Dasar Pengolahan Citra Dijital

(1)

Dasar Pengolahan

Citra Dijital

Shinta P. Sari

Prodi. Informatika Fakultas Ilmu Komputer Universitas Indo Global Mandiri

Maret 2016

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.

(2)

Perhatikan Optical Illusions !

3 Perhatikan Optical Illusions !

(3)

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



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

(4)

Digital Image Aquisition

7

Pengertian Citra Dijital

 Citra Dijital

Citra 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.

(5)

9 Continous Image

Result of image Sampling and Quantisation

Pengertian Citra Dijital

10

Sampler

Citra kontinue Citra dijital Matriks citra dengan obyek angka 5

Resolusi spasial : Resolusi kecemerlangan :

(6)

Digitizing an image

11

Line Column of samples Picture Pixel Sample Spacing Sampling process Spatial resolution Line Spacing Black Gray White 255 128 0

Sumber: 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)

(7)



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.

(8)

15

Typical Effect of Reducing Spatial Resolution 1250 dpi, 300 dpi, 150 dpi, 72 dpi

16

Typical Effect of Reducing Intensity Resolution Level : 16, 8, 4, 2, and 256 levels

(9)

Image 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

(10)

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 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

Arithmetic Operation

OPERASI TERHADAP PASANGAN PIKSEL PADA MATRIK CITRAYANG BERKORESPONDEN

(11)

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

(12)

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 digunakan

untuk deteksi perubahan wilayah.

24

Jakarta in 1994 Jakarta in 1998

(13)

Image Substraction

25

26

Image Substraction

(14)

27 Set & Logical Operation

(15)

29

Basic set operations

Logical Operation

30

A A A B A B A B NOT AND OR xor

(16)

SISTEM PENGOLAHAN

CITRA DIGITAL

31

32

Komponen Sistem Pengolahan Citra Dijital

(17)

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).

(18)

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

(19)

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

 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

(20)

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)



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;

(21)

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;

(22)

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

(23)

Metodologi OCR – Optical Character

Recogniton (1)

Metodologi OCR – Optical Character

Recogniton (1)

45 (MSU, 1990)

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;

(24)

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;