Estu Sinduningrum, ST, MT
Materi Perkuliahan
1. Pengertian Pengolahan citra 2. 4 Macam Operasi Komputasi
3. Langkah-langkah penting dalam pengolahan
Citra
4. Operasi Aritmatika
2
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.
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
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
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
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
Tingkat kompulasi
pengolahan citra digital
8
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
Langkah-langkah Penting
dalam Pengolahan Citra
Secara umum, langkah-langkah dalam pengolahan citra dapat
dijabarkan menjadi beberapa langkah :
10
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
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
Estu Sinduningrum, ST, MT
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
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,
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 ) , (
Global Thresholding :
Metode Histogram
Nilai T ditentukan berdasarkan histogram dari citra
Contoh:
Single Thresholding
Citra Sel darah merah
Hasil Segmentasi dg T = 160 Histogram Citra
Contoh:
Multiple Thresholding
Citra Pulsar X-ray Histogram Citra
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
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 = + Contoh:
Lokal Adaptif Thresholding
Citra grayscale eritrosit Histogram Citra
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
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
Contoh :
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
Contoh:
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
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
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
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
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 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
Estu Sinduningrum, ST, MT
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
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
Estu Sinduningrum, ST, MT
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, MTOperasi Aritmatika
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
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
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
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
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