IMAGE ENHANCEMENT (PERBAIKAN CITRA)

Slides:



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

Konversi citra Satriyo.
Mahmud Yunus, S.Kom., M.Pd., M.T.
Pengolahan Citra 4 – Peningkatan Kualitas Citra Disusun oleh: Teady Matius – Dari berbagai sumber.
Perbaikan Citra pada Domain Spasial
Transformasi Gray (cont), Statistik Dalam Image Enhancement
Representasi RGB pada Citra Digital
PERBAIKAN KUALITAS CITRA 1
Operasi-operasi dasar Pengolahan Citra Digital~3
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Image Enhancement.
Anna Hendrawati STMIK CILEGON
PENGOLAHAN CITRA DAN POLA
W A R N A 4/14/2017.
Citra Abu-abu, Biner, Berwarna,
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
MODUL 3 PERBAIKAN KUALITAS CITRA
Pertemuan 2 Pengolahan Citra Digital
Politeknik Elektronika Negeri Surabaya
Modul 1 PENGANTAR PENGOLAHAN CITRA
2 Pengolahan Citra Digital
MODUL 3 PERBAIKAN KUALITAS CITRA
pengolahan citra References:
Peningkatan Kualitas Citra
MODUL KULIAH 2 FORMASI CITRA
Perbaikan Kualitas Citra (Image Enhancement)
Operasi Matematis Pada Citra
Operasi-operasi Dasar Pengolahan Citra Digital
Image Processing 1. Pendahuluan.
EDY WINARNO fti-unisbank-smg 31 maret 2009
BAB II. PEMBENTUKAN CITRA
Pengolahan Citra Digital
Stimik Cilegon, 25 Juni 2010 Anna Hendrawati
Operasi Aritmatika dan Geometri pada Citra
Transformasi dan Model Warna Citra Digital
3.1 Operasi Dasar Citra : Global
Informatics Engineering Dept
Pengantar PENGOLAHAN CITRA DIGITAL
EKUALISASI HISTOGRAM (Histogram Equalization)
Operasi Dasar Pengolahan Citra
Dasar Pemrosesan Citra Digital
Peningkatan Mutu Citra
Desita Ria Yusian TB,S.ST.,MT Universitas Ubudiyah Indonesia
Operasi Aritmatika dan Geometri pada citra
Informatics Engineering Dept
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Digital Image Processing
EDY WINARNO fti-unisbank-smg 14 April 2009
PERTEMUAN KE-1 Sumber :Prof. Sinisa Todorovic
Pengolahan Citra Digital
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
PENINGKATAN KUALITAS CITRA (Image Enhancement)
Pengolahan Citra Digital
Operasi Matematis Pada Citra
Konsep Dasar Pengolahan Citra
Operasi titik / piksel.
Pengertian Pixel Pixel :
Operasi Pixel dan Histogram
Pengolahan Citra Digital. Pembentukan Citra Citra dibagi menjadi 2 macam : 1.Citra kontinyu : adalah citra yang dihasilkan dari sistem optik yang menerima.
IMAGE ENHANCEMENT.
KONSEP DASAR CITRA DIGITAL (2) dan SISTEM PEREKAMAN CITRA
Format citra Oleh : Kustanto 11/10/2018.
Pertemuan 4 Mata Kuliah Pengolahan Citra
Pengubahan Histogram Ada dua cara Perataan Histogram
Pertemuan 6 Mata Kuliah Pengolahan Citra
Pertemuan 10 Mata Kuliah Pengolahan Citra
Negasi Pengolahan Citra Danar Putra Pamungkas, M.Kom
Pengolahan citra digital
PENGANTAR PENGOLAHAN CITRA
Transcript presentasi:

IMAGE ENHANCEMENT (PERBAIKAN CITRA) Sulaibatul Aslamiyah, S.Kom

Perbaikan Citra Tujuan perbaikan adalah memproses citra sehingga didapatkan hasil yang lebih sesuai dibandingkan citra aslinya, untuk dipergunakan pada aplikasi tertentu Perbaikan terhadap suatu citra dapat dilakukan dengan operasi titik, operasi spasial, operasi geometri dan operasi aritmatik.

Citra rgb Citra dalam komputer tidak lebih dari sekumpulan sejumlah triplet dimana setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red, green dan blue. Representasinya dalam citra, triplet akan terdiri dari 3 angka yang mengatur intensitas dari Red (R), Green (G) dan Blue (Blue) dari suatu triplet. Setiap triplet akan merepresentasikan 1 pixel (picture element). Suatu triplet dengan nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai 228 dan B k nilai 180. Angka-angka RGB ini yang seringkali disebut dengan color values. Pada format .bmp citra setiap pixel pada citra direpresentasikan dengan dengan 24 bit, 8 bit untuk R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti pada berikut :

Citra rgb Suatu citra biasanya mengacu ke citra RGB. Sebenarnya bagaimana citra disimpan dan dimanipulasi dalam komputer diturunkan dari teknologi televisi, yang pertama kali mengaplikasikannya untuk tampilan grafis komputer. Jika dilihat dengan kaca pembesar, tampilan monitor komputer akan terdiri dari sejumlah triplet titik warna merah (RED), hijau (GREEN) dan biru (BLUE). Tergantung pada pabrik monitornya untuk menentukan apakah titik tersebut merupakan titik bulat atau kotak kecil, tetapi akan selalu terdiri dari 3 triplet red, green dan blue.

Citra rgb

Citra grayscale Dalam komputasi, suatu citra digital grayscale atau greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample tunggal. Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam- putih”, dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu ”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak.

Citra grayscale Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada spektrum elektromagnetik single band. Citra grayscale disimpan dalam format 8 bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manupulasi bit yang tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan remote sensing biasa juga digunakan format 10,12 maupun 16 bit.

Convert grayscale Adapun proses pengubahan citra RGB ke dalam citra grayscale dapat dilihat pada gambar 3 Proses konversi citra RGB ke Grayscale

Convert grayscale Adapun proses pengubahan citra RGB ke dalam citra grayscale dapat dilihat pada gambar 3 Proses konversi citra RGB ke Grayscale

Praktikum Convert grayscale

Convert grayscale

Convert

Convert

Histogram

histogram Histogram menampilkan banyaknya piksel dalam suatu citra yang dikelompokkan berdasarkan level nilai intensitas piksel yang berbeda. Pada citra grayscale 8 bit, terdapat 256 level nilai intensitas yang berbeda, maka pada histogram akan ditampilkan secara grafik distribusi dari masing-masing 256 level nilai piksel tersebut. Histogram ditampilkan dalam grafik 2D, dengan sumbu x menyatakan nilai intensitas piksel dan sumbu y menyatakan frekuensi (banyaknya kemunculan) suatu nilai intensitas piksel Histogram juga dapat diterapkan pada citra warna, dengan cara memisahkan terlebih dulu 3 komponen warna red, green dan blue, kemudian setiap komponen warna dibuat histogramnya

histogram Histogram citra sangat berkaitan dengan berbagai teknik pengolahan citra, terutama metode metode yang tergolong dalam operasi titik. Histogram citra menunjuk pada histogram dari nilai intensitas pixel. Histogram menampilkan banyak pixel dalam suatu citra yang dikelompokkan berdasarkan level nilai intensitas pixel yang berbeda. Pada citra grayscale 8 bit, terdapat 256 level nilai intensitas yang berbeda maka pada histogram akan ditampilkan secara grafik distribusi dari masing-masing 256 level nilai pixel tersebut. Histogram dari suatu citra digital dengan gray-level di dalam range [0,L-1] adalah fungsi diskrit p(r k) = nk/n, dimana:

histogram Yang artinya, derajat keabuan (k) dinormalkan terhadap derajat keabuan terbesar ( L - 1). Nilai rk = 0 menyatakan hitam, dan rk = 1 menyatakan putih dalam skala keabuan yang didefenisikan.(‘Uyun, 2008) Jika fungsi ini digambarkan dengan grafik maka akan memberikan deskripsi secara globaldari penampakan citra. Gambar 2 menunjukkan histogram dari empat jenis citra secara umum. Histogram dari berbagai jenis citra

histogram Meskipun histogram hanya menunjukkan sifat-sifat umum dari citra dan tidak memberikan informasi apa pun mengenai isi suatu citra, namun bentuk dari histogram dapat memberikan informasi mengenai kemungkinan untuk melakukan perbaikan kontras citra tersebut

histogram Empat tipe citra: gelap, terang, kekontrasan rendah dan kekontrasan tinggi, beserta histogramnya.

Praktikum histogram

TUGAS PRAKTIKUM Buatlah histogram suatu citra jumlah citra grayscale 2, kemudian analisa tingkat kekontrasanya Citra warna (1 buah), kemudian buat histogramnya dan dianalisa Dikumpulkan dalam bentuk hard copy, dengan urutan : citra, hasil, analisa

Histogram equalisasi Histogram Equalization adalah suatu proses perataan histogram, dimana distribusi nilai derajat keabuan pada suatu citra dibuat rata. Untuk dapat melakukan histogram equalization ini diperlukan suatu fungsi distribusi kumulatif yang merupakan kumulatif dari histogram.

Histogram equalisasi “Histogram equalization” digunakan untuk memperlebar range tingkat keabuan, sehingga akan meningkatkan kekontrasan citra. Transformation berikut: untuk k=0,1,2,…,L-1 disebut “histogram equalization” atau “histogram linearization”.

contoh

penyelesaian Gray Level(j) 1 2 3 4 5 6 7 8 9 No. of pixels 11 15 16 1 2 3 4 5 6 7 8 9 No. of pixels 11 15 16 6 / 16 11/16 15/16 16/16 s x 9 3.3 3 6.1 6 8.4 8

penyelesaian

Kurva Histogram

Normalisasi Histogram

Histogram Equalization

Studi Kasus Suatu citra terdiri dari 32 x 32 dengan 8 gray level. Misalkan jumlah piksel pada masing-masing level berturut-turut 790, 1023, 850, 656, 329, 245, 122, dan 81. Lakukan histogram equalization dan tuliskan semua proses perhitungannya sampai menjadi citra hasil

Representasi bit citra Range Keterangan 1 0 - 1 Citra Biner 8 0 - 255 Citra abu-abu (grayscale) 12 0 - 4096 High quality grayscale 16 0 - 65535 Very high quality grayscale 32 (0.0 - 1.0) Floating point format 8+8+8 3 x 1-255 "24 bit True Color" (monitor) Citra abu-abu Citra biner Citra biner Citra abu-abu

Image Negatives

Image Negatives Negasi adalah proses pemetaan nilai piksel suatu citra, yaitu pada citra biner, piksel hitam dijadikan putih dan piksel putih dijadikan hitam. Pada citra grayscale atau berwarna, nilai maksimum piksel dikurangi dengan nilai piksel yang sedang diroses Negatif dari suatu citra dengan tingkat keabuan antara [0, L-1] dapat dihitung menggunakan transformasi negatif dengan rumus berikut: s = L – 1 – r Membalik intensitas citra dengan rumus seperti di atas akan menghasilkan negatif dari photo. Pencarian negatif dari suatu citra cocok untuk memperbaiki gambar yang memiliki rincian sub citra terang pada area yang gelap, khususnya jika ukuran dari area gelap cukup dominan

Image Negatives

Image Brightness

Image Brightness Image Brightness (pencerahan gambar)adalah suatu teknik untuk membuat citra menjadi lebih terang atau lebih gelap. Kecerahan/kecermelangan gambar dapat dilakukan dengan cara menambahkan(atau mengurangkan) sebuah konstanta dari setiap pixel di dalam citra. Proses Image Brightness menyebabkan histogram dari citra tersebut mengalami perubahan

Image Brightness

Praktikum 1 : Praktikum Buat sebuah M-File (function) untuk membuat image negatives dan brightness

Thresholding (Skip)

Contrast Kontras suatu citra adalah distribusi piksel terang dan gelap. Citra grayscale dengan kontras rendah maka akan terlihat terlalu gelap, terlalu terang atau terlalu abu-abu. Histogram citra dengan kontras rendah, semua piksel akan terkonsentrasi pada sisi kiri, sisi kanan atau di tengah. Semua piksel akan terkelompok secara rapat pada suatu sisi tertentu dan menggunakan sebagian kecil dari semua kemungkinan nilai piksel Citra dengan kontras tinggi memiliki daerah gelap dan terang yang luas, memiliki dua puncak yang besar, terkonsentrasi pada sisi kiri dan kanan. Citra dengan kontras yang bagus menampilkan rentangan nilai piksel yang lebar, histogramnya relative menunjukkan distribusi piksel yang seragam.

Contrast Stretching Contrast Stretching berguna untuk meningkatkan dynamic range dari citra yang telah diproses. Pada contrast stretching yang diproses bisa sebagian dari input gray level sesuai dengan grafik yang digunakan

Contrast Stretching

Contrast Stretching Lokasi dari titik (r1,s1) & (r2,s2) mengontrol bentuk dari fungsi transformasi (log, negative dll). Jika r1 = s1 dan r2 = s2 maka transformasi liniernya tdk melakukan perubahan apapun pada citra, karena membentuk fungsi transformasi identitas. Jika r1 = r2, s1 = 0 dan s2 = L-1 maka transformasi menjadi fungsi thresholding yang menghasilkan citra biner. Secara umum r1 ≤ r2 dan s1 ≤ s2 sehingga fungsi menggunakan nilai single dan meningkat secara monotonic.

Contrast Stretching

Praktikum 2 : Praktikum Buat sebuah M-File (function) untuk membuat thresholding dan contrast

Image Fusion (Image Blending)

Image Fusion (Image Blending)

Praktikum 3 : Praktikum Buat sebuah M-File (function) untuk membuat Image Fusion

Contrast - 1

Contrast - 2

Contrast Stretching