Representasi Citra Desita Ria Yusian TB,S.ST.,MT Teknik Informatika

Presentasi berjudul: "Representasi Citra Desita Ria Yusian TB,S.ST.,MT Teknik Informatika"— Transcript presentasi:

1 Representasi Citra Desita Ria Yusian TB,S.ST.,MT Teknik Informatika
Universitas Ubudiyah Indonesia 2017

2 Materi Sistem Visual Manusia Representasi Penglihatan Model Kamera
Sampling Dan Kuantisasi Piksel dan Connectivity Labelling of connected Component Operasi Logika dan Aritmatika pada Citra Jenis-Jenis Citra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra

3 Human dan Computer Vision
Mempelajari pengolahan citra tidak bisa dilakukan tanpa memperhatikan sistem human vision. Sejumlah uji coba dan evaluasi akan diberikan pada citra yang akan diproses oleh sistem visual yang kita miliki. Tanpa memperhatikan sistem human vision kita mungkin melakukan banyak kesalahan dalam menginterpretasikan citra

4 Beberapa Pertanyaan Sederhana ?
Apakah perbedaan intesitas dapat diketahui sebagai perbedaan? Apakah resolusi spatial, dari mata ? Seberapa akurat kita dapat menebak dan membandingkan distances dan areas? Bagaimana kita sensitif terhadap warna? Fitur-fitur mana yang dapat dideteksi dan membedakan obyek?

5 Sistem Visual Manusia Pembentukan Citra oleh Sensor Mata
Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana fokus lensa terletak antara retina dan lensa mata. Mata dan syaraf otak dapat menginterpretasi bayangan yang merupakan obyek pada posisi terbalik.

6 Representasi Penglihatan
Representasi penglihatan ini menunjukkan cara kerja kamera dalam meng-capture suatu gambar.

7 Struktur Mata Manusia Bentuk seperti sphere Rata-rata diameter 20mm
3 membran Cornea dan sclera Choroid Retina menutup mata A cross section of the human eye (Gonzalez & Woods, 1992)

8 Sistem Visual Manusia Choroid :
Terletak di bawah sklera, berisi jaringan pembuluh darah yang berfungsi sebagai sumber utama nutrisi bagi mata. Choroid coat sangat berpigmen dan karenanya membantu mengurangi jumlah cahaya asing yang masuk ke mata dan backscatter di dalam bola optik.

9 Sistem Visual Manusia Fovea di bagian retina terdiri dari dua jenis receptor: Sejumlah cone receptor, sensitif terhadap warna, visi cone disebut photocopic vision atau bright light vision Sejumlah rod receptor, memberikan gambar keseluruhan pandangan dan sensitif terhadap iluminasi tingkat rendah, visi rod disebut scotopic vision atau dim-light vision Blind Spot adalah bagian retina yang tidak mengandung receptor sehingga tidak dapat menerima dan menginterpretasi informasi

10 Sistem Visual Manusia Subjective brightness Brightness adaption
Merupakan tingkat kecemerlangan yang dapat ditangkap sistem visual manusia; Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke mata manusia; Mempunyai daerah intensitas yang bergerak dari ambang scotopic (redup) ke ambang photocopic (terang). Brightness adaption Merupakan fenomena penyesuaian mata manusia dalam membedakan gradasi tingkat kecemerlangan; Batas daerah tingkat kecemerlangan yang mampu dibedakan secara sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah tingkat kecemerlangan sebenarnya.

11 Sistem Visual Manusia Kepekaan dalam pembedaan tingkat kecemerlangan merupakan fungsi yang tidak sederhana, namun dapat dijelaskan antara lain dengan dua fenomena berikut: Mach Band (ditemukan oleh Ernst Mach): pita tengah bagian kiri kelihatan lebih terang dari bagian kanan. Simultaneous Contrast: kotak kecil disebelah kiri kelihatan lebih gelap dari kotak kecil disebelah kanan, padahal intensitasnya sama tapi intensitas latar belakang berbeda. Hal sama terjadi bila kertas putih di meja kelihatan lebih putih daripada kertas sama diarahkan ke sinar matahari.

12 REPRESENTASI CITRA

13 Pembentukan Citra Untuk mengubah citra yang bersifat continue diperlukan sebuah cara untuk mengubahnya dalam bentuk data digital . Karena komputer menggunakan sistem bilangan biner maka citra dapat diproses dalam komputer dengan sebelumnya mengekstrak informasi citra analog asli dan mengirimkannya ke komputer dalam bentuk biner. Proses ini disebut dengan digitasi. Alatnya menggunakan kamera digital atau scanner, karena dengan alat ini dapat mengambil atau menangkap sebuah citra, selain itu juga sebagai masukan bagi komputer.

14 Model Citra Citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dua dimensi. Secara matematis fungsi intensitas cahaya pada bidang dua dimensi disimbolkan dengan f(x,y), dimana: (x,y) : koordinat pada bidang dua dimensi f(x,y) : intensitas cahaya (brightness) pada titik (x,y) Karena cahaya merupakan bentuk energi, maka intensitas cahaya benilai antara 0 sampai tidak berhingga, 0 = f(x,y) < ∞

15 Model Citra f(x,y) = i(x,y) . r(x,y) Dimana:
i(x,y) =jumlah cahaya yang berasal dari sumbernya (illumination), r(x,y) = derajat kemampuan obyek memantulkan cahaya (reflection), Nilai i(x,y) antara 0 sampai tidak berhingga atau 0 = i(x,y) < ∞ Nilai i(x,y) ditentukan oleh sumber cahaya Nilai f(x,y) antara 0 dan 1atau 0 = r(x,y) < 1 Nilai r(x,y) ditentukan oleh karakteristik obyek di dalam citra. r(x,y)=0 mengidentifikasikan penyerapan total. r(x,y)=1 mengidentikasikan pemantulan total

16 Model Citra Derajat keabuan (grey level) adalah intensitas f citra hitam-puti h pada titik (x,y) Citra hitam-putih adalah citra monokrom (monochrome image) atau citra satu kanal (satu fungsi intensitas), karena warnanya hanya ditentukan oleh satu fungsi intensitas saja Derajat keabuan bergerak dari hitam ke putih, Skala keabuan memiliki rentang l min < f < l max atau [0,L], dimana intensitas 0 menyatakan hitam dan L menyatakan putih. Contoh: Citra hitam-putih dengan 256 level, artinya mempunyai skala abu-abu dari 0 sampai 255 atau [0,255], dalam hal ini nilai 0 menyatakan hitam dan 255 menyatakan putih, nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih.

17 Model Citra Citra berwarna (color images) dikenal dengan nama citra spektral, karena warna pada citra disusun oleh tiga komponen warna yang disebut komponen RGB, yaitu: merah (red), hijau (green), dan biru (blue). Intensitas suatu titik pada citra berwarna merupakan kombinasi dari tiga intensitas : derajat keabuan merah (f merah (x,y)), hijau (f hijau (x,y)), dan biru (f biru (x,y)).

18 Digitalisasi Citra Digitalisasi adalah representasi citra dari fungsi kontinu menjadi nilai-nilai diskrit. Agar dapat diolah dengan komputer digital, maka suatu citra harus direpresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari fungsi malar (kontinu) menjadi nilai-nilai diskrit disebut digitalisasi. Citra yang dihasilkan inilah yang disebut citra digital (digital image). Pada umumnya citra Digital berbentuk empat persegipanjang, dan dimensi ukurannya dinyatakan sebagai tinggi x lebar (atau lebar x panjang).

19 Digitalisasi Citra Proses digitalisasi ada dua macam:
Digitalisasi spasial sering disebut sebagai penerokan (sampling). Merupakan proses pengambilan nilai diskrit koordinat (x,y) dengan melewatakan citra melalui grid (celah) Digitalisasi intensitas seiring disebut sebagai kuantisasi. Merupakan proses pengelompokkan nilai tingkat keabuan kontinu ke dalam beberapa level atau merupakan proses membagi keabuan (0,L) menjadi G buah level yang dinyatakan dengan suatu bilangan bulat (integer), dinyatakan sebagai: G = 2m G : derajat keabuan, m bil bulat positif

20 Elemen-elemen Citra Digital
1. Kecerahan (brightness). Kecerahan adalah kata lain untuk intensitas cahaya. Kecerahan pada, sebuah- titik (pixel) di dalam citra bukanlah intensitas yang riil, tetapi sebenarnya adalah intensitas rata-rata dari suatu area yang melingkupinya. 2. Kontras (contrast). Kontras menyatakan sebaran terang (lightness) dan gelap (darkness) di dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi citranya adalah terang atau sebagian besar gelap. Pada citra dengan kontras yang baik, komposisi gelap dan terang tersebar secara merata.

21 Elemen-elemen Citra Digital
3. Kontur (contour) Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada pixel-pixel yang bertetangga. Karena adanya perubahan intensitas inilah mata kita mampu mendeteksi tepi-tepi (edge) objek di dalam citra. 4. Warna (color) Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang (k) yang berbeda. Warna merah mempunyai panjang gelombang paling tinggi, sedangkan warna ungu (violet) mempunyai panjang gelombang paling rendah.

22 Elemen-elemen Citra Digital
Warna-warna yang diterima, oleh mata (sistem visual manusia) merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda. Kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), dan blue (B)

23 Elemen-elemen Citra Digital
5. Bentuk (shape) Shape adalah properti intrinsik dari objek tiga dimensi, dengan pengertian bahwa shape merupakan properti intrinsik utama untuk Sistem visual manusia . Manusia lebih sering mengasosiasikan objek dengan bentuknya ketimbang elemen lainnya (warna misalnya). Pada umumnya, citra yang dibentuk oleh mata merupakan citra dwimatra (2 dimensi), sedangkan objek yang dilihat umumnya berbentuk trimatra (3 dimensi). Informasi bentuk objek dapat diekstraksi dari citra pada permulaan prapengolahan dan segmentasi citra.

24 Elemen-elemen Citra Digital
6. Tekstur (texture) Tekstur dicirikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan pixel-pixel yang bertetangga. Tekstur tidak dapat didefinisikan untuk sebuah pixel. Sistem visual manusia pada hakikatnya tidak menerima informasi citra secara independen pada setiap pixel, melainkan suatu citra dianggap sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh Skala pada mana tekstur tersebut dipersepsi.

25 Piksel Citra Digital, I, dipetakan dari 2D kotak-kotak yang sama dengan nilai diskrit, {p = (r,c)}, pada himpunan nilai bulat positif, {I( p)}, atau himpunan nilai vektor, misal :, {[R G B]T(p)}. Pada masing-masing kolom pada masing-masing baris I ada sebuah nilai. Pasangan ( p, I( p) ) inilah yang disebut sebuah “pixel” (picture element).

26 Piksel p = (r,c) adalah piksel yang diindek pada lokasi baris, r, dan kolom, c. I( p) = I(r,c) adalah nilai piksel pada lokasi p. Jika I( p) adalah nilai tunggal maka I adalah citra biner/monokrome Jika I( p) adalah vektor (dalam urutan nilai) maka I mempunyai multiple bands/ banyak layer (misal., citra berwarna).

27 Piksel Pixel : [ p, I(p)] Pixel Location: p = (r , c)
Pixel Value: I(p) = I(r , c) Pixel : [ p, I(p)]

28 Piksel Pixel : [ p, I(p)]

29 Resolusi Spasial dan Kecemerlangan/Brightness
Resolusi Citra: resolusi spasial dan resolusi kecemerlangan, berpengaruh pada besarnya informasi citra yang hilang. Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinue ke citra digital disebut digitasi (sampling). Hasil digitasi dengan jumlah baris 256 dan jumlah kolom resolusi spasial 256 x 256. Resolusi kecemerlangan (intensitas / brightness): halus / kasarnya pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat kontinue ke daerah intensitas diskrit disebut kwantisasi. Bila intensitas piksel berkisar antara 0 dan resolusi kecemerlangan citra adalah 256.

30 Resolusi Spasial dan Kecemerlangan/Brightness
Contrast Contrast adalah tingkat penyebaran piksel-piksel ke dalam intensitas warna, Kontras : sebaran terang (lightness) dan gelap (darkness) di dalam sebuah citra. Citra dengan kontras rendah komposisi citranya sebagian besar terang atau sebagian besar gelap. Citra dengan kontras yang baik, komposisi gelap dan terangnya tersebar merata.

31 bit depth 8 bit yaitu 28 = 2 × 2 × 2 × 2 × 2  × 2 × 2 × 2 = 256

32 Sampling and Quantization
real image sampled quantized sampled & quantized

33 Sampling and Quantization
pixel grid column index row index real image sampled quantized sampled & quantized 21 July 2018 by Richard Alan Peters II

34 Take the average within each square.
Sampling Take the average within each square. continuous image sampled image

35 Take the average within each square.
Sampling Take the average within each square. continuous image sampled image

36 Take the average within each square.
Sampling Take the average within each square. continuous image sampled image

37 Take the average within each square.
Sampling Take the average within each square. continuous image sampled image

38 Sampling Proses capture pada kamera melakukan penangkapan besaran intensitas cahaya pada sejumlah titik yang ditentukan oleh besar kecilnya kemampuan resolusi sebuah kamera. Proses pengambilan titik-titik ini dinamakan dengan sampling.

39 Kuantisasi

40 Kuantisasi (Warna)

41 Sampling dan Kuantisasi
Sampling menunjukkan banyaknya pixel (blok) untuk mendefinisikan suatu gambar Kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah bit pada gambar digital  b/w dengan 2 bit, grayscale dengan 8 bit, true color dengan 24 bit

42 Resolusi Spasial - Sampling
Sampling Uniform dan Non-uniform Sampling Uniform mempunyai spasi (interval) baris dan kolom yang sama pada seluruh area sebuah citra. Sampling Non-uniform bersifat adaptif tergantung karakteristik citra dan bertujuan untuk menghindari adanya informasi yang hilang. Daerah citra yang mengandung detil yang tinggi di-sampling secara lebih halus, sedangkan daerah yang homogen dapat di-sampling lebih kasar. Kerugian sistem sampling Non-uniform adalah diperlukannya data ukuran spasi atau tanda batas akhir suatu spasi.

43 Resolusi Kecemerlangan - Kwantisasi
Kwantisasi Uniform, Non-uniform, dan Tapered Kwantisasi Uniform mempunyai interval pengelompokan tingkat keabuan yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya). Kwantisasi Non-uniform: Kwantisasi yang lebih halus diperlukan terutama pada bagian citra yang meng-gambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kwantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek. Kwantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kwantisasi secara lebih halus dan diluar batas daerah tersebut dapat di-kwantisasi secara lebih kasar (local stretching).

44 Resolusi Uniform vs Non-Uniform
Tidak perlu resolusi spasial yang non-uniform Perlu resolusi spasial yang non-uniform Tidak perlu resolusi kecemerlangan yang non-uniform (untuk warna hitam dan putih) Perlu resolusi kecemerlangan yang non-uniform (untuk warna kehijauan dan kemerahan)

45 Hubungan antara piksel dan pengertian connectivity
4-tetangga piksel P tetangga piksel P X X X X X P X X P X Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau sama-sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya

46 Labelling of connected component
Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4-tetangga dan (b) dengan aturan 8 tetangga: ekivalen dengan

47 Operasi Aritmetik / Logika pada Citra
Operasi Aritmetik antara dua citra x / Band ratio antara citra sensor optik Landsat TM band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya. Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.

48 Operasi Aritmetik / Logika pada Citra
Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah. Jakarta in Jakarta in 1998 (Lapan, 2001)

49 Operasi Aritmetik / Logika pada Citra
Operasi Logika antara dua citra OR AND NOT Masking (AND) operation dapat digunakan untuk memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik.

50 Ada beberapa hal yang harus dikuasai sebelum menguasai materi di dalam image processing yaitu: matematika, aljabar, pengolahan sinyal, statistik dan pemrograman. SekilaS InfO