Pcd 05 - transformasi citra

3,826 views
3,672 views

Published on

PCD

Published in: Technology
1 Comment
0 Likes
Statistics
Notes
  • Be the first to like this

No Downloads
Views
Total views
3,826
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
140
Comments
1
Likes
0
Embeds 0
No embeds

No notes for slide

Pcd 05 - transformasi citra

  1. 1. Pengertian Transformasi Citra Secara harfiah, transformasi atua alih ragam citra dapat diartikan sebagai perubahanbentuk suatu citra. Perubahan bentuk tersebut dapat berupa perubahan geomentripixel sepertiperputaran (rotasi), pergeseran (transiasi), perskalaan, dan lain sebagainya atau dapat juga berupaperubahan ruang (domain) citra ke domain lainnya. Seperti transformasi Fourier yang mengubahsuatu citra dari domain spasial menjadi domain frekuensi.Melalui proses transformasi, suatu citra dapat dinyatakan sebagai kombinasi linear dari sinyal dasar(basic signals) yang sering disebut dengan fungsi basis (basic function). Suatu citra yang telahmengalami transformasi dapat diperoleh kembali dengan menggunakan transformasi balik (invers transformation).
  2. 2. Perbaikan citra (image Enhancement)Perbaikan citra bertujuan meningkatkan kualitas tampilan citra untuk pandangan manusia atauuntuk mengkonversi suatu citra agar memiliki format yang lebih baik sehingga citra tersebutmenjadi lebih mudah diolah dengan mesin (computer).Perbaikan citra dapat dilakukan sebagai berikut :Operasi TitikHistogramHistogram citra sangat berkaitan dengan berbagai teknik pengolahan citra, terutama metode-metode yang tergolong dalam operasi titik. Histogram citra menunjuk pada histogram dari nilaiintensitas pixel. Histogram menampilkan banyak pixel dalam suatu citra yang dikelompokkanberdasarkan level nilai intensitas pixel yang berbeda. Pada citra grayscale 8 bit, terdapat 256 levelnilai intensitas yang berbeda maka pada histogram akan ditampilkan secara grafik distribusi darimasing-masing 256 level nilai pixel tersebut.
  3. 3. Histogram terdiri dari :- Penyesuaian Kecerahan (Brightness Adjustment)- Negasi (Negation)- Koreksi Gamma (Gamma Correction)- Perenggangan Kontraks (Contrast Strecching)- Pengirisan Intensitas (Intensity Slicing)- Pemisahan Bit- Pemampatan Rentangan (Renge Compression)- Ekualisasi Histogram (Histogram Equalization)- Ekualisasi Histogram Adaptif (Adaptif Histogram Equalization)- Penajaman Lokal- Pengurangan Citra (Image Substraction)- Perata-rataan Citra (Image Averaging)
  4. 4. Operasi Spasial (Filtering) Pentapisan pada pengolahan citra biasanya disebut dengan pentapisan spasial (SpatialFiltering). Pada proses pentapisan nilai pixel baru umumnya dihitung berdasarkan pixel tetangga. Caraperhitungan nilai pixel baru tersebut dapat dikelompokkan menjadi 2 yaitu pertama, pixel barudiperoleh melalui kombinasi linear pixel tetangga dan kedua, pixel baru diperoleh langsung dari salahsatu nilai pixel tetangga. Berdasarkan kedua cara tersebut maka tapis juga dapat dikelompokkanmenjadi dua yaitu tapis linear (tapis untuk cara pertama) dan tapis nonlinear (tapis untuk cara kedua). Proses penapisan spasial tidak dapat dilepaskan dari teori kernel (mask) dan konvolusi,dijelaskan sebagai berikut :
  5. 5. Kernel Kernel adalah matrik yang pada umumnya berukuran kecil dengan elemen-elemennyaadalah berupa bilangan. Kernel digunakan pada prose konvolusi. Oleh karena itu kernel juga disebutconvolution window (jendela konvolusi). Ukuran kernel dapat berbeda-beda, seperti 2x2, 3x3, 5x5, dansebagainya. Elemen-elemen kernel yang juga disebut bobol (weight) merupakan bilangan-bilanganyang berbentuk pola-pola tertentu. Kernel biasanya juga disebut dengan tapis (filter), template, mask,serta sliding window. Dalam konsep morphologi kernel juga disebut structuring element.
  6. 6. Konvolusi Konvolusi merupakan operator sentral pengolah citra dan telah digunakan secaraluas pada berbagai piranti lunak pengolah citra. Konvolusi terdiri dari:Tapis Linier yaitu tapis mean, tapis Gaussian, tapis low pass, tapis High-pass, tapis High - bosst. Tapis Non-Linier yaitu tapis median, tapis konservatif, tapis Kuwahara.Transformasi Gabor, dibentuk dari dua komponen yaitu kompleks, sinusoidal (denganlengkungan) serta Gausian Envelope. Metode Gabor filtering mampu menghubungkanrepresentasi yang optimal dari arah orientasi dan domain spasial (frekuensi). Fungsi Gabor ditemukan oleh Gabor pada tahun 1946, dimana fungsi tersebutdidefinisikan dalam 1-D, dengan t menyatakan waktu.Pentapisan pada Domain Frekuensi adapun langkah-langkah untuk melakukan pentapisanpada domain frekuensi adalah sebagai berikut :

×