PEMROGRAMAN CITRA DIGITAL

 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)

1. Peningkatan Kontras
2. Penajaman (Sharpening)
3. Pengkaburan (Bluring)
4. Menghilangkan Noise
5. Pemugaran Citra
6. Segmentasi Citra
7. Rekonstruksi Citra
8. Kompresi Citra
9. Image Analysis: Edge Detection
10. Image Analysis: Face Detection
11. Image Analysis: Skin Detection
12. 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.

1. Alur Diagram PCD
2. Image Acquisition / Formation
3. Representasi Matriks
4. 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!