Transformasi Gray (cont), Statistik Dalam Image Enhancement

(1)

Transformasi Gray (cont),

Statistik

Dalam

Image Enhancement

Achmad Basuki,Nana Ramadijanti

(2)

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

(3)

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

(4)

Konversi Gray Scale Ke Biner

Setiap pixel mempunyai nilai warna x_bw dengan

nilai 0 dan 1 Setiap pixel mempunyai

(5)

Konversi Gray Scale Ke m-Bit

Setiap pixel mempunyai nilai warna x_th 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)

(6)

Pengaturan Brightness

brightness

x

t

x

_

Proses pengaturan brightness adalah proses penambahan nilai

derajat keabuan x dengan nilai perubahan brightness t

_brightness

t_brightness bisa positif dan dan negatif

(7)

Pengaturan Contrast

contrast

x

t

x

_

Proses pengaturan contrast adalah proses perkalian nilai derajat

keabuan x dengan nilai perubahan contrast t

_contrast

0 < t_kontras

< m , dengan m positif

(8)

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

(9)

Gray-Scale Histogram

Gambar ini didominasi warna terang, karena grafik di sebelah kanan terlihat lebih banyak.

(10)

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.

(11)

Distribusi Kumulatif

(12)

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

(13)

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

(14)

Formulasi Histogram Equalization

Histogram Equalization dari suatu distribusi kumulatif

C adalah:

y

x

w

n

t

c

w

.



C

_w

adalah nilai distribusi kumulatif pada derajat keabuan w

t adalah nilai threshold derajat keabuan= 2

8

_{atau 256}

(15)

Perhitungan Histogram Equalization

Perhatikan histogram berikut:

(16)

(17)

(18)

(19)

(20)

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.

(21)

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

(22)

‘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

(23)

'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)

(24)

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

(25)

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

(26)

Ia. Image Negative

• Mengubah nilai grey-level piksel citra input dengan:

G

baru

= 255 - G

lama

(27)

27

Aplikasi Penginderaan Jarak Jauh

(Sumber: Murni, 1997)

Aplikasi Penginderaan Jarak Jauh

(Sumber: Murni, 1997)

(28)

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

(29)

(30)

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

(31)

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.

(32)

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

(33)

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