforms and frequency-domain processing
Pengolahan Citra Pertemuan 11
Konvolusi Anna Dara Andriana.
Peningkatan Mutu Citra
KONVOLUSI ROSNY GONYDJAJA.
Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono
KONVOLUSI 6/9/2018.
Digital Image Processing
Image Segmentation.
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Deteksi Tepi Pengolahan Citra Danar Putra Pamungkas, M.Kom
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
KONVOLUSI DAN TRANSFORMASI FOURIER
Filtering dan Konvolusi
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
PENGOLAHAN CITRA DAN POLA
CS3204 Pengolahan Citra - UAS
Convolution and Correlation
EDGE DETECTION.
Pengolahan Citra Pertemuan 8
IMAGE ENHANCEMENT.
I. Fourier Spectra Citra Input Peningkatan mutu citra pada domain frekuensi Fourier dilakukan secara straightforward: Hitung transformasi Fourier dari.
Neighborhood Processing
KONVOLUSI 11/28/2018.
Edge Detection Dr. Aniati Murni (R 1202) Dina Chahyati, SKom (R 1226)
SEGMENTASI.
Pengantar Pengolahan Citra 4IA10 Kelompok 4 : Faisal Ghifari ( ) Raihan Firas M ( ) Hafidz Amrulloh ( )
Pemrosesan Bukan Teks (Citra)
Transcript presentasi:

Filtering dan Konvolusi

KONVOLUSI Konvolusi diskrit banyak digunakan dalam pengolahan citra untuk image smoothing, edge detection dan efek-efek lainnya Konvolusi dilakukan berdasarkan jumlah bobot dari piksel-piksel tetangga Bobot ditentukan berdasarkan ukuran window berupa matriks berukuran kecil yang biasa disebut convolution mask atau convolution kernel

Orde matriks biasanya ganjil sehingga hasil konvolusi tepat berada di tengah-tengah Window atau disebut juga sliding window bergerak sepanjang piksel yang ada pada citra Perlu diperhatikan bahwa nilai piksel hasil konvolusi JANGAN disertakan pada perhitungan konvolusi piksel berikutnya. Semakin besar ukuran window, beban komputasi akan semakin meningkat

ILUSTRASI KONVOLUSI

PROBLEM PADA KONVOLUSI Bagaimana untuk menentukan piksel-piksel yang berada pada batas citra Solusi: Zero padding Treat the empty cells in the convolution window as zero Fit-Position Start convolving at the first position where the window doesn’t overlap the image Enlarging Enlarging the original image before convolving by duplicating the edges Wrapping Wrap the image.

EFEK-EFEK HASIL KONVOLUSI Embossing Blurring low-pass spatial filtering Simulasi out-of-focus Mengaburkan latar belakang Mengurangi Gaussian noise Sharpening High-pass spatial filtering Crispening, mempertajam Metode lain: unsharp masking, high-boost filtering

CONVOLUTION MASKS Embossing Blurring W=9a-1 Sharpening

EDGE DETECTION Jenis-jenis edge Non-convolution methods Homogeneity operator Subtracts each 8 surrounding pixels from the center pixel of 3 x 3 window. The output is the maximum of the absolute value of each difference Difference operator Upperleft-lowerright, middleleft-middleright, lowerleft-upperright, topmiddle-bottommiddle Convolution methods First order derivative operator Second order derivative operator Compass Gradient operator

NON-CONVOLUTION OPERATORS

IMAGE THRESHOLDING One-level (single) thresholding Multi-level (multiple) thresholding

CONVOLUTION METHODS EDGE DETECTION First Order Operator: Second Order Operator Laplacian

FILTERING Median Filtering Averaging Filter Minimum/Maksimum Filter Menghilangkan impulse noise (bedakan dengan Gaussian Noise yang dapat dihilangkan dengan Low-pass filter) Impulse noise has a number of pixels that have conspicuosly wrong intensities like 0 or 255 Averaging Filter Mengganti nilai piksel fokus dengan rata-rata jumlah piksel dalam window Minimum/Maksimum Filter Mengganti nilai piksel fokus dengan nilai piksel minimum/maksimum piksel sekitar