PENGOLAHAN CITRA DAN POLA PERTEMUAN 6 STIKI INDONESIA 2012

Image Restoration Seperti halnya Image Enhancement, tujuan utama teknik restorasi adalah untuk meningkatkan kualitas suatu citra Restorasi berupaya untuk merekonstruksi (reconstruct) atau mendapatkan kembali (recover) suatu citra yang telah mengalami penurunan kualitas (degraded) dengan menggunakan pengetahuan mengenai fenomena degradasi Teknik restorasi  memodelkan degradasi dan menerapkan proses inverse yang bertujuan untuk memulihkan citra asli Here comes your footer Page 2

Image Enhancement : memperbaiki kualitas citra untuk tujuan tertentu atau bahkan memberi efek berlebih pada citra Image Restoration : memperbaiki suatu citra yang terkena noise (model noise sudah diketahui atau diduga sebelumnya) Here comes your footer Page 3

Model Degradasi Citra/Proses Restorasi f(x, y) Degradation Function H + g(x, y) Noise η(x,y) Restoration filter(s) DEGRADATION RESTORATION Here comes your footer  Page 4

Model-Model Noise Gaussian (Normal) Noise z : gray level μ : mean of z σ : standard deviation σ2 : variance of z Here comes your footer Page 5

The mean and variance of this density are given by Rayleigh Noise The mean and variance of this density are given by Here comes your footer Page 6

The mean and variance of this density are given by Erlang (Gamma) Noise The mean and variance of this density are given by Here comes your footer Page 7

The mean and variance of this density are given by Exponential Noise where a > 0 The mean and variance of this density are given by Here comes your footer Page 8

The mean and variance of this density are given by Uniform Noise The mean and variance of this density are given by Here comes your footer Page 9

Impulse (salt-and-pepper) Noise Here comes your footer Page 10

Noise Rayleigh  pencitraan jarak (range imaging) Model-model noise tersebut digunakan untuk memodelkan situasi kerusakan pada citra yang diakibatkan oleh noise Contoh: Noise Gaussian  faktor elektronik (kurang pencahayaan, suhu yang terlalu tinggi) Noise Rayleigh  pencitraan jarak (range imaging) Noise Eksponensial dan Gamma  pencitraan laser Here comes your footer Page 11

Model-Model Noise Gaussian Rayleigh Gamma Here comes your footer  Page 12

Exponential Uniform Salt & Pepper Here comes your footer  Page 13

Mean Filters Arithmetic mean filter Dapat diimplementasikan dengan menggunakan mask konvolusi yang semua koefisiennya bernilai 1/mn Noise berkurang sebagai akibat dari blurring Here comes your footer Page 14

Geometric mean filter Tiap pixel yang telah dipulihkan (restored pixel) diperoleh dari hasil perkalian pixel-pixel pada subimage yang kemudian dipangkatkan dengan 1/mn Lebih mengarah ke smoothing, namun cenderung kehilangan detail citra dalam prosesnya Here comes your footer Page 15

Harmonic mean filter Baik digunakan untuk salt noise, namun buruk digunakan untuk pepper noise Selain itu baik juga digunakan untuk model noise yang lain, seperti Gaussian noise Here comes your footer Page 16

Contraharmonic mean filter Here comes your footer Page 17

Q adalah order dari filter Filter ini sesuai digunakan untuk mengurangi efek salt-and-pepper noise Q positif, filter mengurangi pepper noise Q negatif, filter mengurangi salt noise Q = 0, reduksi noise dengan arithmetic mean filter Q = -1, reduksi noise dengan harmonic mean filter Here comes your footer Page 18

Arithmetic dan geometric mean filters  random noise seperti Gaussian atau uniform noise Contraharmonic filter  impulse noise, seperti salt-and-pepper noise. Namun kekurangannya, harus diketahui apakah noise gelap atau terang agar dapat menentukan nilai Q yang sesuai Here comes your footer Page 19

MSE (Mean Square Error) MSE merupakan salah satu image quality metrics yang digunakan untuk mengevaluasi algoritma noise reduction Semakin kecil nilai MSE, maka semakin baik algoritma noise reduction yang digunakan untuk merestorasi citra Here comes your footer Page 20