SAMPLING DAN KUANTISASI Budi Setiyono
1 3/14/2013
Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana
x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan (brightness) suatu citra pada suatu titik Suatu citra diperoleh dari penangkapankekuatan sinar yang dipantulkan oleh objek
Image Formation
3
Image Formation
4
Image Formation
projection through lens image of object
5
Image Formation
projection onto discrete sensor array. 6
digital camera
Image Formation
sensors register average color.
7
sampled image
Image Formation
continuous colors, discrete locations.
8
discrete realvalued image
Sampling and Quantization
real image
9
sampled
quantized
sampled & quantized
Sampling and Quantization column index
row index
pixel grid
real image
10
sampled
quantized
sampled & quantized
Sampling
Take the average within each square.
I C ,
I S ( r, c )
continuous image
sampled image
11
Sampling
Take the average within each square.
I C ,
I S ( r, c )
continuous image
sampled image
12
Sampling
Take the average within each square.
I C ,
I S ( r, c )
continuous image
sampled image
13
Sampling
Take the average within each square.
I C ,
I S ( r, c )
continuous image
sampled image
14
14 March 2013
discrete color output
Digital Image Formation: Quantization
continuous colors mapped to a finite, discrete set of colors.
continuous color input 15
Sampling and Quantization
pixel grid
real image
16
sampled
quantized
sampled & quantized
Sampling Proses capture pada kamera melakukan penangkapan besaran intensitas cahaya pada sejumlah titik yang ditentukan oleh besar kecilnya kemampuan resolusi sebuah kamera. Proses pengambilan titik-titik ini dinamakan dengan sampling.
17
Kuantisasi
18
Kuantisasi (Warna)
19
Sampling dan Kuantisasi
Sampling menunjukkan banyaknya pixel (blok) untuk mendefinisikan suatu gambar
20
Kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah bit pada gambar digital b/w dengan 2 bit, grayscale dengan 8 bit, true color dengan 24 bit
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 disampling secara lebih halus, sedangkan daerah yang homogen dapat di-sampling lebih kasar. Kerugian sistem sampling Nonuniform adalah diperlukannya data ukuran spasi atau tanda batas akhir suatu spasi.
21
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).
22
Resolusi Uniform vs Non-Uniform Tidak perlu resolusi spasial
yang non-uniform Perlu resolusi spasial yang non-uniform Tidak perlu resolusi kecemerlangan yang nonuniform (untuk warna hitam dan putih) Perlu resolusi kecemerlangan yang nonuniform (untuk warna kehijauan dan kemerahan)
23
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 8tetangga 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 24
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 25
Operasi Aritmetik / Logika pada Citra Operasi Aritmetik antara dua citra + - x / 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.
26
Operasi Aritmetik / Logika pada Citra
Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.
Jakarta in 1994 27
Jakarta in 1998 (Lapan, 2001)
Operasi Aritmetik / Logika pada Citra Operasi Logika antara dua citra OR AND NOT Masking (AND) operation dapat digunakan
untuk memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik.
28
Komponen Sistem Pengolahan Citra Digital
(Gonzalez & Woods, 1992) 29
S1 / TI09KB71 / Semester VII / 3 SKS / Reguler
Dasar Radiometri Radiometri adalah bagian dari image formation yang membahas relasi antara besaran energi dari sumber, besaran refleksi dari permukaan dan besaran yang diterima oleh sensor
30
Model Kamera
31
Tiga Jenis Citra
32
Model Citra Berwarna Dengan RGB
33
Representasi Citra
34
Format Warna RGB G
R
B
Format warna 24 BIT dinyatakan dengan:
11001001 01011001 00001011 R (8 bit)
35
G (8 bit)
B (8 bit)
Masing-masing komponen warna RGB mempunyai nilai 0 s/d 255 (8 bit) derajat kecerahan (derajat keabuan)
Format Warna RGB Warna
36
R
G
B
Merah Hijau
255 0
0 255
0 0
Biru Kuning Magenta Cyan Putih Hitam Abu-abu
0 255 255 0 255 0 128
0 255 0 255 255 0 128
255 0 255 255 255 0 128
Contoh Warna RGB Dalam HexaDecimal
37
Membaca dan Menampilkan Citra Proses untuk membaca citra sama seperti proses membaca
matrik, karena citra adalah suatu matrik. Setiap pixel pada citra mempunyai 3 nilai R,G dan B Proses untuk menampilkan citra sama seperti proses untuk menampilkan matrik dengan setiap pixelnya diberi nilai (R,G,B)
38
Image Enhancement Mengolah suatu citra sehingga hasilnya sesuai untuk
penggunaan yang lebih spesifik Meningkatkan fitur / menonjolkan ciri tertentu yang dijadikan fokus perhatian pada suatu citra Meningkatkan kualitas tampilan citra untuk pandangan manusia Mengkonversi suatu citra agar memiliki format yang lebih baik sehingga citra tersebut lebih mudah diolah dengan mesin (komputer)
Image Enhancement Peningkatan kualitas citra dibagi ke dalam dua kategori Metode domain spasial Manipulasi langsung dari pixel di dalam citra Metode domain frekuensi
Manipulasi terhadap transformasi Fourier dari suatu citra
Metode Domain Spasial Operasi titik
Operasi spasial Operasi aritmatik
Histogram Citra Histogram citra sangat berkaitan dengan berbagai teknik
pengolahan citra, terutama metode-metode yang tergolong dalam operasi titik Histogram citra adalah grafik yang menampilkan banyaknya pixel dalam suatu citra yang dikelompokkan berdasarkan level nilai intensitas pixel yang berbeda Histogram citra ditampilkan dalam grafik 2D Sumbu x menyatakan nilai intensitas pixel Sumbu y menyatakan frekuensi suatu nilai intensitas pixel
Histogram juga bisa diterapkan pada citra berwarna, dengan
cara memisahkan terlebih dahulu 3 komponen warna red, green, dan blue. Kemudian setiap komponen warna dibuat histogramnya
Citra RGB
Histogram Red
Histogram Green
Histogram Blue
Manfaat Histogram Sebagai indikasi visual untuk menentukan skala keabuan yang
tepat sehingga diperoleh kualitas citra yang diinginkan Untuk pemilihan batas ambang (threshold)
Transformasi Intensitas Citra Peningkatan kualitas citra dapat dilakukan melalui
transformasi intensitas citra, yaitu besar intensitas setiap pixel pada citra diubah, tetapi posisi pixel tetap Transformasi ini dilakukan melalui sebuah fungsi yang disebut fungsi transformasi skala keabuan (grayscale transformation function) g(x,y) = T[f(x,y)]
Transformasi Citra Warna ke Citra Grayscale Citra warna RGB dapat diubah menjadi citra grayscale dengan
cara menghitung rata-rata elemen red, green, dan blue
g ( x, y)
f R ( x, y) f G ( x, y) f B ( x, y) 3
Penyesuaian Kecerahan Tingkat kecerahan suatu citra dapat dilihat dari histogramnya
Semakin dinaikkan tingkat kecerahan suatu citra maka
konsentrasi nilai pixel pada histogram akan bergeser ke sisi kanan, sebaliknya jika semakin diturunkan maka konsentrasi nilai pixel pada histogram akan bergeser ke kiri g ( x, y) f ( x, y) k
Negasi Proses pemetaan nilai pixel suatu citra, yaitu pada citra biner,
pixel hitam dijadikan putih dan putih dijadikan hitam Proses pemetaan nilai pixel suatu citra, yaitu pada berwarna atau grayscale, nilai maksimum pixel dikurangi dengan nilai pixel yang sedang diproses Menghasilkan citra negatif atau seperti film negatif dari foto g ( x, y) f maks f ( x, y)
Kontras Tingkat penyebaran pixel-pixel ke dalam intensitas warna Citra kontras rendah Citra kontras tinggi Citra kontras normal
Citra Kontras Rendah
Pada histogram, distribusi nilai pixel akan terkonsentrasi pada sisi kiri, sisi kanan, atau di tengah. Semua pixel akan terkelompok rapat pada suatu sisi tertentu dan menggunakan sebagian kecil dari semua kemungkinan nilai pixel
Citra Kontras Tinggi
Memiliki daerah gelap dan terang yang luas. Histogram citra ini memiliki dua puncak besar. Satu puncak terkonsentrasi pada sisi kiri dan yang satunya terkonsentrasi pada sisi kanan
Citra Kontras Normal
Menampilka rentang nilai pixel yang lebar. Histogramnya relatif menunjukkan distribusi nilai pixel yang seragam, tidak memiliki puncak utama, atau tidak memiliki lembah
Fungsi Peningkatan Kontras 1
Fungsi Peningkatan Kontras 1 g ( x, y) G f ( x, y) P P G : koefisien penguatan kontras P : nilai grayscale yang dipakai sebagai pusat pengkontrasan
G=2 P = 50
Fungsi Peningkatan Kontras 2 255 max g ( x, y ) f ( x, y ) f ( x, y ) max
max = 189
Koreksi Gamma Semakin kecil faktor koreksi maka citra output akan semakin
terang Semakin tinggi faktor koreksi maka citra output akan mendekati citra asli Faktor koreksi gamma,1 0 < γ < 1 g ( x, y) f ( x, y)
Transformasi Power Law C dan γ adalah konstanta positif
g ( x, y) C. f ( x, y)
C = 0.12 γ=1
Operasi Thresholding Pada operasi ini, nilai pixel yang memenuhi syarat ambang
batas dipetakan ke suatu nilai yang dikehendaki T1 , T , 2 g ( x, y ) . Tn ,
f ( x, y ) T1 T1 f ( x, y ) T2 Tn 1 f ( x, y ) Tn
Contoh : Operasi Thresholding Tunggal 0, g ( x, y ) 255,
f ( x, y ) 128 f ( x, y ) 128
