Pengolahan Citra Berwarna

Ukuran: px

Mulai penontonan dengan halaman:

Download "Pengolahan Citra Berwarna"

Suparman Sanjaya
6 tahun lalu
Tontonan:

1 MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016

http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna? 1. All the "invisible" colors of sunlight shine on the apple. 2.

2 Bagaimana Manusia Melihat Warna? 1. All the "invisible" colors of sunlight shine on the apple. 2. The surface of a red apple absorbs all the colored light rays, except for those corresponding to red, and reflects this color to the human eye. 3. The eye receives the reflected red light and sends a message to the brain.

3 Karakteristik persepsi mata manusia Karakteristik persepsi mata manusia dalam yang membedakan antara satu warna dengan warna yang lain berupa: Hue: atribut warna yang mendeskripsikan pure color (pure yellow, orange, atau red) Saturation: tingkat kemurnian warna atau seberapa banyak cahaya putih yang tercampur dengan hue. Brightness: intensitas pantulan objek yang diterima mata. I : Intensity V : Value L : Lightness

4 Ruang Warna Gonzalez & Woods (2002) mendefinisikan ruang warna (atau kadang disebut sistem warna atau model warna) sebagai suatu spesifikasi sistem koordinat dan suatu subruang dalam sistem tersebut dengan setiap warna dinyatakan dengan satu titik di dalamnya. Tujuan dibentuknya ruang warna adalah untuk memfasilitasi spesifikasi warna dalam bentuk suatu standar. Ruang warna: RGB, HSI, CMY, LUV, dan YIQ.

5 Ruang Warna RGB Diterapkan pada: monitor CRT, grafika komp 3 komponen dasar: merah (R), hijau (G), dan biru (B) biasa disajikan dalam bentuk kubus 3D, Warna merah, hijau, dan biru di pojok sumbu. Warna hitam berada pada titik asal. Warna putih berada di ujung kubus yang berseberangan.

7 Jika masing-masing RGB memiliki graylevel 8- bit, maka dikatakan citra memiliki kedalaman 24-bit Total jumlah warna yang dihasilkan adalah (2 8 ) 3 = warna

8 Model CMY / CMYK Model warna CMY (cyan, magenta, yellow) mempunyai hubungan dengan RGB sebagai berikut: Dalam hal ini, R, G, dan B berupa nilai warna yang telah dinormalisasi, dengan jangkauan [0, 1]. Apa perbedaan CMY dengan CMYK?

9 RGB vs CMYK

11 Konversi CMY CMYK K = min(c, M, Y) C = (C K)/(1-K) M = (M K) (1-K) Y = (Y K) (1-K)

12 Model YIQ dikenal dengan nama ruang warna NTSC, dirumuskan oleh NTSC ketika mengembangkan sistem televisi berwarna di Amerika Serikat Pada model ini, Y disebut luma (luminans) dan I serta Q disebut chroma.

13 Konversi RGB YIQ

14 RGB YIQ

15 Ruang Warna YC b C r Ruang warna YC b C r biasa digunakan pada video digital. Komponen Y menyatakan intensitas, sedangkan C b dan C r menyatakan informasi warna

16 RGB YCbCr

17 Ruang Warna HSI, HSV, HSL HSV dan HSL merupakan contoh ruang warna yang merepresentasikan warna seperti yang dilihat oleh mata manusia. H berasal dari kata hue, S berasal dari saturation, L berasal dari kata luminance, I berasal dari kata intensity, V berasal dari value.

19 Konversi RGB HSV Berdasarkan Acharya & Ray: r = R R + G + B, g = G R + G + B, b = B R + G + B V = max r, g, b 0, jika V = 0 S = min r, g, b 1, jika V > 0 V 0, jika S = 0 60 (g b), jika V = r S V b r H = , jika V = g S V r g , jika V = b S V H = H + 360, jika H < 0

20 RGB HSV

21 Citra Batu Giok

22 Citra Batu Kalimaya

23 Statistika Warna Fitur warna dapat diperoleh melalui perhitungan statistis seperti rerata, deviasi standar, skewness, dan kurtosis Rerata memberikan ukuran mengenai distribusi: Varians menyatakan luas sebaran distribusi. Akar kuadrat varians dinamakan sebagai deviasi standar.

24 Statistika Warna (Skewness) Skewness atau kecondongan menyatakan ukuran mengenai ketidaksimetrisan. Distribusi dikatakan condong ke kiri apabila memiliki nilai skewness berupa bilangan negatif. Distribusi dikatakan condong ke kanan apabila memiliki nilai skewness berupa bilangan positif. Jika distribusi simetris, koefisien skewness bernilai nol.

25 Statistika Warna (Kurtosis) Kurtosis merupakan ukuran yang menunjukkan sebaran data bersifat meruncing atau menumpul

26 Mengatur Kecerahan Warna dan Kontras Kecerahan Warna: g y, x = f y, x + β Kontras Warna: g y, x = α f y, x

28 Komplemen warna

29 Noise pada citra berwarna Noise pada setiap layer warna bisa sama, bisa tidak. Noise bisa terjadi jika piranti elektronik pada layer tersebut rusak. Noise pada salah satu layer R, ketika dikonversi ke HSI akan menimbulkan kesalahan di semua layer HSI (dari rumus) Salah satu cara menghilangkan noise bisa dengan melakukan average filtering atau median filtering

30 Tugas Kelompok Buatlah resume mengenai penggunaan ruang warna / model warna pada pengolahan citra dari artikel/jurnal ilmiah. Ruang warna yang dibahas: CMYK, YCbCr, dan HSV. Dikumpulkan via zidny@st3telkom.ac.id Subject: TUGAS WARNA 2014 A Deadline: 15 Mei 2017, pukul 23.59

31 Referensi Abdul Kadir dan Adhi Susanto, Teori dan Aplikasi Pengolahan Citra, Yogyakarta: Andi Departement Teknik Informatika, IT Telkom Pengolahan-Citra-Berwarna.pdf

dokumen-dokumen yang mirip

Pengolahan citra. Materi 3

Pengolahan citra. Materi 3 Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2