Dasar Pengolahan
Citra Dijital
Shinta P. Sari
Prodi. Informatika Fakultas Ilmu Komputer Universitas Indo Global MandiriMaret 2016
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 daerah tingkat kecemerlangan sebenarnya.
Perhatikan Optical Illusions !
3
Perhatikan Optical Illusions !
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:
Pada gambar di bawah, kotak kecil disebelah kiri
kelihatan lebih gelap dari kotak kecil disebelah kanan,
padahal intensitasnya sama tapi intensitas latar
belakang berbeda. Hal sama terjadi bila kertas putih di
meja kelihatan lebih putih daripada kertas sama
diarahkan ke sinar matahari.
5
Data Acquisition
Data Acquisition
Sistem Perekaman Citra
Citra yang diperoleh tergantung:
karakteristik dari obyek yang direkam; kondisi variabel dari sistem perekaman;
Citra merupakan gambaran tentang karakteristik suatu obyek
menurut kondisi variabel tertentu;
Contoh:
bandingkan hasil foto manusia dengan kamera / sensor
optik dan dengan sensor sinar X (kondisi variabel sistem berbeda);
bandingkan hasil foto pemandangan di tepi laut dan di
daerah pegunungan (karakteristik obyek berbeda).
6
Digital Image Aquisition
7
Pengertian Citra Dijital
Pengertian Citra Dijital
Citra DijitalCitra dijital 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 dijital adalah citra f(x,y) dimana dilakukan diskritisasi
koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan (kwantisasi);
Citra dijital merupakan suatu matriks dimana indeks baris
dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels)
menyatakan tingkat keabuan pada titik tersebut.
9
Continous Image
Result of image Sampling and Quantisation
Pengertian Citra Dijital
Pengertian Citra Dijital
10
Sampler
Citra kontinue Citra dijital Matriks citra dengan obyek angka 5
Resolusi spasial : Resolusi kecemerlangan :
Digitizing an image
Digitizing an image
11
Line Column of samples Picture Pixel Sample Spacing Sampling process Spatial resolution Line Spacing Black Gray White 255 128 0Sumber: Dimodifikasi dari Castlemen, 1996
Brightness Spacing Proses Kwantisasi Brightness Resolution
12
a. An Image Plotted as a surface b. An Image Displayed as visual intensity array c. An Image Shown as a 2-D numerical array (0, 0.5, and 1 represent black, gray, and while)
We conclude that the representations in
previous Figs. (b) and (c) are the most useful.
Image displays allow us to view results at a
glance. Numerical arrays are used for
processing and algorithm development.
In equation form, we write the
representation of an M x N numerical array
as
13
Resolusi Spasial dan
Kecemerlangan/Brightness
Resolusi Spasial dan
Kecemerlangan/Brightness
Resolusi Citra
Dikenal:resolusi spasialdanresolusi 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 disebutkwantisasi. Bila intensitas piksel berkisar antara 0 dan 255 - resolusi kecemerlangan citra adalah 256.
15
Typical Effect of Reducing Spatial Resolution 1250 dpi, 300 dpi, 150 dpi, 72 dpi16
Typical Effect of Reducing Intensity Resolution Level : 16, 8, 4, 2, and 256 levelsImage Interpolation
Interpolation is a basic tool used in tasks such as
zooming, shrinkiing, rotating, and geometric corrections.
Interpolation is a process using known data to
estimate values at unknown locations.
The methods such as : nearest neighbor, Bilinear,
bicubic, etc.
17
Hubungan antara piksel dan
pengertian connectivity
Hubungan antara piksel dan
pengertian connectivity
18
4-tetangga piksel P 8-tetangga piksel P
X X X X
X P X X P X
X X X X
Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan
kriteria gray level yang sama, misal: sama 0 atau
sama-sama 1 atau sama-sama-sama-sama bedanya tidak lebih dari 5 tingkat
keabuan, dlsb.nya
Labelling of connected
component
Labelling of connected
component
19
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 denganArithmetic Operation
OPERASI TERHADAP PASANGAN PIKSEL PADA MATRIK CITRAYANG BERKORESPONDEN
Arithmatic Operation
Addition
Let denote
g(x,y)
a
corrupted image formed
by the addition of noise,
(x,y)
, to a noiseless image
f(x,y)
; that is,
g(x,y)
=
f(x,y)
+
(x,y)
where the assumption is
that at every pair of
coordinates (
x
,
y
) the noise
is uncorrelated, and has
zero average value.
21
Arithmatic Operation
Substraction
Frequently applicated for image
difference enhancement.
Let denote
h(x,y) and f(x,y)
two
indistinguishable images,
g(x,y)
=
h(x,y)
-
f(x,y)
in this case, f(x,y) performs as the
mask.
23
Operasi Aritmetik / Lojik pada Citra
Operasi Aritmetik / Lojik pada Citra
Operasi selisih antara dua citra temporal dapat digunakanuntuk deteksi perubahan wilayah.
24
Jakarta in 1994 Jakarta in 1998Image Substraction
25
26
Image Substraction
27
Set & Logical Operation
29
Basic set operations
Logical Operation
30
A A A B A B A B NOT AND OR xorSISTEM PENGOLAHAN
CITRA DIGITAL
31
32
Komponen Sistem Pengolahan Citra Dijital
Elemen Fungsi Dasar Sistem Pengolahan Citra
Elemen Fungsi Dasar Sistem Pengolahan Citra
Pembentukan Citra
Sensor yang sensitif terhadap gelombang EM
menghasilkan sinyal listrik sesuai dengan enersi yang diterima. Analog-to-Digital Converter / Digitizer akan mengubah sinyal listrik tersebut menjadi bentuk dijital.
Scanner yang menerima masukan dalam bentuk analog
(dokumen, peta, foto) akan mengubah menjadi data dalam bentuk dijital.
Penyimpanan Citra
Penyimpanan jangka pendek (sedang diproses): memory Penyimpanan on-line (siap dipakai): disk magnetik
Penyimpanan arsip: pita atau disk magnetik, CD
33
Elemen Fungsi Dasar Sistem Pengolahan Citra
(Lanjutan)
Elemen Fungsi Dasar Sistem Pengolahan Citra
(Lanjutan)
Pemrosesan Citra dan Komunikasi
Data citra berukuran besar (perlu tempat simpan
yang besar serta waktu proses yang lama).
Issue penting pada komunikasi: kompresi citra.
Issue penting pada pemrosesan citra: proses paralel.
Peragaan Citra
Dalam bentuk softcopy (layar peraga / monitor).
Dalam bentuk hardcopy (printer, film writer, plotter).
Elemen-elemen Sistem Analisis
Citra
Elemen-elemen Sistem Analisis
Citra
35
(Gonzalez & Woods, 1992)
Metodologi
Pengolahan Citra
Metodologi
Pengolahan Citra
Pembentukan Citra (Data Acquisition): Menentukan data yang
diperlukan dan memilih metode perekaman citra dijital.
Pengolahan Citra Tingkat Awal (Image Preprocessing):
Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi.
Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge
Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics).
Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection):
Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel
Metodologi Pengolahan Citra
(Lanjutan)
Metodologi Pengolahan Citra
(Lanjutan)
Representasi dan Deskripsi: Suatu wilayah dapat
direpresentasi sebagai suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi luasan / perimeternya
Pengenalan Pola (Pattern Recognition): Memberikan label
kategori obyek pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor atau ciri piksel bersangkutan (pewilayahan jaringan keras dan
pewilayahan berbagai jaringan lunak pada citra biomedik)
Interpretasi Citra (Image Interpretation): Memberikan arti
pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor)
Penyusunan Basis Pengetahuan: Basis pengetahuan ini
digunakan sebagai referensi pada proses template matching / object recognition.
37
Beberapa Aplikasi
Beberapa Aplikasi
Pembahasan dibatasi pada 4 contoh aplikasi
Pengembangan Sistem Aplikasi Biomedik
Pengembangan Sistem Optical
Character Recognition (OCR)
Pengembangan Sistem Aplikasi Inderaja
Pengembangan Sistem Multitemporal
Multisensor Image Classification and
Fusion
Metodologi Sistem Aplikasi Kedokteran (1)
Metodologi Sistem Aplikasi Kedokteran (1)
39
Image Acquisition Image Preprocessing
Image Segmentation Object Representation & Description
Knowledge Base
Object Recognition Analysis Result
Metodologi Sistem Aplikasi Kedokteran (2)
Metodologi Sistem Aplikasi Kedokteran (2)
Prosedur pemrosesan citra
Data Acquisition – sistem perekaman citra X-Ray
paru yang akan dideteksi apakah mengandung
jaringan tumor atau kanker;
Image Preprocessing – eliminasi gangguan atau
proses deteksi sisi untuk menentukan batas wilayah
obyek-obyek yang ada pada citra (jaringan paru,
jaringan tumor, dan jaringan keras);
Image Segmentation – menentukan wilayah setiap
obyek yang ada pada citra, bisa menggunakan
metode gabungan dengan deteksi sisi atau
metode lainnya seperti metode clustering;
Metodologi Sistem Aplikasi
Kedokteran (3)
Obyek yang akan dikenali: Tumor
Metodologi Sistem Aplikasi
Kedokteran (3)
Obyek yang akan dikenali: Tumor
41
Metodologi Sistem Aplikasi Kedokteran (4)
Metodologi Sistem Aplikasi Kedokteran (4)
Prosedur pemrosesan citra (Lanjutan)
Object Representation and Description – menyiapkan informasi
object of interestuntuk analisis. Representasi obyek dapat
dinyatakan dalam Freeman chain code yang berisi informasi garis batas jaringan tumor dengan deskripsi ciri bentuk wilayah tumor (misal dengan ciri Hough transform) atau representasi dalam bentuk citra wilayah dengan deskripsi sifat tonal atau ciri tekstur setiap wilayah;
Metodologi Sistem Aplikasi Kedokteran (5)
Metodologi Sistem Aplikasi Kedokteran (5)
Prosedur pemrosesan citra (Lanjutan)
Object Recognition – membandingkan (
object /
template matching
) wilayah obyek pada citra
apakah ada yang sama dengan informasi yang
ada pada Knowledge Base yang dibentuk pada
tahap pelatihan sistem, misal: apakah ada wilayah
dengan intensitas rata-rata yang tinggi {putih) dan
bentuk wilayahnya mendekati bulat atau ellips;
Analysis Result – merupakan suatu keputusan
apakah pada jaringan paru tersebut terdapat
jaringan tumor atau kanker.
43
Metodologi OCR – Optical Character
Recogniton (1)
Metodologi OCR – Optical Character
Recogniton (1)
45
(MSU, 1990)
Metodologi OCR – Optical Character Recogniton (2)
Metodologi OCR – Optical Character Recogniton (2)
Prosedur pemrosesan citra
Data Acquisition – masukan berupa dokumen teks, perlu cropping
lokasi-lokasi karakter yang akan dikenali;
Image Preprocessing – proses yang dibutuhkan adalah deteksi sisi
dan thinning atau skeletonizing untuk mendapatkan obyek karakter dengan ketebalan 1 piksel;
Metodologi OCR – Optical Character Recogniton (3)
Metodologi OCR – Optical Character Recogniton (3)
Prosedur pemrosesan citra (Lanjutan)
Representation & Description – ekstraksi ciri karakter, misal perhitungan
ciri moment atau ciri lainnya;
Character Recognition – pengambilan keputusan karakter apakah itu
dengan membandingkan ciri karakter tersebut dengan knowledge base yang menyimpan ciri-ciri setiap karakter yang dibangun dalam tahap pelatihan;
Recognized Character – merupakan hasil pengenalan.