PENGANTAR PENGOLAHAN CITRA

Presentasi berjudul: "PENGANTAR PENGOLAHAN CITRA"— Transcript presentasi:

1 PENGANTAR PENGOLAHAN CITRA
Meta Meysawati

2 Dalam buku konsep & teori (fajar, 2013)
Tujuan Pengolahan Citra Digital Memperbaiki kualitas gambar yang dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, resortasi citra)& dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik). Melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung dalam citra. Melakukan kompresi atau reduksi untuk tujuan penyimpanan data, transmisi data dan waktu proses data.

3 Transformasi Warna/ intensitas Citra
aspek radiometrik Peningkatan kontras Peningkatan kualitas/mutu (Image Enhancement) dengan Histogram Transformasi Warna/ intensitas Citra Transformasi citra warna menjadi grayscale, operasi negasi, brightness(kecerahan), kontras, thresholding (operasi ambang batas) Restorasi citra Model Noise

4 Kontras (Contrast) Kontras adalah tingkat penyebaran piksel-piksel ke dalam intensitas warna. Lebar kurva histogram tidak terlalu sempit & tidak terlalu melebar. Citra Kontras Normal Sebaran intensitas terang dan gelap merata ke seluruh skala intensitas. Citra Kontras Tinggi Kurangnya pencahayaan, kurangny dinamika dari sensor citra, kesalahan setting pembuka lensa pada saat pengambilan citra. Citra Kontras Rendah

5 Perbandingan kurva histogram (Sutoyo, T dalam bukunya hal: 38)

6 Peningkatan mutu/ kualitas citra
Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara :: fungsi transformasi, operasi matematis, pemfilteran. Tujuan dari teknik peningkatan mutu citra adalah “untuk pemrosesan terhadap citra agar hasilnya dapat lebih baik dari citra awal untuk aplikasi tertentu”. Baik  tergantung dari jenis aplikasi dan problem yang dihadapi.

7 histogram Definisi Manfaat
Grafik yang menunjukan frekuensi kemunculan setiap nilai gradasi warna. Manfaat Sebagai indikasi visual untuk menentukan skala keabuan yang tepat sehingga diperoleh kualitas citra yang diinginkan. Ex: pengubahan kontras, kecermelangan. Untuk pemulihan batas ambang (thresholding). Ex: Segmentasi citra (memisahkan objek dari latar belakang)

8 Pembuatan histogram

9 Pembuatan histogram

10 Menggambar kurva histogran
1 3 4 5 7 2 6 Diketahui sebuah citra grayscale dengan ukuran 10x10 piksel mempunyai Kedalaman 3 bit. (lihat tabel diatas)

11 10x10 piksel, 3 bit 2 3 = 8 (range 0 – 7)  skala keabuan || L = 8 (nilai grey-level terbesar dalam citra) Buat tabel frekuensi kemunculan setiap warna Gambarlah histpgramnya dalam bentuk koordinat kartesian pada sumbu x dan sumbu y Warna (x) 1 2 3 4 5 6 7 Jumlah (y) 15 12 20 13 9 8

12 koordinat kartesian Jumlah piksel Intensitas 0 sd 7

13 Buat kembali tabel frekuensi dan buat kembali koordinat kartesianya.
Dilakukan proses normalisasi agar tampilan histogram pada layar tidak melebihi batas layar. Dengan jumlah piksel N = 100. Buat kembali tabel frekuensi dan buat kembali koordinat kartesianya. Warna (x) 1 2 3 4 5 6 7 Jumlah (y) 15 12 20 13 9 8 y/ N 0.15 0.12 0.06 0.20 0.13 0.09 0.07 0.08

14 koordinat kartesian setelah di normalisasi
F R E K U N S I Nilai Intensitas 0 sd 7

15 4 tipe dasar citra pada histogram
Histogram cenderung ke sebelah kiri Histogram cenderung ke sebelah kanan

16 4 tipe dasar citra pada histogram
Histogram merata di semua tempat (Citra high contrast) Histogram mengumpul disuatu tempat (Citra low contrast)

17 Modifikasi / pengubahan histogram
Digunakan untuk memperoleh histogram citra sesuai dengan keinginan kita. Ada dua cara pemodifikasian histogram citra. Perataan Histogram (equalization) :: nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya segaram. Spesifikasi Histogram (spesification) :: nilai-nilai intensitas didalam citra diubah agar diperoleh histogram dengan bentuk yang dispesifikasikan oleh pengguna.

18 Perataan Histogram (ekualisasi histogram)
Definisi Dengan mengubah pemetaan greyscale agar sebarannya (kontrasnya) lebih luas yaitu kisaran Tujuan Memperoleh penyebaran histogram yang merata sehingga setiap derajat keabuan memiliki jumlah piksel yang relatif sama. Mengubah nilai-nilai intensitas citra sehingga penyebarannya seragam dengan cara mengubah derajat keabuan suatu piksel (r) dengan derajat keabuan (s) dengan suatu fungsi transformasi T.

19 Perataan Histogram (ekualisasi histogram) I
3 5 4 6 Sebuah citra dengan resolusi spasial 4x5 dan mempunyai derajat keabuan Hanya berkisar 0-10 (L=11). Maka perbaiki citra tersebut dengan metode Ekualisasi. Buat matriksnya, kemudian tabel perhitungan histogram ekualisasi berdasarkan matriks (tabel diatas) P(E) = X/N E  Suatu kejadian (event) X  Seberapa banyak kejadian N  Jumlah seluruh kemungkinan.

20 Perataan Histogram (ekualisasi histogram) I
Grey-Level input 1 2 3 4 5 6 7 8 9 10 Kemunculan Probabilitas 0,15 0,4 0,35 0,1 Sk 0,55 0,9 Sk*10 1,5 5,5 Grey-Level output kemunculan dtotalkan semua = 20 (N). 3/20 *10 karena, nilai gray-level max yaitu 10. Dari nilai L=11 (0-10) Dimana, Sk dihitung dengan cara sbb : S0 = 𝑖=0 0 Pi = P0 = 0 S1 = 𝑖=0 1 Pi = P0 + P1= = 0 S2 = 𝑖=0 2 Pi = P0 + P1 + P2= = 0 S3 = 𝑖=0 3 Pi = P0 + P1 + P2 + P3 = ,15= 0,15 S4 = 𝑖=0 4 Pi = P0 + P1 + P2 + P3 + P4 = ,15 + 0,4 = 0, dst

21 Perataan Histogram (ekualisasi histogram) I
3 5 4 6 Sehingga dapat diperoleh citra out[ut hasil histogram ekualisasi sbb : 1 9 5 10

22 Perataan Histogram (ekualisasi histogram) II
L=11 (range 0-10), maka nilai gray-level max yaitu 10 nk Pr (rk) = nk/n 0/20 = 0 3 0,15 8 0,4 7 0,35 2 0,1 k rk 0/10 =0 1 0,1 2 0,2 3 0,3 4 0,4 5 0,5 6 0,6 7 0,7 8 0,8 9 0,9 10 Dimana, k = derajat keabuan r = Piksel rk = dinormlkan terhadap terajat keabuan terbesar nk = Jumlah piksel yang muncul n = jumlah seluruh kemungkinan Sk = frekuensi komulatif

23 Selanjutnya, menghitung frekuensi kumulatif Sk kemudian mencari nilai
Sk yang mendekati rk sbb : k rk nk Pr (rk) = nk/n Sk Sk ≈ rk 0/10 =0 0/20 = 0 0 ≈ 0 = 0/10 1 0,1 2 0,2 3 0,3 0,15 0,15 ≈ 0,1 = 1/10 4 0,4 8 0,55 0,55 ≈ 0,5 = 5/10 5 0,5 7 0,35 0,9 0,9 ≈ 0,9 = 9/10 6 0,6 1 ≈ 1 = 10/10 0,7 0,8 9 10

24 Histogram hasil ekualisasi
Sk ≈ rk 0 ≈ 0 = 0/10 0,15 ≈ 0,1 = 1/10 0,55 ≈ 0,5 = 5/10 0,9 ≈ 0,9 = 9/10 1 ≈ 1 = 10/10 nk 7 Sk nk Pr (Sk) 0/10 0+0+0 1/10 5/10 7 0,35 9/10 10/10 0/10 1/10 5/10 9/10 10/10

25 Spesifikasi Histogram (spesification)
Spesifikasi histogram ~ metode pembuatan histogram yang ditentukan nilainya oleh pengguna, bisa untuk histogram yang tidak seragam Secara matematis :: T & G :: transformasi Pr(r) :: Histogram citra semula Pz(z) :: Histogram yang diinginkan (dispesifikasikan)

26 Spesifikasi Histogram (spesification)
Misalkan Pr adalah histogram semula dan Pz(z) adalah histogram yang diinginkan (dispesifikasikan) k nk Sk 1 2 3 0,15 4 8 0,55 5 7 0,9 6 9 10 noutk Pz(zk)