Welcome to Wonderful World Of Digital Image Processing

Presentasi berjudul: "Welcome to Wonderful World Of Digital Image Processing"— Transcript presentasi:

1 Welcome to Wonderful World Of Digital Image Processing
Indra Riyanto, ST. MT.

2 Tour Guide Image Acquisition Image Generation D.I.P. Theme Park Image
Compression Image Manipulation Image Analysis Image Display Image Perception

3 Tiga Bidang Berkaitan dengan Proses Citra atau Gambar
Image Description (Pavlidis, 1986) 1950 Image Processing 1970 Computer Graphics 1970 Computer Vision 1960 Pattern Recognition Artificial Intelligence

4 Tiga Bidang Berkaitan dengan Proses Citra atau Gambar
(MSU, 1990)

5 Computer Graphics (Aniati Murni, 1979)

6 Computer Graphics (Hearn and Baker, 1986)

7 Image Processing (JPL, 1972)

8 Computer Vision (Ballard, 1992)
Garage Bushes Grass House Sky Tree Tree2 Roof Side Roof Side1 Side2 (Ballard, 1992)

9 Digital Image Processing: manipulation of image by computer
Chapter 1: Introduction Digital Image Processing: manipulation of image by computer Other desciplines involved: optics, electronics, mathematics, photography, computer, artifial intelligence “One picture is worth more than ten thousands words”

10 The first photograph in the world
Joseph Nicéphore Niépce, View from the Window at Le Gras, 1826.

11 Historical background:
Chapter 1: Introduction Historical background: 1920, cable picture transmission through Atlantic ocean (from 1 week to less than 3 hours), printed by a telegraphic printer (Fig.1.1) 1921, photographic reproduction (Fig.1.2) 1929, image coding up to 15 levels (Fig.1.3), then 35 years of computer progress 1964, JPL improve image from the moon by Rangers 7 (Fig.1.4) 1964-now, the tremendous progress in image processing, and many real applications

12 Chapter 1: Introduction
Nowadays, by using a simple image processing tools, medical scientist, micro-biologist, metallurgists, etc., may investigate several images, according to their own needs

13 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.

14 A cross section of the human eye
Cornea Iris Lens Visual Axis Retina Blind Spot Fovea A cross section of the human eye

15 Sistem Visual Manusia Fovea di retina terdiri dari dua jenis reseptor:
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

16 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.

17 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.

18 Data Acquisition Sistem Perekaman Citra
Citra yang diperoleh tergantung: karakteristik dari obyek yang direkam; kondisi variabel dari sistem perekaman; Citra merupakan gambaran tentang karakteristik suatu obyek menurut kondisi variabel tertentu, contoh: bandingkan hasil foto manusia dengan kamera/ sensor optik dan dengan sensor sinar X (kondisi variabel sistem berbeda); bandingkan hasil foto pemandangan di tepi laut dan di daerah pegunungan (karakteristik obyek berbeda).

19 Pengertian Sensor Aktif dan Pasif
Sensor Pasif Sistem sensor yang merekam data obyek tanpa mengirimkan enersi, sumber enersi bisa dalam bentuk sinar matahari, sinar lampu, dlsb.nya; Contoh: sensor optik dari kamera foto, sensor optik pada sistem inderaja. Sensor Aktif Sistem sensor yang merekam data obyek mengirimkan dan menerima pantulan dari enersi yang dikirim ke arah obyek, enersi yang dikirim bisa berupa gelombang pendek, sinar X, dlsb.nya; Contoh: sensor Rontgen untuk foto thorax, sensor gelombang pendek pada sistem radar, sensor ultrasound pada sistem USG.

20 Sensor Pasif Optik dan Sensor Aktif Radar
Radar Sensor / Active Sensor: ERS-1 (First European Remote Sensing Satellite) - ESA, 1991 FUYO-1 (JERS-1) - Japan, 1992 Radarsat (Radar Satellite) - Canada, 1995 Optical Sensor / Passive Sensor: Landsat TM (Land Satellite) - USA, 1982 Landsat MSS - USA, 1984 SPOT (Systeme Probatoire d’Observation de la Terre) - French, 1986/1990

21 Pengertian Citra Dijital
Citra dijital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut; Citra dijital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan (kwantisasi); Citra dijital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan tingkat keabuan pada titik tersebut.

22 Pengertian Citra Dijital
Sampler Citra kontinyu/ Citra dijital Matriks citra dengan obyek angka 5 dijital Resolusi spasial : Resolusi kecemerlangan : Tinggi (16 x 16) Rendah (8 x 8) Tinggi (4) Rendah (2)

23 Konvensi koordinat citra

24 Resolusi Spasial dan Kecemerlangan/Brightness
Resolusi Citra: dikenal dengan resolusi spasial dan resolusi kecemerlangan, berpengaruh pada besarnya informasi citra yang hilang. Resolusi spasial: halus/kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinyu ke citra dijital disebut dijitisasi (sampling). Hasil dijitisasi 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 kontinyu ke daerah intensitas diskrit disebut kwantisasi. Bila intensitas piksel berkisar antara 0 dan resolusi kecemerlangan citra adalah 256.

25 Chapter 2: Digital Image Fundamentals

26 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.

27 Brightness Resolution
Digitizing an image Column of samples Pixel 255 Black Line Line Spacing Gray 128 White Sample Spacing Sampling process Spatial resolution Picture Brightness Spacing Proses Kwantisasi Brightness Resolution Sumber: Dimodifikasi dari Castlemen, 1996

28 Subsampling: ukuran berubah, resolusi spasial tetap

29 Resampling: ukuran tetap, resolusi spasial berubah

30 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).

31 Resolusi Uniform vs Non-Uniform
Tidak perlu resolusi spasial yang non-uniform Perlu resolusi spasial yang non-uniform

32 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

33 Labelling of connected component
Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4-tetangga dan (b) dengan aturan 8 tetangga: Ekivalen dg. Ekivalen dg.

34 Operasi Aritmetik / Lojik pada Citra
Operasi Aritmetik antara dua citra x / Remote sensing: band ratio antara citra sensor optik Landsat TM band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga rasio antara selisih dan jumlahnya. Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.

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

36 Operasi Aritmetik / Lojik pada Citra
Operasi Lojik antara dua citra OR AND NOT Masking (AND) operation dapat digunakan untuk memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik. Object of interest ‘jaringan paru’ Mask dengan operasi AND

37 A Physical Perspective of Image Acquisition
Extend the capabilities of human vision systems From visible spectrum to non-visible electromagnetic power spectrum From close-distance sensing to remote sensing

38 Visible (I): Photography

39 Visible (II): Motion Pictures

40 Visible (III): Law Enhancement and Biometrics

41 Visible (IV): Light Microscopy
Taxol (250) Cholesterol (40) Microprocessor (60)

42 Visible (V): Remote Sensing
Hurricane Sandy, Oct taken by NOAA GEOS America at night (Nov. 27, 2000)

43 Beyond Visible (I): Thermal Images
Operate in infrared frequency Human body disperses heat (red pixels) Different colors indicate varying temperatures

44 Beyond Visible (II): Radar Images
Operate in microwave frequency Moutains in Southeast Tibet

45 Beyond Visible (III): MRI and Astronomy
Operate in radio frequency knee spine head visible infrared radio

46 Beyond Visible (IV): Fluorescence Microscopy
Operate in ultraviolet frequency normal corn smut corn

47 Beyond Visible (V): Medical Diagnostics
Operate in X-ray frequency chest head

48 Beyond Visible (VI): PET and Astronomy
Operate in gamma-ray frequency Cygnus Loop in the constellation of Cygnus Positron Emission Tomography

49 Other Non-Electro-Magnetic Imaging Modalities
Acoustic imaging Translate “sound waves” into image signals Electron microscopy Shine a beam of electrons through a speciman Fluorescent Microarray Imaging investigate global changes in gene expression of cells and tissues Synthetic images in Computer Graphics Computer generated (non-existent in the real world)

50 Acoustic Imaging visible seismic potential locations of oil/gas

51 Electron Microscope 2500 Scanning Electron Microscopy (SEM) image of
damaged integrated circuit (white fibers are oxides resulting from thermal destruction)

52 Microarray Images Note: Red and green colors correspond to two
different fluorescent dyes (e.g., Cy3 and Cy5)

53 Cartoon Pictures (Non-photorealistic)

54 Synthetic Images in Gaming
Age of Empire III by Ensemble Studios

55 Virtual Reality (Photorealistic)

56 Graphics in Art

57 Graphics in Medicine

58 Mixture of Graphics and Photos
Morgantown, WV in Google Map

59 Summary: Why do we need images?
Various imaging modalities help us to see invisible objects due to Opaqueness (e.g., see through human body) Far distance (e.g., remote sensing) Small size (e.g., light microscopy) Other signals (e.g., seismic) can also be translated into images to facilitate the analysis Images are important to convey information and support reasoning A picture is worth a thousand words!

60 Image Display and Perception
CRT, LCD, DLP, Plasma, LCOS, D-ILA HDTV, display wall PDA, cellular phone, Gameboy Stereoscopic (3D) Perception Human Vision System (HVS) Vision-related diseases and healthcare

61 CRT: Cathode Ray Tube Future: extinction Mitsubishi WS-55813
Rear Projection CRT Sony KV34XBR910 Direct View CRT Future: extinction

62 LCD: Liquid Crystal Display
Future: bigger, faster, cheaper Philips 42FD9954 Flat Screen LCD Display

63 Virtual Wall NASA Space Shuttle on the display wall, March 1999

64 Display on Mobile Devices
Gameboy cell phone portable DVD PDA

65 3D Display

66 The Ultimate Display: Virtual Retinal Display

67 Human Vision System Simultaneous contrast

68 Fascinating Optical Illusions

69 Interpretation Ambiguity
Is it duck or hare? Is it seal or donkey?