Sistem Visual Manusia dan Pengolahan
Citra Digital
Nana Ramadijanti
Laboratorium Computer Vision
Laboratorium Computer Vision
Materi
• Sistem Visual Manusia
• Representasi Penglihatan
• Model Kamera
• Sampling Dan Kuantisasi
• Piksel dan Connectivity
• Labelling of connected Component
• Operasi Logika dan Aritmatika pada Citra
• Jenis-Jenis Citra
• Mdel Citra Berwarna
• Format Warna RGB
3
Laboratorium Computer Vision
Human dan Computer Vision
Human dan Computer Vision
• Mempelajari pengolahan citra tanpa tidak
bisa dilakukan tanpa memperhatikan sistem
human vision. Sejumlah uji coba dan
evaluasi akan diberikan pada citra yang
akan diproses oleh sistem visual yang kita
miliki.
• Tanpa memperhatikan sistem human vision
kita mungkin banyak salah dalam
4
Laboratorium Computer Vision
Beberapa Pertanyaan Sederhana ?
Beberapa Pertanyaan Sederhana ?
• Apakah perbedaan intesitas dapat diketahui
sebagai perbedaan?
• Apakah resolusi spatial, dari mata ?
• Sebarapa akurat kita dapat menebak dan
membandingkan distances dan areas?
• Bagaimana kita sensitif terhadap warna?
• Fitur-fitur mana yang dapat dideteksi dan
5
Laboratorium Computer Vision
Sistem Visual Manusia
Sistem Visual Manusia
•
Pembentukan Citra oleh Sensor Mata
– Intensitas cahaya ditangkap oleh diagram iris
dan diteruskan ke bagian retina mata.
– Bayangan obyek pada retina mata dibentuk
dengan mengikuti konsep sistem optik dimana
fokus lensa terletak antara retina dan lensa
mata.
Laboratorium Computer Vision
Representasi Penglihatan
7
Laboratorium Computer Vision
Struktur Mata Manusia
Struktur Mata Manusia
A cross section of the human eye
(Gonzalez & Woods, 1992)
• Bentuk seperti sphere
• Rata-rata diameter 20mm
• 3 membran
• Cornea dan sclera
• Choroid
8
Laboratorium Computer Vision
Sistem Visual Manusia
Sistem Visual Manusia
•Choroid :
Lies below the sclera,contains network of blood
vessels that serve as the major source of
nutrition to the eye.
•Choroid coat is heavily
pigmented and hence helps to reduce the
9
Laboratorium Computer Vision
Sistem Visual Manusia
Sistem Visual Manusia
•
Fovea
di bagian
retina
terdiri dari dua jenis
receptor:
– Sejumlah cone receptor, sensitif terhadap warna, visi cone
disebut photocopic vision atau bright light vision
– Sejumlah rod receptor, memberikan gambar keseluruhan
pandangan dan sensitif terhadap iluminasi tingkat rendah,
visi rod disebut scotopic vision atau dim-light vision
•
Blind Spot
10
Laboratorium Computer Vision
Sistem Visual Manusia
Sistem Visual Manusia
•
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
11
Laboratorium Computer Vision
Sistem Visual Manusia
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:
12
Laboratorium Computer Vision
Pengertian Citra Digital
Pengertian Citra Digital
• Citra Digital
– Citra digital 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 digital adalah citra f(x,y) dimana dilakukan diskritisasi
koordinat spasial (sampling) dan diskritisasi tingkat
kecemerlangannya/keabuan (kwantisasi);
13
Laboratorium Computer Vision
Resolusi Spasial dan Kecemerlangan/Brightness
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 digital
disebut dijitisasi (
sampling
). Hasil digitasi 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
Laboratorium Computer Vision
Sampling
Proses capture pada kamera melakukan penangkapan
Laboratorium Computer Vision
Laboratorium Computer Vision
Laboratorium Computer Vision
Sampling dan Kuantisasi
Sampling menunjukkan banyaknya pixel (blok) untuk
mendefinisikan suatu gambar
Kuantisasi menunjukkan banyaknya derajat nilai pada setiap
pixel (menunjukkan jumlah bit pada gambar digital b/w
18
Laboratorium Computer Vision
Resolusi Spasial - Sampling
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
19
Laboratorium Computer Vision
Resolusi Kecemerlangan - Kwantisasi
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
20
Laboratorium Computer Vision
Resolusi Uniform vs Non-Uniform
Resolusi Uniform vs Non-Uniform
• Tidak perlu resolusi spasial
yang non-uniform
• Perlu resolusi spasial yang
non-uniform
• Tidak perlu resolusi
kecemerlangan yang
non-uniform (untuk warna hitam
dan putih)
• Perlu resolusi
kecemerlangan yang
non-uniform (untuk warna
21
Laboratorium Computer Vision
Hubungan antara piksel dan
pengertian connectivity
Hubungan antara piksel dan
pengertian connectivity
4-tetangga piksel P 8-tetangga piksel P
X X X X
X P X X P X
X X X X
22
Laboratorium Computer Vision
Labelling of connected component
Labelling of connected component
Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan
4-tetangga dan (b) dengan aturan 8 tetangga:
23
Laboratorium Computer Vision
Operasi Aritmetik / Logika pada Citra
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.
24
Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS
Operasi Aritmetik / Logika pada Citra
Operasi Aritmetik / Logika pada Citra
• Operasi selisih antara dua citra temporal dapat digunakan untuk
deteksi perubahan wilayah.
25
Laboratorium Computer Vision
Operasi Aritmetik / Logika pada Citra
Operasi Aritmetik / Logika pada Citra
•
Operasi Logika antara dua citra
– OR AND NOT
26
Laboratorium Computer Vision
Komponen Sistem
Pengolahan Citra Digital
Laboratorium Computer Vision
Dasar Radiometri
Radiometri adalah bagian dari image formation yang
membahas relasi antara besaran energi dari sumber,
Laboratorium Computer Vision
Laboratorium Computer Vision
Laboratorium Computer Vision
Laboratorium Computer Vision
Laboratorium Computer Vision
Format Warna RGB
R
G
B
Format warna 24 BIT dinyatakan dengan:
11001001 01011001 00001011
R (8 bit)
G (8 bit)
B (8 bit)
Laboratorium Computer Vision
Kuning
255
255
0
Magenta
255
0
255
Cyan
0
255
255
Putih
255
255
255
Hitam
0
0
0
Laboratorium Computer Vision
Fungsi Untuk Membaca Warna RGB
void WarnaToRGB(long int warna,int *Red, int *Green, int *Blue)
{
*Red = warna & 0x000000FF;
*Green = (warna & 0x0000FF00) >> 8;
*Blue = (warna & 0x00FF0000) >> 16;
}
Contoh:
Warna 0x00F0A122 bila dioperasikan akan menjadi:
Laboratorium Computer Vision
Fungsi Untuk Membuat Warna RGB
long int RGBToWarna(int Red, int Green, int Blue)
{
Laboratorium Computer Vision
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 citra
Laboratorium Computer Vision