PENGANTAR PENGOLAHAN CITRA DIGITAL

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

1 PENGANTAR PENGOLAHAN CITRA DIGITAL
Mahmud Yunus, S.Kom., M.Pd., M.T.

2 Referensi Gonzalez, Rafael C., and Woods, Richard E., 1993, “Digital Image Processing”, Addison-Wesley Publishing Company, Inc. Sid-Ahmed, Maher A, 1995, “Image Processing :Theory, Algoritms and Architectures”, McGraw Hill.Inc. Schalkoff, Robert J., 1992, “Digital Image Processing and Computer Vision”, John Wiley & Son, New York Abdul Kadir dan Adhi Susanto, “Pengolahan Citra Digital: Teori dan Aplikasi”. Penerbit Andi. Yogyakarta. T. Sutoyo dkk., 2009, “Teori Pengolahan Citra Digital”, Andi & UDINUS, Yogyakarta. Usman Ahmad, 2005, “Pengolahan Citra Digital Dan Teknik Pemrogramannya”, Graha Ilmu, Yogyakarta. Balza Achmad dan Kartika Firdausy, 2005, “Teknik Pengolahan Citra Digital Menggunakan Delphi”, Ardi Publishing, Yogyakarta.

3 Tiga bidang yang berkaitan dengan Pemrosesan Citra Digital
Pengantar Tiga bidang yang berkaitan dengan Pemrosesan Citra Digital 1950 : Image Processing 1960 : Pattern Rocognition 1960 : Artificial Intelligence 1970 : Computer Vision 1970 : Computer Graphics

4 Digital Image Processing
Dimana kita? Imaging? Computer Vision? Display/Printing? Digital Image Processing Computer Graphics? Biological Vision?

5 Image Coding/ Communication
Apa yang bisa kita lakukan ? Image Processing/ Manipulation Image Coding/ Communication Image Analysis/ Interpretation Digital Image Processing

6 Terminologi Level Pengolahan Citra
IMAGE PROCESSING IMAGE  IMAGE IMAGE ANALYSIS IMAGE  MEASUREMENTS IMAGE UNDERSTANDING IMAGE  SYMBOLIC DESCRIPTION COMPUTER GRAPHICS SYMBOLIC DESCRIPTION  IMAGE

7 Application of Digital Image Processing (DIP);
Astronomy Radiologi Ultrasonic Imaging Microscopy Remote Sensing Meteorology Seismology Radar Internet Autonomous Navigation Etc. (a) CT Scan (Sumber: (b) Contoh hasil CT Scan (Sumber:

8 IMAGE PROCESSING vs. COMPUTER VISION
Research area within electrical engineering/signal processing Focus on syntax, low level features Computer Vision Research area within computer science/artificial intelligence Focus on semantics, symbolic or geometric descriptions image image Faces People Chairs etc.

9 IMAGE PROCESSING DENOISE

10 From [Gonzalez & Woods]
Image Processing: Image Enhancement Enhance From [Gonzalez & Woods]

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

12 Visi Komputer (Computer Vision)
Visi Komputer (Computer Vision) merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar, Word and Vowel Recognition, Object Structure; Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation and Classification; Kecerdasan Buatan (Artificial Intelligence): Speech Understanding, What is illustrated by this image.

13 IMAGE PROCESSING vs. COMPUTER GRAPHIPS
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.

14 Grafika Komputer; Merupakan 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 (realisme).

15 CITRA DIGITAL Citra merupakan suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek atau benda. Citra sebagai keluaran dari sistem perekaman data objek, dapat bersifat optik (foto), sinyal analog (video) maupun data digital yang tersimpan pada sebuah media. Citra Analog merupakan data citra yang bersifat kontinu seperti gambar bergerak atau video yang terekam dalam pita kaset. Citra analog perlu dikonversi ke Citra Digital terlebih dahulu agar dapat diolah lebih lanjut dengan komputer. Citra Digital merupakan data citra yang merepresentasikan besar intensitas warna dan/atau keabuan tiap piksel penyusun citra dalam besaran digital biner (0/1)

16 CITRA DIGITAL Pencitraan (Imaging) merupakan proses untuk mentransformasikan data citra analog menjadi data citra digital (digitalisasi citra). Peralatan yang dapat digunakan untuk pencitraan; Kamera digital Kamera konvensional dan konverter analog to digital Scanner, CCTV dll. Istilah pengolahan citra digital menyatakan “pemrosesan gambar berdimensi-dua melalui komputer digital” (Jain, 1989). Menurut Efford (2000), pengolahan citra adalah istilah umum untuk berbagai teknik yang keberadaannya untuk memanipulasi dan memodifikasi citra dengan berbagai cara

17 CITRA DIGITAL Terdapat dua hal yang dilakukan dalam proses digitalisasi citra yaitu (1) mempartisi citra dalam dimensi x kolom dan y baris (Sampling); serta (2) menentukan besar intensitas yang terdapat pada setiap piksel pembentuk citra (Kuantisasi) yang menghasilkan sebuah resolusi citra. Sampling merupakan proses transformasi citra analog (kontinu) menjadi citra digital dengan cara membagi citra analog (kontinu) menjadi x kolom dan y baris, sehingga menjadi citra diskrit. Dimana tidak semua bagian dari data citra analog terekam menjadi data citra digital (ada yang hilang). Kuantisasi merupakan proses transformasi intensitas cahaya dari setiap bagian citra yang bersifat kontinu (analog) ke daerah intensitas yang bersifat diskrit. Kuantisasi diperlukan untuk menyatakan besaran gradasi warna yang dibutuhkan untuk mencitrakan sebuah objek.

18 CITRA DIGITAL Sampling 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 1 bit, grayscale dengan 8 bit, true color dengan 24 bit

19 CITRA DIGITAL Resolusi Spasial merupakan ukuran halus atau kasarnya pembagian kisi-kisi kolom dan baris saat proses Sampling. Resolusi Spasial digunakan untuk menentukan jumlah piksel per satuan panjang, biasanya dengan satuan dpi (dot per inch) yang sangat berpengaruh pada detil dan perhitungan gambarnya. Contoh: citra dengan resolusi 50 dpi yang artinya setiap 1 inch terdiri dari 50 piksel, dan bila luas citra 1 inch2 berarti citra tersebut terdiri dari 50x50 piksel. Bila ukurannya diperbesar (zooming) menjadi 10x10 inch (100 inch2), maka jumlah pikselnya tetap 50x50, tetapi resolusinya berubah menjadi 50:10 = 5 dpi. Resolusi Intensitas Kecemerlangan (Brightness) disebut juga sebagai Resolusi Kedalaman Warna (Bit Depth) merupakan ukuran halus atau kasarnya pembagian tingkat gradasi warna saat proses Kuantisasi. 1 Bit Depth  2 kemungkinan warna (21); dan 8 Bit Depth  256 kemungkinan warna (28); Setiap citra digital memiliki karakteristik dasar berupa ukuran citra, resolusi dan format citra

20 CITRA DIGITAL Pengolahan Citra Digital merupakan proses yang diterapkan pada suatu citra digital untuk menghasilkan citra digital yang baru. Proses yang dilakukan dapat berupa perbaikan citra (image restoration) maupun proses peningkatan kualitas citra (image enhancement). Operasi Pengolahan Citra Digital Operasi titik merupakan operasi yang mengolah setiap titik secara tidak gayut (bergantung) terhadap titik-titik lainnya Operasi global merupakan operasi yang memodifikasi nilai setiap titik berdasarkan nilai/karakteristik global keseluruhan titik pembentuk citra (biasanya berupa sifat statistik) Operasi temporal/berbasis bingkai merupakan operasi untuk memodifikasi sebuah citra dengan mengkombinasikan dengan citra lainnya Operasi geometri merupakan operasi untuk merubah bentuk, ukuran atau orientasi citra secara geometris Operasi banyak titik bertetangga/bersebelahan merupakan operasi untuk merubah nilai sebuah titik dengan melibatkan nilai dari titik-titik disebelahnya Operasi morfologi merupakan operasi yang dapat membentuk struktur objek dalam citra untuk keperluan segmentasi.

21 Metodologi Pengolahan Citra
Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra dijital. Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi. Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics). Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor) Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai referensi pada proses template matching / object recognition.

22 Alur Diagram Pengolahan Citra
Segmentation Representation And Description Intermediate Level Processing Preprocessing Image Acquisition Low Level Processing Problem Domain Recognition And Interpretation High Level Processing Result Knowledge Base

23 Digital Image Acquisition Process

24 From [Gonzalez & Woods]
Matrix Representation H=256 W=256 Divide into 8x8 blocks From [Gonzalez & Woods]

25 Image Resolution

26 Image Resolution

27 From [Gonzalez & Woods]
Bitplanes Bitplane 7 Bitplane 6 Original 8bits/pixel one 8-bit byte Bitplane 7 Bitplane 5 Bitplane 4 Bitplane 0 From [Gonzalez & Woods]

28 From [Gonzalez & Woods]
Image Analysis: Edge Detection From [Gonzalez & Woods]

29 Image Analysis: Face Detection
From Prof. Xin Li

30 Image Analysis: Image Segmentation
From Prof. Xin Li

31 Two deceivingly similar fingerprints of two different people
Image Analysis: Image Matching Two deceivingly similar fingerprints of two different people From Prof. Xin Li