Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Digital Image
Processing
CITRA
• Data atau informasi tidak hanya disajikan dalam
bentuk teks, tetapi juga dapat berupa gambar,audio
dan video. Keem...
CITRA
• Citra (image) = gambar pada bidang 2 dimensi.
• Citra (ditinjau dari sudut pandang matematis) = fungsi yang
kontin...
CITRA
• Citra sebagai output dari suatu sistem perekaman data dapat
berupa:
1. Still Image
• Citra diam (still image) adal...
Citra Digital
• Citra Digital
– Citra digital merupakan fungsi intensitas cahaya f(x,y),
dimana harga x dan y merupakan ko...
Digitizing an image
Column of samples

Pixel

Black

Line Spacing

Picture

Sample Spacing
Sampling process
Spatial resolu...
Metodologi Pengolahan Citra
• Pembentukan Citra (Data Acquisition): Menentukan data yang
diperlukan dan memilih metode per...
Metodologi Pengolahan Citra
(Lanjutan)
• Representasi dan Deskripsi: Suatu wilayah dapat
direpresentasi sebagai suatu list...
Pengertian Citra Digital

Sampler

Citra kontinue

Resolusi spasial :
Tinggi (16 x 16)

Citra digital

Rendah (8 x 8)

Mat...
Tiga Bidang Berkaitan dengan
Proses Citra atau Gambar (1)
1950 Image Processing

Image
1970 Computer Vision

1970 Computer...
Tiga Bidang Berkaitan dengan
Proses Citra atau Gambar (2)

(MSU, 1990)

11
Definisi Pengolahan Citra
• Pengolahan Citra adalah
memproses suatu citra sehingga menghasilkan citra
yang sesuai dengan k...
Pengolahan Citra
Digital
• Memperbaiki kualitas gambar, dilihat dari aspek
radiometrik (peningkatan kontras, transformasi ...
Definisi Pengolahan Citra
•

Umumnya, operasi-operasi pengolahan citra diterapkan
pada citra bila :
1. Perbaikan atau modi...
Definisi Pengolahan Citra
• Di dalam bidang komputer, ada 3 bidang studi yang
berkaitan dengan citra, namun tujuan ketigan...
Grafika Komputer
• Merupakan proses untuk menciptakan
suatu gambar berdasarkan deskripsi
obyek maupun latar belakang yang
...
Computer Graphics

(Hearn and Baker, 1986)

17
Visi Komputer
• Pengenalan Pola (Pattern Recognition): Speaker
Recognition, Segmentation and Classification;
• Visi Komput...
Computer Vision
Garage

Bushes

Roof

Side

(Ballard, 1992)

Grass

House

Roof

Sky

Tree1

Tree2

Side1 Side2

19
Computer Vision
• Computer Vision mencoba meniru Human Vision
• Computer Vision = proses otomatis yang
mengintegrasikan se...
Computer Vision
•

Proses-proses dalam computer vision dapat dibagi menjadi
3 aktivitas :
1. Memperoleh atau mengakuisisi ...
Computer Vision
CITRA

Scene

Alat Input
ex: kamera digital,
scanner

Prepocessing

POLA
Deskripsi
Gambar

Pattern Recogni...
Proses dalam Computer Vision

23
Operasi Pengolahan Citra
1. Image Enhancement
Image Enhancement bertujuan untuk memperbaiki
kualitas citra dengan cara mem...
Operasi Pengolahan Citra
•

Contoh
– Sharpening

–

Noise Filtering

25
Operasi Pengolahan Citra
2. Image Restoration
Image Restoration bertujuan untuk menghilangkan/
meminimumkan cacat pada cit...
Operasi Pengolahan Citra
3. Image Compression
Jenis operasi ini dilakukan agar citra memerlukan memori atau
media penyimpa...
Operasi Pengolahan Citra
4. Image
Segmentation
Jenis operasi ini bertujuan
untuk memecah suatu citra ke
dalam beberapa seg...
Operasi Pengolahan Citra
5. Image Analysis
Teknik image analysis mengekstraksi ciri-ciri tertentu
yang membantu dalam iden...
Operasi Pengolahan Citra
6. Image Reconstruction
Jenis operasi ini bertujuan untuk
membentuk ulang objek dari beberapa
cit...
Aplikasi Pengolahan Citra
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Bid.Perdagangan
Bid.Militer
Bid.Kedokteran
Bid.Biologi
Komunikas...
Aplikasi Pengolahan Citra
1. Bid.Perdagangan
a. Pembacaan barcode
b. Pengenalan huruf/angka pada suatu formulir secara oto...
Aplikasi Pengolahan Citra
6. Hiburan
a. Game
b. Kompresi Video

6. Robotika
a. Visualy-Guided autonomous navigation

6. Pe...
Human Biometrics & Features
Citra Wajah

Citra Sidik Jari

34
Aplikasi Kedokteran Gigi
(Orthodonti)

35
Aplikasi Kedokteran Gigi
• Pada citra cephalometri, dapat dideteksi kurva bentuk
dahi manusia dari landmark Nasion (lekuk ...
Aplikasi Industri

Obyek: Jenis Mur, Sekrup dan Pin

Diagram Dua Ciri Pembeda Obyek

37
Aplikasi Bahasa Isyarat (Bibir)
(Sumber: MSU, 1990)

Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang dise...
Metodologi OCR – Optical Character Recogniton (1)

(MSU, 1990)

39
Metodologi OCR – Optical Character Recogniton
(2)

• Prosedur pemrosesan citra
– Data Acquisition – masukan berupa dokumen...
Metodologi OCR – Optical Character Recogniton
(3)

• Prosedur pemrosesan citra (Lanjutan)
– Representation & Description –...
Aplikasi Pengenalan Karakter

Huruf A hasil scanning

Huruf A setelah ‘thinning’
42
Aplikasi Pengenalan Karakter

Huruf hasil scanning

Huruf setelah ‘skeletonizing’
43
Upcoming SlideShare
Loading in …5
×

Digital image processing

5,138 views

Published on

  • Be the first to comment

Digital image processing

  1. 1. Digital Image Processing
  2. 2. CITRA • Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar,audio dan video. Keempat macam data atau informasi ini sering disebut Multimedia. • Citra – sebagai salah satu komponen multimedia yang memegang peranan penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. 2
  3. 3. CITRA • Citra (image) = gambar pada bidang 2 dimensi. • Citra (ditinjau dari sudut pandang matematis) = fungsi yang kontinu dari intensitas cahaya pada bidang 2 dimensi. • Sumber cahaya menerangi objek,dipantulkan kembali dan di tangkap oleh alat-alat optik = Citra (a) Dog (b) Lena 3
  4. 4. CITRA • Citra sebagai output dari suatu sistem perekaman data dapat berupa: 1. Still Image • Citra diam (still image) adalah citra tunggal yang tidak bergerak. 2. Moving Image • Citra bergerak (moving image) adalah rangkaian citra diam yang ditampilkan secara sekuensial sehingga memberi kesan pada mata kita sebagai gambar bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri dari ratusan sampai ribuan frame. 4
  5. 5. Citra Digital • Citra Digital – Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut; – Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya (kwantisasi); – 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 5 tingkat keabuan pada titik tersebut.
  6. 6. Digitizing an image Column of samples Pixel Black Line Spacing Picture Sample Spacing Sampling process Spatial resolution Gray 128 White Line 255 0 Brightness Spacing Proses Kwantisasi Brightness Resolution Sumber: Dimodifikasi dari Castlemen, 1996 6
  7. 7. Metodologi Pengolahan Citra • Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra digital. • Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi. • Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics). • Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi 7 ciri mengukur besaran kwantitatif ciri setiap piksel
  8. 8. Metodologi Pengolahan Citra (Lanjutan) • Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi sebagai suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi luasan / perimeternya • Pengenalan Pola (Pattern Recognition): Memberikan label kategori obyek pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor atau ciri piksel bersangkutan (pewilayahan jaringan keras dan pewilayahan berbagai jaringan lunak pada citra biomedik) • Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor) • Penyusunan Basis Pengetahuan: Basis pengetahuan ini 8 digunakan sebagai referensi pada proses template matching / object recognition.
  9. 9. Pengertian Citra Digital Sampler Citra kontinue Resolusi spasial : Tinggi (16 x 16) Citra digital Rendah (8 x 8) Matriks citra dengan obyek angka 5 Resolusi kecemerlangan : Rendah(4) Tinggi (2) 9
  10. 10. Tiga Bidang Berkaitan dengan Proses Citra atau Gambar (1) 1950 Image Processing Image 1970 Computer Vision 1970 Computer Graphics 1960 Pattern Recognition Artificial Intelligence Description (Pavlidis, 1986) 10
  11. 11. Tiga Bidang Berkaitan dengan Proses Citra atau Gambar (2) (MSU, 1990) 11
  12. 12. Definisi Pengolahan Citra • Pengolahan Citra adalah memproses suatu citra sehingga menghasilkan citra yang sesuai dengan keinginan kita atau kualitasnya menjadi lebih baik. (a) Citra Lena yang agak kabur (b) Citra Lena yang diperbaiki 12
  13. 13. Pengolahan Citra Digital • Memperbaiki kualitas gambar, dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik); • Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis; • Melakukan proses penarikan informasi atau deskripsi obyek atau pengenalan obyek yang terkandung pada citra; • Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses 13 data.
  14. 14. Definisi Pengolahan Citra • Umumnya, operasi-operasi pengolahan citra diterapkan pada citra bila : 1. Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra. 2. Elemen di dalam citra perlu di kelompokkan, dicocokkan atau diukur. 3. Sebagian citra perlu di gabung dengan bagian citra yang lain. 14
  15. 15. Definisi Pengolahan Citra • Di dalam bidang komputer, ada 3 bidang studi yang berkaitan dengan citra, namun tujuan ketiganya berbeda, yaitu : – Grafika Komputer (Computer Graphics) – Pengolahan Citra (Image Processing) – Pengenalan Pola (Pattern Recognition/image interpretation) Citra Grafika Komputer Deskripsi Pengolahan Citra Citra Pengenalan Pola Deskripsi 15
  16. 16. Grafika Komputer • Merupakan proses untuk menciptakan suatu gambar berdasarkan deskripsi obyek maupun latar belakang yang terkandung pada gambar tersebut; • Merupakan teknik untuk membuat gambar obyek sesuai dengan obyek tersebut di alam nyata (realism). 16
  17. 17. Computer Graphics (Hearn and Baker, 1986) 17
  18. 18. Visi Komputer • Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation and Classification; • Visi Komputer (Computer Vision) merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar, Word and Vowel Recognition, Object Structure; • Kecerdasan Buatan (Artificial Intelligence): Speech Understanding, What is illustrated by this image. 18
  19. 19. Computer Vision Garage Bushes Roof Side (Ballard, 1992) Grass House Roof Sky Tree1 Tree2 Side1 Side2 19
  20. 20. Computer Vision • Computer Vision mencoba meniru Human Vision • Computer Vision = proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti : – – – – – Akuisisi citra Pengolahan citra Klasifikasi Pengenalan (Recognition) Membuat Keputusan. • Vision = Geometry + Measurement + Interpretation 20
  21. 21. Computer Vision • Proses-proses dalam computer vision dapat dibagi menjadi 3 aktivitas : 1. Memperoleh atau mengakuisisi citra digital 2. Melakukan teknik komputasi untuk memproses atau memodifikasi data citra (operasi-operasi pengolahan citra) 3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya mengontrol peralatan, memantau proses manufaktur, memandu robot, dll. 21
  22. 22. Computer Vision CITRA Scene Alat Input ex: kamera digital, scanner Prepocessing POLA Deskripsi Gambar Pattern Recognition Intermediate Processing 22
  23. 23. Proses dalam Computer Vision 23
  24. 24. Operasi Pengolahan Citra 1. Image Enhancement Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameterparameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh : – – – Perbaikan contrast, brightness Penajaman (sharpening) Noise Filtering 24
  25. 25. Operasi Pengolahan Citra • Contoh – Sharpening – Noise Filtering 25
  26. 26. Operasi Pengolahan Citra 2. Image Restoration Image Restoration bertujuan untuk menghilangkan/ meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui. Contoh : blur deblurring
  27. 27. Operasi Pengolahan Citra 3. Image Compression Jenis operasi ini dilakukan agar citra memerlukan memori atau media penyimpanan lebih sedikit, tanpa mengurangi kualitas citra. Lena.bmp Lena.jpg dengan Quality 80 Lena.jpg dengan Quality 20 27
  28. 28. Operasi Pengolahan Citra 4. Image Segmentation Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. 28
  29. 29. Operasi Pengolahan Citra 5. Image Analysis Teknik image analysis mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek Contoh Edge Detection 29
  30. 30. Operasi Pengolahan Citra 6. Image Reconstruction Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. 30
  31. 31. Aplikasi Pengolahan Citra 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Bid.Perdagangan Bid.Militer Bid.Kedokteran Bid.Biologi Komunikasi Data Hiburan Robotika Pemetaan Geologi Hukum 31
  32. 32. Aplikasi Pengolahan Citra 1. Bid.Perdagangan a. Pembacaan barcode b. Pengenalan huruf/angka pada suatu formulir secara otomatis 2. Bid.Militer a. Mengenali sasaran peluru kendali melalui sensor visual b. Mengidentifikasi jenis pesawat musuh 3. Bid.Kedokteran a. Mammografi b. Rekontruksi foto janin hasil USG 4. Bid.Biologi a. Pengenalan jenis kromosom melalui citra mikroskopik 5. Komunikasi Data a. Kompresi citra yang akan ditransmisikan 32
  33. 33. Aplikasi Pengolahan Citra 6. Hiburan a. Game b. Kompresi Video 6. Robotika a. Visualy-Guided autonomous navigation 6. Pemetaan a. Klasifikasi penggunaan tanah melalui foto udara/LANDSAT 6. Geologi a. Mengenali jenis batu-batuan melalui foto udara/LANDSAT 6. Hukum a. Pengenalan sidik jari b. Pengenalan foto narapidana 33
  34. 34. Human Biometrics & Features Citra Wajah Citra Sidik Jari 34
  35. 35. Aplikasi Kedokteran Gigi (Orthodonti) 35
  36. 36. Aplikasi Kedokteran Gigi • Pada citra cephalometri, dapat dideteksi kurva bentuk dahi manusia dari landmark Nasion (lekuk dahi ke hidung) sampai ke Bergman (titik ubun-ubun) • Dari lengkung bentuk dahi dapat dihitung koefisien transformasi Fourier dan transformasi Wavelet • Dari sampel laki2 dan perempuan dapat ditentukan aturan keputusan berdasarkan analisis diskriminan, sehingga jenis kelamin dapat ditentukan berdasarkan bentuk dahi tengkorak manusia • Eksperimen menunjukkan penggunaan transformasi Wavelet menghasilkan tingkat pengenalan yang lebih baik dari transformasi Fourier 36
  37. 37. Aplikasi Industri Obyek: Jenis Mur, Sekrup dan Pin Diagram Dua Ciri Pembeda Obyek 37
  38. 38. Aplikasi Bahasa Isyarat (Bibir) (Sumber: MSU, 1990) Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang disebut sebagai ‘body language’. 38
  39. 39. Metodologi OCR – Optical Character Recogniton (1) (MSU, 1990) 39
  40. 40. Metodologi OCR – Optical Character Recogniton (2) • Prosedur pemrosesan citra – Data Acquisition – masukan berupa dokumen teks, perlu cropping lokasi-lokasi karakter yang akan dikenali; – Image Preprocessing – proses yang dibutuhkan adalah deteksi sisi dan thinning atau skeletonizing untuk mendapatkan obyek karakter dengan ketebalan 1 piksel; 40
  41. 41. Metodologi OCR – Optical Character Recogniton (3) • Prosedur pemrosesan citra (Lanjutan) – Representation & Description – ekstraksi ciri karakter, misal perhitungan ciri moment atau ciri lainnya; – Character Recognition – pengambilan keputusan karakter apakah itu dengan membandingkan ciri karakter tersebut dengan knowledge base yang menyimpan ciri-ciri setiap karakter yang dibangun dalam tahap pelatihan; – Recognized Character – merupakan hasil 41 pengenalan.
  42. 42. Aplikasi Pengenalan Karakter Huruf A hasil scanning Huruf A setelah ‘thinning’ 42
  43. 43. Aplikasi Pengenalan Karakter Huruf hasil scanning Huruf setelah ‘skeletonizing’ 43

×