pengolahan citra - stmik amikom...
Post on 21-May-2018
284 Views
Preview:
TRANSCRIPT
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Prinsip Enhancement
Pemrosesan sebuah image sehingga
hasil sesuai
yang didapat bersifat lebih untuk digunakan pada aplikasi
tertentu dibandingkan dengan y
image a s l i
hasil
n a .
Kesesuaian enhancement adalah
b e r g a n t u n g p a d a a p l i k a s i n y a .
2
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
S o l u s i t h d i m a g e e n h a n c e me n t
bergantung kepada problem image y a n g d i h a d a p i .
Tidak ada metode yang bersifat
general yang dapat diterapkan untuk setiap aplikasi, pendekatan terhadap satu aplikasi dapat dilakukan lewat m e t o d e y a n g b e r b e d a .
4
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Kriteria Good Image
U n t u k h u m a n v i s u a l
E v a l u a s i v i s u a l d a r i s e b u a h i m a g e u n t u k
menentukan kualitas image sangat dipengaruhi oleh unsur-unsur subjektivitas. Dengan demikian sulit untuk melakukan standarisasi definisi good image.
U
n t u k p e r s e p s i m e s i n
Proses evaluasi lebih mudah untuk dikerjakan. Good image adalah image yang dapat dikenali lebih baik oleh mesin. Proses pemilihan pendekatan enhancement yang terbaik dapat dilakukan dengan cara trial dan error
dapat sehingga didapat metode
tertentu yang menghasilkan image yang d a p a t d e n g a n b a i k d i k e n a l i o l e h m e s i n .
6
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
2 Katagori Domain
Spatial Domain : Adalah teknik yang didasarkan pada manipulasi langsung terhadap pixel dari image.
Frequency Domain :
Adalah teknik yang didasarkan pada modifikasi image lewat transformasi Fourier
Terdapat pula sejumlah teknik enhancement yang didasarkan pada kombinasi kedua katagori domain tersebut.
7
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Teknik Enhancement
Point Processing
Image negative, contrast Stretching, Compression Of Dynamic range, gray level slicing, image subtraction,image averaging, histogram operations.
Mask Operation
Smoothing operations,median filtering,sharpening operations, derivative operations, histogram operations.
Transform Operation
Low pass filtering, high pass filtering,band pass filtering,homomorphic filtering, histogram operations
Coloring Operation
False coloring, full color processing
8
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
ari (x,y)
Domain Spasial
Adalah prosedur yang secara
langsung memanipulasi pixel. g(x,y) = T[f(x,y)]
dimana
f(x,y) adalah image g(x,y) adalah image
input yang
diproses
T adalah sebuah operator pada f yang didefinisikan berdasar nilai neighborhood d T
f(x,y) g(x,y) 9
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Operator T dapat berupa :
Kumpulan pixels (x,y) dari image
Kumpulan dari ‘neighborhoods’ N(x,y)
dari setiap pixel
Kumpulan dari images f1,f2,f3,…
10
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
6
8
2
0
12
200
20
10
3
4
1
0
6
100
10
5
Operasi
image
terhadap himpunan pixel dari
(Operator: Div. by 2)
11
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
6
8
2
0
12
200
20
10
5
5
1
0
2
20
3
4
11
13
3
0
14
220
23
14
Operasi
f1,f2
terhadap kumpulan image
(Operator: sum)
12
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Point Processing
N e i g h b o r h o o d = 1 x 1 p i x e l
Output pixel pada titik tertentu hanya bergantung pada input pixel pada titik tersebut dan tidak bergantung pada nilai
p
g p
i x e l
hanya a d a
t e t a n g g a n y a .
bergantung pada nilai f
p o s i s i ( x , y )
T = fungsi transformasi gray
level (atau intensitas mapping)
s = T(r) s = T(r)
Dimana
r = gray level dari input image f(x,y)
s = gray level dari output image g(x,y)
13
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
dibawah m dari image a s l i .
Contrast Stretching
Menghasilkan higher image cara : p k a n
contrast dari original, dengan
M e n g g e l a
( d a r k e n i n g ) l e v e l
M e n c e r a h k a n
(Brightening) level yang dari berada di atas m
s i m a g e a l i .
14
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Bila r1=r2, s1=0 da n s2=L-1,
transformasi akan berubah m e n j a d i s e b u a h f u n g s i
Lokasi dari (r1,s1) dan (r2,s2) menjadi kontrol dari bentuk
f u n g s i t r a n s f o r m a s i .
B i l a r 1 = s 1 d a n r 2 = s 2
transformasi adalah fungsi linear dan hasilnya adalah
image. tidak ada perubahan
t h r e s h o l menghasilkan
d i n g sebuah
g
y a n g binary
i m a e .
17
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Contoh Contrast Stretching dan Tresholding
Meningkatkan range dinamis dari
g r a y l e v e l d a l a m i m a g e .
C o n t o h s e b u a h i m a g e y a n g
bersifat low contrast. Image semacam ini dapat dihasilkan proses iluminasi yang jelek setting lensa yang kurang
atau baik i s i . s a a t p r o s e s a k u i s
Hasil dari contrast Stretching :
(r1,s1) = (r2,s2) =
(rmin,0) dan (rmax,L-1)
Hasil dari proses thresholding
18
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Image Negatives
Didapat dengan menerapkan fungsi
transformasi Value.
T(r) = s = L- 1 – r; L = Max Gray
19
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Fungsi kebalikan dari
hitam ke putih atau
Image Negatives
seba lik nya sehing ga intensitas dari image o u t p u t b e r k u r a n g sementara intensitas d a r i i m a g e i n p u t b e r t a m b a h .
Banyak digunakan pada
i m a g e k e d o k t e r a n terutama sekali untuk mengh asi lk a n s li d es d a r i s c r e e n .
20
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
3 Fungsi Dasar Transformasi Gray Level
Linear function Negative and identity
transformations Logarithm function Log and inverse-log
transformation Power-law function nth power and nth root
transformations
21
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Gamma Correction
Alat Cathode ray tube (CRT)
memiliki intensitas terhadap r e s p o n s e v o l t a g e d a l a m b e n t u k d e n g a n a n t a r a Efeknya
p o w e r f u n c t i o n b e r k i s a r n i l a i
1 . 8 akan
γ h i n g g a 2 . 5 menyebabkan
image Gamma
menjadi lebih gelap. correction dilakukan
s a a t y a i t u
pr e po ce s s i n g i m a g e s e b e l u m i m a g e d i
k e 1/ γ
m a s u k k a n k e d a l a m s = cr monitor dengan
23
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Sebuah image MRI (Magnetic Resonance Image) untuk tulang manusia. Image asli didominasi oleh warna gelap. Diperlukan ekspansi nilai
gray level dengan nilai γ < 1 Hasil penerapan power-law transformation dengan γ = 0.6, c=1 Hasil transformasi dengan γ = 0.4 (hasil terbaik) Hasil transformasi dengan γ = 0.3
24
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Image terlalu banyak
didominasi oleh warna cerah, maka diperlukan ekspansi nilai gray value dengan γ > 1 Hasil penerapan power-law
transformation dengan γ = 3.0 Hasil transformation dengan γ = 4.0 Transformation dengan γ = 5.0 (high contrast, image memiliki area yang terlalu gelap sehingga sebagian detail menjadi hilang)
25
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Gray-Level Slicing
Adalah untuk memilih range
gr ay level ter tentu dar i i m a g e ( m i s a l n y a u n t u k meningkakan penampakan f e a t Salah d i l a
u r e satu
t e r t e n t u ) .
cara yang dapat
k u k a n a d a l a h menampilkan gray level dari feature tertentu
value dan sebagai sisanya nilai high
s e b a g a i sehingga
l o w v a l u e f o r didapat bentuk
b i n a r y i m a g e ) .
27
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Gray-Level Slicing
Pendekatan yang lain
adalah bagian menjadi
menerangkan feature fokus
yang namun
tetap mempertahankan nilai backgro ud dan nilai gray level image bagian image lainnya.
28
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Original Image
Highlighted Image with no background
Highlighted Image with background
30
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Bit-Plane Slicing
U n t u k m e l i h a t f o k u s t e r h a d a p
k o n t r i b u s i d a r i p e n a m p i l a n i m a g e b e r d a s a r b i t y a n g s p e s i f i k .
D i a s u m s i k a n b a h w a s e t i a p p i x e l
direpresentasikan oleh 8 bits, dan sebuah image terdiri dari 8 1-bit planes.
Plane 0 memuat lowest order bits dari
byte yang menyusun pixel dan plane 7 b i t s .
memuat
m e m u a t h i g h e s t - o r d e r
Hanya 5 highest order bits yang
data visual yang signifikan. Plane 7 b e r k o r e s p o d e n s i l a n g s u n g d e n g a n treshold image pada gray level 128.
31
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
255 138 30
65 12 201
180 111 85
1 1 0
0 0 1
1 0 0
255 1 1 1 1 1 1 1 1
138 0 1 0 1 0 0 0 1
30 1 1 1 1 1 0 0 0
65 1 0 0 0 0 0 1 0
12 0 0 1 1 0 0 0 0
201 1 0 0 1 0 0 1 1
183 1 1 1 0 1 1 0 1
111 1 1 1 1 0 1 1 0
85 1 0 1 0 1 0 1 0
1 0 1
1 0 1
1 1 1
MSB plane MSB LSB
LSB plane
32
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Bit-Plane Slicing
D i s p l a y b i t - b i t
p e n y u s u n i m a g e sebagai individual b i n a r y i m a g e .
33
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Noise
N o i s e a d a l a h f e n o m e n a r a n d o m
(unpredictable) yang menganggu (kontaminasi) s e b u a h p e n a m p a k a n i m a g e .
Noise proses i m a g e
Noise
umumnya akan terjadi dalam sejumlah
awal image, yaitu : Image acquisition, t r a n s m i s s i o n , i m a g e r e c o r d i n g .
dinyatakan sebagai model adaptive :
34
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
Noise with zero mean Original image
g(x, y) f (x, y) (x, y)
k 1 g (x, y) g (x, y) i
k i 1
f (x, y) 2
( x, y )
E g (x,
2
y)
1 g ( x, y )
k
35
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
36
f(x,y) g(x,y)
Gaussian Noise
mean = 0
variance = 64
K = 16 K = 8
x
- + K = 128 K = 32
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
O p e r a s i A r i t h m e t i c / l o g i c
melibatkan dua atau lebih image
Aritmetic / Logic Operation
yang masing-masing dikenakan o p e r a s i p i x e l p e r p i x e l .
Arithmetic Operations
Addition, Subtraction, and Division
Logic Operations
Multiplication,
AND, OR, NOT
37
STMIK AMIKOM PURWOKERTO
ABDUL AZIS, M.KOM
S e li sih / d i f fer e n c e
dari dua similar images dihitung untuk melihat feature tertentu dari
Image Substraction
image dengan melihat p e r b e d a a n d a r i d u a i m a g e t e r s e b u t .
38
top related