Pengantar Pengolahan Citra Syahroni Wahyu Iriananda, S.Kom Revisi 2014 Fakultas Teknik Program Studi Teknik Informatika Universitas Widyagama Malang Pengantar Pengolahan Citra Syahroni Wahyu Iriananda, S.Kom Revisi 2014

Mata Kuliah Pendukung Algoritma Pemrograman Struktur Data Matrik & Aljabar Linier Kalkulus Komputer Grafik

Tujuan Memahami atau mengerti tentang pengolahan citra Mampu untuk membuat Pengolahan Citra Membangun suatu terapan dari materi keinformatikaan dan pendukungnya dengan Pengolahan Citra

Materi Dasar-dasar Citra Digital Transformasi Citra Perbaikan Mutu Citra Restorasi Citra Pengkodean Citra Segmentasi Citra Representasi dan Deskripsi Citra

Referensi Buku Pengolahan Citra Digital: Teori dan Aplikasi. Abdul Kadir dan Adhi Susanto, Penerbit Andi. Yogyakarta. Pengolahan Citra Digital, Darma Putra, Penerbit Andi Yogyakarta, 2010 Pengolahan Citra Konsep & Teori, Fajar Astuti Hermawati, Andi Yogyakarta & Untag Surabaya, 2013 Teori Pengolahan Citra Digital, T. Sutoyo, S.Si dkk, Andi Yogyakarta & Udinus, 2009

Buku Pengolahan Citra Digital Dan Teknik Pemrogramannya, Usman Ahmad, Graha Ilmu, Yogyakarta, 2005 Pengolahan Citra Digital, Munir Rinaldi Informatika, 2004 Teknik Pengolahan Citra Digital Menggunakan Delphi, Balza Achmad dan Kartika Firdausy, Andi Publishing, Yogyakarta, 2005

Buku Gonzalez, Rafael C., and Woods, Richard E., 1993, “Digital Image Processing”, Addison-Wesley Publishing Company, Inc. Ballard,Dana,H, Computer Vision,Printece Hall, 1982 Sid-Ahmed, Maher A, 1995, “Image Processing :Theory, Algoritms and Architectures”, McGraw Hill.Inc. Schalkoff, Robert J., 1992, “Digital Image Processing and Computer Vision”, John Wiley & Son, New York

Be Social! Groups Facebook: Kontak: https://www.facebook.com/groups/pengolahan.citra.uwiga/ Kontak: Facebook : fb.com/roniwahyu Email tugas ke syahroni.w@gmail.com

3 Bidang Pengolahan Citra Image Processing (1950) Computer Graphics (1970) Pattern Recognition & Artificial Intelligent 1960 Computer Vision 1970

Digital Image Processing Digital/Printing? Imaging? Computer Graphics? Computer Vision? Biological Vision? Kita di mana?

Apa yang bisa kita lakukan? Digital Image Processing Image Processing / Manipulation Image Analysis / Interpolation Image Coding / Communication

Terminologi Level Pengolahan Citra Image Processing Image  Image Image Analysis Image  Measurement Image Understanding Image  Symbolic Description Computer Graphics Symbolic Description  Image

Applications.. Astronomy Radiologi Ultrasonic Imaging Microscopy Remote Sensing Meteorology Seismology Radar Internet Autonomous Navigation Etc. (a) CT Scan (Sumber: http://www.dxhealthcorp.com) (b) Contoh hasil CT Scan (Sumber: http://www.thirdage.com/)

Aplikasi Pengolahan Citra (1) Bidang Perdagangan Pembacaan bar code pada barang di supermarket Pengenalan huruf/angka pada formulir secara otomatis Bidang Militer Mengenali peluru kendali melalui sensor visual Mengidentifikasi jenis pesawat musuh Bidang Kedokteran Deteksi Kanker dengan sinar X Rekonstruksi foto janin hasil USG Bidang Biologi Pengenalan kromosom melelui gambar mikroskopik

Aplikasi Pengolahan Citra (2) Komunikasi Data Pemampatan Citra Transmisi Hiburan Pemampatan Video MPEG Robotika Visual guided autonomous navigation Pemetaan Klasifikasi penggunaan tanah melalui foto udara Geologi Mengenali jenis bebatuan melalui foto udara Hukum Pengenalan sidik jari Pengenalan foto narapidana

Alat Input Citra Digital

Memungkinkan untuk dibuat menjadi kartun

Di dunia kedokteran..

Didunia penelitian tumbuhan

IMAGE PROCESSING vs. COMPUTER VISION Research area within electrical engineering/signal processing Focus on syntax, low level features Computer Vision Research area within computer science/artificial intelligence Focus on semantics, symbolic or geometric descriptions image image Faces People Chairs etc.

Image Processing DENOISE

Image Processing: Image Enhancement From [Gonzalez & Woods]

Computer Vision (Ballard, 1992) IMAGE Garage Bushes Grass House Sky Tree1 Tree2 Roof Side Roof Side1 Side2 (Ballard, 1992) IMAGE

Visi Komputer (Computer Vision) Visi Komputer (Computer Vision) merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar, Word and Vowel Recognition, Object Structure; Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation and Classification; Kecerdasan Buatan (Artificial Intelligence): Speech Understanding, What is illustrated by this image.

IMAGE PROCESSING vs. COMPUTER GRAPHICS Pengolahan Citra; Memperbaiki kwalitas gambar, dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik); Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis; Melakukan proses penarikan informasi atau deskripsi obyek atau pengenalan obyek yang terkandung pada citra; Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data.

Grafika Komputer Merupakan proses untuk menciptakan suatu gambar berdasarkan deskripsi obyek maupun latar belakang yang terkandung pada gambar tersebut; Merupakan teknik untuk membuat gambar obyek sesuai dengan obyek tersebut di alam nyata (realisme).

What is Digital Image Processing? Citra digital dibentuk oleh kumpulan titik yang dinamakan piksel (pixel atau “picture element”). Setiap piksel digambarkan sebagai satu kotak kecil.Setiap piksel mempunyai koordinat posisi.Sistem koordinat yang dipakai untuk menyatakan citra digital

Definisi Citra (1) Citra atau Image merupakan istilah lain dari gambar, yang merupakan informasi berbentuk visual. “a picture is more than a thousand words” artinya “sebuah gambar bermakna lebih dari seribu kata” maksudnya sebuah gambar akan memberikan informasi lebih banyak daripada informasi yang disajikan dalam bentuk kata-kata

Definisi Citra(2) Kata citra diartikan sebagai suatu fungsi intensitas cahaya dua dimensi, yang dinyatakan oleh f(x,y), di mana nilai atau amplitudo dari f pada koordinat spasial (x,y) menyatakan intensitas (kecerahan) citra pada titik tersebut (Gonzalez dan Woods, 2008).

Bagaimana Citra Terbentuk? Citra ada dua (2) macam : Citra Kontinu Dihasilkan dari sistem optik yang menerima sinyal analog Contoh : Mata manusia, kamera analog Citra Diskrit Dihasilkan melalui proses digitalisasi terhadap citra kontinue Contoh : Kamera digital, scanner

Analog VS Digital Data analog direpresentasikan secara nyata semua merupakan fakta, contoh : gelombang suara, gambar (cetak). Data analog tersimpan dalam pita kaset, pita magnetis dsb Data digital direpresentasikan dalam komputer berbentuk kode seperti binner, decimal. Contoh data digital : WAV, MP3, RMI, BMP, JPG, GIF, TIF

Citra Digital Komputer digital bekerja dengan angka presisi berhingga, jadi hanya citra dari diskrit yang dapat diolah komputer, Citra diskrit = Citra digital. Citra digital merupakan suatu array 2 dimensi yang elemennya menyatakan tingkat keabuan dari elemen gambar.

Citra yang dihasilkan direkam datanya bersifat kontinue harus dirubah dahulu menjadi citra digital dengan konversi sehingga dikenal komputer. Proses tersebut disebut digitasi, yaitu membuat kisi-kisi arah horizontal dan vertical sehingga terbentuk array 2 dimensi.

Defisini Citra Digital Citra digital adalah citra f(x,y) yang telah dilakukan digitalisasi baik koordinat area maupun brightness level. Nilai f di koordinat (x,y) menunjukkan brightness atau grayness level dari citra pada titik tersebut.

CITRA DIGITAL Citra merupakan suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek atau benda. Citra sebagai keluaran dari sistem perekaman data objek, dapat bersifat optik (foto), sinyal analog (video) maupun data digital yang tersimpan pada sebuah media. Citra Analog merupakan data citra yang bersifat kontinu seperti gambar bergerak atau video yang terekam dalam pita kaset. Citra analog perlu dikonversi ke Citra Digital terlebih dahulu agar dapat diolah lebih lanjut dengan komputer. Citra Digital merupakan data citra yang merepresentasikan besar intensitas warna dan/atau keabuan tiap piksel penyusun citra dalam besaran digital biner (0/1)

CITRA DIGITAL Pencitraan (Imaging) merupakan proses untuk mentransformasikan data citra analog menjadi data citra digital (digitalisasi citra). Peralatan yang dapat digunakan untuk pencitraan; Kamera digital Kamera konvensional dan konverter analog to digital Scanner, CCTV dll.

Istilah pengolahan citra digital menyatakan “pemrosesan gambar berdimensi-dua melalui komputer digital” (Jain, 1989). Menurut Efford (2000), pengolahan citra adalah istilah umum untuk berbagai teknik yang keberadaannya untuk memanipulasi dan memodifikasi citra dengan berbagai cara

CITRA DIGITAL Terdapat dua hal yang dilakukan dalam proses digitalisasi citra yaitu (1) mempartisi citra dalam dimensi x kolom dan y baris (Sampling); serta (2) menentukan besar intensitas yang terdapat pada setiap piksel pembentuk citra (Kuantisasi) yang menghasilkan sebuah resolusi citra. Sampling merupakan proses transformasi citra analog (kontinu) menjadi citra digital dengan cara membagi citra analog (kontinu) menjadi x kolom dan y baris, sehingga menjadi citra diskrit. Dimana tidak semua bagian dari data citra analog terekam menjadi data citra digital (ada yang hilang). Kuantisasi merupakan proses transformasi intensitas cahaya dari setiap bagian citra yang bersifat kontinu (analog) ke daerah intensitas yang bersifat diskrit. Kuantisasi diperlukan untuk menyatakan besaran gradasi warna yang dibutuhkan untuk mencitrakan sebuah objek.

Definisi Citra Digital f(x,y) x y (0,0) Titik Origin Sumbu koordinat citra (Sumber: Gonzalez dan Woods, 2008)

Defisini Citra Digital Citra digital adalah citra f(x,y) yang telah dilakukan digitalisasi baik koordinat area maupun brightness level. Nilai f di koordinat (x,y) menunjukkan brightness atau grayness level dari citra pada titik tersebut.

(sumber : Gonzalez dan Woods, 2008) Satuan Citra Digital Satuan terkecil dari citra digital disebut piksel (pixel atau picture element). Umumnya citra dibentuk dari kotak-kotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antara piksel adalah sama pada seluruh bagian citra Aturan koordinat representasi citra digital (sumber : Gonzalez dan Woods, 2008)

Sebuah piksel mempunyai koordinat berupa (x, y) Dalam hal ini, x menyatakan posisi kolom (N); y menyatakan posisi baris (M); Piksel pojok kiri-atas mempunyai koordinat (0, 0) dan piksel pada pojok kanan-bawah mempunyai koordinat (N-1, M-1).

f(x,y) f=Intensitas Cahaya pada titik x,y

Nilai f(x,y) = i(x,y) x r(x,y) i(x,y) r(x,y) jumlah cahaya dari sumber, nilainya mulai 0 sampai tak terbatas r(x,y) Derajat kemampuan obyek memantulkan cahaya, nilainya 0 dan 1

Model Citra Citra merupakan fungsi malar (kontinyu) dari intensitas cahaya. Secara matematis disimbulkan dengan f(x,y), dimana : (x,y) : koordinat pada bidang dwi warna F(x,y) : intensitas cahaya pada titik (x,y) Nilai f(x,y) adalah hasil kali dari : i(x,y) = jumlah cahaya yang berasal dari sumber, nilainya antara 0 sampai tak terhingga. r(x,y) = derajat kemampuan objek memantulkan cahaya , nilainya antara 0 dan 1. Jadi f(x,y) = i(x,y) . r(x,y)

Proses Pengolahan Data Citra Komputer hanya dapat mengakses data digital, oleh karena itu untuk pengolahan data digital analog terdapat proses konversi yang disebut proses Analog Digital Conversi (ADC). Tujuan dari proses ADC adalah agar dapat diakses komputer, karena data asli atau fakta bersifat analog tidak bisa diolah oleh komputer, komputer hanya mengolah data digital. Gambar Analog Digital Convertion Komputer

Elemen Citra Digital Brightness, kecerahan atau intensitas cahaya yang dipancarkan pixel dari citra yang dapat ditangkap oleh sistem pengliatan Contrast, kontras menyatakan sebaran terang “lightness” dan gelap “darkness” di dalam gambar Countour,kontur merupakan keadaan yang ditimbulkan oleh perubahan intensitas pada pixel yang bertetanggaan

Color, warna sebagai persepsi yang ditangkap sistem visual terhadap panjang gelombang cahaya yang dipantulkan oleh objek Sharp, bentuk sebagai properti instristik dari objek 3 dimensi Texture, tekstur dicirikan sebagai distribusi spasial sari derajat keabuan di dalam sekumpulan pixel yang bertetanggaan.

Digitalisasi Citra Supaya bisa diolah dengan komputer, citra harus direpsentasikan secara numerik dengan nilai diskrit . Citra digital dinyatakan dengan suatu matrik ukuran NxM. Masing-masing elemen disebut pixel (picture element) f(0,0) f(0,1) …. f(0,m) f(1,0) f(1,1) …. f(1,M) F(x,y) = : : : f(N-1,0) f(N-1,1) f(N-1,M-1) Indeks baris (i) dan indeks kolom (j) menyatakan koordinat titik pada citra, sedang f(i,j) merupakan intensitas (derajat keabuan) pada titik (i,j)

Contoh Perkalian Matrix Jika f(x,y) = xy maka: f(x,y) = f(x,y)= 0 0 0 0 0 1 2 3 0 2 4 6

Ukuran Pixel Standard ukuran sebuah citra satu layer (gray scale) dapat dihitung dengan rumus N = 2m x 2n pixels Dimana: m adalah jumlah pixel baris dan n adalah jumlah pixel kolom. Misal 128 x 128, 256 x 256, 512x512, 1024x1024 Jika citra yang digunakan adalah citra berwarna, maka citra harus dikalikan 3 (R,G,B).

Metodologi Pengolahan Citra Pengolahan Citra lebih banyak membahas masalah berikut ini Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra dijital. Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi.

Metodologi Pengolahan Citra Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics). Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel

Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor) Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai referensi pada proses template matching / object recognition.

Alur Diagram Pengolahan Citra Segmentation Representation And Description Intermediate Level Processing Preprocessing Image Acquisition Low Level Processing Problem Domain Recognition And Interpretation High Level Processing Result Knowledge Base

Digital Image Acquisition Process

From [Gonzalez & Woods] Matrix Representation H=256 W=256 Divide into 8x8 blocks From [Gonzalez & Woods]

Image Resolution

Image Resolution

From [Gonzalez & Woods] Bitplanes Bitplane 7 Bitplane 6 Original 8bits/pixel one 8-bit byte Bitplane 7 Bitplane 5 Bitplane 4 Bitplane 0 From [Gonzalez & Woods]

From [Gonzalez & Woods] Image Analysis: Edge Detection From [Gonzalez & Woods]

Image Analysis: Face Detection From Prof. Xin Li

Image Analysis: Image Segmentation From Prof. Xin Li

Two deceivingly similar fingerprints of two different people Image Analysis: Image Matching Two deceivingly similar fingerprints of two different people From Prof. Xin Li

Berbagai aplikasi Identifikasi sidik jari (Isnanto, dkk., 2007) Pencarian database orang melalui foto orang (Aribowo, 2009) Identifikasi kematangan buah tomat (Noor dan Hariadi, 2009) Identifikasi penyakit Diabetes mellitus melalui citra kelopak mata (Rachmad, 2009) Ekstraksi fitur motif batik (Mulaab, 2010) Identifikasi telapak tangan (Putra dan Erdiawan, 2010)

Prinsip Dasar Citra Peningkatan Kecerahan & Kontras (Brightness & Contrass) Penghilangan Derau (Noise) Pencarian Bentuk Obyek (Edge Detection)