Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
PENGOLAHAN CITRA DAN POLA
PERTEMUAN 4 STIKI INDONESIA 2012
2
Modifikasi Histogram Ekualisasi histogram
Nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya seragam Tujuannya untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat keabuan memiliki jumlah pixel yang relatif sama Dapat dilakukan pada keseluruhan citra atau pada beberapa bagian citra saja Here comes your footer Page 2
3
Ekualisasi histogram adaptif
Citra dibagi menjadi blok-blok (sub-image) dengan ukuran n x n, kemudian pada setiap blok dilakukan proses ekualisasi histogram Ukuran blok (n) dapat bervariasi dan setiap ukuran blok akan memberikan hasil yang berbeda Setiap blok dapat saling tumpang tindih beberapa pixel dengan blok lainnya Here comes your footer Page 3
4
Ekualisasi Histogram Here comes your footer Page 4
5
CONTOH Citra 64x64 pixel, 8 tingkat keabuan, dengan distribusi sebagai berikut : Here comes your footer Page 5
6
Fungsi Transformasi Here comes your footer Page 6
7
Pembulatan Here comes your footer Page 7
8
Pemetaan Here comes your footer Page 8
9
Hasil Rangkuman Transformasi
Here comes your footer Page 9
10
Histogram dengan Distribusi Seragam
Here comes your footer Page 10
11
Modifikasi Histogram Spesifikasi histogram
Nilai-nilai intensitas di dalam citra diubah agar diperoleh histogram dengan bentuk yang dispesifikasikan oleh pengguna Here comes your footer Page 11
12
CONTOH Citra 64x64 pixel, 8 tingkat keabuan, dengan distribusi sebagai berikut : Here comes your footer Page 12
13
Histogram yang Diinginkan
Here comes your footer Page 13
14
Langkah 1 : Ekualisasi Histogram
Here comes your footer Page 14
15
Langkah 2 : Fungsi Transformasi
Here comes your footer Page 15
16
Hasil Fungsi Transformasi
Here comes your footer Page 16
17
Langkah 3 : Terapkan Inverse Pada Level Histogram Equalisasi
NB; G(zk) = Vk Here comes your footer Page 17
18
Langkah 4 : Pemetaan dari rk ke zk
Here comes your footer Page 18
19
Histogram Hasil Here comes your footer Page 19
20
Operasi Berbasis Bingkai / Operasi Aritmatika Citra
Proses pengolahan citra dengan memanfaatkan operator aritmatika atau operator logika (boolean) terhadap dua atau lebih citra input Proses aritmatika citra diterapkan dengan melakukan pengolahan pixel per pixel, sehingga proses ini sebaiknya dilakukan terhadap citra dengan ukuran dan resolusi yang sama Here comes your footer Page 20
21
Operasi aritmatika citra : Penjumlahan, pengurangan Operator Boolean
Bitshift Operators Here comes your footer Page 21
22
Penjumlahan Pixel citra hasil merupakan hasil penjumlahan nilai pixel pada citra pertama dengan nilai pixel pada citra kedua Catatan : w1 + w2 = 1 Here comes your footer Page 22
23
Pengurangan Mencari beda antara 2 citra berurutan
Bagian yang tidak bergerak 0 Bagian yang bergerak ≠ 0 Here comes your footer Page 23
24
Operator Boolean Disebut juga operasi logika
Hanya dapat dilakukan pada citra biner Here comes your footer Page 24
25
Here comes your footer Page 25
26
Bitshift Operator Pergeseran deret bit pada pixel ke arah kanan atau kiri sebesar n bit Here comes your footer Page 26
27
Operasi Spasial (Filtering)
Pentapisan pada pengolahan citra biasa disebut dengan pentapisan spasial (spatial filtering) Pada proses pentapisan, nilai pixel baru umumnya dihitung berdasarkan pixel tetangga Cara perhitungan nilai pixel baru tersebut dapat dikelompokkan menjadi dua : Nilai pixel baru diperoleh melalui kombinasi linier pixel tetangga (tapis linier) Nilai pixel baru diperoleh langsung dari salah satu nilai pixel tetangga (tapis non linier) Here comes your footer Page 27
28
Kernel Proses penapisan spasial tidak dapat dilepaskan dari teori kernel (mask) dan konvolusi Kernel adalah matrik yang umumnya berukuran kecil dengan elemen- elemennya berupa bilangan Kernel disebut juga dengan convolution window, tapis (filter), template, mask, sliding window, structuring element Ukuran dapat berbeda-beda, seperti 2 x 2, 3 x 3, 5 x 5, dsb Elemen-elemen kernel disebut juga bobot (weight) merupakan bilangan- bilangan yang membentuk pola-pola tertentu Here comes your footer Page 28
29
Konvolusi Here comes your footer Page 29
30
Contoh Citra f(x,y) berukuran 5 x 5 dengan kernel 3 x 3
Here comes your footer Page 30
31
Masalah Pixel Pinggir Here comes your footer Page 31
32
Solusi Piksel pinggir diabaikan, tidak dikonvolusi
Duplikasi elemen citra, elemen kolom ke-1 disalin ke kolom M+1, begitu juga sebaliknya lalu konvolusikan Elemen yang ditandai dengan (?) diasumsikan bernilai 0 atau konstanta yang lain sehingga konvolusi piksel pinggir dapat dilakukan Konvolusi piksel pinggir tidak memperlihatkan efek yang kasat mata Here comes your footer Page 32
33
Referensi Gonzalez, Rafael C. and Woods, Richard E.. Digital Image Processing, 2nd Ed New Jersey : Prentice Hall. Putra, I Ketut Gede Darma Pengolahan Citra Digital. Yogyakarta : Andi Offset. Sutoyo, T., dkk Teori Pengolahan Citra Digital. Yogyakarta : Andi Offset. __________. Materi Pengolahan Citra. Fakultas Informatika IT Telkom. Here comes your footer Page 33
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.