Image Restoration Aditya Wikan Mahastama
Image Restoration Image restoration: usaha-usaha untuk memulihkan citra yang mengalami degradasi. Contoh degradasi diantaranya: blur (gambar tidak jelas) karena pergerakan atau gangguan atmosferik (kabut), distorsi geometris karena lensa yang tidak sempurna munculnya noise karena interferensi oleh peralatan elektronika atau CCD yang jelek (biasanya pada kamera digital)
Image Restoration
Bagaimana para ahli menemukan cara restorasi? Gambar bagus Æ didegradasi dengan cara tertentu (misal melalui sebuah rumus matematik) Æ kemudian rumus tersebut dibalik (invers) untuk membuat restorasinya, jika tidak berhasil digunakan usaha yang lain Hasilnya sudah cukup baik Untuk mengukur keberhasilan sebuah image restoration digunakan alat ukur berupa MSE (Mean Square Error)
Image Restoration
Blur ^
Blur + Noise >
Noise
Noise: informasi tidak diinginkan yang mencemari citra Bentuknya biasanya titik-titik atau piksel-piksel berintensitas beda yang mengganggu citra Noise biasanya terjadi pada saat akuisisi citra. (Kamera -> memotret, scanner -> proses scan, dan sebagainya)
>10 secs exposure
0.1 sec exposure
Noise
Cara untuk memodelkan (menciptakan tiruan) noise diantaranya: Gaussian Noise Rayleigh Noise Erlang (Gamma) Noise Exponential Noise Uniform Noise Salt and Pepper (Impulse Noise) Noise-noise diatas diciptakan berdasarkan Probabilty Density Function (PDF) kemudian diaplikasikan ke piksel yang bersangkutan
Gaussian Noise
Rayleigh Noise
Erlang Noise
Exponential Noise
Uniform Noise
Salt and Pepper Noise
Salt and Pepper Noise
Salt and pepper: ada 2 jenis noise: pepper (gelap) dan salt (terang). Dalam grayscale biasanya salt berintensitas 255, pepper 0. Piksel noise ini akan disebarkan dalam prosentase tertentu diatas citra secara random. Probabilitas kemunculan noise biasanya <0.1 untuk tiap piksel, jika lebih dari ini, maka gambar akan didominasi oleh noise
Salt and Pepper Noise: Sederhana tapi aneh. Mirip gangguan pada televisi (interferensi alat elektronik)
Gaussian Noise: Mendekati noise pada dunia nyata. ÆRumit ÆDihasilkan oleh noise generator (photoshop, matlab, dsb.)
Noise removal
Bagaimana cara menghilangkan noise? Gunakan filter spasial untuk noise removal. Tapi sebelum itu, ada dua pilihan: Pertama, identifikasi dulu noisenya ada di mana, kemudian hanya terapkan filter pada piksel yang dianggap noise. Biasanya piksel noise memiliki intensitas yang mencolok dibandingkan sekitarnya Æ cocok untuk noise yang sedikit Kedua, langsung saja terapkan filter pada semua piksel pada citra Æ cocok untuk noise yang banyak
Noise removal Reduksi dengan Mean filter Arithmetic Mean Filter Geometric Mean Filter Harmonic Mean Filter Contraharmonic Mean Filter
Noise removal
Mean filter, misal: Arithmetic mean filter: Gunakan filter secara konvolusi spasial biasa Contoh: Jika filter yang akan kita gunakan berukuran 3 x 3, maka tiap elemen filter berisi 1 / (3x3) = 1/9
Noise removal
Ordering filter: Tanpa konvolusi tapi memperhatikan intensitas piksel disekelilingnya Misal filter yang digunakan 3 x 3, kumpulkan 8 piksel disekitar piksel pusat, urutkan berdasarkan intensitas terendah sampai yang tertinggi, untuk menentukan warna piksel pusat. Bisa diambil nilai median atau modus dari piksel-piksel sekeliling tersebut.
Noise removal Reduksi dengan Ordering Filter Median Filter Maximum Filter Minimum Filter Midpoint Filter
Noise removal
Mean filter lebih cocok untuk menghilangkan noise yang disebabkan oleh / noise yang jenisnya mirip dengan gaussian noise (uniform noise) Ordering filter lebih cocok untuk menghilangkan noise yang disebabkan oleh / noise yang jenisnya mirip dengan salt and pepper noise (negative exponential noise dan Rayleigh noise)
Penting! Noise Removal -
Setiap usaha untuk melakukan noise removal pasti akan mengorbankan detail citra Karena, sebagian besar metode noise removal yang digunakan saat ini adalah low-pass filters, di mana apa yang sebenarnya dilakukan adalah semacam blurring (pengaburan) untuk menghilangkan intensitas piksel yang tidak dikehendaki, dengan cara menggantinya dengan intensitas piksel lainnya
Penting! Noise Removal
