Representasi Citra Bertalya Universitas Gunadarma 2005
Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima sinyal analog, seperti mata manusia dan kamera analog. Citra diskrit (citra digital) dihasilkan melalui proses digitalisasi terhadap citra kontinu. Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan atau intensitas cahaya citra pada titik tersebut; Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan (kwantisasi); Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan tingkat keabuan pada titik tersebut. Berta @ 2005 2
Pengertian Citra Digital (lanjutan) Nilai f(x,y) merupakan = i(x,y). r(x,y) Nilai i(x,y) adalah jumlah cahaya yg berasal dari sumbernya (illumination) 0 i(x,y) < Nilai r(x,y) adalah derajat kemampuan objek memantulkan cahaya (reflection) Sehingga 0 i(x,y) 0 f(x,y) < Nilai f(x,y) disebut juga derajat keabuan (gray level) mempunyai nilai l min < f < l max Selang (l min, l max ) disebut skala keabuan Contoh: citra hitam putih dengan 256 level mempunyai skala keabuan (0,255), nilai 0 menyatakan putih, nilai 255 menyatakan hitam, kecuali itu terletak diantaranya. Berta @ 2005 3
Pengertian Citra Digital Sampler Citra kontinue Citra dijital Matriks citra dengan obyek angka 5 Resolusi spasial : Resolusi kecemerlangan : Tinggi (16 x 16) Rendah (8 x 8) Tinggi (4) Rendah (2) Berta @ 2005 4
Digitalisasi Citra Citra digital diperoleh dari proses digitalisasi. Ada 2 proses digitalisasi yakni : 1. sampling merupakan proses pengambilan nilai diskrit koordinat ruang (x,y) dengan melewatkan citra melalui grid (celah) 2. kuantisasi merupakan proses pengelompokkan nilai tingkat keabuan citra kontinu ke dalam beberapa level atau merupakan proses membagi skala keabuan (0,L) menjadi G buah level yg dinyatakan dengan suatu harga bilangan bulat (integer), dinyatakan sebagai G = 2 m G : derajat keabuan, m : bil bulat positif Citra digital berukuran N x M dinyatakan dg matriks yg berukuran N baris dan M kolom f(x,y) = f(0,0) f(0,1) f(0,m) f(n-1,0) f(n-1,1) f(n-1, M-1) Berta @ 2005 5
Digitalisasi Citra (lanjutan) Berarti penyimpanan untuk citra digital yg disampling dg N x M piksel dan dikuantisasi menjadi 2 m level derajat keabuannya membutuhkan memori N x M x m Contoh, citra Lena yg berukuran 512 x 512 dg 256 derajat keabuan membutuhkan memori sebesar 512 x 512 x 8 bit = 2048.000 bit. Resolusi gambar ditentukan oleh N dan m. Makin tinggi nilainya maka citra yg dihasilkan makin bagus kualitasnya (mendekati citra kontinu). Berta @ 2005 6
Digitasi Citra Line Column of samples Pixel Black 255 Line Spacing Gray 128 Sample Spacing Picture Sampling process Spatial resolution Sumber: Dimodifikasi dari Castlemen, 1996 White 0 Brightness Spacing Proses Kwantisasi Brightness Resolution Berta @ 2005 7
Resolusi Citra Resolusi Citra Menentukan seberapa dekat citra tsb dengan asal (kontinu). Dikenal: resolusi spasial dan resolusi kecemerlangan, berpengaruh pada besarnya informasi citra yang hilang. Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinue ke citra digital disebut digitisasi (sampling). Hasil digitisasi dengan jumlah baris 256 dan jumlah kolom 256 - resolusi spasial 256 x 256. Resolusi kecemerlangan (intensitas / brightness): halus / kasarnya pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat kontinue ke daerah intensitas diskrit disebut kwantisasi. Bila intensitas piksel berkisar antara 0 dan 255 - resolusi kecemerlangan citra adalah 256. Berta @ 2005 8
Resolusi Spasial - Sampling Sampling Uniform dan Non-uniform Sampling Uniform mempunyai spasi (interval) baris dan kolom yang sama pada seluruh area sebuah citra. Proses sampling melalui celah yg berukuran sama. Sampling Non-uniform bersifat adaptif tergantung karakteristik citra dan bertujuan untuk menghindari adanya informasi yang hilang. Daerah citra yang mengandung detil yang tinggi di-sampling secara lebih halus, sedangkan daerah yang homogen dapat di-sampling lebih kasar. Kerugian sistem sampling Non-uniform adalah diperlukannya data ukuran spasi atau tanda batas akhir suatu spasi. Proses sampling melalui celah yg bervariasi. Berta @ 2005 9
Contoh Sampling Berta @ 2005 10
Resolusi Kecemerlangan - Kuantisasi Kuantisasi Uniform, Non-uniform, dan Tapered Kuantisasi Uniform mempunyai interval pengelompokan tingkat keabuan yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya). Kuantisasi Non-uniform: Kuantisasi yang lebih halus diperlukan terutama pada bagian citra yang menggambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kuantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek. Kuantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kuantisasi secara lebih halus dan diluar batas daerah tersebut dapat di-kuantisasi secara lebih kasar (local stretching). Berta @ 2005 11
Warna Citra Warna pada citra diperlukan karena : - utk analisis citra secara otomatis, krn warna dpt menyerderhanakan proses identifikasi dan ekstraksi benda dari suatu citra - mata manusia dpt membedakan ribuan perubahan warna dg berbagai intensitas, sedang citra yg monokromati hanya dpt membedakan 2 lusin 10 100 120 100 100 120 100 10 10 140 255 140 140 255 100 10 10 255 140 255 140 255 120 10 10 140 140 255 140 255 120 10 10 120 255 140 140 255 100 10 10 255 140 140 120 255 100 10 10 255 255 255 120 255 100 10 10 100 120 100 100 120 100 10 Gambar ini merupakan citra monokromatik 8 bits dg ukuran [8 x 8] dg skala keabuan [0, 255]. Berarti citra tsb adalah angka 21 dg latar belakang gelap. Berta @ 2005 12
Citra Biner Citra biner (binary image) adalah citra yg setiap pikselnya hanya memiliki 2 kemungkinan derajat keabuan yakni 0 dan 1. Proses pembineran dilakukan dg membulatkan ke atas atau ke bawah untuk setiap nilai keabuan dari piksel yg berada di atas atau bawah harga ambang. Metode untuk menentukan besarnya harga ambang disebut thresholding. 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 1 1 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 Berta @ 2005 13
Hubungan antara piksel dan pengertian connectivity 4-tetangga piksel P X X P X X 8-tetangga piksel P X X X X P X X X X Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau sama-sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya Berta @ 2005 14
Labelling of connected component Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4-tetangga dan (b) dengan aturan 8 tetangga: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 1 1 0 1 1 0 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 ekivalen dengan ekivalen dengan Berta @ 2005 15
Operasi Aritmetik antara dua citra + - x / Operasi Aritmetik pada Citra Band ratio antara citra sensor optik Landsat TM band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya. Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah. Jakarta in 1994 Jakarta in 1998 (Lapan, 2001) Berta @ 2005 16
Operasi Aritmetik pada Citra Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah. Jakarta in 1994 Jakarta in 1998 (Lapan, 2001) Berta @ 2005 17
Operasi Lojik antara dua citra OR AND NOT Operasi Aritmetik pada Citra Masking (AND) operation dapat digunakan untuk memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik. Object of interest jaringan paru Mask dengan operasi AND Berta @ 2005 18
Komponen Sistem Pengolahan Citra Dijital (Gonzalez & Woods, 1992) Berta @ 2005 19
Elemen-elemen Sistem Analisis Citra (Gonzalez & Woods, 1992) Berta @ 2005 20
Metodologi Pengolahan Citra Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra dijital. Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi. Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics). Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelaskelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel Berta @ 2005 21
Metodologi Pengolahan Citra (Lanjutan) Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi sebagai suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi luasan / perimeternya Pengenalan Pola (Pattern Recognition): Memberikan label kategori obyek pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor atau ciri piksel bersangkutan (pewilayahan jaringan keras dan pewilayahan berbagai jaringan lunak pada citra biomedik) Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor) Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai referensi pada proses template matching / object recognition. Berta @ 2005 22