Transformasi Gray (cont),
Statistik
Dalam
Image Enhancement
Achmad Basuki,Nana Ramadijanti
Materi
• Konversi RGB ke Gray Scale
• Konversi Gray Scale ke Biner
• Konversi Gray Scale ke m-Bit
• Pengaturan Brightness
• Pengaturan Kontras
• Gray-scale Histogram
• Distribusi Kumulatif
Konversi RGB ke Gray Scale
Setiap pixel mempunyai nilai red (r), green (g) dan
blue (b) dengan nilai masing-masing 0-255
Setiap pixel mempunyai nilai derajat keabuan x
dengan nilai 0-255
Konversi Gray Scale Ke Biner
Setiap pixel mempunyai nilai warna xbw dengan
nilai 0 dan 1 Setiap pixel mempunyai
Konversi Gray Scale Ke m-Bit
Setiap pixel mempunyai nilai warna xth dengan nilai
0 sampai dengan 2m-1
Setiap pixel mempunyai nilai derajat keabuan x
dengan nilai 0-255
Contoh :
X=100, gray scale 4 bit (0-64) Xbaru = 64 x (100/64)
Pengaturan Brightness
brightness
brightness
x
t
x
Proses pengaturan brightness adalah proses penambahan nilai
derajat keabuan x dengan nilai perubahan brightness t
brightnesstbrightness bisa positif dan dan negatif
Pengaturan Contrast
contrast
contrast
x
t
x
Proses pengaturan contrast adalah proses perkalian nilai derajat
keabuan x dengan nilai perubahan contrast t
contrast0 < tkontras
< m , dengan m positif
Gray-Scale Histogram
• Histogram di dalam gambar gray-scale
menyatakan distribusi dari derajat keabuan
(terang/gelap) pada suatu gambar.
• Dari histogram ini dapat dilihat apakah gambar
tersebut lebih banyak warna gelap atau lebih
banyak warna terang
• Teknik histogram ini dapat dikembangkan untuk
memperbaiki kualitas gambar (image
enhancement) dengan apa yang dinamakan
dengan
Histogram Equalization,
suatu teknik
untuk meratakan distribusi terang/gelap
Gray-Scale Histogram
Gambar ini didominasi warna terang, karena grafik di sebelah kanan terlihat lebih banyak.
Distribusi Kumulatif
• Distribusi kumulatif C(x) adalah nilai total histogram
dari tingkat keabuan=0 sampai dengan tingkat
keabuan=x, dan didefinisikan dengan:
• Distribusi kumulatif ini dapat digunakan untuk
menunjukkan perkembangan dari setiap step derajat
keabuan.
• Pada distribusi kumulatif, gambar dikatakan baik bila
mempunyai distribusi kumulatif yang pergerakannya
hampir sama pada semua derajat keabuan.
Distribusi Kumulatif
Distribusi Kumulatif
• Gambar-gambar hasil photo mempunyai
perubahan yang tidak terlalu tajam dan
biasanya tidak lebih dari satu. Hal ini
menunjukkan tingkat gradiasi yang halus
pada gambar hasil photo.
• Gambar-gambar kartun mempunya
banyak perubahan yang tajam, hal ini
menunjukkan tingkat gradiasi pada
Histogram Equalization
• Histogram Equalization adalah suatu proses untuk
meratakan histogram agar derajat keabuan dari yang
paling rendah (0) sampai dengan yang paling tinggi
(255) mempunyai kemunculan yang rata.
• Dengan histogram equalization hasil gambar yang
memiliki histogram yang tidak merata atau distribusi
kumulatif yang banyak loncatan gradiasinya akan
menjadi gambar yang lebih jelas karena derajat
keabuannya tidak dominan gelap atau dominan terang.
• Proses histogram equalization ini menggunakan
Formulasi Histogram Equalization
Histogram Equalization dari suatu distribusi kumulatif
C adalah:
y
x
w
n
n
t
c
w
.
.
C
wadalah nilai distribusi kumulatif pada derajat keabuan w
t adalah nilai threshold derajat keabuan= 2
8atau 256
Perhitungan Histogram Equalization
Perhatikan histogram berikut:
Aplikasi Histogram Equalization
• Buka project baru
• Pada form atur property ScaleMode=Pixel
• Tambahkan 2 pictureBox. Pada setiap pictureBox, atur
property Appereance=Flat, Autoredraw=True dan
ScaleMode=Pixel. Buat ukuran kedua pictureBox ini
sama.
• Pada picture1, tambahkan gambar pada property picture
• Tambahkan 1 commandButton, isikan property
Caption=Histogram Equalization.
Aplikasi Histogram Equalization
• Click pada Command1, dan isikan
program berikut:
‘Inisialisasi variabel
Dim h(256), h2(256), c(256) As Single
For i = 0 To 255
‘Menghitung distribusi kumulatif
For i = 0 To Picture1.ScaleWidth - 1 For j = 0 To Picture1.ScaleHeight - 1 w = Picture1.Point(i, j)
r = w And RGB(255, 0, 0)
g = Int((w And RGB(0, 255, 0)) / 256)
b = Int(Int((w And RGB(0, 0, 255)) / 256) / 256) xg = Int((r + g + b) / 3)
xg = Int(0.6 * xg + 20)
Picture1.PSet (i, j), RGB(xg, xg, xg) h(xg) = h(xg) + 1
Next j Next i
c(0) = h(0)
For i = 1 To 255
'Histogram Equalization
For i = 0 To Picture1.ScaleWidth - 1 For j = 0 To Picture1.ScaleHeight - 1 w = Picture1.Point(i, j)
MSChart1.RowLabel = Trim(Str(i)) MSChart2.Row = i + 1
MSChart2.Data = h2(i)
Image Enhancement
Spatial Domain
Frequency Domain
I. Point Processing II. Mask Processing
…(next week)
a. Image Negative b. Contrast Stretching c. Histogram Equalization
- all grey level and all area
- specific grey level (histogram specification) - local enhancement (specific part of the image) d. Image Subtracting
I. Point Processing
• Cara paling mudah untuk melakukan
peningkatan mutu pada domain spasial
adalah dengan melakukan pemrosesan
yang hanya melibatkan satu piksel saja
(tidak menggunakan jendela
ketetanggaan)
• Pengolahan menggunakan histogram
juga termasuk dalam bagian point
Ia. Image Negative
• Mengubah nilai grey-level piksel citra input dengan:
G
baru= 255 - G
lama27
Aplikasi Penginderaan Jarak Jauh
(Sumber: Murni, 1997)
Aplikasi Penginderaan Jarak Jauh
(Sumber: Murni, 1997)
Ib. Contrast Stretching
• Mengubah kontras dari suatu
image dengan cara mengubah
greylevel piksel-piksel pada citra
menurut fungsi s = T(r) tertentu
• r1 ≤ r2, s1 ≤ s2
• r1 = r2, s1 = s2
tidak ada
perubahan
• r1 = r2, s1 = 0, s2 = 255
tresholding menjadi citra biner
dengan ambang r1
Contrast Stretching
• Fungsi lain yang baik digunakan adalah:
f
out= (f
in– a) * b, -> (20-10)*6=60
• a = min(f
in) misal : a=10
• b = 255 / (max(f
in) – min(f
in)) :
b=255/(50-10)=255/40=6
Contrast Stretching
Buatlah matrik citra ukuran 10x10 dengan nilai random gray scale 50-150
(optional)
Dapatkan matrik citra hasil setelah dilakukan contras stretching
sehingga gray level citra menjadi 0-255.
Ic. Histogram Equalization
• Histogram: diagram yang menunjukkan jumlah
kemunculan grey level (0-255) pada suatu citra
• Histogram processing:
– Gambar gelap: histogram cenderung ke sebelah kiri
– Gambar terang: histogram cenderung ke sebelah kanan
– Gambar low contrast: histogram mengumpul di suatu
tempat
– Gambar high contrast: histogram merata di semua
tempat
Ic. Histogram Equalization
in all grey level and all area (1)
• Ide: mengubah pemetaan
greylevel agar sebarannya
(kontrasnya) lebih menyebar
pada kisaran 0-255
• Sifat:
– Grey level yang sering muncul lebih dijarangkan jaraknya dengan grey level sebelumnya
– Grey level yang jarang muncul bisa lebih
dirapatkan jaraknya dengan grey level sebelumnya
Ic. Histogram Equalization
in all grey level and all area (2)
Ic. Histogram Equalization
in all grey level and all area (3)
• Contoh : citra
dengan derajat
keabuan hanya
berkisar 0-10
Derajat keabuan baru