Pengolahan Citra Digital : Peningkatan Mutu Citra

Pengolahan Citra Digital : Peningkatan Mutu Citra

Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Informatics Engineering Dept. Universitas Trunojoyo DC - OKT 2003 1 Tujuan Peningkatan Mutu Citra Sumber Pustaka: Gonzalez, Bab 4 Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif lebih baik dari citra awal untuk aplikasi tertentu. Kata baik disini tergantung pada jenis aplikasi dan problem yang dihadapi. DC - OKT 2003

2 Jenis Teknik Peningkatan Mutu Citra Teknik peningkatan mutu citra dapat dibagi menjadi dua: Peningkatan mutu citra pada domain spasial Point Processing Mask Processing Peningkatan mutu citra pada domain frekuensi DC - OKT 2003 3

Lingkup Pembahasan Image Enhancement Spatial Domain I. Point Processing Frequency Domain II. Mask Processing (next week) a. Image Negative b. Contrast Stretching c. Histogram Equalization - all grey level and all area - specific grey level (histogram specification) - local enhancement (specific part of the image) d. Image Subtracting e. Image Averaging DC - OKT 2003 4 I. Point Processing

Cara paling mudah untuk melakukan peningkatan mutu pada domain spasial adalah dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak menggunakan jendela ketetanggaan) Pengolahan menggunakan histogram juga termasuk dalam bagian point processing DC - OKT 2003 5 Ia. Image Negative Mengubah nilai grey-level piksel citra input dengan: Gbaru = 255 - Glama Hasilnya seperti klise foto DC - OKT 2003

6 Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Citra Optik (Sumber: Bakosurtanal RI) Citra SAR 7 Ib. Contrast Stretching Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel-piksel pd citra menurut fungsi s = T(r) tertentu r1 r2, s1 s2 r1 = r2, s1 = s2 tidak ada perubahan

r1 = r2, s1 = 0, s2 = 255 tresholding menjadi citra biner dengan ambang r1 255 DC - OKT 2003 (r2,s2) s T(r) (r1,s1) 0 r 255 8 Contoh Contrast Stretching DC - OKT 2003 9

Contrast Stretching Fungsi lain yang baik digunakan adalah: fout = (fin a) * b a = min(fin) b = 255 / (max(fin) min(fin)) Citra masukan yang grey level nya tidak penuh dari 0 255 (low constrast) diubah menjadi citra yang grey level nya berkisar dari 0 255 (high contrast) DC - OKT 2003 10 Ic. Histogram Equalization

Histogram: diagram yang menunjukkan jumlah kemunculan grey level (0-255) pada suatu citra Histogram processing: Gambar gelap: histogram cenderung ke sebelah kiri Gambar terang: histogram cenderung ke sebelah kanan Gambar low contrast: histogram mengumpul di suatu tempat Gambar high contrast: histogram merata di semua tempat Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada citra juga berubah DC - OKT 2003 11 Ic. Histogram Equalization in all grey level and all area (1)

Ide: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar pada kisaran 0255 Sifat: Grey level yang sering muncul lebih dijarangkan jaraknya dengan grey level sebelumnya Grey level yang jarang muncul bisa lebih dirapatkan jaraknya dengan grey level sebelumnya Histogram baru pasti mencapai nilai maksimal keabuan (contoh: 255) DC - OKT 2003

12 Ic. Histogram Equalization in all grey level and all area (2) - mengubah pemetaan grey level pada citra, dengan rumus: k sk T (rk ) j 0 nj n k p (rj ) j 0 0 rk 1 dan k 0,1,....., L 1 L adalah grey level maksimal yang ada pada citra DC - OKT 2003

13 Ic. Histogram Equalization in all grey level and all area (3) Citra Akhir: 19 9 95 95 9 55 91 5 55 5 9 10 10 1 Citra awal: 35554 54544 53444 45663 Contoh : citra dengan derajat keabuan hanya berkisar 0-10

Derajat Keabuan 0 1 2 3 4 5 6 7 8 9 10 Kemunculan

0 0 0 3 8 7 2 0 0 0 0 Probabilitas Kemunculan 0

0 0 0.1 5 0.4 0 0.3 5 0.1 0 0 0 0 0 0

0 0.1 5 0.5 5 0.9 0 1 1 1 1 1 0 0 0

1.5 5.5 9 10 10 10 10 10 0 0 0 1 5 9

10 10 10 10 10 Sk SK * 10 Derajat keabuan baru DC - OKT 2003 14 Ic. Histogram Equalization specific grey level (hist. specification) Histogram equalization tidak dilakukan

pada seluruh bagian dari histrogram tapi hanya pada bagian tertentu saja DC - OKT 2003 15 Ic. Histogram Equalization specific area (local enhancement) Histogram equalization hanya dilakukan pada bagian tertentu dari citra DC - OKT 2003 16 Ic. Histogram Equalization specific area (local enhancement) Histogram equalization

menggunakan jendela 7x7 DC - OKT 2003 17 Id. Image Substraction Dilakukan jika kita ingin mengambil bagian tertentu saja dari citra - = DC - OKT 2003 18 Aplikasi Kedokteran (Biomedik) (Sumber: Thesis S2 Kartono) Thorax X-Ray Tissue

Standard Landmarks Thorax 19 Ie. Image Averaging Dilakukan jika kita memiliki beberapa citra yang bergambar sama, namun semua citra memiliki noise (gangguan) Noise satu citra berbeda dengan noise citra lainnya (tidak berkorelasi) Cara memperbaikinya adalah dengan melakukan operasi rata-rata terhadap semua citra tersebut DC - OKT 2003 20 II. Mask Processing (1)

Jika pada point processing kita hanya melakukan operasi terhadap masingmasing piksel, maka pada mask processing kita melakukan operasi terhadap suatu jendela ketetanggaan pada citra. Kemudian kita menerapkan (mengkonvolusikan) suatu mask terhadap jendela tersebut. Mask sering juga disebut filter. DC - OKT 2003 21 II. Mask Processing (2) 1 2 3 8 4 x 7 6 5 Contoh: Jendela ketetanggan 3x3, Nilai piksel pada posisi x dipengaruhi oleh nilai 8 tetangganya Perbedaan dengan point processing: pada point

processing, nilai suatu piksel tidak dipengaruhi oleh nilai DC - OKT 2003 tetangga-tetangganya 22 II. Mask Processing (3) Contoh sebuah mask berukuran W1 W2 W3 3x3. Filter ini akan diterapkan / W4 W5 W6 dikonvolusikan pada setiap jendela ketetanggaan 3x3 pada W7 W8 W9 citra (anggap filter sudah dalam terbalik) G11 G12 G13 G14 Gbentuk 15 G22 = w1 G11 + w2 G12 + w3 G13+ w4 G21 + w5 G22 + w6 G23 G22 G23 G24 G25 G21 + G31 G32 G33 G34 G35

w7 G31 + w8 G32 + w9 G33 G41 G42 G43 G44 G45 G51 G52 G53 G54 G55DC - OKT 2003 23 II. Jenis-jenis filter spasial Smoothing filters: Lowpass filter (linear filter, mengambil nilai rata-rata) Median filter (non-linear filter, mengambil median dari setiap jendela ketetanggan) Sharpening filters:

Roberts, Prewitt, Sobel (edge detection) Highpass filter DC - OKT 2003 24 II. Contoh penerapan filter spasial 1 1 1 1/9 x 1 1 1 1 1 1 Average lowpass filter (a) Gambar Asli (b)-(f) hasil dari spatial lowpass filtering dengan ukuran mask 3,5,7,15,25 DC - OKT 2003 25 II. Contoh penerapan filter low pass dan

median a) Gambar asli b) Gambar yang diberi noise c) Hasil dari 5x5 lowpass average filtering d) Hasil dari 5x5 median filtering DC - OKT 2003 26 II. Edge detection Pada suatu citra monokrom, suatu edge (sisi) dapat ditandai dengan adanya suatu perbedaan intensitas yang besar DC - OKT 2003 27 II. Edge detection

Bagaimana mendeteksi perbedaan intensitas tersebut? Dengan mempertegas perbedaan (kalikan satu intensitas dengan nilai negatif, kemudian kalikan nilai positif pada intensitas lainnya) Kasus A: 2 bersisian dgn 100 (edge) 2*(-1) + 100*(1)= 99 Kasus B: 2 bersisian dgn 4 (not edge) 2*(-1) + 4*(1)= 2 Lakukan tresholding untuk memperjelas mana bagian sisi dan mana yang bukan Ambil treshold = 90, maka Kasus A akan dianggap sebagai sisi, Kasus B tidak dianggap DC - OKT 2003 28 sisi II. Contoh edge detection -1

-2 -1 -1 0 1 0 0 0 -2 0 2 1 2

1 -1 0 1 Sobel -1 -1 -1 -1 0 1 0 0 0

-1 0 1 1 1 1 -1 0 1 Prewitt a)Gambar awal, (b) hasil dari Prewitt Mask, (c) thresholding dari (b) pa nilai > 25 (d) thresholding dari (b) pada nilai >25 dan < 25 (black) DC - OKT 2003 29

Recently Viewed Presentations

  • Logitrank Based Measures of Joint Income and Wealth ...

    Logitrank Based Measures of Joint Income and Wealth ...

    A new tool in the income inequality analysis hardware . USA CPS. CHILE CASEN . Same Gini = 0.48 . Levels of percentiles in medianized income . Back to raw data: ... Frank Cowell, Brian Nolan, Javier Olivera and Philippe...
  • 8.7 Ideal Gas Law - cbafaculty.org

    8.7 Ideal Gas Law - cbafaculty.org

    In working problems using the ideal gas law, the units of each variable must match the units in the R you select. Guide to Using the Ideal Gas Equation. Study Check. Dinitrogen oxide, N 2 O, which is used in...
  • Chapter 1 Introduction: Matter and Measurement

    Chapter 1 Introduction: Matter and Measurement

    Significant Figures. When addition or subtraction is performed, answers are rounded to the least significant . decimal place. When multiplication or division is performed, answers are rounded to the number of digits that corresponds to the . least. number of...
  • Racism & Discrimination BY CODY DUGGAN LINDSEY WYATT

    Racism & Discrimination BY CODY DUGGAN LINDSEY WYATT

    Lindsey Wyatt. Hunter Mattson. SydnI. Callahan. ... There is a tall tale that he ran miles just to returned a penny. Lincoln died on April 15, 1856. John Wilkes Boothe shot Lincoln in the Fords theater at point blank. ABRAHAM...
  • Cost, Value, and Accountability in Higher Education Randy

    Cost, Value, and Accountability in Higher Education Randy

    Cost, Value, and Accountability in Higher Education Randy Stiles Analytic Support and Institutional Research Grinnell College April 8, 2016 This slide shows graduation rates versus how much a large number of BA instituions in the United Staes spend per student...
  • Navigating DegreeWorks - City College of New York

    Navigating DegreeWorks - City College of New York

    What is DegreeWorks? A digital checklist of your degree requirements. It maps courses you have completed at City College into categories. For transfer students, it includes courses from previous colleges (if the transfer credits were evaluated)
  • Hurricane Katrina Update: PD&R Assistance Dana Bres, P.E.

    Hurricane Katrina Update: PD&R Assistance Dana Bres, P.E.

    Flooding Extensive in New Orleans. Lower 9th Ward. French Quarter. Lakeview. Gentilly. This map shows the extent of flooding in New Orleans. The green color indicates the deepest flood depths, from 6 to 10 feet
  • The Giver - pdsd.org

    The Giver - pdsd.org

    The Giver. Some examples from American history include the Oneida Community, the Shakers, the Harmonists, and Brook Farm. Some modern American utopian communities include Victory City, Utopian States, and The Principality of New Utopia.Other links to browse: