Manipulasi Citra Berwarna

1. Manipulasi Citra Berwarna Chapter 6

2. Pendahuluan • Alasan utama penggunaan citra berwarna: • Warna merupakan ciri utama yang mampu mendeskripsikan objek dengan baik • Mata manusia mampu membedakan banyak macam warna dan intensitas • Manipulasi citra berwarna dibagi dalam 2 kelompok: • Full color processing, citra didapat dengan full color sensor (TV,kamera digital,dsb) • Pseudo color processing, citra yang didapat dengan memberikan warna pada citra monokrom

3. Dasar-dasar Warna • Pada dasarnya warna yang dapat ditangkap oleh manusia dari sebuah objek, ditentukan oleh banyaknya cahaya yang dapat dipantulkan oleh objek tersebut. • Karakteristik cahaya pada suatu objek, membagi penampakan menjadi dua: • Achromatic, tanpa warna hanya mengukur intensitas. • Chromatic, dengan panjang gelombang 400nm sampai 700nm.

4. Dasar-dasar Warna • 3 dasar yang dijadikan ukuran kualitas suatu cahaya chromatic: • Radiance, total energi yang memancar dari sumber cahaya (dalam watt) • Luminance, ukuran banyaknya energi yang dapat ditangkap pengamat dari sumber cahaya (dalam lumens). • Brightness, ukuran intensitas warna yang dapat menggambarkan sensasi warna.

5. Dasar-dasar Warna • Melalui penelitian, dalam menangkap cahaya sel kerucut mata manusia dapat dibagi menjadi 3 kelompok utama yaitu: sel kerucut merah, hijau, dan biru. Berdasarkan karakteristik ini, semua warna dapat dipandang sebagai kombinasi dari warna-warna tersebut. • Warna red, green, blue tersebut dinamakan primary color of lights. • Campuran primary color dapat menghasilkan secondary color of lights yaitu:magenta (red plus blue), cyan (green plus blue), yellow (red plus green).

6. Dasar-dasar Warna • Untuk pigment yang didefinisikan sebagai penyerap primary color of light dan memantulkan 2 warna lainnya, primary color of pigment menjadi kebalikannya yaitu: magenta, yellow dan cyan. • Dan secondary color of pigment yaitu red, green, dan blue.

8. Dasar-dasar Warna • 3 karakteristik yang digunakan untuk membedakan warna yang satu dengan yang lain adalah: • Brigthness, ukuran intensitas. • Hue, atribut yang berhubungan dengan panjang gelombang dominan dalam gabungan gelombang cahaya (warna dominan yang ditangkap mata). • Saturation, kemurnian relatif (misal: merah lebih murni dibanding merah muda) • Hue dan saturation bersama-sama membentuk chromaticity. • Banyaknya red, green, blue yang diperlukan untuk membentuk suatu warna lain disebut nilai tristimulus.

9. Dasar-dasar Warna • Jadi suatu warna dapat didefinisikan dengan suatu trichromatic coefficients sebagai berikut : Jadi x + y + z = 1

10. Dasar-dasar Warna • Diagram chromaticity adalah grafik fungsi dari x (red), y (green) dan z (blue) • Titik keseimbangan dari x = y = z akan membentuk warna putih. • Titik-titik yang berada di pinggiran grafik chromaticity itu dikatakan ter-saturasi penuh (warna murni). • Titik-titik yang menjauhi pinggiran grafik dan makin menuju titik keseimbangan, nilai saturasinya juga semakin mendekati 0.

11. Model Warna • Tujuan dari pemodelan warna adalah untuk mempermudah klasifikasi warna dengan standarisasi tertentu • Model warna untuk hardware: RGB model untuk monitor berwarna dan kamera, CMY model untuk printer; YIQ model untuk warna penyiaran TV

12. Model Warna RGB • Pemodelan menggunakan kubus dengan : • Warna putih pada titik (1,1,1) • Warna hitam pada titik (0,0,0) • 3 sudut cyan, magenta, yellow

13. Model Warna RGB • Model RGB dapat melakukan manipulasi pada 3 bagian red, green, blue secara terpisah. • Model RGB digunakan untuk: • Proses data image satelit hasil citra udara, dalam melakukan segmentasi citra berdasarkan bagian warna yang merepresentasikan arti fisik tertentu

14. Model Warna RGB • Pada beberapa sistem, dibatasi hanya 256 warna walaupun citra 24 bit RGB tersedia. • Pembatasan itu dilakukan agar suatu citra dapat dihasilkan dengan berbagai kemampuan hardware. Himpunan warna hasil pembatasan ini disebut set of safe RGB color. • 40 dari 256 warna tersebut diproduksi oleh beberapa OS secara berbeda, sehingga sisa 216 warna yang dapat digunakan secara umum oleh berbagai sistem.

15. Model Warna CMY dan CMYK • Beberapa alat yang menghasilkan output pigment berwarna pada kertas, seperti printer berwarna, melakukan perubahan RGB ke CMY secara internal, menggunakan operasi :

16. Model Warna CMY dan CMYK • Karena manipulasi citra berkaitan dengan menghasilkan hardcopy output, maka operasi pengubahan dari CMY ke RGB jarang digunakan. • CMYK dengan tambahan K sebagai warna ke empat adalah hitam, karena jumlah CMY yang sama akan menghasilkan warna hitam yang mirip lumpur. Karena hitam merupakan warna yang cukup dominan pada printing, maka kita perlu menciptakan warna hitam yang lebih murni.

17. Model Warna HSI • Meskipun model RGB dan CMY sudah cocok dengan berbagai implementasi hardware dan daya tangkap mata manusia, tetapi RGB dan CMY belum terlalu cocok untuk menggambarkan warna yang praktis bagi interpretasi manusia. • Seringkali manusia menggambarkan warna benda dari sisi hue, saturation, brightness. Brightness yang dipakai sebenarnya adalah ukuran intensity dari cahaya akromatik.

18. Model Warna HSI • HSI (Hue Saturation Intensity) sangat cocok untuk memanipulasi citra berdasarkan daya tangkap warna pada pengindraan manusia • Intensity Titik (0,0,0) berwarna hitam dan titik (1,1,1) berwarna putih. Semua titik diantara titik-titik ini adalah abu-abu

19. Model Warna HSI • Warna hitam dan putih tidak dapat mengubah hue, sehingga daerah-daerah yang mempunyai tingkat putih dan hitam yang sama dikatakan mempunyai hue yang sama. • Jadi nilai-nilai hue, saturation, and intensitas yang dibutuhkan untuk membentuk ruang HIS dapat diperoleh dari kubus RGB.

23. Manipulasi Citra Pseudo-color • Pseudo-color (disebut juga false color), yang biasa juga digunakan untuk mengubah semua warna menjadi abu-abu berdasarkan kriteria tertentu, mengandung tiga pendekatan: – Intensity slicing and color coding – Gray-level to color transformations – Pendekatan usia • Pada prinsipnya, penggunaan pseudocolor adalah untuk visualisasi dan interpretasi manusia terhadap kadar keabuan dari suatu citra.

24. Manipulasi Citra Pseudo-color dgn Intensity Slicing • Teknik Intensity slicing dan color coding adalah salah satu cara yang paling sederhana dalam implementasi proses pseudocolor pada suatu citra. • Contoh penggunaan Intensity slicing adalah pada Picker Thyroid Phantom (tes radiasi).

26. Gray Level to Color Transformation ide dasarnya: Lakukan 3 transformasi yang independen pada pada level gray untuk setiap pixel input, kemudian kombinasikan ketiga hasil transformasi tersebut. Transformasi yang paling sederhana ialah dengan memetakan suatu range grayscale ke suatu komponen warna tertentu. Pendekatan lainnya ialah dengan menentukan fungsi yang terbaik untuk memetakan nilai grayscale dari suatu piksel tertentu ke komponen warna yang sesuai.

27. Basics of Full-Color Image Processing Ada 2 kategori pendekatan untuk pemrosesan citra berwarna: Pemrosesan per layer warna: setiap komponen warna diproses scr individual. Pemrosesan per pixel warna (vector-based): Setiap pixel diperlakukan sebagai vektor.

28. Basics of Full-Color Image Processing (2) Hasil dari kedua pendekatan tersebut belum tentu sama, dan hanya akan sama jika kedua syarat berikut dipenuhi: Proses yang dilakukan harus dapat diterapkan untuk skalar (pendekatan 1) dan vektor (pendekatan 2). Operasi pada setiap komponen vektor harus independen dari komponen lainnya. Contoh kasus di mana kedua pendekatan di atas akan berbeda hasilnya ialah pada neighborhood averaging.

29. Formulation • Secara teoritis, transformasi dapat dilakukan pada model warna manapun, baik RGB, HSI, maupun CMYK. Rumus umum: si = Ti(r1,r2,…,rn) i=1,2,…,n • Pada prakteknya, beberapa operasi lebih baik (lebih efisien) untuk suatu model yang spesifik. • Beberapa transformasi akan lebih sederhana jika dilakukan pada suatu model tertentu, tetapi cost untuk merubah representasi model warnanya harus dijadikan bahan pertimbangan sebelum kita memutuskan model mana yang akan diransformasikan. • Contoh: jika diberi model RGB dan kita ingin mengubah intensitas warnanya, jika dilakukan pada HSI, maka hanya r3 yang perlu ditransformasikan, sedangkan pada RGB r1-r3, tetapi dalam kasus ini, proses komputasi untuk merubah RGB menjadi HSI akan lebih kompleks daripada mentransformasikannya pada model RGB saja • Transformasi pada citra yang sama pada model warna yang berbeda seharusnya akan menghasilkan output yang sama.

30. Color Complements Komponen hue pada model warna HSI yang berada berseberangan pada gambar di atas disebut komplemen. Jadi, cara untuk mengkomplemenkan suatu citra berwarna ialah dengan menggantikan warna pada citra asli dengan warna komplemennya. Contoh: cyan digantikan dengan merah. Komplemen warna suatu citra berguna untuk memperjelas detail yang berada pada daerah yang gelap dari citra berwarna.

31. Color Slicing Definisi color slicing: Menyoroti range warna yang spesifik pada suatu citra untuk memisahkan objek tertentu dari objek-objek di sekelilingnya. Ide dasarnya adalah dengan menampilkan hanya warna-warna tertentu yang ingin diamati sehingga warna tersebut “keluar” dari background. Pada prakteknya, cara yang paling sederhana ialah: hanya menampilkan range warna tertentu dari suatu citra, sedangkan warna-warna di luar range tersebut digantikan dengan 1 warna yang tidak mencolok (pada RGB biasanya “warna tidak mencolok” yang dipilih adalah abu-abu yang bernilai 0,5) Contoh penggunaan: menampilkan hanya objek strawberry dari suatu citra berwarna

32. Tone and Color Corrections Paling umum digunakan untuk photo enhancement dan reproduksi warna. Tonal range (atau key type) dari suatu citra adalah distribusi umum dari intensitas suatu citra. Perubahan tone dari citra tidak merubah warna dari citra, tetapi merubah intensitasnya untuk mencari brightness dan contrast dari citra yang akan menghasilkan detail yang terbaik. Pada model RGB dan CMYK, berarti memetakan semua komponen dengan transformasi yang sama, sedangkan pada model HSI berarti hanya merubah komponen intensitas saja. Setelah karakteristik tonal terbaik dilakukan, setelah itu ketidakseimbangan warna baru akan disesuaikan.

33. Histogram Processing Histogram equalization akan menentukan transformasi yang dapat menghasilkan citra dengan histogram nilai intensitas yang lebih uniform. Cara melakukan histogram processing pada citra berwarna hampir sama dengan histogram processing untuk citra tidak berwarna (sub-bab 3.3) Perbedaannya ialah bahwa citra berwarna terdiri dari beberapa komponen warna. Tetapi, bukan berarti kita melakukan histogram processing pada masing-masing komponen secara independent. Caranya ialah dengan menyebarkan intensitas (saja) secara uniform, tanpa mengubah warna (hue) dari citra itu sendiri. Oleh karena itu, jelas bahwa pada pemrosesan ini akan lebih mudah digunakan model HIS. Dengan (hanya) mengubah instensitas tanpa mengubah hue dan saturasi, tetapi dampaknya akan mengubah persepsi warna secara keseluruhan, karena perubahan intensitas akan mempengaruhi penampilan relatif dari suatu warna pada citra.

34. Color Image Smoothing 1/9 x Smoothing bisa dilihat sebagai “spatial filtering” dengan “filtering mask”nya semua bernilai 1. Smoothing dilakukan terhadap citra untuk memperhalus perbedaan warna pada citra.

35. Color Image Smoothing Smoothing dilakukan untuk tiap komponen red, green, dan blue.

36. Smoothing dilakukan terhadap intensitas dari komponen HSI Perbandingan antara hasil smoothing terhadap komponen RGB dan smoothing terhadap intensitas dari komponen HIS. Menggunakan mask ukuran 5X5.

37. Color Image Sharpening Sharpening dilakukan terhadap citra untuk memperjelas perbedaan warna pada citra. Filter mask yang digunakan untuk implementasi Laplacian dalam citra digital.

38. Color Image Sharpening Gambar a merupakan hasil image sharpening dengan memproses masing-masing channel RGB, sedangkan gambar b dengan memproses intensitas dari komponen HSI lalu diubah ke RGB. Gambar c adalah perbedaan antara gambar a dan b.

39. COLOR SEGMENTATION Segmentasi adalah proses untuk memisahkan sebuah gambar menjadi bagian-bagian gambar. Ada 3 macam segmentasi: • Segmentasi dengan HSI Color Space • Segmentasi dengan RGB Vector Space • Color Edge Detection

40. Segmentation in HSI Color Space Dapat kita lihat dari segmentasi ini bahwa komponen warna merah dari gambar Ditujukan dengan warna putih pada gambar h.

41. Segmentation in RGB Vector Space

42. Dapat kita lihat bahwa segmentasi dengan mengunakan RGB vector space lebih baik keakuratannya dibandingkan dengan menggunakan segmentasi dengan HSI vector space.

43. Color Edge Detection Sobel Color Edge Detection digunakan untuk mendeteksi batas-batas dari bagian pada citra.

46. Noise in Color Images Noise pada gambar bisa tejadi karena adanya suatu channel dalam komponen ekektronik yang tidak berfungsi pada saat mengambil gambar, ataupun hal lain yang menyebabkan adanya ganguan pada citra digital.

48. Noise pada gambar dapat dikurangi dengan melakukan average filtering maupun dengan median filtering.

49. Color Image Compresion Pada gambar bagian atas merupakan citra awal yang belum dikompresi. Gambar bawah merupakan citra awal yang sudah dikompresi dengan kompresi JPEG 2000 kemudian didekompresi kembali. Dapat kita lihat ada sedikit blur pada gambar bawah karena dalam kompresi ini digunakan lossy compresion. (Perbandingan kompresi 1 : 230)