PENGOLAHAN CITRA DAN POLA

PERTEMUAN 4

STIKI INDONESIA2012

Modifikasi Histogram

Ekualisasi histogram

Nilai-nilai intensitas di dalam citra diubah sehingga penyebarannya seragam

Tujuannya untuk memperoleh penyebaran histogram yang merata sehingga setiap derajat keabuan memiliki jumlah pixel yang relatif sama

Dapat dilakukan pada keseluruhan citra atau pada beberapa bagian citra saja

Here comes your footer Page 2

Ekualisasi histogram adaptif

Citra dibagi menjadi blok-blok (sub-image) dengan ukuran n x n, kemudian pada setiap blok dilakukan proses ekualisasi histogram

Ukuran blok (n) dapat bervariasi dan setiap ukuran blok akan memberikan hasil yang berbeda

Setiap blok dapat saling tumpang tindih beberapa pixel dengan blok lainnya

Here comes your footer Page 3

Ekualisasi Histogram

Here comes your footer Page 4

Here comes your footer Page 5

CONTOH Citra 64x64 pixel, 8 tingkat keabuan, dengan distribusi sebagai berikut :

Fungsi Transformasi

Here comes your footer Page 6

Here comes your footer Page 7

Pembulatan

Here comes your footer Page 8

Pemetaan

Here comes your footer Page 9

Hasil Rangkuman Transformasi

Here comes your footer Page 10

Histogram dengan Distribusi Seragam

Modifikasi Histogram

Spesifikasi histogram

Nilai-nilai intensitas di dalam citra diubah agar diperoleh histogram dengan bentuk yang dispesifikasikan oleh pengguna

Here comes your footer Page 11

Here comes your footer Page 12

CONTOH Citra 64x64 pixel, 8 tingkat keabuan, dengan distribusi sebagai berikut :

Here comes your footer Page 13

Histogram yang Diinginkan

Here comes your footer Page 14

Langkah 1 : Ekualisasi Histogram

Here comes your footer Page 15

Langkah 2 : Fungsi Transformasi

Here comes your footer Page 16

Hasil Fungsi Transformasi

Here comes your footer Page 17

Langkah 3 : Terapkan Inverse Pada Level Histogram Equalisasi

NB; G(zk) = Vk

Here comes your footer Page 18

Langkah 4 : Pemetaan dari rk ke zk

Here comes your footer Page 19

Histogram Hasil

Operasi Berbasis Bingkai / Operasi Aritmatika Citra

Proses pengolahan citra dengan memanfaatkan operator aritmatika atau operator logika (boolean) terhadap dua atau lebih citra input

Proses aritmatika citra diterapkan dengan melakukan pengolahan pixel per pixel, sehingga proses ini sebaiknya dilakukan terhadap citra dengan ukuran dan resolusi yang sama

Here comes your footer Page 20

Operasi aritmatika citra :

Penjumlahan, pengurangan

Operator Boolean

Bitshift Operators

Here comes your footer Page 21

Penjumlahan

Here comes your footer Page 22

Pixel citra hasil merupakan hasil penjumlahan nilai pixel pada citra pertama dengan nilai pixel pada citra kedua

Catatan : w1 + w2 = 1

),(),(),( 21 yxfyxfyxg

),(.),(.),( 2211 yxfwyxfwyxg

Pengurangan

Here comes your footer Page 23

Mencari beda antara 2 citra berurutan

Bagian yang tidak bergerak 0

Bagian yang bergerak ≠ 0

),(),(),( 21 yxfyxfyxg

Operator Boolean

Disebut juga operasi logika

Hanya dapat dilakukan pada citra biner

Here comes your footer Page 24

Here comes your footer Page 25

Bitshift Operator

Pergeseran deret bit pada pixel ke arah kanan atau kiri sebesar n bit

Here comes your footer Page 26

nyxfyxgnrightbitshift 2),(),()( nyxfyxgnleftbitshift 2),(),()(

Operasi Spasial (Filtering)

Pentapisan pada pengolahan citra biasa disebut dengan pentapisan spasial (spatial filtering)

Pada proses pentapisan, nilai pixel baru umumnya dihitung berdasarkan pixel tetangga

Cara perhitungan nilai pixel baru tersebut dapat dikelompokkan menjadi dua :

Nilai pixel baru diperoleh melalui kombinasi linier pixel tetangga (tapis linier)

Nilai pixel baru diperoleh langsung dari salah satu nilai pixel tetangga (tapis non linier)

Here comes your footer Page 27

Kernel

Proses penapisan spasial tidak dapat dilepaskan dari teori kernel (mask) dan konvolusi

Kernel adalah matrik yang umumnya berukuran kecil dengan elemen-elemennya berupa bilangan

Kernel disebut juga dengan convolution window, tapis (filter), template, mask, sliding window, structuring element

Ukuran dapat berbeda-beda, seperti 2 x 2, 3 x 3, 5 x 5, dsb

Elemen-elemen kernel disebut juga bobot (weight) merupakan bilangan-bilangan yang membentuk pola-pola tertentu

Here comes your footer Page 28

Konvolusi

Here comes your footer Page 29

Contoh

Citra f(x,y) berukuran 5 x 5 dengan kernel 3 x 3

Here comes your footer Page 30

Masalah Pixel Pinggir

Here comes your footer Page 31

Solusi

Piksel pinggir diabaikan, tidak dikonvolusi

Duplikasi elemen citra, elemen kolom ke-1 disalin ke kolom M+1, begitu juga sebaliknya lalu konvolusikan

Elemen yang ditandai dengan (?) diasumsikan bernilai 0 atau konstanta yang lain sehingga konvolusi piksel pinggir dapat dilakukan

Konvolusi piksel pinggir tidak memperlihatkan efek yang kasat mata

Here comes your footer Page 32

Referensi

Gonzalez, Rafael C. and Woods, Richard E.. Digital Image Processing, 2nd Ed.. 2002. New Jersey : Prentice Hall.

Putra, I Ketut Gede Darma. 2010. Pengolahan Citra Digital. Yogyakarta : Andi Offset.

Sutoyo, T., dkk. 2009. Teori Pengolahan Citra Digital. Yogyakarta : Andi Offset.

__________. Materi Pengolahan Citra. Fakultas Informatika IT Telkom.

Here comes your footer Page 33