PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2

Ukuran: px

Mulai penontonan dengan halaman:

Download "PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2"

Lanny Hartono
7 tahun lalu
Tontonan:

1 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI by Emy 2

2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi Mampu mengimplementasikan teknik teknik untuk memperbaiki kualitas citra sehingga citra yang dihasilkan dapat digunakan untuk aplikasi lebih lanjut mengunakan transformasi fourier dan wavelet. Mampu mengimplementasikan konsep matematis yang melandasi teori pengolahan citra. Mampu merancang dan membangun program yang dapat dimanfaatkan untuk meningkatkan kualitas citra by Emy 3 Image Enhancement Spatial Domain Frequency Domain I. Fourier Spectra II. Wavelet Lowpass Filter a. Ideal Highpass Filter b. Butterworth c. Ideal d. Butterworth by Emy 4

3 Dasar Dasar Transformasi Fourier Transformasi fourier adalah suatu model transformasi yang memindahkan domain spasial atau domain waktu menjadi domain frekuensi. Di dalam pengolahan citra digital transformasi fourier digunakan untuk mengubah domain spasial pada citra menjadi domain frekuensi. Analisis dalam domain frekuensi banyak digunakan seperti filtering. Dengan menggunakan transformasi fourier, sinyal atau citra dapat dilihat sebagai suatu objek dalam domain frekuensi. by Emy 5 I. Fourier Spectra Peningkatan mutu citra pada domain frekuensi Fourier dilakukan secara straightforward: Hitung transformasi Fourier dari citra kalikan hasilnya dengan fungsi filter lakukan transformasi invers untuk mendapatkan citra hasil. Transformasi Fourier Filter Frekuensi Citra Input Fourier Spectra Kalikan Citra Output Transformasi Invers Fourier Fourier Spectra yang sudah diubah by Emy 6

4 Ia. Ideal Lowpass filter H(u,v) = 1 if D(u,v) D 0 H(u,v) = 0 if D(u,v) > D 0 D 0 adalah nilai ambang (cutoff frequency locus, nilainya > 0) D(u,v) adalah jarak (u,v) terhadap titik origin. D(u,v) = (u 2 +v 2 ) 1/2 by Emy 7 Ia. Contoh ideal lowpass filtering by Emy 8

5 Ib. Butterworth Lowpass Filter H ( u, v) n = orde 1 1+ [ D( u, v) / D0] = 2 n by Emy 9 Ib. Contoh Butterworth lowpass filt. by Emy 10

6 Ic. Ideal Highpass Filter H(u,v) = 0 if D(u,v) D 0 = 1 if D(u,v) > D 0 by Emy 11 Id. Butterworth Highpass Filter H ( u, v) n = orde 1 1+ [ D0 / D( u, v)] = 2 n by Emy 12

7 Lowpass & Highpass (1) Image Smoothing Image Smoothing (Blurring (lowpass)) bertujuan untuk menekan gangguan (noise) pada citra atau mengurangi (suppress) nilai frekuensi tinggi. Gangguan ini biasanya muncul sebagai akibat dari : hasil pengambilan gambar yg tdk bagus Sensor noise Photographic grain noise Saluran transmisi (pada pengiriman data) Gangguan pada citra umumnya berupa variasi intensitas suatu pixel yg tdk berkorelasi dgn pixel pixel tetangganya Jika suatu citra banyak memiliki edge dan noise (Pixel yg mengalami gangguan) umumnya yang memiliki frekuensi tinggi akan besar. Untuk itu prinsip Lowpass Filter: Blurring (smoothing) dilakukan dengan mengurangi nilai FT pada frekuensi tinggi atau menekan komponen yg berfrekuensi tinggi dan meloloskan komponen yg berfrekuensi rendah.. Semakin tinggi frekuensi, semakin besar nilai (u,v) (semakin jauh dari titik origin (0,0)) by Emy 13 Operasi Pelembutan Citra Dilakukan dengan mengganti nilai suatu pixel dengan nilai ratarata pixel tetangganya. m2 n2 1 g( x, y) = f ( x + r, y + s) d r= m1s = n1 Operasi perata rataan diatas dapat dipandang sebagai konvolusi antara citra f(x,y) dengan penapis h(x,y) g(x,y) = f(x,y) * h(x,y) Penapis h disebut penapis rerata (mean filter) by Emy 14

8 Operasi Pelembutan Citra Operasi penapisan ini mempunyai efek pemerataan derajad keabuan, sehingga gambar yg diperoleh tampak kabur kontrasnya. Efek pengaburan ini disebut efek blurring. Penapisnya disebut penapis lolos rendah atau low passfilter, karena meloloskan komponen berfrekuensi rendah dan menekan komponen yg berfrekuensi tinggi, misal : Pixel gangguan Pixel tepi. Penapisan yg digunakan adalah : Penapisan rerata Penapisan minimum (min filter) Penapisan maximum (max filter) Penapisan median (median filter) by Emy 15 Proses Filtering dengan Low Pass Filter Operator Image Hasil Filtering Menghilangkan perbedaan intensitas pada garis batas antar wilayah 16

9 Blurring (Low Pass Filter) by Emy 17 Lowpass & Highpass (2). Image Sharpening Operasi penajaman citra bertujuan memperjelas tepi pada objek di dalam citra. Penajaman citra merupakan kebalikan dari operasi pelembutan citra krn operasi ini menghilangkan bagian citra yg lembut. Sharpening (highpass) : adalah operasi untuk melewatkan citra pada penapis lolos Tinggi (high pass filter) atau meloloskan nilai frekuensi tinggi G(u,v) = H(u,v)F(u,v) Akibatnya pinggiran objek akan terlihat lebih tajam dibandingkan sekitarnya. Oleh karena itu disebut juga penajaman tepi (edge sharpening) atau peningkatan kualitas tepi (edge enhancement) by Emy 18

10 Lowpass & Highpass (2). Image Sharpening Selain utk mempertajam gambar high pass filter juga digunakan utk mendeteksi keberadaan tepi (edge detection). Dlm hal ini pixel pixel tepi ditampilkan lebih terang sedangkan pixel pixel bukan tepi dibuat gelap. Aturan penapis lolos tepi Koefisien penapis boleh positif, negatif atau nol Jumlah semua koefisien adalah 0 atau 1 by Emy 19 Lowpass & Highpass (2). Image Sharpening Jika jumlah koefisien = 0,maka komponen berfrekuensi rendah akan turun nilainya Jumlah koefisien =1,maka komponen berfrekuensi rendah akan tetap sama dengan nilai semula. by Emy 20

11 Proses Filtering dengan High Pass Filter (1) 21 Proses Filtering dengan High Pass Filter Operator Image Hasil Filtering Meningkatkan perbedaan intensitas pada garis batas antar wilayah 22

12 Sharpening (High Pass Filter) by Emy 23 Domain Spasial Domain Frekwensi Kita dapat membuat mask spasial dari filter pada domain frekuensi Dengan demikian, hasil yang diperoleh dari pemrosesan pada domain spasial sama dengan hasil yang diperoleh dari pemrosesan pada domain frekuensi by Emy 24

13 Contoh by Emy 25 Transformasi Fourier dan Image Enhancement (1) Contoh citra masukan dengan gangguan berbentuk garis garis: Citra hasil transformasi Fourier: by Emy 26

14 Transformasi Fourier dan Image Enhancement (2) Citra hasil transformasi Fourier setelah dihilangkan gangguannya: Citra hasil perbaikan: by Emy 27 Transformasi Fourier dan Image Enhancement (3) Baris atas: Citra blur pada hasil transformasi Fourier kelihatan mengandung komponen frekwensi tinggi lebih sedikit Baris bawah: Citra sharp pada hasil transformasi Fourier kelihatan mengandung komponen frekwensi tinggi lebih banyak by Emy 28

15 Transformasi Fourier dan Image Enhancement (4) Citra masukan dengan gangguan band stripes: Citra hasil perbaikan: by Emy 29 II. Wavelet Dekomposisi wavelet pada setiap level akan menghasilkan 4 buah informasi: A: bagian aproksimasi (low freq) H: bagian detail horizontal (high freq) V: bagian detail vertikal (high freq) D: bagian detail diagonal (high freq) Lowpass (membiarkan lolos bagian low freq): ambil bagian A nya Highpass (membiarkan lolos bagian high freq): ambil bagian detailnya (H,V,D) by Emy 30

16 Wavelets descomposition The wavelet transform replaces the Fourier transform s sinusoidal waves by a family generated by translations and dilations of a function called Mother Wavelet. - b space and scale - ψ a, b( x) a b WT ( f ( a, b)) = a 1 2 f ( x) ψ ( x ) dx base functions Discrete wavelet transform (DWT) algorithm specific properties: DWT is computed with à trous algorithm. Mother wavelet function Ψ is derived from a B 3 cubic spline scaling function. This is a dyadic decomposition (scale 2 i, i=1,...,n). No subsampling is applied wavelet planes have same size as original image. General properties of wavelets descomposition: Spatial and frequential content is almost decoupled. Better noise vs.signal discrimination than Fourier transform. Good processing flexibility. a by Emy 31 Contoh Descomposition Wavelets c 0 w 1 w 2 w 3 w 4 c 4 Original image Wavelet planes Residual plane at scale 4 c o = ω 1 + ω 2 + ω 3 + ω 4 + c 4 High Copyright by Emy Low frequency 32

17 Adaptative deconvolution with wavelets To deconvolve the image, this is decomposed in wavelet planes at every iteration of the method. The signal detection masks only applies deconvolution to those pixels with significant signal. Objectives of using wavelets: Multiescale deconvolution Objectives of adaptative deconvolution: - Do not amplify noise. - To detect and deconvolute only those features with signal. Signal detection mask: 2 n 3 f r ( ) σ v, j σ p' v, j ( h ( s) 2 2 ωv, j ωv, j ) 1 exp t Φ m = r 2 if ( σ, r v j = v, j 2( σ v, j ) v j σ v, j ) > 0 σ, n f with noise std. desv. at r 0 if ( σ ) 0 σ v, j =, r v j σ v, j wavelet plane ν sorrounding pixel j G+P_AWMLE : [ ( )] m Nw h( s) p' j h( s) f D ji ωv, j + mv, j ωv, j ωv, j ( s+ 1) ( s) v i a 1 = Κ i B qi j= 1 ( s) f jlal + C jb j by Emy l= 1 33 a Deskripsi Tugas 2 Tugas individu / perorangan. Mencari teori / prinsip operasi pengolahan citra pada domain frekuensi,kemudian mencari contoh obyek sesuai teori tersebut dan implementasikan kedalam sebuah program Waktu penyelesaian maximal 1 minggu by Emy 34

18 by Emy 35

dokumen-dokumen yang mirip

7.7 Pelembutan Citra (Image Smoothing)

7.7 Pelembutan Citra (Image Smoothing) Pelembutan citra (image smoothing) bertujuan untuk menekan gangguan (noise) pada citra. Gangguan tersebut biasanya muncul sebagai akibat dari hasil penerokan yang