PEMROSESAN CITRA DIGITAL

PEMROSESAN CITRA DIGITAL

A. Konsep Resolusi

∗

Kemampuan suatu system optik-elektronik untuk membedakan informasi

yang secara spasial berdekatan dan atau secara spectral mempunyai

kemiripan (Swan dan Davis, 1978)

∗

1. Resolusi

Spasial

Ukuran objek terkecil yang masih dapat dideksi oleh system pencitraan.

2. Resolusi

Spektral

Kemampuan suatu system optic-elektronik untuk membedakan objek

berdasarkan pantulan atau pancaran spektralnya.

3. Resolusi

Radiometrik

Kemapuan suatu system sensor dalam mancatat respon spectral obyek (

m

Watt cm

-2

_s

_ŕ

1

_µm

-1

₎

4. Resolusi

Temporal

Kemampuan suatu sistem penginderaan jauh untuk merekam ulang

daerah yang sama

5. Resolusi

Layar

Kemampuan layar monitor untuk menyajikan kenampakan obyek pada

citra secara lebih halus

B. Perangkat Sistem Pemrosesan Citra Digital

1.

Perangkat Keras

a. Sistem Input Data

b. Sistem Penyimpanan Data

c. Sistem Pengolah Pusat

d. Sistem Keluaran Data

2.

Perangkat Lunak

a. Perangkat Lunak Pengolah Citra

1. ILWIS (Integrated Land and Water-management Information

System)

3. IDRISI

4. ENVI

5. SPECDAT

6. ALEXANDER

7. I

2

_{S (International Imaging System)}

b. Kategori Kemampuan Perangkat Lunak Pengolah Citra

A. Pengolah citra sederhana; meliputi tampilan (display), penajaman

dan klasifikasi

B. Pengolahan citra agak lengkap; termasuk prapemrosesan lanjut

(koreksi geometri untuk regristrasi dan koreksi radiometri untuk

pengaruh atmosfer), transformasi citra, penajaman dan klasifikasi

{1,3, 4}

C. Pengolahan citra secara lengkap; mulai dari koreksi data mentah,

prapemrosesan lanjut, penajaman, transformasi khusus, klasifikasi,

pemodelan tiga dimensi {2,5,6,7}

D. Sistem Informasi Geografis; tumpangsusun peta ataupun data

grafis lain dengan citra digital lain (berbasis raster) {2,3,4,6,7}

E. Sistem Informasi Geografis; input data dalam format vektor,

konversi data, manipulasi peta bersama dengan citra, pemodelan

tiga dimensi

RESTORASI CITRA

(PRE-PROCESSING/PEMROSESAN AWAL)

¾

Pada dasarnya semua citra yang diproleh melalui perekaman sensor tidak

lepas dari kesahan-kesalahan

¾

Fungsi restorasi citra adalah untuk memperbaiki kesalahan tersebut dan

meningkatkan kualitas citra

¾

Faktor-faktor yang mempengaruhi kesalahan perekaman citra

-

Mekanisme

perekaman

sensor

-

Gerakan dan ujud geometri bumi

-

Kondisi atmosfer pada saat perekaman

A. Kualitas

Citra

Kualitas citra dapat dinilai dari dua aspek, yaitu kualitas radiometrik dan

kualitas geometrik

1. Kualitas radiometrik terkait dengan 'enak-tidaknya' suatu citra dilihat

(kualitatif) dan 'benar-tidaknya' informasi spektral yang diberikan

(kuantitatif)

2. Kualitas geometrik terkait dengan 'benar-tidaknya' bentuk serta posisi

obyek pada citra dengan rujukan yang ada (kuantitatif)

Parameter yang digunakan untuk menilai kualitas citra :

1. Tutupan awan dan gangguan kabut

-

kualitas citra dikatakan baik apabila prosentase tutupan awan

kurang dari 10 %

-

di Indonesia sulit ditemui citra yang 100 % bebas awan, karena:

a. waktu perekaman yang hampir bersamaan dengan waktu

pembentukan awan

b. sistem sensor (satelit) yang tidak mampu menembus awan

2. Gangguan sinyal

-

kualitas dikatakan baik apabila pada citra tidak terdapat line

droup-out, stripping, dan/atau anomali piksel

3. Korelasi antar saluran

-

kualitas dikatakan baik apabila koefisien korelasi antar saluran kecil

B. Koreksi

Radiometrik

Koreksi radiometrik dilakukan untuk mengoreksi kesalahan yang

diakibatkan oleh pengaruh atmosfer pada saat perekaman citra

•

Kondisi atmosfer yang mempengaruhi perkaman citra :

1. Hamburan Reyleigh

-

hamburan ini disebabkan oleh adanya butir-butir gas nitrogen dan

oksigen yang mempunyai ukuran lebih kecil dari panjang gelombang

yang digunakan (0,1

λ

)

2. Hamburan Mie

-

hamburan ini disebabkan oleh adanya butir-butir debu, kabut, asap dan

sebagainya yang mempunya ukuran diameter sama atau lebih besar

dari panjang geiombang yang digunakan

3. Hamburan Nonselektif

-

hamburan ini disebabkan oleh adanya butir-butir dalam atmosfer yang

mempunyai ukuran diameter lebih besar dari panjang gelombang

spektrum tampak, yaitu 5 -100 µm

4. Serapan

-

adanya uap air, karbondioksida dan ozon di atmosfer menyerap

sebagian tenaga elektromagnetik yang digunakan dalam proses

perekaman citra, sehingga memperlemah energi yang dipantuikan

obyek ke sensor perekam.

KOREKSI GEOMETRIK

¾

Memperbaiki kesalahan-kesalahan pada saat perekaman citra yang

diakibatkan oleh sensor, wahana dan bumi

¾

Membuat citra mempunyai sifat peta

A. Kesalahan pada saat perekaman

1. Kesalahan sistematis

a. Scan skew

gerak maju wahana pada saat cermin bergerak

b. Mirror-scan velocity

gerakan cermin yang tidak konstan

c. Platform

velocity

kecepatan platform yang tidak kostan

d. Earth rotation

rotasi bumi

e. Panoramic distortion

kondisi medan

2. Kesalahan non-sistematis

a. Altitude

ketinggian wahana

b. Attitude

kedudukan sensor

B. Metode Koreksi

1. Interpolasi spasial

a. Orde I

4 titik ikat medan (GCP)

b. Orde II

6 titik ikat medan (GCP)

c. Orde

III

10 titik ikat medan (GCP)

Syarat titik ikat :

-

Obyek yang tetap / tidak berubah dalam waktu lama

-

Lokasi obyek menyebar

-

Nilai

RMSE

harus

≤

1

satu tanggal perekaman

≤

0,5

lebih dari satu tanggal perekaman

2. Interpolasi Intensitas

a. Orde O

nearest neighbor

mengembalikan nilai piksel pada

tempatnya

Berdasarkan 4 (empat) piksel

disekitarnya

c. Orde

2

cubic convolution

mengisikan nilai piksel baru

Berdasarkan 16 (enambelas)

piksel disekitarnya

∗

Contoh perhitungan untuk bilinier interpolation

Lokasi

Sampel

(C,R)

Nilai (Z)

Jarak dari posisi ke

sampel (D)

D

2

_Z/D

2

_1/D

2

2,2 9

0,806

0,65

13,85

1,539

3,2 8

0,922

0,85

7,06

1,176

2,3 15

0,500

0,25 60

4,000

3,3 18

0,670

0,45 40

2,222

Jumlah

120,91 8,937

BV = 120,91 / 8,937 = 13,53 (13)

C. Teknik Koreksi Geometrik

1. Image to Map Rectification

menggunakan bantuan peta (biasanya peta topografi/rupabumi)

obyek yang dipilih harus tampak jelas pada peta dan citra

ketelitian koreksi sangat tergantung pada ketelitian operatopr dalam

Membaca koordinat peta rujukan

kendala yang sering dialami adalah perbedaan waktu yang cukup lama

Antara pembuatan peta dengan perekaman citra

2. Image to Image Rectification

menggunakan bantuan citra yang sudaj terkoreksi

obyek yang dipilih harus tampak jelas pada kedua citra

ketelitian loreksi sangat tergantung pada ketelitian operator dalam

memilih obyek yang sama

PENAJAMAN CITRA

A.Perentangan Kontras

•

Mempertajam kenampakan citra dengan merentangkan nilai maksimum

dan nilai minimumnya

•

Perentangan dapat dilakukan pada seluruh nilai piksel atau pada

sebagian nilai piksel

•

Formula

:

BVbaru

=

k ∗

(BVinput

–

BVminimum) / (BVmaksimum - BVminimum)

BVbaru

: Nilai piksel baru hasil perentangan

k

: Julat perentangan kontras

BV

input

: Nilai piksel citra asli

:

BV

minimum

: Nilai piksel minimum yang direntang

BVminimum

:

Nilai piksel maksimum yang direntang

B.Ekualisasi Histogram

•

Mempertajam kenampakan citra dengan mengubah histogram citra asli

•

Pengubahan dilakukan pada seluruh piksel citra

•

Menggunakan frekuensi kemunculan nilai piksel dan probabilitasnya

Contoh perhitungan :

Sebuah citra fiktif yang mempunyai ukuran 64 baris dan 64 kolom (4096 piksel)

dengan julat nilai 0-7 akan diekualisasi histogram.

Nilai piksel

BV

input

Frekuensi

f(BV

input

)

Probabilitas

P{f(Bvinput)/n)}

BV

0

= 0/7 = 0,00

790

0,19

BV

1

= 1/7 = 0,14

1023

0,25

BV

2

= 2/7 = 0,28

850

0,21

BV

3

= 3/7 = 0,42

656

0,16

BV

4

= 4/7 = 0,57

329

0,08

BV

5

= 5/7 = 0,71

245

0,06

BV

6

= 6/7 = 0,85

22

0,03

BV

7

= 7/7 = 1,00

81

0,02

n

=

4096

Hasil :Nilai piksel 0 berubah menjadi 1

Nilai piksel 1 berubah menjadi 3

Nilai piksel 2 berubah menjadi 5

dst.

Faktor-Faktor yang Mempengaruhi

Pembentukan Nilai Pantulan Obyek

1. Atmosfer

¾

Hamburan

¾

Awan

¾

Hujan

2. Sensor

¾

kepekaan

detector

¾

kondisi

sensor

¾

sistem transmisi data

3. Obyek

¾

kepekaan obyek terhadap sinar

¾

kondisi obyek

¾

kondisi permukaan obyek

4. Kedudukan

Obyek

¾

arah

hadap

obyek

¾

kemiringan obyek

Transformasi Khusus

1. Indeks Vegetasi

¾

Perolehan data vegasi menggunakan teknik “in situ” sangat mahal,

membutuhkan waktu banyak dan kadang tidak memungkinkan

¾

Salah satu alternative untuk pengukuran vegetasi adalah

berdasarkan pengukuran nilai spectral citra penginderaan jauh

¾

Tujuan dari pembuatan indeks vegasi adalah menggabungkan

beberapa saluran menjadi satu saluran yang mampu

mengekspresikan nilai pantulan vegasi dengan baik, misalnya :

untuk pengukuran kanopi, biomassa, produktivitas, leaf area

indeks, dll.

-

NDVI / Normalized Difference Vegetation Index (Rouse, 1, 1973)

Formula : NDVI = (IR – M) / (IR + M)

-

TVI / Transformed Vegetation Index (Deering, et al, 1975)

Formula : TVI =

NDVI

0,5

TVI =

_{A NDVI}NDVI , _,

x

Abs NDVI

0,5

•

Angka 0,5 dimaksudkan untuk menghilangkan nilai negative pada

NDVI

•

Abs adalah nilai absolute dan 0/0 sama dengan 1

-

PVI / Perpendicular Vegatation Index (Perry, et al, 1975)

Formula : PVI = [ (0,355MSS7 – 0,14MSS5)

2

+ (0,355MSS5 – 0,543MSS6)

2

_]1/2

-

DVI / Difference Vegetation Index (Richardson and Wiegand, 1977)

Formula : 2,4MSS7 – MSS5

2. PCA (Principle Components Analysis)

¾

Menghasilakan citra baru yang lebih mudah diinterpretasi

¾

Mengkompresi citra multisaluran menjadi dua atau tiga saja yang

punya kemampuan pengenalan obyek lebih baik dibandingkan data

asli

-

SBI

SBI = 0,332MSS4 + 0,603MSS5 + 0,675MSS6 + 0,262MSS7

MSBI = 0,406MSS4 + 0,600MSS5 + 0,645MSS6 + 0,243MSS7

-

GVI

GVI = -0,283MSS4 – 0,660MSS5 + 0,577MSS6 + 0,388MSS7

MGVI = -0,368MSS4 – 0,530MSS5 + 0,535MSS6 + 0,532MSS7

-

YVI

YVI = -0,899MSS4 + 0,428MSS5 + 0,076MSS6 – 0,041MSS7

MYVI = -0,723MSS4 + 0,597MSS5 + 0,206MSS6 – 0,278MSS7

-

NSI

NSI = -0,016MSS4 + 0,131MSS5 – 0,425MSS6 + 0,882MSS7

MNSI = 0,404MSS4 - 0,039MSS5 – 0,505MSS6 + 0,762MSS7

PEMFILTERAN

¾

Merupakan salah satu teknik penajaman citra

¾

Menggunakan "moving window" yang berbe matriks (3x3, 5x5, 7x7, dst)

¾

Memperhitungkan nilai piksel tetangga

(local operation)

¾

Fungsi:

1. Menyaring/menapis informasi spektral tertentu

2. Menghasilkan citra baru yang mempunyai variasi nilai spektral berbeda

dengan citra asli

A. Formula

BV

baru

: nilai spectral baru hasil pemfilteran

BV

i

: nilai spectral input

gain

: ( 1 / (

∑

(c

i

) )

Offset

: 0 – 255

´

menggeser nilai kecerahan

B. Pengelompokkan Filter

¾

Highpass – Low pass

a. Highpass filter

(a) Meningkatkan kontras nilai antar BV

(b) Menajamkan bats tepi antar obyek

(c) Menjamkan kenampakan kelurusan

(d) Contoh :

-1

0

-1

-1

-1

-1

0

9

0

-1

12

-1

-1

0

-1

-1

-1

-1

b. Lowpass filter

(a) Menurunkan kontras nilai antar BV

(b) Menajamkan kenampakan kelurusan

(c) Contoh :

1

1

1

2

2

2

1

1

1

2

4

2

1

1

1

2

2

2

¾

Directional – Non – directional

a. Directional filter

(a) Menajamkan kenampakan ke satu arah tertentu

(b) Contoh :

0

0

0

0

-2

0

-2

0

0

0

0

-2

-2

4

-2

0

4

0

0

4

0

0

4

0

0

0

0

0

-2

0

0

0

-2

-2

0

0

N - S

E - W

NE - SW

NW -SE

b. Non-Directional filter

(a) Menajamkan kenampakan ke semua arah

(b) Contoh :

0

1

0

1

1

1

0

-4

0

1

-8

1

0 1

0

1

1

1

C. Contoh-contoh Filter

1. Median filter

1

2

3

4

5

14

4

5

6

6

16

4

6

-7

8

9

16

5

6

2. Conditional Average filter

a. Tentukan nilai maksimum

b. Tentukan nilai ambang

c. Kurangkan nilai maksimum dengan BV

d. Bila point c < b, maka nilai tersebut yang difilter

4

5

14

6

16

4

15

16

5

6

3. Gradien filter

-

Digunakan dalam pembuatan DEM

1

2

3

4

5

14

4

5

6

6

16

4

7 8

9

16

5

6

DFDX

DFDY

-

Formula untuk membuat peta lereng :

4. Filter untuk membuat peta lereng

-

Memfilter citra asli dengan “

lowpass filter

”

-

Melakukan pengurangan dengan format sbb :

BV

baru

= ( k

∗

BV

asli

) – BVfilter

Slope =

Cit /30

Cit /30

Cit /30

Cit /30

* 45