PENGOLAHAN CITRA DIGITAL

dokumen-dokumen yang mirip
Pembentukan Citra. Bab Model Citra

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.

Pengolahan Citra : Konsep Dasar

BAB II. Computer vision. teknologi. yang. dapat. Vision : Gambar 2.1

Model Citra (bag. I)

Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer

Pertemuan 2 Representasi Citra

Representasi Citra. Bertalya. Universitas Gunadarma

Citra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo

SATUAN ACARA PERKULIAHAN ( SAP )

Model Citra (bag. 2)

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT

BAB II CITRA DIGITAL

Pengolahan citra. Materi 3

KONSEP DASAR PENGOLAHAN CITRA

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

BAB 2 TINJAUAN TEORETIS

BAB II LANDASAN TEORI

Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata.

PENGOLAHAN CITRA DIGITAL

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL

BAB II LANDASAN TEORI. mesin atau robot untuk melihat (

BAB II LANDASAN TEORI

KONSEP DASAR PENGOLAHAN CITRA

BAB II TI JAUA PUSTAKA

BAB II LANDASAN TEORI. Data atau informasi tidak hanya disajikan dalam bentuk teks, tapi juga

MAKALAH APLIKASI KOMPUTER 1 SISTEM APLIKASI KOMPUTER GRAFIK KOMPUTER DAN KONSEP DASAR OLAH CITRA. Diajukan sebagai Tugas Mandiri Mata Kuliah NTM

BAB 2 TINJAUAN PUSTAKA

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI

BAB II TEORI PENUNJANG

SAMPLING DAN KUANTISASI

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya

Perbandingan Metode Pergeseran Rata-Rata, Pergeseran Logaritma, dan Alpha Blending Dalam Proses Metamorfosis dari Dua Gambar Dijital

BAB II LANDASAN TEORI

PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )

BAB 2 TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA

LANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 3. Pembentukan Citra Digital. Digitalisasi Citra. Yang dipengaruhi N,M, & q

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH

KLASIFIKASI USIA MENGGUNAKAN CIRI ORDE DUA

One picture is worth more than ten thousand words

BAB 2 LANDASAN TEORI

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode

BAB II LANDASAN TEORI

BAB II TINJAUAN PUSTAKA

LAPORAN PEMROSESAN CITRA DIGITAL

Operasi-operasi Dasar Pengolahan Citra Digital

GLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness

BAB II TINJAUAN PUSTAKA

BAB 4 HASIL DAN ANALISA

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

BAB 2 TINJAUAN PUSTAKA

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA. Akuisisi dan Model ABDUL AZIS, M.KOM

TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL. foto, bersifat analog berupa sinyal sinyal video seperti gambar pada monitor

BAB 2 LANDASAN TEORI

BAB II TINJAUAN PUSTAKA. merekam suatu adegan melalui media indra visual. Citra dapat dideskripsikan

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner

BAB 2 TINJAUAN PUSTAKA

KULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS

Peningkatan Kualitas Pada Citra Dengan Metode Point Operation

ANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD

BAB II TINJAUAN PUSTAKA

BAB II LANDASAN TEORI

BAB II. DASAR TEORI 2.1 CITRA DIGITAL

BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Grafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16

TEKNIK PENGOLAHAN CITRA. Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng.

Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)

Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness

PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL

Pertemuan 2 Dasar Citra Digital. Anny Yuniarti, S.Kom, M.Comp.Sc

Sesi 2: Image Formation. Achmad Basuki PENS-ITS 2006

ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL

BAB 2 TINJAUAN PUSTAKA

PERTEMUAN - 2 PENGOLAHAN CITRA

SEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING DIGITAL FISH IMAGE SEGMENTATION BY THRESHOLDING METHOD

Operasi Piksel dan Histogram

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

Transkripsi:

PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2

Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA

ELEMEN PEMROSES CITRA DIGITAL Elemen pemroses citra digital: - Digitizer - Komputer - Piranti tampilan - Penyimpan Digitizer (atau digital image acquisition system): Sistem penangkap citra digital yang melakukan scanning citra dan mengkonversinya ke dalam bentuk numerik sebagai input bagi komputer. Hasil digitizer: Matriks yg elemen-elemennya menyatakan nilai intensitas cahaya pd suatu titik. Contoh: scanner, kamera digital Komponen digitizer Sensor citra sebagai pengukur intensitas cahaya Scanner untuk merekam hasil pengukuran intensitas pada seluruh bagian citra ADC untuk sampling dan kuantisasi - Komputer sebagai pemroses - Piranti tampilan mengkonversi matriks intensitas yang merepresentasikan citra ke tampilan yang dapat diinterpretasi oleh manusia, contoh: monitor, printer - Media penyimpan untuk menyimpan citra digital, contoh: disk

AKUISISI (PEMBENTUKAN) CITRA DIGITAL CITRA Kontinyu Dihasilkan dari sistem optik yg menerima sinyal analog, misalnya mata manusia & kamera analog Model Citra Diskret Dihasilkan melalui proses digitalisasi citra kontinyu. Beberap sistem optik dilengkapi fungsi digitalisasi, sehingga mampu menghasilkan citra diskret (digital), misalnya kamera digital & scanner Citra merupakan fungsi malar (kontinyu) dari intensitas cahaya pada bidang 2 dimensi. Secara matematis fungsi intensitas cahaya pada bidang 2D disimbolkan dengan f(x,y) (x,y) : koordinat kartesian f(x,y) : intensitas cahaya (brightness) pada titik (x,y)

y f(x, y) x Gbr 2.1 Cara penentuan koordinat titik dlm citra Cahaya merupakan energi, sehingga intensitas cahaya f(x,y) bernilai: 0<= f(x,y)< f(x,y)= i(x,y). r(x,y) Dengan, i(x,y): jumlah cahaya yg berasal dari sumbernya (illumination), 0 <= i(x,y) < r(x,y): derajat kemampuan objek memantulkan cahaya (reflection), 0 <= r(x,y) <= 1 i(x,y) Sumber cahaya normal permukaan Gbr 2.2 Pembentukan citra f(x,y)

Contoh nilai i(x,y): a. Cuaca cerah, matahari menghasilkan iluminasi sekitar 9000 foot candles. b. Cuaca mendung atau berawan, matahari menghasilkan iluminasi sekitar 1000 foot candles Contoh nilai r(x,y) a. Benda hitam 0.01 b. Dinding putih 0.8 Intensitas f(x,y) pd gambar hitam putih disebut derajat keabuan (grey level), derajat keabuannya bergerak dari hitam ke putih. Citranya disebut citra keabuan (greyscale image). Rentang nilai derajat keabuan dari l min sampai l max l min < f < l max Selang (l min, l max ) disebut skala keabuan Karena alasan praktis, (l min, l max ) sering digeser menjadi selang [0, L] Intensitas 0 = hitam, L = putih dan nilai antara 0 sampai L bergeser dari hitam ke putih

Contoh: Citra keabuan dgn 128 level: skala abu-abu dari 0 sampai 127 atau [0,127]. Citra keabuan = citra satu kanal karena warnanya hanya ditentukan oleh satu fungsi intensitas. Citra berwarna = citra spektral, krn warnanya terdiri atas tiga komponen warna yaitu RGB (red, green, blue). Intensitas suatu titik pd citra warna merupakan kombinasi tiga intensitas: Derajat keabuan merah f merah (x,y), hijau f hijau (x,y), dan biru f biru (x,y) Digitalisasi Citra Digitalisasi: representasi citra dari fungsi kontinyu menjadi nilai-nilai diskret. citra yg dihasilkan disebut digital image (citra digital). Dimensi ukuran dinyatakan dengan tinggi (N) x lebar (M) atau (lebar x panjang). Citra digital dengan L derajat keabuan, fungsinya dapat ditulis sbb: 0 <= x <= M-1 f(x, y) 0 <= y <= N-1 0<= f <= L

Citra digital ukuran N (baris) x M (kolom) dinyatakan dgn matriks: f(x,y) = f(0,0) f(0,1) f(0,m-1) f(1,0) f(1,1) f(1,m-1)........... f(n-1,0) f(n-1,1) f(n-1,m-1) Indeks baris i dan kolom j menyatakan koordinat titik pd citra. f(i,j): intensitas (derajat keabuan) pd titik (i,j) Tiap elemen citra digital (elemen matriks) disebut image element, picture element atau pixel atau pel N x M buah pixel Contoh: citra ukuran 128 x 128 pixel dinyatakan secara numerik dengan matriks, 128 baris (pd indeks i dari 0-127) dan 128 kolom (pd indeks j dari 0-127), contoh: Citra dengan level keabuan 256 0 100 100 255 1 101 100 150 100 200 10 100..... 200 254 120 140 120

Digitalisasi citra: 1. Digitalisasi spasial (x,y) disebut penerokan (sampling) 2. Digitalisasi intensitas f(x,y) disebut kuantisasi 1. Sampling / Penerokan DIGITALISASI CITRA Citra kontinyu disampling pada elemen grid berbentuk bujursangkar. j SAMPLER (0,0) (0,1) D y i (1,0) M pixel D x (0,M-1) N pixel y (0,0) x Elemen gambar (N-1,0) Elemen matriks

x = Dx / M increment y = Dy / N increment N = jumlah maksimum pixel dalam satu kolom M = jumlah maksimum pixel dalam satu baris Dx = lebar gambar (dalam satuan panjang, mis. inci) Dy = tinggi gambar (dalam satuan panjang, mis. inci) Elemen (i,j) dalam matriks menyatakan rata-rata intensitas cahaya pada area citra yang direpresentasikan oleh pixel. Resolusi (derajat rincian yang dapat dilihat) citra ditentukan oleh pembagian gambar menjadi jumlah piksel tertentu. Semakin banyak jumlah pixel, semakin tinggi resolusi gambar (gambar semakin halus secara visual), karena informasi yang hilang akibat pengelompokan intensitas saat sampling, semakin kecil.

Contoh sampling: Suatu gambar yg ukurannya 5 x 5 inci akan dinyatakan dalam matriks ukuran 4 x 5 (4 baris dan 5 kolom) sebagai sebuah citra biner yang hanya mempunyai dua derajat keabuan saja: 0 (gelap) 1 (terang) Iluminasi maksimum 5 inci 1????????? Tdk ada intensitas cahaya y? 0???????? 0 0 x 5 inci Gambar yang disampling Matriks representasi gambar Tiap elemen gambar lebarnya 1 inchi & tingginya 1,25 inchi akan direpresentasikan dengan suatu nilai yang mewakili rata-rata intensitas cahaya pada area tersebut Area 1 x 1,25 inci pd sudut kiri atas gambar direpresentasikan oleh (0,0) Area 1 x 1,25 inci pd sudut kanan bawah gambar direpresentasikan oleh (3,4)

2. Kuantisasi Intensitas kontinyu dikuantisasikan menjadi suatu nilai intensitas diskret. Kuantisasi membagi skala keabuan (0, L) menjadi G buah level yang dinyatakan dengan suatu harga bilangan integer, umumnya perpangkatan dari 2, G = 2 m, G : derajat keabuan m : bil bulat positif Skala keabuan Rentang nilai keabuan Pixel Depth 2 1 = 2 nilai 0, 1 1 bit 2 2 0-3 2 bit 2 3 0 7 3 bit 2 8 0 255 8 bit 0: nilai derajat keabuan terendah dengan warna hitam?: nilai derajat keabuan tertinggi dengan warna putih Pixel depth: jumlah bit untuk merepresentasikan nilai keabuan pixel Citra biasanya diasosiasikan dengan pixel depth-nya, Contoh: citra dengan pixel depth 8 bit disebut citra 8-bit atau citra 256 warna

Citra keabuan pada umumnya dikuantisasi pada 256 level sehingga membutuhkan 8 bit untuk representasi setiap pixelnya (G = 256 =2 8 ) Citra biner dikuantisasi pada dua level saja: level 0 & 1, hanya 1 bit untuk representasi setiap pixel Jumlah level yang dipilih saat kuantisasi mententukan kehalusan transisi antar nilai intensitas Contoh: citra cameramen 256 x 256 pixel dengan perbedaan kuantisasi Pixel depth 8 bit = 256 level keabuan Pixel depth 4 bit = 16 level keabuan

Penyimpanan citra digital hasil sampling menjadi N x M pixel & dikuantisasi menjadi 2 m level keabuan membutuhkan memori sebanyak: N x M x m bit Kesimpulan: Kualitasi citra digital ditentukan oleh N, M & m, semakin tinggi nilainya, akan semakin bagus kualitasnya (semakin halus) dan mendekati citra analog

a. Brightness (kecerahan) Nama lain dari intensitas cahaya, dimana tiap pixel dalam citra bukan intensitas riil, namun merupakan intensitas rata-rata dari suatu area yang melingkupinya. b. Contrast (kontras) ELEMEN CITRA DIGITAL Sebaran lightness (terang) & darkness (gelap) dalam suatu citra. Jika sebagian besar komposisi citra terang atau sebagian besar gelap maka dikatakan citra tersebut kontrasnya rendah. Jika komposisi gelap & terang tersebar merata maka dikatakan kontras citra baik. c. Contour (kontur) Kontur : keadaan yg ditimbulkan oleh perubahan intensitas pada pixelpixel yang bertetangga. Dengan adanya perubahan intensitas, secara mata kita mampu mendeteksi edge (tepi) objek dalam citra.

d. Colour (warna) Persepsi yg dirasakan oleh sistem visual manusia terhadap panjang Gelombang cahaya yg dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang (λ) yang berbeda Merah memiliki λ paling panjang Ungu (violet) memiliki λ paling pendek Warna yg diterima oleh mata: hasil kombinasi cahaya dgn λ yang berbeda. Kombinasi warna yg memberikan rentang (spektrum) warna paling lebar adalah red, green, dan blue (RGB) e. Shape (bentuk) Properti intrinsik dari objek 3 dimensi yang merupakan properti intrinsik utama untuk sistem visual manusia. Manusia lebih sering mengasosiasikan objek dengan bentuknya daripada properti lainnya.

Citra yang dibentuk oleh mata manusia adalah citra 2D, sedang objek yang dilihat adalah 3D Informasi bentuk objek dpt diekstrak dr citra pd preprocessing dan segmentasi citra f. Texture (tekstur) Didefinisikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan pixel-pixel yg bertetangga. Sebuah pixel saja tidak dapat didefinisikan sebagai tekstur. Contoh tekstur: Citra ubin jika dilihat dari jarak dekat, tekstur terbentuk oleh detail pola yang menyusun tiap ubin Dari jarak jauh, yang terlihat adalah tekstur lantai yang terbentuk oleh penempatan ubin secara keseluruhan

SELESAI UNTUK HARI INI Minggu depan: pre test, bahan: minggu 1 dan 2 (hari ini). Daftar kelompok sudah dapat dilihat di lecturer site, harap diperiksa ulang untuk nama anggota kelompok. Materi minggu depan: operasi titik, operasi aritmetik, operasi biner.