Estu Sinduningrum, ST, MT

(1)

Estu Sinduningrum, ST, MT

(2)

Materi Perkuliahan

1. Pengertian Pengolahan citra 2. 4 Macam Operasi Komputasi

3. Langkah-langkah penting dalam pengolahan

Citra

4. Operasi Aritmatika

2

(3)

PENGOLAHAN CITRA DIGITAL

3

 Pengolahan citra digital adalah sebuah disiplin ilmu yang

mempelajari hal-hal yang berkaitan perbaikan kualitas gambar (peningkatan kontras, transformasi warna, restorasi citra), transformasi gambar (rotasi, translasi, skala, transformasi geometrik), melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan untuk tujuan analisis melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra, melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data.

 Input dari pengolahan citra adalah citra, sedangkan outputnya

adalah citra hasil pengolahan.

(4)

TINGKAT KOMPUTASI

 Cira digital pada umumnya mempunyai jumlah data

yang.-cukup besar sehingga memerlukan daya komputasi yang cukup besar pula.

 Daya komputasi Ini sangat menentukan kompleksitas

algoritma yang akan digunakan.

 Berkaitan dengan daya komputasi atau kompleksitas

algoritma, karakteristik operasi dalam pengolahan citra dapat dibedakan menjadi empat macam.

4

(5)

4 MACAM OPERASI KOMPUTASI

1. Operasi tingkat titik

 Pada operasi tingkat titik, hasil proses suatu titik (piksel)

tidak tergantung pada titik-titik tetangganya sehingga hanya tergantung pada kondisi titik itu sendiri.

 Atau, bisa juga dikatakan, nilai output pada koordinat

tertentu hanya bergantung pada nilai input pada koordinat tersebut.

 Contoh operasi tingkat titik adalah kecerahan (brightness),

peningkatan kontras, negasi, konversi citra warna ke citra gray scale, danThresholding.

5

(6)

4 MACAM OPERASI KOMPUTASI

2. Operasi tingkat lokal

 Pada operasi ini hasil proses suatu titik (piksel)

tergantung pada titiktitik tetangganya dan titik itu sendiri.

 Atau, bisa juga dikatakan, nilai output pada koordinat

tertentu tergantung dari nilai input tetangganya.

 Contoh operasi tingkat lokal adalah konvolusi, deteksi

tepi, penghalusan citra, penajaman citra, eleminasi noise, dan efek emboss.

6

(7)

4 MACAM OPERASI KOMPUTASI

3. Operasi tingkat global

 Pada operasi tingkat global seluruh bagian citra diperhitungkan

sehingga hasilnya akan tergantung pada keadaan citra secara keseluruhan.

 Atau, bisa juga dikatakan, nilai output pada koordinat tertentu

tergantung pada seluruh nilai input citra.

 Untuk citra yang sama, tetapi kualitasnya berbeda (misalnya citra A,

kemudian citra ini kecerahannya dikurangi hingga menjadi citra A yang agak gelap) akan menghasilkan hasil yang berbeda.

 Contoh operasi tingkat global adalah ekualisasi histogram.  Berikut adalah penggambaran ketiga tingkat operasi tersebut.

7

(8)

Tingkat kompulasi

pengolahan citra digital

8

(9)

4 MACAM OPERASI KOMPUTASI

4. Operasi tingkat objek

 Pada operasi ini karakteristik citra, yaitu ukuran,

bentuk, dan intensitas rata-rata, harus dihitung karena karakteristik ini diperlukan untuk mengenali objek yang akan dianalisis.

9

(10)

Langkah-langkah Penting

dalam Pengolahan Citra

 Secara umum, langkah-langkah dalam pengolahan citra dapat

dijabarkan menjadi beberapa langkah :

10

(11)

 Akuisisi citra adalah tahap awal untuk mendapatkan

citra digital. Tujuan akuisisi citra adalah untuk menentukan data yang diperlukan dan memilih metode perekaman citra digital.

 Tahap ini dimulai dari objek yang akan diambil

gambarnya, persiapan alat-alat, sampai pada pencitraan.

 Pencitraan adalah kegiatan transformasi dari citra

tampak (foto, gambar, lukisan, patung, pemandangan, dan lain-lain) menjadi citra digital.

11

Estu Sinduningrum, ST, MT

(12)

 Beberapa alat yang dapat digunakan untuk pencitraan

adalah:

 a. video kamera  b. kamera digital

 c. kamera konvensional dan konverter analog to digital  d. scanner

 e. Photo sinar-x /sinar infra merah

 Hasil dari akuisisi citra ini ditentukan oleh kemampuan

sensor untuk mendigitalisasi sinyal yang terkumpul pada sensor tersebut. Kemampuan digitalisasi alat ditentukan oleh resolusi alat tersebut.

12

(13)

Preprocessing

 Tahapan ini diperlukan untuk menjamin kelancaran

pada proses berikutnya. Hal-hal penting yang dilakukan pada tingkatan ini di antaranya adalah:

 a. Peningkatan kualitas citra (kontras, brightness, dan

lain-lain)

 b. Menghilangkan noise

 c. Perbaikan citra (image restoration)  d.Transformasi (image transformation)

 e. Menentukan bagian citra yang akan diobservasi

13

(14)

(15)

 Tahapan ini bertujuan untuk mempartisi citra menjadi

bagian-bagian pokok yang mengandung informasi penting.

 Misalnya, memisahkan objek dan latar belakang.

 Segmentasi merupakan proses mempartisi citra menjadi beberapa

daerah atau objek, berdasarkan sifat-sifat tertentu dari citra.

 Beberapa teknik segmentasi citra :

✓_{Thresholding (global thresholding dan lokal adaptif thresholding)} ✓ _{Connected Component labelling}

✓ Segmentasi Berbasis Clustering (Iterasi, K-means, fuzzy C-means,

(16)

Pengambangan(Thresholding)

 Proses pengambangan akan menghasilkan citra biner,

yaitu citra hitam dan putih.

 Secara umum proses pengambangan citra grayscale

adalah sbb :      = T y x f T y x f y x g ) , ( , 0 ) , ( , 1 ) , (

(17)

Global Thresholding :

Metode Histogram

 Nilai T ditentukan berdasarkan histogram dari citra

(18)

Contoh:

Single Thresholding

Citra Sel darah merah

Hasil Segmentasi dg T = 160 Histogram Citra

(19)

Contoh:

Multiple Thresholding

Citra Pulsar X-ray Histogram Citra

(20)

Lokal Adaptif Thresholding

 Motivasi : Citra dengan lembah histrogram yang tinggi/tanpa

lembah.

 Prinsip dasar :

Citra dibagi menjadi blok-blok kecil dan kemudian dilakukan pengambangan lokal pada setiap blok dengan nilai T yang

(21)

Nilai ambang lokal dapat dihitung dengan salah satu dari tiga cara berikut :

C N y x f T W y x W − = (

 

, ) ) , (



f x y x y W



median T = ( , ),( , )









2 ) , ( ), , ( min ) , ( ), , ( max f x y x y W f x y x y W T =  + 

(22)

Contoh:

Lokal Adaptif Thresholding

Citra grayscale eritrosit Histogram Citra

(23)

Connected Component Labelling

 Dilakukan dengan memeriksa suatu citra dan

mengelompokkan setiap pixel ke dalam suatu komponen terhubung menurut aturan keterhubungan ( 4,8, atau m-connectivity)

 Setiap komponen terhubung yang saling tidak terhubung

(24)

4-connected

Scan citra dengan bergerak sepanjang baris sampai menemukan pixel p. Bila p sudah ditemukan maka periksa nilai pixel tetangga dari p yaitu pixel diatas dan di kiri dari p kemudian lakukan pemeriksaan berikut :

 Bila kedua pixel tetangga bernilai 0 maka berilah label baru pada

p.

 Jika hanya satu saja dari pixel tetangga tersebut bernilai 1maka

berilah label dari pixel tetangga tersebut pada p

 Bilai kedua pixel tetangga bernilai 1 dan memiliki tanda sama

maka berilah label dari pixel tetangga tersebut pada p

 Bilai kedua pixel tetangga bernilai 1 dan memiliki tanda berbeda

(25)

Contoh :

(26)

Segmentasi Berbasis Clustering :

Metode Iterasi

1. Pilih nilaiT awal, biasanya dipakai nilai rata-rata dari intensitas citra

2. Segmentasi citra menjadi dua daerah, misalnya R1 dan R2 dengan

menggunakan nilaiT awal sebelumnya.

3. Hitung nilai rata-rata intensitas pada daerah R1 dan R2. Kedua nilai

rata-rata tersebut berturut-turut disebut (r1 + r2)/2

4. Hitung nilaiT baru dengan rumusT=(r1 + r2)/2

5. Ulangi langkah 2 sampai 4 sampai nilai T tercapai. Nilai T dikatakan

(27)

Contoh:

(28)

Representasi dan deskripsi

 Dalam hal ini representasi merupakan suatu proses untuk

merepresentasikan suatu wilayah sebagai suatu daftar titik-titik koordinat dalam kurva yang tertutup, dengan deskripsi luasan atau perimeternya.

 Setelah suatu wilayah dapat direpresentasi, proses selanjutnya

adalah melakukan deskripsi citra dengan cara seleksi ciri dan ekstraksi ciri (Feature Extraction and Selection).

 Seleksi ciri bertujuan untuk memilih informasi kuantitatif dari ciri

yang ada, yang dapat membedakan kelas-kelas objek secara baik, sedangkan ekstraksi ciri bertujuan untuk mengukur besaran kuantitatif ciri setiap piksel, misalnya rata-rata, standar deviasi,

 koefisien variasi, Signal to Noise ratio (SNR), dan lain-lain.

28

(29)

Pengenalan dan interpretasi

 Tahap pengenalan bertujuan untuk memberi label pada

sebuah objek yang informasinya disediakan oleh descriplor, sedangkan tahap interpretasi bertujuan untuk memberi makna kepada kelompok objek-objek yang dikenali.

29

(30)

Basis pengetahuan



Basis

pengetahuan

sebagai

basis

data

pengetahuan berguna untuk memandu operasi

dari

masing-masing

modul proses dan

mengkontrol interaksi antara modul-modul

tersebut.



Selain itu, basis pengetahuan juga digunakan

sebagai referensi pada proses template matching

atau pada pengenalan pola

30

(31)

(32)

Operasi Aritmatika

 Operasi-operasi ini dilakukan hanya dengan

menerapkan suatu fungsi terhadap setiap nilai piksel pada suatu citra. Jadi, y = f (x) merupakan suatu fungsi yang memetakan rentang 0 sampai 255 ke dalam dirinya sendiri.

 Fungsi-fungsi sederhana termasuk penjumlahan atau

pengurangan suatu nilai konstan terhadap setiap piksel:

y = x ± C atau mengalikan setiap piksel dengan suatu

konstan: y = xC

32

(33)



Pada ketiga kasus operasi aritmatika ini, Anda perlu

memastikan bahwa keluaran harus berada dalam

rentang integer 0 sampai 255, dengan cara

pembulatan seperti ini:

33 Estu Sinduningrum, ST, MT

Operasi Aritmatika

y

255, jika y > 255 0, jika y < 0

(34)

 Mengillustrasikan hasil penjumlahan atau perkalian. Pengurangan 128

dari setiap piksel pada suatu citra.

 Perhatikan yang memiliki bahwa ketika 128 ditambahkan ke setiap

piksel, semua nilai-nilai keabuan 127 atau lebih besar akan dipetakan menjadi nilai 255 dan ketika mengurangkan 128 dari setiap piksel, nilai-nilai keabuan 128 atau kurang akan dipetakan menjadi nilai 0.

 Dengan melihat kedua grafik pemetaan tersebut, dapat diamati bahwa

penjumlahan citra dengan suatu konstan akan membuat citra lebih terang, sedangkan pengurangan akan membuatnya lebih gelap.

34

(35)

 Anda bisa membuktikan hal ini dengan MATLAB,

didahului dengan membaca suatu citra :

1. b = imread (‘bintik.tif ’); 2. whos b Name Size

 Penjumlahan dan pengurangan citra dapat dilakukan

dengan : 1. b1= imadd (b,128) ; imshow(b1) 2. b2 = imsubtract (b,128); imshow (b2); 35 Estu Sinduningrum, ST, MT

Operasi Aritmatika

(36)

 Anda juga bisa membuat citra menjadi gelap atau terang

dengan perkalian. Pada Gambar dibawah ini, ditunjukkan beberapa contoh fungsi yang memiliki efek-efek ini.

 Untuk mengimplementasikannya, Anda bisa menggunakan

fungsi MATLAB immultiply. Hasilnya ditampilkan pada :

36

(37)

 Perkalian dan pembagian citra dapat dilakukan dengan: 1.

b3 = immultiply (b,0,5) ; imshow(b3)

2.

b4 = immultiply (b,2); imshow (b4)

3.

b5 = imadd (immultiply (b,0.5), 128);

4.

imshow(b5)

37 Estu Sinduningrum, ST, MT

Operasi Aritmatika

(38)

(39)

Komplemen



Komplemen suatu citra abu-abu merupakan

format negatif fotografiknya.



Jika suatu matriks citra bertipe double, yang

nilai-nilainya berada dalam rentang 0 sampai 1,



maka format negatifnya didapatkan dengan



>> 1-m;



Jika citra biner, maka digunakan



>> ˜m

39

(40)

 Jika citra, bertipe uint8, maka pendekatan terbaik yang

bisa digunakan adalah menggunakan fungsi

imcomplement. Pada Gambar ditunjukkan fungsi

komplemen y =255-x dan digunakan skript MATLAB berikut ini : 1. bc = imcomplement (b); 2. imshow (bc) 40 Estu Sinduningrum, ST, MT

Komplemen

(41)

Selisih Absolut Atas Dua Citra

 Untuk mendapatkan selisih dua citra, Anda bisa

menggunakan skript MATLAB berikut ini:

1. a = imread (‘bintik.tif’); 2. c = imread (‘cameraman.tif’); 3. S = imabsdiff (a,c); 4. imshow(S) 41 Estu Sinduningrum, ST, MT

(42)

Kombinasi Citra

 Kombinasi beberapa citra dapat dilakukan menggunakan

format berikut ini :

 Dimana adalah bilangan riil dan

matriks citra. Anda bisa menggunakan skript MATLAB ini untuk melakukannya.

42

(43)

TUGAS

1. Perhatikan coding dari slide halaman : 34 sd 40

2. Coba lakukan coding dengan Commad Window

pada program Matlab

3. Perhatikan citra (gambar) yang dihasilkan setelah

dilakukan proses pengolahan citra.

4. Analisa coding dan lakukan perubahan coding

sesuai keinginan Anda, perhatikan hasil citranya.

43

(44)