pengolahan citra References:

Presentasi berjudul: "pengolahan citra References:"— Transcript presentasi:

1 Oleh : Edy Mulyanto Edymul007@gmail.com
pengolahan citra References: Gonzalez & Woods, Digital Image Processing. Castleman, Digital Image Processing. Lyon, Image Processing in Java. Oleh : Edy Mulyanto

2 Pendahuluan : pengolahan citra 1950 Image Processing
1960 Pattern Recognition Artificial Intelligence DESCRIPTION IMAGE 1970 Computer Graphics 1970 Computer Vision (Pavlidis, 1986) pengolahan citra

3 Grafika Komputer pengolahan citra
adalah 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 (realism) pengolahan citra

4 Grafika Komputer pengolahan citra (Hearn and Baker, 1986)

5 Komputer Vision pengolahan citra
merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar; Pengenalan Pola (Pattern Recognition): Speech Recognition; Kecerdasan Buatan (Artificial Intelligence): Speech Understanding. pengolahan citra

6 Komputer Vision pengolahan citra (Ballard, 1992)
Garasi Semak Rumput Rumah Awan Pohon1 Pohon2 Atap Dinding Atap Dinding1 Dinding2 (Ballard, 1992) pengolahan citra

7 Pengolahan Citra 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. pengolahan citra

8 Pengolahan Citra pengolahan citra Edymul@dosen.dinus.ac.id

9 Pengolahan Citra pengolahan citra CITRA ?
Menurut kamus Indonesia-Inggris karangan John M. Echols dan Hassan Shadily : Citra = Image Menurut Webster, citra adalah : “suatu representasi (gambaran), kemiripan, atau imitasi dari suatu obyek” Citra tampak (Foto, Gambar, lukisan, video, patung, dll) Citra Citra tidak tampak (File berisi foto/gambar, Dalam fungsi matematis) Citra Digital = Citra yang disimpan dalam format digital (misalnya : file) pengolahan citra

10 Kegiatan transformasi dari citra tampak menjadi citra digital
Pengolahan Citra Pencitraan (imaging) Kegiatan transformasi dari citra tampak menjadi citra digital Beberapa alat yang dapat digunakan untuk pencitraan adalah : Scanner, Kamera Digital, Photo sinar-x/sinar infra merah. Analisis Citra : Adalah kegiatan menganalisis citra sehingga menghasilkan informasi untuk menetapkan keputusan (biasanya di dampingi bidang AI). pengolahan citra

11 Pengolahan Citra pengolahan citra
digital Informasi/ keputusan Citra Non digital Citra digital (baru) Pencitraan Pengolahan Citra Analisis Citra Scanner Perbaikan Citra (image restoration) Pengenalan Pola Kamera Digital Peningkatan Kualitas (image enhancement) (pattern recognition) Sinar-X, Infra Red Transformasi (image transformation) pengolahan citra

12 Pengolahan Citra pengolahan citra
Perbaikan Citra (image restoration) : Modifikasi Kecemerlangan Peningkatan Kontras Pengambangan Transformasi (image transformation) : Pencerminan (flipping) Rotasi/pemutaran (Rotating) Pemotongan (Cropping) Penskalaan (Scaling/Zooming) Peningkatan Kualitas (image enhancement) : Penggabungan Citra (image blending) Deteksi gerakan (motion detection) Operasi Logika (Logic Operation) Penajaman Citra (Sharping) Efek EMBOSS pengolahan citra

13 CITRA f(x,y) Intensitas warna pada koordinat x,y

14 CITRA f(x,y) Image dibentuk oleh beberapa pixel = picture element
Intensitas warna pada koordinat x,y Image dibentuk oleh beberapa pixel = picture element Pixel mempunyai 2 atribut yaitu : koordinat -> (x,y) intensitas warna -> f(x,y) Pengolahan citra berhubungan dengan 2 atribut tersebut dan pengembangannya

15 CITRA Berdasarkan intensitas warna Modifikasi kecemerlangan Negasi
Thresholding Konversi Warna Peningkatan Kontras

16 CITRA f(x,y)’ = f(x,y) + C MODIFIKASI KECEMERLANGAN
Modifikasi kecemerlangan adalah menambahkan nilai warna pada pixel dengan suatu konstanta : Jika konstanta C bernilai positif maka lebih kemerlang, jika bernilai negatif maka lebih gelap. f(x,y)’ = f(x,y) + C

17 CITRA Untuk praktikum digunakan MATLAB
Untuk melihat hasil dari rumus modifikasi kecemerlangan adalah sbb : x = imread(‘nama file image’); imshow(x) y = x + 100; nilai warna pada image x ditambah konstanta 100 figure, imshow(y) jika ingin disimpan hasilnya : imwrite(y, ‘nama filenya’)

18 CITRA f(x,y)’ = 255 - f(x,y) NEGASI
Negasi adalah pemrosesan image untuk menghasilkan nilai warna kebalikannya. f(x,y)’ = f(x,y)

19 CITRA Untuk praktikum digunakan MATLAB
Untuk melihat hasil dari rumus modifikasi kecemerlangan adalah sbb : x = imread(‘nama file image’); imshow(x) y = x ; figure, imshow(y) jika ingin disimpan hasilnya : imwrite(y, ‘nama filenya’)

20 Format Citra Karakteristik citra digital : ukuran, resolusi, cara penyimpanan, kompres data, dll. Citra digital secara visualisasi biasanya berbentuk persegi panjang. Ukurannya dinyatakan dalam titik atau piksel (pixel = picture element). Ukurannya dapat pula dinyatakan dalam satuan panjang ( mm atau inci =inch). Resolusi = banyaknya titik untuk setiap satuan panjang (dpi = dot per inch). Makin besar resolusi makin banyak titik yang terkandung dalam citra, sehingga menjadi lebih halus dalam visualisasinya. Format Citra = cara penyimpanan informasi dalam citra. ( citra biner, skala keabuan, warna dan warna berindeks)

21 Format Citra Jika kita menyimpan gambar kucing tadi ke dalam sebuah file (kucing.bmp), maka yang disimpan dalam file tersebut adalah angka-angka yang diperoleh dari matriks kanvas.

22 Type Citra

23 Type Citra

24 Type Citra

25 Histogram Citra Warna Histogram yang menunjukan warna dan frekuensi kemunculan (banyaknya titik) Sumbu X (absis) menunjukan tingkat warna. Sumbu Y (ordinat) menunjukan frekuensi kemunculan. Kegunaan : Penentuan parameter digitasi Dalam proses pencitraan perlu melihat apakah tingkat warna telah dipakai sesuai yang dibutuhkan. Contoh tingkat keabuan dengan 8 bit apakah sudah memakai dari tingkat 0 sampai 256 warna tingkat keabuan. Pemilihan batas ambang Biasa digunakan untuk mengukur penonjolan obyek dalam citra terhadap latar belakangnya, ini termasuk dalam teknik pengambangan (thesholding). Pengenalan/pencocokan citra. Citra yang telah diubah/diupdate akan mempunyai histogram yang berbeda. Gambar-gambar histogram :

26 Histogram Citra Warna

27 Sekian