Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial

Ukuran: px

Mulai penontonan dengan halaman:

Download "Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial"

Yandi Hermawan
7 tahun lalu
Tontonan:

1 Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia DC - OKT

2 Tujuan Peningkatan Mutu Citra Sumber Pustaka: Gonzalez, Bab 4 Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif lebih baik dari citra awal untuk aplikasi tertentu. Kata baik disini tergantung pada jenis aplikasi dan problem yang dihadapi. DC - OKT

3 Jenis Teknik Peningkatan Mutu Citra Teknik peningkatan mutu citra dapat dibagi menjadi dua: Peningkatan mutu citra pada domain spasial Point Processing Mask Processing Peningkatan mutu citra pada domain frekuensi DC - OKT

4 Lingkup Pembahasan Image Enhancement Spatial Domain Frequency Domain I. Point Processing II. Mask Processing (next week) a. Image Negative b. Contrast Stretching c. Histogram Equalization - all grey level and all area - specific grey level (histogram specification) - local enhancement (specific part of the image) d. Image Subtracting e. Image Averaging DC - OKT

5 I. Point Processing Cara paling mudah untuk melakukan peningkatan mutu pada domain spasial adalah dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak menggunakan jendela ketetanggaan) Pengolahan menggunakan histogram juga termasuk dalam bagian point processing DC - OKT

6 Ia. Image Negative Mengubah nilai grey-level piksel citra input dengan: G baru = G lama Hasilnya seperti klise foto DC - OKT

7 Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Citra Optik (Sumber: Bakosurtanal RI) Citra SAR 7

8 Ib. Contrast Stretching Mengubah kontras dari suatu image dengan cara mengubah greylevel pikselpiksel pada citra menurut fungsi s = T(r) tertentu r1 r2, s1 s2 r1 = r2, s1 = s2 tidak ada perubahan r1 = r2, s1 = 0, s2 = 255 tresholding menjadi citra biner dengan ambang r1 255 s 0 (r2,s2) T(r) (r1,s1) DC - OKT r 255

9 Contoh Contrast Stretching DC - OKT

10 Contrast Stretching Fungsi lain yang baik digunakan adalah: f out = (f in a)* b a = min(f in ) b = 255 / (max(f in ) min(f in )) Citra masukan yang grey level nya tidak penuh dari (low constrast) diubah menjadi citra yang grey level nya berkisar dari (high contrast) DC - OKT

11 Ic. Histogram Equalization Histogram: diagram yang menunjukkan jumlah kemunculan grey level (0-255) pada suatu citra Histogram processing: Gambar gelap: histogram cenderung ke sebelah kiri Gambar terang: histogram cenderung ke sebelah kanan Gambar low contrast: histogram mengumpul di suatu tempat Gambar high contrast: histogram merata di semua tempat Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada citra juga berubah DC - OKT

12 Ic. Histogram Equalization in all grey level and all area (1) Ide: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar pada kisaran Sifat: Grey level yang sering muncul lebih dijarangkan jaraknya dengan grey level sebelumnya Grey level yang jarang muncul bisa lebih dirapatkan jaraknya dengan grey level sebelumnya Histogram baru pasti mencapai nilai maksimal keabuan (contoh: 255) DC - OKT

13 Ic. Histogram Equalization in all grey level and all area (2) - mengubah pemetaan grey level pada citra, dengan rumus: s k 0 k n k = ( ) = j T r = k n r k j= 0 j= 0 p( r 1 dan k = 0,1,..., L 1 L adalah grey level maksimal yang ada j ) pada citra DC - OKT

14 Ic. Histogram Equalization in all grey level and all area (3) Contoh : citra dengan derajat keabuan hanya berkisar 0-10 Citra awal: Citra Akhir: Derajat Keabuan Kemunculan Probabilitas Kemunculan Sk SK * 10 Derajat keabuan baru DC - OKT

15 Ic. Histogram Equalization specific grey level (hist. specification) Histogram equalization tidak dilakukan pada seluruh bagian dari histrogram tapi hanya pada bagian tertentu saja DC - OKT

16 Ic. Histogram Equalization specific area (local enhancement) Histogram equalization hanya dilakukan pada bagian tertentu dari citra DC - OKT

17 Ic. Histogram Equalization specific area (local enhancement) Histogram equalization menggunakan jendela 7x7 DC - OKT

18 Id. Image Substraction Dilakukan jika kita ingin mengambil bagian tertentu saja dari citra - = DC - OKT

19 Aplikasi Kedokteran (Biomedik) (Sumber: Thesis S2 Kartono) Thorax X-Ray Standard Landmarks Thorax Tissue 19

20 Ie. Image Averaging Dilakukan jika kita memiliki beberapa citra yang bergambar sama, namun semua citra memiliki noise (gangguan) Noise satu citra berbeda dengan noise citra lainnya (tidak berkorelasi) Cara memperbaikinya adalah dengan melakukan operasi ratarata terhadap semua citra tersebut DC - OKT

21 II. Mask Processing (1) Jika pada point processing kita hanya melakukan operasi terhadap masing-masing piksel, maka pada mask processing kita melakukan operasi terhadap suatu jendela ketetanggaan pada citra. Kemudian kita menerapkan (mengkonvolusikan) suatu mask terhadap jendela tersebut. Mask sering juga disebut filter. DC - OKT

22 II. Mask Processing (2) x Contoh: Jendela ketetanggan 3x3, Nilai piksel pada posisi x dipengaruhi oleh nilai 8 tetangganya Perbedaan dengan point processing: pada point processing, nilai suatu piksel tidak dipengaruhi oleh nilai tetangga-tetangganya DC - OKT

23 II. Mask Processing (3) W 1 W 2 W 3 W 4 W 5 W 6 W 7 W 8 W 9 Contoh sebuah mask berukuran 3x3. Filter ini akan diterapkan / dikonvolusikan pada setiap jendela ketetanggaan 3x3 pada citra (anggap filter sudah dalam bentuk terbalik) G 11 G 12 G 13 G 14 G 15 G21 G 22 G 23 G 24 G 25 G 31 G 32 G 33 G 34 G 35 G 22 = w 1 G 11 + w 2 G 12 + w 3 G 13 + w 4 G 21 + w 5 G 22 + w 6 G 23 + w 7 G 31 + w 8 G 32 + w 9 G 33 G 41 G 42 G 43 G 44 G 45 G 51 G 52 G 53 G 54 G 55 DC - OKT

24 II. Jenis-jenis filter spasial Smoothing filters: Lowpass filter (linear filter, mengambil nilai rata-rata) Median filter (non-linear filter, mengambil median dari setiap jendela ketetanggan) Sharpening filters: Roberts, Prewitt, Sobel (edge detection) Highpass filter DC - OKT

25 II. Contoh penerapan filter spasial 1/9 x Average lowpass filter (a) Gambar Asli (b)-(f) hasil dari spatial lowpass filtering dengan ukuran mask 3,5,7,15,25 DC - OKT

26 II. Contoh penerapan filter low pass dan median (a) Gambar asli (b) Gambar yang diberi noise (c) Hasil dari 5x5 lowpass average filtering (d) Hasil dari 5x5 median filtering DC - OKT

27 II. Edge detection Pada suatu citra monokrom, suatu edge (sisi) dapat ditandai dengan adanya suatu perbedaan intensitas yang besar DC - OKT

28 II. Edge detection Bagaimana mendeteksi perbedaan intensitas tersebut? Dengan mempertegas perbedaan (kalikan satu intensitas dengan nilai negatif, kemudian kalikan nilai positif pada intensitas lainnya) Kasus A: 2 bersisian dgn 100 (edge) 2*(-1) + 100*(1)= 99 Kasus B: 2 bersisian dgn 4 (not edge) 2*(-1) + 4*(1)= 2 Lakukan tresholding untuk memperjelas mana bagian sisi dan mana yang bukan Ambil treshold = 90, maka Kasus A akan dianggap sebagai sisi, Kasus B tidak dianggap sisi DC - OKT

29 II. Contoh edge detection Sobel Prewitt (a)gambar awal, (b) hasil dari Prewitt Mask, (c) thresholding dari (b) pada nilai > 25 (d) thresholding dari (b) pada nilai >25 dan < 25 (black) DC - OKT

dokumen-dokumen yang mirip

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL

PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN SPATIAL Copyright @ 27 by Emy 2 Kompetensi Mampu mengimplementasikan teknik-teknik untuk memperbaiki kualitas citra sehingga citra yang dihasilkan