Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra

Slides:



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

Konversi citra Satriyo.
Pengolahan Citra 4 – Peningkatan Kualitas Citra Disusun oleh: Teady Matius – Dari berbagai sumber.
Pengolahan Citra (TIF05)
Filter Spasial Citra.
Perbaikan Citra pada Domain Spasial
Transformasi Gray (cont), Statistik Dalam Image Enhancement
OPERASI-OPERASI DASAR PENGOLAHAN CITRA DIGITAL
Teori Konvolusi dan Fourier Transform
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
Overview Materi Pengolahan Citra Digital
Image Enhancement.
Anna Hendrawati STMIK CILEGON
PENGOLAHAN CITRA DAN POLA
Filter Spasial Citra.
CS3204 Pengolahan Citra - UAS
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Convolution and Correlation
IMAGE ENHANCEMENT (PERBAIKAN CITRA)
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Materi 04 Pengolahan Citra Digital
MODUL 3 PERBAIKAN KUALITAS CITRA
KONVOLUSI Oleh : Edy Mulyanto.
Pertemuan 2 Pengolahan Citra Digital
Materi 02(b) Pengolahan Citra Digital
Politeknik Elektronika Negeri Surabaya
Pertemuan 12 : Aksentuasi Citra [Image Enhancement]
Modul 1 PENGANTAR PENGOLAHAN CITRA
MODUL 3 PERBAIKAN KUALITAS CITRA
MODUL KULIAH 2 FORMASI CITRA
Materi 07 Pengolahan Citra Digital
Perbaikan Kualitas Citra (Image Enhancement)
Operasi2 Dasar Merupakan manipulasi elemen matriks :
Operasi Matematis Pada Citra
Operasi-operasi Dasar Pengolahan Citra Digital
OPERASI DASAR CITRA DIGITAL
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
EDY WINARNO fti-unisbank-smg 31 maret 2009
Pengolahan Citra Digital
Image Enhancement –Spatial Filtering
Filtering dan Konvolusi
Fourier transforms and frequency-domain processing
Operasi Dasar Pengolahan Citra
Konvolusi Anna Dara Andriana.
Peningkatan Mutu Citra
Desita Ria Yusian TB,S.ST.,MT Universitas Ubudiyah Indonesia
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Deteksi Tepi Pengolahan Citra Danar Putra Pamungkas, M.Kom
EDY WINARNO fti-unisbank-smg 14 April 2009
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
KONVOLUSI DAN TRANSFORMASI FOURIER
PENINGKATAN KUALITAS CITRA (Image Enhancement)
CS3204 Pengolahan Citra - UAS
Digital Image Processing
Operasi Matematis Pada Citra
Operasi titik / piksel.
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.
Pertemuan 4 Mata Kuliah Pengolahan Citra
Pertemuan 10 Mata Kuliah Pengolahan Citra
Negasi Pengolahan Citra Danar Putra Pamungkas, M.Kom
Pengantar Pengolahan Citra 4IA10 Kelompok 4 : Faisal Ghifari ( ) Raihan Firas M ( ) Hafidz Amrulloh ( )
Pemrosesan Bukan Teks (Citra)
Pengolahan citra digital
PENGANTAR PENGOLAHAN CITRA
Transcript presentasi:

Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra DISUSUN OLEH:   SOFYAN SAOQI FUTAKI 130549810268 FAKULTAS TEKNIK INFORMATIKA UNIVERSITAS WIDYAGAMA MALANG

PeningkatanMutuCitra Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemroses anter hadap citra agar hasilnya mempunyai kwalitas relatif lebih baik dari citra awaluntu kaplikasi tertentu. Kata baik disini tergantung pada jenis aplikasi dan problem yang dihadapi

Metode Peningkatan Mutu/Kualitas Citra pada Domain Spasial Point Processing Cara paling mudah untuk melakukan peningkatan kualitas citra 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

Operasi titik Operasi titik disebut juga operasi pointwise, terdiri dari : Pengaksesan pixel pada lokasi yg diberikan Memodifikasinya dengan operasi linier atau non linier Menempatkan nilai pixel baru pada lokasi yg bersesuaian di dalam citra yg baru Secara matematis dapat dituliskan sebagai berikut : f (x, y) O { f (x, y)}

Histogram citra adalah diagram yang menunjukkan jumlah kemunculan grey level atau derajat keabuan pada suatu citra

Contrast Stretching Didasarkan pada operasi pengambangan (thresholding) – Operasi ini setiap pixel nilai intensitasnya dipetakan ke salah satu dari 2 nilai misal a1 dan a2, berdasarkan nilai ambang (threshold) T Salah satu pemanfaatannya adalah untuk mengkonversikan ke citra biner yang banyak dimanfaatkan untuk keperluan pattern recognition yang sederhana, seperti : Pengenalan angka Pengenalan huruf Prosesnya dengan mengubah kuantisasi citra Untuk citra dengan derajad keabuan 256, maka nilai tengahnya adalah 128 sehingga untuk mengubahnya menjadi citra biner menggunakan threshold 128.

Contrast Stretching Operasi pengambangan pada citra Lena dengan fungsi transformasi

Contrast Stretching Untuk menghasilkan citra biner yg sempurnadapat dilakukan dengan memilih nilai derajad keabuan yg simetri antara yg dibawah 128 danyang diatas 128 dengan menggunakan nilairata-rata. Caranya dengan menghitung nilai rata-rata derajad keabuan dan kemudian ditentukanthresholdingnya. Jika x < xr maka x = 0, jika tidak x = 255

Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel-piksel pada citra menurut fungsi V tertentu

Fungsi lain yang baik digunakan adalah: fout = (fin – a) * b a = min(fin) b = 255 / (max(f in) – min(f in)) 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)

Contoh Contrast Stretching

Negasi Negasi merupakan operasi mendapatkan citra negatif (Negatif Image) adalah suatu citra sepeti halnya meniru film negatif pada fotografi, yaitu titik yang berwarna putih pada citra warna hitam pada film negatifnya. Demikian juga sebaliknya dengan cara mengurangi nilai intensitas pixel dari nilai keabuan maksimum. Misalnya citra dengan 256 derajat keabuan (8 bit). Sesuai kutipan dari Chandra Wijaya yang mendefinisikan negasi sebagai berikut [4];

Thresholding Thresholding adalah operasi non-linear yang mengubah gambar gray-scale atau citra bederajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk obyek dan background dari citra secara jelas. Dimana dua tingkat ditugaskan untuk piksel yang berada di bawah atau diatas nilai ambang batas yang ditentukan. Citra hasil thresholding biasanya digunakan lebih lanjut untuk proses pengenalan obyek serta ekstraksi fitur. Sesuai kutipan dari situs Wavemetric yang mendefinisikan thresholding sebagai berikut

Penjumlahan citra Persamaannya : C(x,y) = A(x,y) + B(x,y) C adalah citra baru yg intensitas setiap pixel-nya adalah jumlah dari intensitas tiap pixel pada A dan B Jika hasil penjumlahan > 255 maka intensitas dibulatkanke 255 Operasi ini dapat digunakan untuk mengurangi noise di dalam data, dengan cara merata-ratakan derajad keabuan setiap pixel dari citra yg sama yg diambil berkali-kali.

Image Substraction Dilakukan jika kita ingin mengambil bagian tertentu saja dari citra

Contoh Image Substraction

Image Averaging Dilakukan jika kita memiliki beberapa citra yang bergambar sama, namun semua citra memiliki noise (gangguan) Noise satu citra berbeda dengan noise citra lainnya (tidak berkorelasi) Cara memperbaikinya adalah dengan melakukan operasi rata-rata terhadap semua citra tersebut

AND dan OR

Operasi Spasial/Mask Processing (Filtering) Filtering pada citra adalah suatu prose dimana diambil sebagian sinyal dari frekuensi tertentu dan membuang sinyal pada frekuensi yg lain.

Korelasi Salah satu metode pencocokan citra adalah dengan mengkorelasikan antara citra latih dengan citra uji. Koefisien korelasi menyatakan derajat kesamaan antara dua sinyal. Apabila terdapat dua citra f(x,y) dan g(x,y), koefisien korelasi antara keduanya adalah : dengan f dan g masing-masing nilai rata- rata derajat keabuan pixel citra f(x,y) dan g(x,y).

Konvolusi adalah perkalian total dari dua buah fungsi diskrit f(n,m) dan h(n,m) yg didefinisikan dengan:

Contoh Konvolusi

Smoothing filters Lowpass filter (linear filter, mengambil nilai rata-rata) Median filter (non-linear filter, mengambil median dari setiap jendela ketetanggan)

Sharpening Spatial Filter Low-Pass Spatial Filter

Filter High-Pass

(a)Gambar awal, (b) hasil dari Prewitt High pass Filtering (a)Gambar awal, (b) hasil dari Prewitt Mask, (c) thresholding dari (b) pada nilai > 25 (d) thresholding dari (b) pada nilai >25 dan < 25 (black) Filter Non Linear median adalah filter non-linear.