KONSEP DASAR PENGOLAHAN CITRA

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:


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. Æ sebuah citra direpresentasikan dalam sebuah matriks yang berisi angka-angka Copyright @ 2007 by Emy

5

Contoh

201 199 207 231 227 217 208 198 195 186 167 142 145

188 200 221 219 223 211 195 187 184 175 156 139 134

181 201 222 200 181 166 179 181 170 171 142 131 128

185 188 136 90 74 85 131 141 134 169 144 120 125

180 147 139 132 90 111 65 84 72 89 47 75 54 68 53 54 52 38 100 34 112 48 108 67 117 70

140 147 125 84 92 82 66 55 42 34 32 30 38

149 150 145 107 86 83 72 59 45 27 46 76 91

155 143 140 95 77 75 46 37 35 44 84 102 101

138 123 138 92 63 42 21 21 43 85 133 123 105

144 112 122 92 50 42 15 37 98 139 166 153 125

144 102 104 99 55 39 24 66 152 170 172 171 146

145 117 97 89 65 40 19 90 172 184 186 178 157


=

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) Æ lihat informasi jumlah baris dan jumlah kolom di header Header

Baris 1

…..


Baris terakhir

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


9

Kaitannya dengan frekuensi?

Citra Æ ambil 1 baris Æ 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


10

5

Kaitannya dengan Frekuensi?

Frekuensi dapat dilihat perbaris dan perkolom atau perbidang


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


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.


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

P

X

X

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 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


19

TEKNIK-TEKNIK PENGOLAHAN CITRA DIGITAL


20

10

Tingkatan Pengolahan Citra

Tahap 1 : Low Level Processing

Pengolahan ini adalah operasi dasar dalam pengolahan citra seperti :

Tahap 2 : Mid-Level Processing

Pengolahan ini meliputi :

pengurangan noise (noise reduction) perbaikan citra (image enhancement) dan restorasi citra (image restoration).

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

Image restoration

Proses perbaikan citra dengan meningkatkan kualitas citra baik kontras maupun kecerahan. 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

Image Compression

Suatu proses yg menyatakan citra dalam beberapa resolusi Proses yg digunakan untuk mengubah ukuran data pada citra. Copyright @ 2007 by Emy

22

11

Teknik Pengolahan Citra Dijital

Morphological Procesing

segmentation

Proses untuk memperoleh informasi yg menyatakan deskripsi dari suatu bentuk pada citra 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


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.


25

Membuat Histogram

Misal citra memiliki L derajad keabuan, yaitu dari nilai 0 sampai dengan L-1, histogram citra dihitung dari rumus : n hi = i , i = 0,1,2, K , L − 1 n Yang dalam hal ini : ni = jumlah pixel yg memiliki derajad keabuan I n = jumlah seluruh pixel di dalam citra Copyright @ 2007 by Emy

26

13

Membuat Histogram Contoh :

citra digital yg berukuran 8 x 8 pixel dengan derajad keabuan dari 015 (ada 16 derajad keabuan ) ⎡3 ⎢2 ⎢ ⎢14 ⎢ ⎢12 ⎢0 ⎢ ⎢4 ⎢15 ⎢ ⎣⎢2

7 0 6 12 2 5 13 1

7 0 5 11 3 0 11 0

8 0 9 8 4 0 10 10

10 1 8 8 5 1 9 11

12 8 10 10 13 0 9 14

14 15 9 11 10 2 8 13

10⎤ 15⎥⎥ 12⎥ ⎥ 1 ⎥ 14⎥ ⎥ 2 ⎥ 7 ⎥ ⎥ 12⎦⎥

DERAJAD KEABUAN

ni

Hi = n i / n

0

8

0.125

1

4

0.0625

2

5

0.078125

3

2

0.03125

4

2

0.03125

5

3

0.046875

6

1

0.015625

7

3

0.046875

8

6

0.09375

9

3

0.046875

10

7

0.109375

11

4

0.0625

12

5

0.078125

13

3

0.046875

14

4

0.0625

15

3

0.046875


27

Histogram

Khusus untuk citra berwarna histogram dibuat untuk setiap kanal RGB Informasi penting dari histogram :

Nilai hi menyatakan peluang pixel, P(i) dengan derajad keabuan i. jumlah seluruh hi 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


29

15

KONSEP DASAR PENGOLAHAN CITRA

Recommend Documents