KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1
Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan operasi dasar pada citra Mampu membuat histogram citra dan menganalisisnya Copyright @ 2007 by Emy 3 Palet Warna Bagaimana sebuah citra direpresentasikan dalam file? Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar, kita harus memiliki palet dan kanvas Palet: kumpulan warna yang dapat membentuk citra, sama halnya seperti kita hendak melukis dengan cat warna, kita memiliki palet yang bisa kita isikan berbagai warna cat air Setiap warna yang berbeda dalam palet tersebut kita beri nomor (berupa angka) Contoh untuk citra monokrom (warnanya hanya putih-abuabu-hitam), berarti kita memiliki palet sbb: Copyright @ 2007 by Emy 4 2
Kanvas & Matriks Setelah itu kita dapat menggambar menggunakan warna-warna dalam palet tersebut di atas sebuah kanvas Sebuah kanvas dapat kita anggap sebagai sebuah matriks dimana setiap elemen dari matriks tersebut bisa kita isikan dengan salah satu warna dari palet Informasi tentang palet (korespondensi antara warna dengan angka) disimpan dalam komputer (program pembuka citra seperti Paint, Photoshop, dll) sehingga sebuah file citra dalam komputer hanya perlu menyimpan angka-angka yang merepresentasikan sebuah warna. sebuah citra direpresentasikan dalam sebuah matriks yang berisi angka-angka Copyright @ 2007 by Emy 5 Contoh 201 188 181 185 180 147 140 149 155 138 144 144 145 199 200 201 188 139 132 147 150 143 123 112 102 117 207 221 222 136 90 111 125 145 140 138 122 104 97 231 219 200 90 65 84 84 107 95 92 92 99 89 227 223 181 74 72 89 92 86 77 63 50 55 65 217 211 166 85 47 75 82 83 75 42 42 39 40 208 195 179 131 54 68 66 72 46 21 15 24 19 = 198 187 181 141 53 54 55 59 37 21 37 66 90 195 184 170 134 52 38 42 45 35 43 98 152 172 186 175 171 169 100 34 34 27 44 85 139 170 184 167 156 142 144 112 48 32 46 84 133 166 172 186 142 139 131 120 108 67 30 76 102 123 153 171 178 145 134 128 125 117 70 38 91 101 105 125 146 157 Copyright @ 2007 by Emy 6 3
Alur Jika kita menyimpan gambar kucing tadi ke dalam sebuah file (kucing.bmp), maka yang disimpan dalam file tersebut adalah angka-angka yang diperoleh dari matriks kanvas. File kucing.bmp: Header Angkaangka dari matriks input Program pembuka citra (Paint, Photoshop, dll) Ditampilkan di layar Informasi palet dan format file citra Copyright @ 2007 by Emy 7 Representasi dalam File Untuk Windows Bitmap Files (.bmp) Ada header berisi informasi jumlah baris dan kolom dalam citra, informasi palet, dll Header langsung diikuti dengan angka-angka dalam matriks, disusun perbaris Baris pertama langsung diikuti baris kedua, dst Bagaimana mengetahui awal suatu baris? (misal untuk membedakan citra berukuran 100x200 dengan 200x100) lihat informasi jumlah baris dan jumlah kolom di header Header Baris 1.. Baris terakhir Copyright @ 2007 by Emy 8 4
Representasi dalam File Ada bermacam format representasi citra dalam file, seperti bmp, tif, jpg, dan sebagainya. Format BMP merupakan format yang kurang efisien, karena semua informasi angka dalam baris disimpan semua. Misalkan ukuran header adalah H byte, ukuran citra 100x100 byte monokrom, maka ukuran file bmp tersebut adalah : H + data citra = H + 10000 Byte Bagian data citra (10000 byte) sebenarnya bisa dikompresi agar ukuran file tidak terlalu besar. Salah satu cara kompresi adalah dengan terlebih dahulu mentransformasikan citra ke ruang yang berbeda (contoh: format file JPEG) Topik ini lebih lanjut akan kita bahas di bahasan tentang Transformasi Copyright @ 2007 by Emy 9 Kaitannya dengan frekuensi? Citra ambil 1 baris plot (sumbu x: posisi piksel dalam baris, sumbu y: intensitas keabuan/warna) Columns 1-9 : 71 70 70 70 73 77 81 83 73.. Columns 307-315: 92 93 84 93 96 79 121 218 232 Columns 316-324: 233 74 0 11 24 14 14 13 11.. Columns 397 through 400 : 24 8 13 15 Copyright @ 2007 by Emy 10 5
Kaitannya dengan Frekuensi? Frekuensi dapat dilihat perbaris dan perkolom atau perbidang Copyright @ 2007 by Emy 11 Elemen Dasar Citra Digital Warna (color) Persepsi yg dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yg dipantulkan oleh objek. Warna merah mempunyai panjang gelombang paling tinggi sebaliknya adalah warna ungu (violet) Rentang warna paling lebar adalah Red Green dan Blue Bentuk (Shape) Adalah properti dari objek tiga dimensi dengan pengertian bahwa shape merupakan properti intrinsik utama utk sistem visual manusia Copyright @ 2007 by Emy 12 6
Elemen Dasar Citra Digital Kecerahan (brightness) Merupakan kata lain dari intensitas cahaya. Kecerahan pada suatu titik(piksel) di dalam citra bukanlah intensitas yg riil, tetapi merupakan rata-rata dari suatu area yg melingkupinya. Kontras (contrast) Menyatakan sebaran terang dan gelap di dlm sebuah gambar. Citra dgn kontras rendah dicirikan dgn sebagian besar komposisi citranya adalah terang atau sebagian besar gelap Citra dgn kontras yg baik komposisi gelap dan terang tersebar secara merata Kontour (contour) Keadaan yg ditimbulkan oleh perubahanintensitas pd piksel yg bertetangga. Karena adanya perubahan intensitas inilah mata kita mampu mendeteksi tepi-tepi objek di dlm citra Copyright @ 2007 by Emy 13 Resolusi Citra Resolusi citra ditentukan oleh N dan m. Makin tinggi nilai N dan m, maka citra yg dihasilkan semakin bagus kualitasnya Citra dgn jml objek yg sedikit kualitas citra ditentukan oleh nilai m Citra dgn jumlah jml objek yg banyak kualitasnya ditentukan oleh N Copyright @ 2007 by Emy 14 7
Resolusi Spasial dan Kecemerlangan/Brightness Resolusi Citra 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 dijital disebut dijitisasi (sampling). Hasil dijitisasi 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. Copyright @ 2007 by Emy 15 Resolusi Spasial - Sampling Sampling Uniform dan Non-uniform Sampling Uniform mempunyai spasi (interval) baris dan kolom yang sama pada seluruh area sebuah citra. 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. Copyright @ 2007 by Emy 16 8
Resolusi Kecemerlangan - Kwantisasi Kwantisasi Uniform, Non-uniform, dan Tapered Kwantisasi 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). Kwantisasi Non-uniform: Kwantisasi yang lebih halus diperlukan terutama pada bagian citra yang meng-gambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kwantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek. Kwantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kwantisasi secara lebih halus dan diluar batas daerah tersebut dapat di-kwantisasi secara lebih kasar (local stretching). Copyright @ 2007 by Emy 17 Hubungan antara piksel dan pengertian connectivity 4-tetangga piksel P 8-tetangga piksel P X X X X X P X X P X X X X X Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau samasama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya Copyright @ 2007 by Emy 18 9
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 Copyright @ 2007 by Emy 19 TEKNIK-TEKNIK PENGOLAHAN CITRA DIGITAL Copyright @ 2007 by Emy 20 10
Tingkatan Pengolahan Citra Tahap 1 : Low Level Processing Pengolahan ini adalah operasi dasar dalam pengolahan citra seperti : pengurangan noise (noise reduction) perbaikan citra (image enhancement) dan restorasi citra (image restoration). Tahap 2 : Mid-Level Processing Pengolahan ini meliputi : Segmentasi pada citra Deskripsi objek dan Klasifikasi objek secara terpisah. Tahap 3 : High-Level Processing Meliputi analisa citra Copyright @ 2007 by Emy 21 Teknik Pengolahan Citra Dijital Image Enhancement Proses perbaikan citra dengan meningkatkan kualitas citra baik kontras maupun kecerahan. Image restoration Proses memperbaiki model citra, biasanya berhubungan dengan bentuk citra yang sesuai Color Image Processing Proses yg melibatkan citra berwarna, baik berupa image enhancement, image restoration, atau yg lainnya. Wavelet dan multiresolution processing Suatu proses yg menyatakan citra dalam beberapa resolusi Image Compression Proses yg digunakan untuk mengubah ukuran data pada citra. Copyright @ 2007 by Emy 22 11
Teknik Pengolahan Citra Dijital Morphological Procesing Proses untuk memperoleh informasi yg menyatakan deskripsi dari suatu bentuk pada citra segmentation Proses untuk membedakan atau memisahkan objek-objek yg ada dalam suatu ngenali objek-ibjek apa saja yang citra, seperti memisahkan objek dengan latar belakang Object Recognition Proses yg dilakukan untuk mengenali objek-objek apa saja yg ada dalam suatu citra Copyright @ 2007 by Emy 23 HISTOGRAM Copyright @ 2007 by Emy 24 12
HISTOGRAM CITRA Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Dari histogram dapat diketahui : Frekuensi kemunculan nisbi(relative) dari intensitas pada citra. Kecerahan dan kontras dari sebuah gambar. Histogram merupakan alat bantu yg penting dalam pekerjaan pengolahan citra baik secara kualitatif maupun kuantitatif. Copyright @ 2007 by Emy 25 Membuat Histogram Misal citra memiliki L derajad keabuan, yaitu dari nilai 0 sampai dengan L-1, histogram citra dihitung dari rumus : ni hi =, i = 0,1,2, K, L 1 n Yang dalam hal ini : n i = jumlah pixel yg memiliki derajad keabuan I n = jumlah seluruh pixel di dalam citra Copyright @ 2007 by Emy 26 13
Membuat Histogram DERAJAD KEABUAN n i H i = n i / n Contoh : citra digital yg berukuran 8 x 8 pixel dengan derajad keabuan dari 0-15 (ada 16 derajad keabuan ) 3 7 2 0 14 6 12 12 0 2 4 5 15 13 2 1 7 8 10 12 14 10 0 0 1 8 15 15 5 9 8 10 9 12 11 8 8 10 11 1 3 4 5 13 10 14 0 0 1 0 2 2 11 10 9 9 8 7 0 10 11 14 13 12 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 8 4 5 2 2 3 1 3 6 3 7 4 5 3 4 3 0.125 0.0625 0.078125 0.03125 0.03125 0.046875 0.015625 0.046875 0.09375 0.046875 0.109375 0.0625 0.078125 0.046875 0.0625 0.046875 Copyright @ 2007 by Emy 27 Histogram Khusus untuk citra berwarna histogram dibuat untuk setiap kanal RGB Informasi penting dari histogram : Nilai h i menyatakan peluang pixel, P(i) dengan derajad keabuan i. jumlah seluruh h i sama dengan 1 Puncak histogram menunjukkan intensitas pixel yang menonjol. Lebar dari puncak menunjukkan rentang kontras dari gambar. Citra yang mempunyai kontras terlalu terang atau gelap memiliki histogram yg sempit, dan hanya menggunakan setengah dari daerah derajad keabuan Citra yg baik memiliki histogram yg mengisi darah derajad keabuan secara penuh dengan distribusi yg merata pada setiap intensitas pixel Copyright @ 2007 by Emy 28 14
Copyright @ 2007 by Emy 29 15