1 / 23

Operasi - operasi dasar Pengolahan Citra Digital~3

Operasi - operasi dasar Pengolahan Citra Digital~3. Sutarno , ST. MT. Computer Engineering, Sriwijaya of University. FORMAT CITRA. Karakteristik citra digital antara lain: ukuran ( mm atau inch ), resolusi ( dot per inch /dpi), dan

shakti
Download Presentation

Operasi - operasi dasar Pengolahan Citra Digital~3

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. Operasi-operasidasarPengolahan Citra Digital~3 Sutarno, ST. MT. Computer Engineering, Sriwijaya of University

  2. FORMAT CITRA • Karakteristikcitra digital antara lain: • ukuran (mmatauinch), • resolusi (dot per inch/dpi), dan • format nilainya (biner, grayscale, warnadanwarnaindeks). • Format data citraberhubungandenganwarna

  3. FORMAT CITRA • Citra biner (monokrom): • setiaptitikbernilai 0 (hitam) atau 1 (putih), • setiaptitikmembutuhkan 1 bit (1 byte = 8 bit), • angka 8 bit (1 byte) dalambinerdapatditulisdalam 2 digit heksadesimal = 10011101 = $9D = 01101110 = $6A = 01101101 = $6D = 10011110 = $9D

  4. FORMAT CITRA • Citra skalakeabuan (gray scale): • Kemungkinanwarnalebihbanyakbergantungpadajumlah bit yang digunakan. • 4 bit = 24 = 16 warna (0 hitam - 15 putih) • 8 bit = 28 = 256 warna (0 hitam - 255 putih) = 15 10 7 10 15 13 0 13 = $FA 7A FD 0D = 12 4 15 7 11 15 15 0 = $CA F7 BF F1 = 10 5 15 7 14 14 2 15 = $... ... ... … = 15 15 3 11 13 15 15 7 = $... … … …

  5. FORMAT CITRA • Citra Warna (true color): • Kombinasi 3 warnadasar: merah, hijaudanbiru (red, green, blue/RGB)atau (cyan, magenta, yellow, black/CMYK). • Setiapwarnabernilai 8 bit = 28 = 256 warna (0 hitam - 255 merah), (0 hitam - 255 hijau) atau (0 hitam - 255 biru), jadisetiapwarnamembutuhkan 24 bit (3 byte) ataulebihdari 224 = 16 jutapilihanwarna. = 235 79 79 0 0 0 = 90 115 242 145 77 113

  6. FORMAT CITRA • Citra WarnaBerindeks : • Informasisetiaptitikmerupakanindeksdarisuatu table yang berisiinformasiwarna yang tersedia, disebutpaletwarna “color map” • Jumlah bit yang dibutuhkantergantungpadawarna yang tersediadalampaletwarna. • Padasaatpenyimpanancitra, informasipaletwarnadiikutsertakanpadacitra. • Keuntungannya: cepatmemanipulasiwarnatanpaharusmengubahinformasipadasetiaptitik, ukuran data menjadilebihkecil. • Format yang ada: 16 colors (4 bit), 256 color (8 bit), high color (16 bit)

  7. CITRA DIGITAL • Citra digital direpresentasikandenganmatriks. • Operasipadacitra digital padadasarnyaadalahmemanifulasielemen-elemenmatriks. • Elemenmatriks yang dimanipulasidapatberupaelementunggal (sebuahpixel), sekelompokataupunkeseluruhanelemenmatriks.

  8. ARAS KOMPUTASI Operasipadacitradapatdikelompokkandalam 4 aras (level) komputasi, yaitu : • Aras titik • Aras lokal • Aras global, dan • Aras objek.

  9. Aras Titik • Operasihanyadilakukanpadapixeltunggalpadacitra. • Dikenalsebagaioperasipointwise. • Tahapannya: • pengaksesan pixel padatitikkoordinat yang diinginkan • memodifikasi pixel denganoperasi linear/non-linear • menempatkan pixel barupadalokasikoordinat yang samadenganpixel lamapadacitra yang baru. • mengulanginyauntukkeseluruhan pixel dalamcitra

  10. 1. Aras Titik fB(x,y) = Otitik { fA (x,y)} • Operasiarastitikdibagi 3 macam: intensitas,geometri, gabungan (intensitasdangeometri). • Berdasarkanintensitasberupa • Operasimengubahintensitas,nilaiintensitasusuatu pixeldengantransformasihmenjadinilaiintensitasbaruv. • v=h(u), u,v [0, L] • Operasipengambangan (thresholding/T), nilaiintensitas pixel dipetakankesalahsatunilaia1ataua2. • f(x,y)’ = a1, f(x,y) < T • f(x,y)’ = a2, f(x,y) ≥ T • Operasi negative,menguranginilaiintensitas pixel darinilaiskalakeabuanmaksimum. • f(x,y)’ = 255 - f(x,y), citra 8 bit • f(x,y)’ = 127 - f(x,y), citra 6 bit

  11. 1. Aras Titik • Berdasarkanintensitas: • Operasipemotongan (clipping), dilakukanjikanilaiintensitas pixel terletakdibawahnilaiintensitasminimum ataudiatasnilaiintensitasmaksimum • 255, f(x,y) 255 • f(x,y)’ f(x,y), 0  f(x,y) 255 • 0 f(x,y) 0 • Operasipencerahan (brightening), menambahkanataumengurangkannilaikonstantapada/darisebuah pixel. • f(x,y)’ = f(x,y)  b, • Jika b positif, citrabertambahcerahdan jika b negatifcitraberkurangkecerahannya

  12. 1. Aras Titik • Berdasarkangeometri: • Posisi pixel diubahkeposisi yang baru, sedangkannilaiintensitasnyatidakberubah, Cont: pemutaran (rotasi), pergeseran (translasi), penskalaan (dilatasi), dll. • (dijelaskankemudian) • Berdasarkanintensitasdangeometri: • Posisi pixel diubahkeposisi yang baru, dannilaiintensitasnyajugaberubah, Cont: image morphing yaituperubahanbentukobjekdanintensitasnya.

  13. 2. Aras Lokal Operasiinimenghasilkancitrakeluaran yang intensitassuatu pixel bergantungpadaintensitas pixel-pixel tetangga. fB(x,y)’ = Olokal { fA (xi,yj)} (xi,yj) N(x,y) N = neighborhood, pixel-pixel yang beradadisekitar(x,y). Contohoperasiaraslokaladalahoperasikonvolusiuntukmendeteksitepi (edge detection) danpelembutancitra (image smoothing).

  14. 3. Aras Global Operasiinicitrakeluaran yang intensitassuatu pixel bergantungpadaintensitaskeseluruhancitra. fB(x,y)’ = Oglobal { fA (x,y)} N = neighborhood, pixel-pixel yang beradadisekitar(x,y). Contohpenyetaraan histogram untukmeningkatkankualitascitra (equalization histogram). (dijelaskankemudian)

  15. 4. Aras Objek Operasiinidilakukanpadaobjektertentupadacitrauntukmengenaliobjektersebut. Contohmenghitung rata-rata intensitas, ukuran, bentukdankarakteristik lain dariobjek

  16. OPERASI ARITMETIK 1. Penjumlahanduabuahcitra C(x,y) = A(x,y) B(x,y) C adalahnilaiintensitashasilpenjumlahanintensitas Citra A dan Citra B padakoordinattitik yang sama, jikahasilpenjumlahanintensitaslebihbesardari 255 makanilaiintensitasdibulatkanmenjadi 255. Operasiinidigunakanuntukmengurangiderau (noise) dalam data denganmerata-ratakannilaikeabuanantarapixel dari citra yang sama yang diambil berkali-kali. f’(x,y) = ½ {f1(x,y) f2(x,y)}

  17. OPERASI ARITMETIK 2. Pengurangan duabuahcitra C(x,y) = A(x,y) -B(x,y) C adalah selisih intensitas Citra A dan Citra B padakoordinattitik yang sama, ada kemungkinan bernilai negatif sehingga perlu melibatkan operasi clipping. Operasiinidigunakan mendapatkan objek dari gambar yang diambil pada tempat atau adegan yang sama. Juga digunakan untuk mendeteksi perubahan pada moving image.

  18. OPERASI ARITMETIK 3. Pekalianduabuahcitra C(x,y) = A(x,y) .B(x,y) Operasiinidigunakanmengkoreksiketidaklinearan sensor dengancaramengalikanmatrikcitradenganmatrikkorelasi. 4. Penjumlahan/pengurangandenganskalar B(x,y) = A(x,y) ±c, untukterang/gelapcitra 5. Pekalian/pembagiandenganskalar B(x,y) = A(x,y).c, untukkalibrasikecerahanatau B(x,y) = A(x,y)/c, untuknormalisasikecerahan

  19. OPERASI BOOLEAN Operasi yang melibatkan operator AND, OR dan NOT C(x,y) = A(x,y) andB(x,y) C(x,y) = A(x,y) orB(x,y) C(x,y) = A(x,y) notB(x,y), untukmenetukankomplemencitra

  20. OPERASI GEOMETRI Operasi yang merubahgeometricitraf(x,y)ataukoordinat pixel menjadicitrabaruf’(x’,y’) sehingga: f’(x’,y’) = f(g1(x,y), f(g2(x,y)) g1dang2adalahfungsitransformasigeometri x’ = g1(x,y) y’ = g2(x,y) 1. OperasiTraslasi (pergesaran) x’ = x  m, (pergeseramarahsumbu x sebesar m) y’ = y  n, (pergeseramarahsumbu y sebesar n) B[x][y] = A[x  m ][y  n]

  21. OPERASI GEOMETRI 2. OperasiRotasi (perputaran) x’ = x cos - y sin  y’ = x sin   y cos B[x’][y’] = B[x cos - y sin  ][x sin   y cos ]=A[x][y] Dimana adalahsudutrotasi yang berlawanandenganarahjarum jam 3. OperasiPenskalaan (image zooming), yaitumengubahukurancitramembesar /zoom out ataumengecil/zoom in) x’ = sx . x y’ = sx . y B[x’][y’] = B[sx . x][sx . y]=A[x][y] Operasi zoom out denganfaktro 2 (yaitusx=sy=2) menyalinsetiap pixel sebanyak 4 kali (2x2) menjadi (4x4). Operasi zoom in denganfaktro 1/2 (yaitusx=sy=1/2) mengambil rata-rata 4 pixel bertetanggamenjadi 1 pixel.

  22. OPERASI GEOMETRI 4. Operasi Flipping (pencerminan), ada 2 jenis Flipping, yakni: • Flipping horizontal ataupencerminanterhadapsumbu y (cartesian) B[x][y]= A[N-x][y] • Flipping vertical ataupencerminanterhadapsumbu x (cartesian) B[x][y]= A[x][M-y]

  23. OPERASI GEOMETRI 4. Operasi Flipping (pencerminan), ada 2 jenis Flipping, yakni: • Flipping horizontal ataupencerminanterhadapsumbu y (cartesian) B[x][y]= A[N-x][y] • Flipping vertical ataupencerminanterhadapsumbu x (cartesian) B[x][y]= A[x][M-y]

More Related