PENGOLAHAN CITRA DAN POLA PERTEMUAN 4 STIKI INDONESIA 2012

Modifikasi Histogram Ekualisasi histogram Nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya seragam Tujuannya untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat keabuan memiliki jumlah pixel yang relatif sama Dapat dilakukan pada keseluruhan citra atau pada beberapa bagian citra saja Here comes your footer Page 2

Ekualisasi histogram adaptif Citra dibagi menjadi blok-blok (sub-image) dengan ukuran n x n, kemudian pada setiap blok dilakukan proses ekualisasi histogram Ukuran blok (n) dapat bervariasi dan setiap ukuran blok akan memberikan hasil yang berbeda Setiap blok dapat saling tumpang tindih beberapa pixel dengan blok lainnya Here comes your footer Page 3

Ekualisasi Histogram Here comes your footer Page 4

CONTOH Citra 64x64 pixel, 8 tingkat keabuan, dengan distribusi sebagai berikut : Here comes your footer Page 5

Fungsi Transformasi Here comes your footer Page 6

Pembulatan Here comes your footer  Page 7

Pemetaan Here comes your footer  Page 8

Hasil Rangkuman Transformasi Here comes your footer  Page 9

Histogram dengan Distribusi Seragam Here comes your footer  Page 10

Modifikasi Histogram Spesifikasi histogram Nilai-nilai intensitas di dalam citra diubah agar diperoleh histogram dengan bentuk yang dispesifikasikan oleh pengguna Here comes your footer Page 11

CONTOH Citra 64x64 pixel, 8 tingkat keabuan, dengan distribusi sebagai berikut : Here comes your footer Page 12

Histogram yang Diinginkan Here comes your footer  Page 13

Langkah 1 : Ekualisasi Histogram Here comes your footer  Page 14

Langkah 2 : Fungsi Transformasi Here comes your footer  Page 15

Hasil Fungsi Transformasi Here comes your footer  Page 16

Langkah 3 : Terapkan Inverse Pada Level Histogram Equalisasi NB; G(zk) = Vk Here comes your footer  Page 17

Langkah 4 : Pemetaan dari rk ke zk Here comes your footer  Page 18

Histogram Hasil Here comes your footer  Page 19

Operasi Berbasis Bingkai / Operasi Aritmatika Citra Proses pengolahan citra dengan memanfaatkan operator aritmatika atau operator logika (boolean) terhadap dua atau lebih citra input Proses aritmatika citra diterapkan dengan melakukan pengolahan pixel per pixel, sehingga proses ini sebaiknya dilakukan terhadap citra dengan ukuran dan resolusi yang sama Here comes your footer Page 20

Operasi aritmatika citra : Penjumlahan, pengurangan Operator Boolean Bitshift Operators Here comes your footer Page 21

Penjumlahan Pixel citra hasil merupakan hasil penjumlahan nilai pixel pada citra pertama dengan nilai pixel pada citra kedua Catatan : w1 + w2 = 1 Here comes your footer Page 22

Pengurangan Mencari beda antara 2 citra berurutan Bagian yang tidak bergerak  0 Bagian yang bergerak ≠ 0 Here comes your footer Page 23

Operator Boolean Disebut juga operasi logika Hanya dapat dilakukan pada citra biner Here comes your footer Page 24

Here comes your footer  Page 25

Bitshift Operator Pergeseran deret bit pada pixel ke arah kanan atau kiri sebesar n bit Here comes your footer Page 26

Operasi Spasial (Filtering) Pentapisan pada pengolahan citra biasa disebut dengan pentapisan spasial (spatial filtering) Pada proses pentapisan, nilai pixel baru umumnya dihitung berdasarkan pixel tetangga Cara perhitungan nilai pixel baru tersebut dapat dikelompokkan menjadi dua : Nilai pixel baru diperoleh melalui kombinasi linier pixel tetangga (tapis linier) Nilai pixel baru diperoleh langsung dari salah satu nilai pixel tetangga (tapis non linier) Here comes your footer Page 27

Kernel Proses penapisan spasial tidak dapat dilepaskan dari teori kernel (mask) dan konvolusi Kernel adalah matrik yang umumnya berukuran kecil dengan elemen- elemennya berupa bilangan Kernel disebut juga dengan convolution window, tapis (filter), template, mask, sliding window, structuring element Ukuran dapat berbeda-beda, seperti 2 x 2, 3 x 3, 5 x 5, dsb Elemen-elemen kernel disebut juga bobot (weight) merupakan bilangan- bilangan yang membentuk pola-pola tertentu Here comes your footer Page 28

Konvolusi Here comes your footer Page 29

Contoh Citra f(x,y) berukuran 5 x 5 dengan kernel 3 x 3 Here comes your footer Page 30

Masalah Pixel Pinggir Here comes your footer  Page 31

Solusi Piksel pinggir diabaikan, tidak dikonvolusi Duplikasi elemen citra, elemen kolom ke-1 disalin ke kolom M+1, begitu juga sebaliknya lalu konvolusikan Elemen yang ditandai dengan (?) diasumsikan bernilai 0 atau konstanta yang lain sehingga konvolusi piksel pinggir dapat dilakukan Konvolusi piksel pinggir tidak memperlihatkan efek yang kasat mata Here comes your footer Page 32

Referensi Gonzalez, Rafael C. and Woods, Richard E.. Digital Image Processing, 2nd Ed.. 2002. New Jersey : Prentice Hall. Putra, I Ketut Gede Darma. 2010. Pengolahan Citra Digital. Yogyakarta : Andi Offset. Sutoyo, T., dkk. 2009. Teori Pengolahan Citra Digital. Yogyakarta : Andi Offset. __________. Materi Pengolahan Citra. Fakultas Informatika IT Telkom. Here comes your footer Page 33