Dasar Pengolahan Citra Dijital
Shinta P. Sari Prodi. Informatika Fakultas Ilmu Komputer Universitas Indo Global Mandiri Maret 2016
Sistem Visual Manusia
2
Subjective brightness Merupakan tingkat kecemerlangan yang dapat ditangkap sistem visual manusia; Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke mata manusia; Mempunyai daerah intensitas yang bergerak dari ambang scotopic (redup) ke ambang photocopic (terang).
Brightness adaption
Merupakan fenomena penyesuaian mata manusia dalam membedakan gradasi tingkat kecemerlangan;
Batas daerah tingkat kecemerlangan yang mampu dibedakan secara sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah tingkat kecemerlangan sebenarnya.
1
Perhatikan Optical Illusions !
3
Perhatikan Optical Illusions ! 4
2
Sistem Visual Manusia
Kepekaan dalam pembedaan tingkat kecemerlangan merupakan fungsi yang tidak sederhana, namun dapat dijelaskan antara lain dengan dua fenomena berikut: Mach Band (ditemukan oleh Ernst Mach): pita tengah bagian kiri kelihatan lebih terang dari bagian kanan. Simultaneous Contrast: Pada gambar di bawah, kotak kecil disebelah kiri kelihatan lebih gelap dari kotak kecil disebelah kanan, padahal intensitasnya sama tapi intensitas latar belakang berbeda. Hal sama terjadi bila kertas putih di meja kelihatan lebih putih daripada kertas sama diarahkan ke sinar matahari.
Data Acquisition
5
6
Sistem Perekaman Citra
Citra yang diperoleh tergantung: karakteristik kondisi
dari obyek yang direkam;
variabel dari sistem perekaman;
Citra merupakan gambaran tentang karakteristik suatu obyek menurut kondisi variabel tertentu;
Contoh: bandingkan
hasil foto manusia dengan kamera / sensor optik dan dengan sensor sinar X (kondisi variabel sistem berbeda);
bandingkan
hasil foto pemandangan di tepi laut dan di daerah pegunungan (karakteristik obyek berbeda).
3
Digital Image Aquisition
7
Pengertian Citra Dijital
8
Citra Dijital
Citra dijital 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 citra pada titik tersebut;
Citra dijital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan (kwantisasi);
Citra dijital 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.
4
9 Continous Image
Result of image Sampling and Quantisation
Pengertian Citra Dijital
10
Sampler
Citra kontinue
Resolusi spasial : Tinggi (16 x 16)
Citra dijital
Rendah (8 x 8)
Matriks citra dengan obyek angka 5
Resolusi kecemerlangan : Tinggi (4)
Rendah (2)
5
Digitizing an image Column of samples
Pixel
Line Line Spacing
Picture
Sample Spacing Sampling process Spatial resolution
11
Black
255
Gray
128
White
0
Brightness Spacing Proses Kwantisasi Brightness Resolution
Sumber: Dimodifikasi dari Castlemen, 1996
12 a. An Image Plotted as a surface
b. An Image Displayed as visual intensity array
c. An Image Shown as a 2-D numerical array (0, 0.5, and 1 represent black, gray, and while)
6
We conclude that the representations in previous Figs. (b) and (c) are the most useful. Image displays allow us to view results at a glance. Numerical arrays are used for processing and algorithm development.
In equation form, we write the representation of an M x N numerical array as
13
Resolusi Spasial dan Kecemerlangan/Brightness
14
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.
7
15
Typical Effect of Reducing Spatial Resolution 1250 dpi, 300 dpi, 150 dpi, 72 dpi
16
Typical Effect of Reducing Intensity Resolution Level : 16, 8, 4, 2, and 256 levels
8
Image Interpolation
17
Interpolation is a basic tool used in tasks such as zooming, shrinkiing, rotating, and geometric corrections.
Interpolation is a process using known data to estimate values at unknown locations.
The methods such as : nearest neighbor, Bilinear, bicubic, etc.
Hubungan antara piksel dan pengertian connectivity
4-tetangga piksel P X X
P X
X
18
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 samasama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya
9
Labelling of connected component
19
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
20
Arithmetic Operation OPERASI TERHADAP PASANGAN PIKSEL PADA MATRIK CITRAYANG BERKORESPONDEN
10
Arithmatic Operation
Addition Let denote g(x,y) a corrupted image formed by the addition of noise, (x,y), to a noiseless image f(x,y); that is, g(x,y) = f(x,y) + (x,y) where the assumption is that at every pair of coordinates (x, y) the noise is uncorrelated, and has zero average value.
21
Image Addition / Averaging
22
11
Arithmatic Operation Substraction
Frequently applicated for image difference enhancement. Let denote h(x,y) and f(x,y) two indistinguishable images, g(x,y) = h(x,y) - f(x,y) in this case, f(x,y) performs as the mask. 23
Operasi Aritmetik / Lojik pada Citra
Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.
Jakarta in 1994
(Lapan, 2001)
Jakarta in 1998
24
12
Image Substraction
Image Substraction
25
26
13
27
28
Set & Logical Operation
14
Basic set operations
29
Logical Operation
30
A
A
A
A
A
NOT
B
B
B
AND
OR
xor
15
31
SISTEM PENGOLAHAN CITRA DIGITAL
32 Komponen Sistem Pengolahan Citra Dijital
(Gonzalez & Woods, 1992)
16
33 Elemen Fungsi Dasar Sistem Pengolahan Citra
Pembentukan Citra
Sensor yang sensitif terhadap gelombang EM menghasilkan sinyal listrik sesuai dengan enersi yang diterima. Analog-to-Digital Converter / Digitizer akan mengubah sinyal listrik tersebut menjadi bentuk dijital. Scanner yang menerima masukan dalam bentuk analog (dokumen, peta, foto) akan mengubah menjadi data dalam bentuk dijital.
Penyimpanan Citra
Penyimpanan jangka pendek (sedang diproses): memory Penyimpanan on-line (siap dipakai): disk magnetik Penyimpanan arsip: pita atau disk magnetik, CD
34 Elemen Fungsi Dasar Sistem Pengolahan Citra (Lanjutan)
Pemrosesan Citra dan Komunikasi Data
citra berukuran besar (perlu tempat simpan yang besar serta waktu proses yang lama).
Issue
penting pada komunikasi: kompresi citra.
Issue
penting pada pemrosesan citra: proses paralel.
Peragaan Citra Dalam
bentuk softcopy (layar peraga / monitor).
Dalam
bentuk hardcopy (printer, film writer, plotter).
17
Elemen-elemen Sistem Analisis Citra
35
(Gonzalez & Woods, 1992)
Metodologi Pengolahan Citra
36
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 kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel
18
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.
Beberapa Aplikasi
37
38
Pembahasan dibatasi pada 4 contoh aplikasi
Pengembangan
Sistem Aplikasi Biomedik
Pengembangan
Sistem Optical Character Recognition (OCR)
Pengembangan
Sistem Aplikasi Inderaja
Pengembangan
Sistem Multitemporal Multisensor Image Classification and Fusion
19
Metodologi Sistem Aplikasi Kedokteran (1)39
Image Acquisition Image Preprocessing Image Segmentation Object Representation & Description Knowledge Base Object Recognition
Analysis Result
Metodologi Sistem Aplikasi Kedokteran (2)40
Prosedur pemrosesan citra Data
Acquisition – sistem perekaman citra X-Ray paru yang akan dideteksi apakah mengandung jaringan tumor atau kanker; Image Preprocessing – eliminasi gangguan atau proses deteksi sisi untuk menentukan batas wilayah obyek-obyek yang ada pada citra (jaringan paru, jaringan tumor, dan jaringan keras); Image Segmentation – menentukan wilayah setiap obyek yang ada pada citra, bisa menggunakan metode gabungan dengan deteksi sisi atau metode lainnya seperti metode clustering;
20
Metodologi Sistem Aplikasi Kedokteran (3) Obyek yang akan dikenali: Tumor
41
Metodologi Sistem Aplikasi Kedokteran (4)42
Prosedur pemrosesan citra (Lanjutan)
Object Representation and Description – menyiapkan informasi object of interest untuk analisis. Representasi obyek dapat dinyatakan dalam Freeman chain code yang berisi informasi garis batas jaringan tumor dengan deskripsi ciri bentuk wilayah tumor (misal dengan ciri Hough transform) atau representasi dalam bentuk citra wilayah dengan deskripsi sifat tonal atau ciri tekstur setiap wilayah;
21
43 Metodologi Sistem Aplikasi Kedokteran (5)
Prosedur pemrosesan citra (Lanjutan) Object
Recognition – membandingkan (object / template matching) wilayah obyek pada citra apakah ada yang sama dengan informasi yang ada pada Knowledge Base yang dibentuk pada tahap pelatihan sistem, misal: apakah ada wilayah dengan intensitas rata-rata yang tinggi {putih) dan bentuk wilayahnya mendekati bulat atau ellips;
Analysis
Result – merupakan suatu keputusan apakah pada jaringan paru tersebut terdapat jaringan tumor atau kanker.
Optical Character Recognition
44
22
Metodologi OCR – Optical Character Recogniton (1)
45
(MSU, 1990)
46 Metodologi OCR – Optical Character Recogniton (2)
Prosedur pemrosesan citra
Data Acquisition – masukan berupa dokumen teks, perlu cropping lokasi-lokasi karakter yang akan dikenali;
Image Preprocessing – proses yang dibutuhkan adalah deteksi sisi dan thinning atau skeletonizing untuk mendapatkan obyek karakter dengan ketebalan 1 piksel;
23
Metodologi OCR – Optical Character Recogniton47 (3)
Prosedur pemrosesan citra (Lanjutan)
Representation & Description – ekstraksi ciri karakter, misal perhitungan ciri moment atau ciri lainnya;
Character Recognition – pengambilan keputusan karakter apakah itu dengan membandingkan ciri karakter tersebut dengan knowledge base yang menyimpan ciri-ciri setiap karakter yang dibangun dalam tahap pelatihan;
Recognized Character – merupakan hasil pengenalan.
Metodologi OCR – Optical Character Recogniton 48 (4) Preprocessing atau intermediate processing
Huruf hasil scanning
Huruf setelah ‘skeletonizing’
24
