Pengolahan Citra Digital
Pengertian Citra Digital
Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan nilai fungsi tersebut pada setiap titik (x,y) merupakan tingkat keabuan citra pada titik tersebut;
Pengantar PCD
Tiga Bidang Berkaitan dengan Proses Citra
- 1950 Image Processing
- 1970 Computer Graphics
- 1970 Computer Vision
Hal yang dilakukan di PCD
- Image Processing/Manipulation
- Digital Image Processing
- Image Analysis/Interpretation
- Image Coding/Communication
Pengolahan Citra Digital
- Perbaikan kualitas citra (Image Enhancement)
- Pemugaran citra (Image Restoration)
- Segmentasi citra (Image Segmentation)
- Rekonstruksi citra (Image Reconstruction)
- Penambahan efek citra (Image Stylization)
- Pemampatan citra (Image Compression)
- Analisis citra (Image Analysis)
- Peningkatan Kontras
- Penajaman (Sharpening)
- Pengkaburan (Bluring)
- Menghilangkan Noise
- Pemugaran Citra
- Segmentasi Citra
- Rekonstruksi Citra
- Kompresi Citra
- Image Analysis: Edge Detection
- Image Analysis: Face Detection
- Image Analysis: Skin Detection
- Image Analysis: Image Matching
Pengertian Citra Digital
Citra Digital
Citra digital merupakan fungsi intensitas cahaya
f(x,y), dimana harga x dan y merupakan koordinat
spasial dan nilai fungsi tersebut pada setiap titik (x,y)
merupakan tingkat keabuan citra pada titik tersebut;
Citra digital adalah citra f(x,y) dimana dilakukan
diskritisasi koordinat spasial (sampling) dan
diskritisasi tingkat keabuan (kuantisasi);
Citra digital merupakan suatu matriks dimana indeks
baris dan kolomnya menyatakan suatu titik pada
citra tersebut dan elemen matriksnya (yang disebut
sebagai elemen gambar / piksel / pixel / picture
element / pels) menyatakan tingkat keabuan pada
titik tersebut.
- Alur Diagram PCD
- Image Acquisition / Formation
- Representasi Matriks
- Resolusi Citra
Dasar-Dasar Citra Digital
Model Matematis Citra
Model matematis kontinyu :
I = f(x,y)
Pada komputer, model diskret
array 2D :
I = matrix(i,j)
Image digital adalah sebuah
image f(x,y),yang telah melalui
digitasi baik secara koordinat
spasial dan brightness/ gray
level
Sampling dan Kuantisasi
Merepresentasikan Citra Digital
Hasil sampling dan kuantisasi adalah matriks yang beranggotakan bilangan real
Jumlah bit
Banyaknya nilai gray level umumnya dinyatakan dengan pangkat 2 dari integer :
L = 2k
dimana k>0
Jumlah bit yang diperlukan untuk menyimpan image hasil digitasi adalah :
b = M x N x k
Hubungan dasar antar piksel
Piksel tetangga
Adjacency
Connectivity
Regions
Boundaries
Pengukuran jarak
Piksel Tetangga
Piksel p pada koordinat (x,y) memiliki 4 tetangga secara horizontal dan vertikal
(x+1,y), (x-1,y), (x,y+1), dan (x,y-1)
4 titik tersebut disebut 4-tetangga N4(p)
4 koordinat secara diagonal ND(p)
4-tetangga dan diagonal N8(p)
Adjacency (kedekatan)
Diberikan V merupakan himpunan nilai gray-level
yang digunakan untuk mendefinisikan adjacency
Tipe adjacency:
4-adjacency dua piksel p dan q dari V dikatakan
4-adjacent jika q berada pada himpunan N4
(p)
8-adjacency dua piksel p dan q dari V dikatakan
8-adjacent jika q berada pada himpunan N8
(p)
Path (Digital Path atau curve)
Path dari piksel p dengan koordinat (x,y) ke piksel q dengan koordinat (s,t) merupakan urutan piksel-piksel berbeda dengan
koordinat
Jika (x0,y0) = (xn,yn) disebut sebagai closed path
Connected Component and Set
Misal S subset piksel dalam suatu citra (I)
Dua piksel p dan q dikatakan terhubung (to be connected) dalam S jika terdapat sebuah path diantara kedua piksel tersebut.
Untuk setiap piksel p di dalam S, himpunan piksel
piksel yang terhubung dengan piksel p
dalam S disebut sebagai connected component dari S.
Jika kemudian terdapat himpunan connected component, maka himpunan S disebut sebagai connected set
Region dan Boundary
Misal R subset piksel dari suatu citra (I)
R dikatakan sebagai region dari suatu citra jika R merupakan connected set.
Boundary (disebut juga border atau contour) dari
region R merupakan himpunan piksel dalam region tersebut yang memiliki satu atau lebih tetangga yang tidak anggota dari R.
Pengukuran Jarak
Misal p, q, dan z masing-masing pada koordinat
(x,y), (s,t), dan (v,w)
D merupakan fungsi jarak atau metric, jika:
D(p, q) ≥ 0 ( D(p, q)=0 jika dan hanya jika p=q),
D(p, q) = D(q, p), dan
D(p, z) ≤ D(p, q) + D(q, z).
Jarak euclidean antara p dan q :
𝐷𝑒 𝑝, 𝑞 = (𝑥 − 𝑠)
2+(𝑦 − 𝑡)
Peningkatan Kualitas Citra
Tujuan Perbaikan Citra
Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kualitas relatif lebih baik dari citra awal untuk aplikasi tertentu.
Jenis Teknik Peningkatan Kualitas
Teknik peningktan kualitas citra dapat dibagi menjadi dua :
1. peningktan kualitas pada domain spasial
2. peningkatan kualitas pada domain frekuensi
Point Processing, yaitu dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak menggunakan jendela ketetanggaan).
Domain Spasial prosedur yang secara langsung memanipulasi pixel.
Point processing, tetangga 1x1 piksel
●output pixel pada titik tertentu hanya bergantung pada input pixel pada titik tersebut dan tidak bergantung pada nilai pixel tetangganya
●g hanya bergantung pada nilai f pada posisi (x,y)
●T = fungsi transformasi gray level (atau intensitas mapping
Histogram
Histogram adalah salah satu jenis grafik statistik yang diganakan untuk menggambar distribusi data numerik.
Mask Processing
pada mask processing kita melakukan operasi terhadap suatu jendela ketetanggaan pada citra.
kemudian kita menerapkan (mengkonvolusikan) suatu mask terhadap jendela tersebut.
mask sering juga disebut filter, window, kernel.
Jenis-jenis Filter Spasial
Smoothing filters :
●Lowpass filter (linear filter, mengambil nilai rata-rata)
●Median filter (non-linear filter, mengambil median dari setiap jendela ketetanggan)
Sharpening filters :
●Higpass filter
●Robets
●Prewitt
●Sobel
Pengolahan Citra Berwarna
Model Warna
●Tujuan dari model warna adalah untuk memberikan fasilitas spesifikasi warna standard.
●Esensinya, model warna lebih ke arah spesifikasi koordinat sistem dimana setiap warna direpresentasikan oleh suatu titik piksel.
Implementasi Model Warna
Orientasi penggunaan model warna
Hardware
●Model Warna Monitor
●Printer
Aplikasi
●Kreasi warna pengolahan gambar
●Kreasi pewarnaan aplikasi
●Ekstraksi fitur
Model Warna RGB
Jika masing-masing RGB memiliki graylevel 8- bit, maka dikatakan memiliki kedalaman 24- bit.
Model Warna CMY dan CMYK
●Cyan, Magenta, dan Yellow merupakan warna skunder atau alternatif dari warna primer, yaitu RGB.
●Merupakan hasil substraksi antara nilai graylevel tertinggi (L-1) dengan suatu nilai pada masing-masing sinyal warna.
●Untuk menghasilkan nilai warna yang lebih baik, CMY diperbaiki dengan CMYK.
●CMYK ditujukan untuk menambahkan warna yang keempat, yaitu black.
●Disebut dengan "four-color printing" yang didapatkan dari CMY dan Black.
Model Warna HSI, HSV, HSL
●RGB dan CMY ideal untuk implementasi hardware, tidak untuk persepsi manusia
●Ketika manusia memandang object, deskripsi yang diterima adalah hue, saturation, dan brightness
●Hue : atribut warna yang mendeskripsikan pure color (pure yellow, orange, atau red)
●Saturation : ukuran derajat dimana pure color dicerahkan
●Brightness : subjective deskripsi intensitas
I : Intensity
V : Value
L : Lightness
Model Warna YUV
Model YUV terdiri dari komponen luminance / brightness (Y) dan dua komponen konten warna / chrominance (U dan V).
Model Warna YCbCr
YCbCr merupakan model warna hasil encoding non-linear sinyal RGB, biasanya digunakan studio TV Eropa dan kompresi citra
Komponen Y : luma (luminance), komponen Cb dan Cr masing-masing merupakan bentuk substractive dari B dan R pada model RGB.
Full-Color Image Processing
●Untuk citra dengan ukuran M x N, terdapat MN sehingga c(x,y) untuk x=0,1,2,…,M-1 dan y=0,1,2,…,N-1
●Diproses secara terpisah seperti proses pada graylevel
●Untuk sebuah piksel dalam ruang citra berwarna dilakukan proses sebanyak sinyal warnanya
Color Image Smoothing
●Diberikan Sxy merupakan notasi himpunan koordinat dari piksel ketetanggaan dengan pusat (x,y)
●Nilai rata-rata komponen RGB dalam ketetanggaan tersebut
Color Image Sharpening
●Menghitung fungsi Laplacian pada Color Image sama dengan menghitung fungsi Laplacian setiap komponen sinyal seperti pada graylevel.
Morfologi Citra
Operasi Morfologi :
●Fit and Hit
●Erosi (Erosion)
●Dilasi (Dilation)
●Oerasi Gabungan (Compound Operations)
Kegunaan Morfologi
●Remove noise
Small Object
Fill holes
●Isolate Object
Morfologi Citra
●Structuring Elements (SE) dapat terdiri dari sebarang ukuran sesuai dengan kebutuhan
●Nilai dari elemen adalah 0 atau 1, namun dimungkinkan memiliki nilai yang lain (termasuk tidak ada nilainya)
●Nilai kosong pada SE berarti bebas (don’t care)
Compound Operations
●Menggabungkan operasi Erosion dan Dilation kedalam level operasi yang lebih tinggi (more advanced)
●Mencari garis tepi (outline)
●Opening: mengisolasi objects dan menghilangkan object object kecil (lebih baik daripada Erosion)
●Closing: mengisi holes pada citra (lebih baik daripada Dilation)
Mencari garis tepi (outline)
●Operasi Dilasi (object menjadi lebih besar)
Substraksi citra asal dengan citra hasil dilasi
Didapatkan outline
Opening
●Motivasi: menghilangkan object-object kecil TETAPI tetap mempertahankan ukuran aslinya
●Opening = Erosion + Dilation
Gunakan SE yang sama
Hampir sama dengan erosi tetapi tidak terlalu destructive
●Math:
f ( x , y ) SE ( f ( x , y ) _ O SE ) SE
●Opening adalah idempotent: operasi opening yang diulang-ulang tidak memberikan dampak yang berkelanjutan!
Closing
●Motivasi: Mengisi holes TETAPI tetap menjaga ukuran aslinya
●Opening = Dilation + Erosion
Gunakan SE yang sama
Hampir sama dengan dilasi tetapi tidak terlalu destructive
●Math:
f ( x , y ) SE ( f ( x , y ) SE ) _ O SE
●Closing adalah idempotent: operasi closing yang diulang-ulang tidak memberikan dampak yang berkelanjutan!
