Pengolahan Citra Digital

Presentasi berjudul: "Pengolahan Citra Digital"— Transcript presentasi:

1 Pengolahan Citra Digital
Fitri Arnia Jurusan Teknik Elektro UNSYIAH Semester Genap 2009/2010

2 Topik Kuliah 3 Transformasi tingkat keabuan Pengolahan Histogram
Operasi aritmatika/logika Penapisan Spasial Smoothing Sharpening Matlab image processing Image datatypes Image display Color maps

3 Skala Intensitas Apa arti intensitas citra?
Pada gambar bidang teknik: intensitas merefleksikan kuantitas objek Astronomy, intensitas merefleksikan energi per sterradian Pada mikroskopi: intensitas adalah fungsi dari penyerapan material atas cahaya yang melewati suatu objek Pada kebanyakan citra, intensitas cahaya adalah suatu fitur yang memungkinkan kita untuk menduga keberadaan objek pada suatu bidang. Untuk Visi manusia, citra digambarkan dengan ‘intensitas’ dan ‘warna’. Pada banyak kasus, intensitas lebih penting daripada warna.

4 Gambaran Umum Transformasi Tingkat Keabuan
Kita menghitung suatu citra baru dari citra asal Transformasi yang paling dasar adalah g(x, y) = T(f(x, y)) dengan f(x, y) adalah nilai keabuan dari piksel citra masukan dan, g(x, y) adalah nilai keabuan dari piksel citra keluaran pada lokasi yang sama, dan T(•) adalah fungsi dari variabel (real) single.

5 Konvensi: Citra Digital
Kiri: Citra Digital. Perhatikan absis dan ordinat (x, y) yang tidak lazim. Bawah: Contoh dari Transformasi nilai keabuan.

6 Transformasi Tingkat Keabuan Dasar
Negative Log Power law Piecewise linear Bit slicing Pindah ke Intensity transformation.ppt.

7 Pengolahan Histogram Apa itu histogram Pengolahan Histogram
Ekualisasi Histogram Global Lokal Pencocokan Histogram Mean dan Varian Lokal

8 Arithmetic/Logical Operations
Operasi Logika : x adalah bilanagn 4 bit AND(x, 1111) = x AND(x, 0000) = 0 OR(x, 1111) = 1111 OR(x, 1111) = x

9 Image Sharpening (a) (b) Orignal Image, Laplacian,
(c) Laplacian – scaled, (d) Original plus Laplacian (c) (d)

10 Spatial Filtering How big should a, b be? What do we do at edges?
What are we trying to accomplish? Smoothing Edge detection Alternate notation:

11 Smoothing Masks Smoothing masks are normally adjusted to preserve average value (∑wi = 1)

12 Order Statistics Filters
R = median(z1, … zn) R = max (z1, … zn) R = min (z1, … zn)

13 Sharpening Filters One-dimensional Two-dimensional (Laplacian)

14 Laplacian Masks

15 Unsharp Masking/High Boosting
Unsharp masking is a technique developed in film chemical processing. An out-of-focus image was subtracted from the original.

16 First Derivative Enhancement
There is no first derivative linear filter that is not direction-dependent Magnitude of the gradient is independent of direction

17 Some Implementations Upper masks: Roberts filter.
Lower masks: Sobel Filter

18 Other Examples Unsharp masking with rank filters
Product masks (image times Sobel) Combine with power-law transformation ...

19 Mach Bands Subjective (perceived) value Objective value (intensity)

20

21 Tugas: Transformasi Tingkat Keabuan Dasar
Negative Log Power law ? Piecewise linear ? Bit slicing ?