1 / 40

Operasi Dasar Pengolahan Citra

Operasi Dasar Pengolahan Citra. Nurfarida Ilmianah. Operasi Dasar. Citra digital direpresentasikan dengan matriks sehingga operasi pada citra digital pada dasarnya memanipulasi elemen-elemen matriks . Operasi Dasar pengolahan citra antara lain : 1 operasi titik ,

nolan-shepard
Download Presentation

Operasi Dasar Pengolahan Citra

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. OperasiDasarPengolahan Citra NurfaridaIlmianah

  2. OperasiDasar • Citra digital direpresentasikandenganmatrikssehinggaoperasipadacitra digital padadasarnyamemanipulasielemen-elemenmatriks. • OperasiDasarpengolahancitraantara lain : 1operasititik, 2. operasiglobal, 3 operasiberbasisbingkai (frame), 4. operasigeometri, 5. operasibertetangga

  3. OperasiTitik • Titikpadacitramemiliki 2 karakteristikyaitu : • koordinat yang menunjukkanlokasidarititiktersebutdalamcitra • nilaiygmenunjukantingkatkeabuan/warnadarititiktersebut • Operasi titik dilakukan dengan memodifikasi nilai skala keabuan dari titik (piksel) yang ditinjau berdasarkan fungsi tertentu.

  4. OperasiTitik • Fungsi yang digunakanadalahfungsitransformasiskalakeabuan(gray scale transformation/GST) • GST function = fungsi yang memetakantingkatkeabuan input (Ki) kecitrakeabuancitra output (Ko) Ko = f (Ki) • Untukcitra true color fungsiiniditerapkanpadaketigaelemenwarna : Ro = fR (Ri) Go = fG (Gi) Bo = fB (Bi) • Beberapaoperasipengolahancitra, terkaitoperasititik : 1. Modifikasikecemerlangan (brightness modification) 2. Peningkatan Kontras (contrast enhancement) 3. Negasi (negation) 4. Pengambangan (thresholding)

  5. ModifikasiKecermalangan Padadasarnyamerubahnilaikeabuan/warnadarigelapmenujuterangatausebaliknyamerubahcitra yang terlalucemerlang/pucatmenjadigelap. Dengan pertolongan GST fungsi, dapat ditarik formula linier : Ko = Ki + C atau f(x,y)’ = f(x,y) + C Dimana C adalahsuatukonstanta yang bernilaipositifuntukmeningkatkankecemerlangancitra, bernilainegatifuntukmengurangikecemerlangancitra. Untukcitra true color : Ro = Ri + CR Go = Gi + CG Bo = Bi + CB

  6. ModifikasiKecermalangan

  7. PENINGKATAN KONTRAS (CONTRAST ENHANCEMENT) • Jikasebuahcitra yang mempunyainilaikeabuan yang tidakterlaluberbedauntuksemuatitik, dimanatitiktergelapdalamcitratidakmencapaihitampekatdantitik paling terangdalamcitratidakberwarnaputihcemerlang • Denganpeningkatankontrasmakatitik yang cenderunggelapmenjadilebihgelapdan yang cenderungterangmenjadilebihcemerlang. • Peningkatankontrasdapatdilakukandenganbermacamrumus, salahsatunyaadalah : Ko = G (Ki – P) + P G = Koefisienpenguatankontras P = Nilaiskalakeabuan yang dipakaisebagaipusatpengontrasan

  8. PENINGKATAN KONTRAS (CONTRAST ENHANCEMENT)

  9. NEGASI • Operasi untuk mendapatkan citra negatif (negative image) • Meniru film negatifpadafotografi, yaitutitik yang berwarnaputihpadacitramempunyaiwarnahitampada film negatifnya, demikianjugasebaliknya. • Dilakukandengancaramenguranginilaiintensitaspikseldarinilaikeabuanmaksimum. Ko = Kmax – Ki Misalpadacitradengan 256 derajatkeabuan (8 bit) Kmax = 255 maka Ko = 255 – Kiatau f(x,y)’ =255 – f(x,y)

  10. NEGASI

  11. KONVERSI CITRA TRUE COLOR MENJADI CITRA KEABUAN (GRAYSCALE) • Operasikonversicitra true color kekeabuandenganrumus : Ri + Gi + Bi Ko = -------------------- 3 • Bisajugadenganmemberibobot (w) pada RGB karenamatamanusialebihsensitifpadawarnahijau, kemudianmerah, terakhirbiru. Ko = wrRi + wgGi + wb Bi • Berdasarkan NTSC (National Television System Committee), dimana : wr = 0.299 wg = 0.587 wb = 0.144

  12. PENGAMBANGAN (THRESHOLDING) • Operasipengambangandigunakanuntukmengubahcitradengan format skalakeabuan, yang mempunyaikemungkinannilailebihdari 2 kecitrabiner yang memiliki 2 buahnilai (yaitu 0 dan 1). • Pengambangan Tunggal Memilikisebuahnilaibatasambang Fungsi GST-nya 0, K, jikaKi < ambang (0 = hitam) Ko= 1, jikaKi ≥ ambang (1 = putih) atau 0, jikaKi ≥ ambang Ko = 1, jikaKi < ambang

  13. PENGAMBANGAN (THRESHOLDING)

  14. PengambanganGanda PengambanganGandaMemilikiambangbawahdanambangatas. Dilakukanuntukmenampilkantitik-titik yang mempunyairentangnilaiskalakeabuantertentu 0, jika ambang bawah ≤ Ki ≤ ambang atas Ko = 1, lainnya. atau 1, jika ambang bawah ≤ Ki ≤ ambang atas Ko = 0, lainnya.

  15. PengambanganGanda

  16. OperasiGeometri • OperasiGeometripadapengolahancitraditujukanuntukmemodifikasikoordinatpikseldalamsuatucitradenganpendekatantertentu, tetapidalamperkembangannyadimungkinkanjugamemodifikasinilaiskalakeabuan. • OperasiGeometriberhubungandenganperubahanbentukgeometricitra, antara lain : • Pencerminan (flipping) • Rotasi/pemutaran (Rotating) • Pemotongan (Cropping) • Penskalaan (Scaling/Zooming)

  17. OperasiPencerminan (Flipping) • Operasipencerminanmerupakansalahsatuoperasigeometri yang paling sederhana. • Efekpencerminan horisontal : pencerminan pada sumbu Y vertikal : pencerminanpadasumbu X kombinasi : pencerminan pada sumbu Y dan X • Formula/rumus yang digunakanuntukpencerminanhorisontal. x’ = –x karenakoordinatasal (x) bernilainolataupositif, makakoordinathasil (x’) yang diperolehdarirumusakanselalubernilainolataunegatif. Padahalkoordinatpikselcitratidakada (tidakboleh) negatif. Makarumusdimodifikasimenjadi : x’ – xc = –(x – xc) , denganxcnilaikoordinatgaristengahcitra. x’ – xc = – x + xc x’ = 2xc – x w = lebar citra w – 1 xc = (w–1)/2 Karenaxc = (w–1)/2

  18. OperasiGeometri Karenaxc = (w–1)/2 Maka : x’ = 2 ((w–1)/2) – x x’ = w – 1 – x • Untukpencerminanvertikal, tinggalmenggantirumus, menjadi : y’ = –y y’ = h – 1 – y • Untukpencerminankombinasi, rumuskeduanyadigabungkan. Kesimpulan : • PencerminanHorisontal : x’ = w – 1 – x • y’ = y (nilaikoordinat y tetap) • Pencerminan Vertical y’ = h – 1 – y • x’ = x (nilaikoordinat x tetap) • PencerminanKombinasi x’ = w – 1 – x • y’ = h –1 – y

  19. Cont Flipping • pencerminan horizontal • pencerminankombinasi • pencerminan vertical

  20. ROTASI (ROTATING) • Operasirotasidenganmemutarkoordinat yang akandibahasadalahrotasi ¼ putaran (900) dan ½ putaran (1800). • Rotasi ¼ putaran (900) searahjarum jam (CW/clock wise) w’ = h dan h’ = w pertukaranukuranlebar & tinggicitra x’ = w’ – 1 – y y’ = x • Rotasi ½ putaran (1800) searahjarum jam (CW/clock wise) x’ = w’ – 1 – x y’ = h’ – 1 – y

  21. Rotasi (2) RotasiBebasDenganasumsiberlawananarahjarum jam (CCW/counter clock wise) x’ = x cos(θ) + y sin(θ) y’ = -x sin(θ) + y cos(θ) w’ = |w cos(θ)| + |h sin(θ)| h’ = |w sin(θ)| + |h cos(θ)|

  22. Cont Rotasi ½ putaran (1800 CW) ½ putaran (250 CCW) 1/4 putaran (900 CW)

  23. PEMOTONGAN (CROPPING) Adalahpengolahancitradengankegiatanmemotongsatubagiandaricitra. Rumus yang digunakan : x’ = x – xL untuk x = xL sampai xR y’ = y – yTuntuk y = yTsampaiyB (xL,yT) dan (xR,yB) adalahkoordinattitikpojokkiriatas danpojokkananbawahcitra yang akandi-crop Ukuran citra menjadi : w’ = xR – xL h’ = yB –YT xL xR 0 Ukurancitramenjadi w’ =xR – xL h’ = yB - YT yT h’ yB w’

  24. Cont Cropping Citra Hasil Cropping Citra di crop

  25. PENSKALAAN (SCALING) • Operasipenskalaan (scaling) dimaksudkanuntukmemperbesar (zoom-in) ataumemperkecil (zoom-out) citra. > 1 , memperbesarcitraasli Nilaiskala < 1 , memperkecilcitraasli Rumusygdipakai : x’ = Sh x y’ = Sv y Keterangan : Sh = faktorskalahorisontal Sv = faktorskalavertikalcitraasli Ukurancitrajugaberubahmenjadi : w’ = Sh w h’ = Sv h • Operasi zoom in denganfaktor 2 (Sh=Sv=2) menyalinsetiappiksel sebanyak 4 kali, jadicitra 2 x 2 pikselmenjadi 4 x 4 pikselSh = 1 Sv = 2

  26. OPERASI BERBASIS BINGKAI (FRAME) = OPERASI MULTI IMAGE • Operasi multi image adalahoperasipengolahanterhadaplebihdarisatuobyekcitradanmenghasilkansebuahcitrakeluaran yang merupakanhasiloperasimatematis • Operasiinidilakukantitik per titikdenganlokasi yang bersesuaianpadacitra-citramasukan • Secaraumummisalakandioperasikancitra A dancitra B sehinggamenghasilkancitra C, makadapatdiformulasikansbb : C(x,y) = A(x,y) operator B(x,y) Jika melibatkan lebih dari 2 citra, maka : C(x,y) = A1(x,y) operator A2(x,y) operator A3(x,y)………

  27. OPERASI BERBASIS BINGKAI (FRAME) = OPERASI MULTI IMAGE • Dalamoperasi yang melibatkanduabuahcitraataulebih, biasanyaakanditerapkanoperasiaritmatika, sebagaicontoh : Penjumlahan C(x,y) = A(x,y) + B(x,y) Pengurangan C(x,y) = A(x,y) – B(x,y) Perkalian C(x,y) = A(x,y) * B(x,y) Pembagian C(x,y) = A(x,y) / B(x,y) • Beberapapengolahancitra yang berkaitandenganoperasiiniadalah : 1. Penggabungancitra (image blending) 2. Deteksi gerakan (motion detection) 3. OperasiLogika (logic Operation)

  28. PENGGABUNGAN CITRA (IMAGE BLENDING) • Penggabungancitradilakukandengancaramenimpakansebuahcitrapadacitra yang lain • Dengan kata lain dilakukan operasi penjumlahan terhadap citra yang ada dengan pemberian bobot pada masing-masing citra C(x,y) = wa * A(x,y) + wb * B(x,y) wadanwbadalahbobotuntukcitra A dan B, dannilaijumlah total daribobotadalah 1 wa + wb = 1

  29. Cont image Blending

  30. DETEKSI GERAKAN • Deteksigerakansecarasederhanadapatdilakukandenganmencaribedaantara 2 citra yang berurutanpadahasilpencitraanmenggunakankamera video digital • Operator yang digunakanadalahpengurangan • Denganoperasipenguranganini : • - bagian yang tidakbergerakakanmenghasilkannilai = 0 • - bagian yang bergerakmenghasilkannilai ≠ 0 C(x,y) = A(x,y) – B(x,y) • Denganmengevaluasinilaiselisihtersebut, dapatdiketahuiapakahpadacitraterdapatobjek yang bergerak • Bisajugadigunakanrumuspadaoperasi blending denganmemberibobot wa = 1 dan wb = – 1

  31. Cont DeteksiGerakan • citrahasilmendeteksigerakan : • objekpakuhitammenunjukkanposisiobjekmengalamiperpindahan • objekpakuputihmenunjukkanposisiakhirdariobjektersebut A B

  32. OPERASI LOGIKA • Beberapaoperasilogikadapatditerapkanpada 2 ataulebihcitra, yaitu : C(x,y) = A(x,y) AND B(x,y) C(x,y) = A(x,y) OR B(x,y) C(x,y) = A(x,y) XOR B(x,y) C(x,y) = A(x,y) SUB B(x,y) C(x,y) = NOT A(x,y) Operasi SUB miripdenganoperasipengurangan, tetapijikahasilnyanegatifmakahasilnyadigantidengan 0 A – B jika A ≥ B A SUB B = 0 jika A < B AND OR XOR 0 0 0 0 0 0 1 0 1 1 1 0 0 1 1 1 1 1 1 0

  33. Cont OperasiLogika

  34. OPERASI GLOBAL • Proses yang dilakukanbergantungpadakarakteristik global daricitra yang hendakdimodifikasi • Karakteristiktersebutbiasanyaberupasifatstatistikdaricitraitusendiri yang direpresentasikandengan histogram tingkatkeabuan = mempertimbangkankeseluruhantitikpadacitratersebut. • Salahsatuoperasi global adalahEkualisasi Histogram (Histogram Equalization)

  35. EKUALISASI HISTOGRAM (Histogram Equalization) adalahsuatuprosesperataan histogram, dimanadistribusinilaiderajatkeabuanpadasuatucitradibuat rata. Proses ekualisasi histogram secara ideal : Padagambardiatas, histogram citrahasil yang ideal memilikijumlahtitik yang samauntuksetiaptingkatkeabuan, jadidistribusititikdalamcitraasliharusdisebarkansecaralebihmeratakeseluruhnilaikeabuan. Rumusyang digunakanuntukcitradenganskalakeabuank bit, misal 8 bit :

  36. EKUALISASI HISTOGRAM (Histogram Equalization) Ci= cacah/distribusikumulatifnilaiskalakeabuanke – idaricitraasli round = fungsipembulatankebilanganterdekat, misal : 35,4 menjadi 35 Ko = nilaikeabuanhasil histogram equalization w = lebarcitra h = tinggicitra Contoh : Misaldiketahuibeberapanilaipiksel/nilaiskalakeabuansebagaiberikut : 2 4 3 1 3 6 4 3 1 0 3 2 Maka histogram dari data diatas adalah :

  37. CONTOH EKUALISASI HISTOGRAM (Histogram Equalization)

  38. CONTOH EKUALISASI HISTOGRAM (Histogram Equalization)

  39. CONTOH EKUALISASI HISTOGRAM (Histogram Equalization)

  40. TerimaKasih

More Related