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.

Slide minggu 6 (citra digital)

5,282 views

Published on

TITK

Published in: Technology
  • Be the first to comment

Slide minggu 6 (citra digital)

  1. 1. TK2083 Teknologi Informasi Teknik Komputer Disusun Oleh: Marlindia Ike Sari, M.T. ike@politekniktelkom.ac.id Hanya untuk kepentingan pengajaran di lingkungan Politeknik Telkom Pengolahan Citra Digital
  2. 2. Contents Pengertian Citra1 Komponen-komponen Citra2 Teknologi Pengolahan Citra3 Pengolahan pada Citra4
  3. 3. PENGERTIAN CITRA DIGITAL
  4. 4. Citra Digital  citra diartikan sebagai suatu fungsi intensitas cahaya dua dimensi, yang dinyatakan oleh f(x,y), di mana nilai atau amplitudo dari f pada koordinat spasial (x,y) menyatakan intensitas (kecerahan) citra pada titik tersebut (Gonzalez dan Woods, 2008).  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 merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan letak suatu titik pada citra tersebut dan tingkat keabuan
  5. 5. 5 103 59 12 80 56 12 34 30 1 78 79 21 145 156 52 136 143 65 115 129 41 128 143 50 85 106 11 74 96 14 85 97 23 66 74 23 73 82 29 67 76 21 40 48 7 33 39 9 94 54 19 42 27 6 19 10 3 59 60 28 102 107 41 208 88 63 204 75 54 197 82 63 179 63 46 158 62 46 146 49 40 52 65 21 60 68 11 40 51 17 35 37 0 28 29 0 83 50 15 2 0 1 13 14 8 243 173 161 231 140 69 239 142 89 230 143 90 210 126 79 184 88 48 152 69 35 123 51 27 104 41 23 55 45 9 36 27 0 28 28 2 29 28 7 40 28 16 13 13 1 224 167 112 240 174 80 227 174 78 227 176 87 233 177 94 213 149 78 196 123 57 141 72 31 108 53 22 121 62 22 126 50 24 101 49 35 16 21 1 12 5 0 14 16 11 3 0 0 237 176 83 244 206 123 241 236 144 238 222 147 221 190 108 215 170 77 190 135 52 136 93 38 76 35 7 113 56 26 GAMBAR REAL GAMBAR DIGITAL
  6. 6. Citra Digital Citra atau Image merupakan istilah lain dari gambar, yang merupakan informasi berbentuk visual. Citra ada dua (2) macam : a. Citra Kontinu Dihasilkan dari sistem optik yang menerima sinyal analog Contoh : Mata manusia, kamera analog b. Citra Diskrit Dihasilkan melalui proses digitalisasi terhadap citra kontinue Contoh : Kamera digital, scanner
  7. 7. Representasi Citra Digital  Bitmap dipresentasikan dalam bentuk matrik, atau dipetakan dengan menggunakan bilangan biner Gambar Bitmap dipresentasikan dalam bentuk matrik, atau dipetakan dengan menggunakan bilangan binner atau sistem bilangan lain, memiliki kelebihan untuk memanipulasi warna namun untuk merubah objek lebih sulit.  Grafik Gambar Grafik data tersimpan dalam bentuk vektor posisi Gambar Grafik data tersimpan dalam bentuk vektor posisi, dimana yang tersimpan hanya informasi vektor posisinya dengan bentuk sebuah fungsi, lebih sulit dalam merubah warna tapi lebih mudah membentuk objek dengan cara merubah nilai
  8. 8. Representasi Citra Digital  Penampilan citra secara visual nilai data digital yang disimpan oleh komputer, merepresentasikan warna dari citra yang diolah.  Citra biner (monokrom): setiap titik bernilai 0 untuk warna hitam atau 1 untuk warna putih. Satu titik pada citra hanya membutuhkan satu bit.  Citra skala keabuan (Gray scale): peluang warna lebih banyak dibanding citra biner. Contoh: u/ skala keabuan 4 bit, maka jumlah kemungkinan nilainya adalah 24 = 16, dan nilai maksimumnya adalah 16-1.  Citra Warna (True Color): pada citra warna, setiap titik mempunyai warna yang spesifik yang merupakan kombinasi dari 3 warna dasar RGB. Setiap warna dasar mempunyai intensitas dengan nilai maksimum 255 (8 bit). Contoh: kuninng merupakan kombinasi dari merah dan hijau sehingga nilai RGB nya adalah: 255 255 0.
  9. 9. KOMPONEN CITRA DIGITAL
  10. 10. Komponen Citra Digital  Piksel  Warna  Resolusi  Brightness  Contrast  Countour  Sharp  Texture
  11. 11. Piksel  Komponen terkecil pada suatu gambar (0,0) Titik Origin f(x,y) x y f(x,y ) Sumbu koordinat citra (Sumber: Gonzalez dan Woods, 2008)
  12. 12. Piksel  Citra jika dinotasikan dalam bentuk matriks/tabel f(0,0) f(1,0) .... f(N-1,0) f(0,1) ... f(0,M-1) f(N-1,M-1) Satuan terkecil dari citra digital disebut piksel (pixel atau picture element). Umumnya citra dibentuk dari kotak-kotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antara piksel adalah sama pada seluruh bagian citra
  13. 13. Citra digital Vs Citra analog  Data digital direpresentasikan dalam komputer berbentuk kode seperti binner, decimal. Contoh data digital : WAV, MP3, RMI, BMP, JPG, GIF, TIF  Data analog tidak direpresentasikan dalam komputer, semua merupakan fakta, contoh : gelombang suara, gambar. Data analog tersimpan dalam pita kaset.
  14. 14. Proses Pengolahan Data Citra  Komputer hanya dapat mengakses data digital, oleh karena itu untuk pengolahan data digital analog terdapat proses konversi yang disebut proses Analog Digital Conversi (ADC). Tujuan dari proses ADC adalah agar dapat diakses komputer, karena data asli atau fakta bersifat analog tidak bisa diolah oleh komputer, komputer hanya mengolah data digital. 15 Gambar Analog Digital Convertion Komputer
  15. 15. Komponen Citra Digital  Brightness, kecerahan atau intensitas cahaya yang dipancarkan pixel dari citra yang dapat ditangkap oleh sistem pengliatan  Contrast, kontras menyatakan sebaran terang “lightness” dan gelap “darkness” di dalam gambar  Countour,kontur merupakan keadaan yang ditimbulkan oleh perubahan intensitas pada pixel yang bertetanggaan  Color, warna sebagai persepsi yang ditangkap sistem visual terhadap panjang gelombang cahaya yang dipantulkan oleh objek  Sharp, bentuk sebagai properti instristik dari objek 3 dimensi  Texture, tekstur dicirikan sebagai distribusi spasial sari derajat keabuan di dalam sekumpulan pixel yang bertetanggaan. 16
  16. 16. Format Warna  RGB  CMYK  YcYbr  Gray Scale
  17. 17. Format Warna RGB Channel R Channel G Channel B
  18. 18. Format Warna RGB Channel Blue Channel Green Channel Red
  19. 19. Representasi biner dalam data digital 20 0110 1001 0101 1000 0101 0011
  20. 20. 21 Representasi grey 4 scale
  21. 21. 22 118 58 119 159 79 61 216 176 217 …. Representasi Citra Berwarna
  22. 22. Gambar dan perangkat Display 23 Beberapa gambar real yang ditampilkan pada perangkat display/output  CRT - computer monitor, TV set  LCD - portable computer  printer - dot matrix, laser printer  Tiap tampilan memiliki kualitas masing masing
  23. 23. 24 Gambar pada CRT Gambar Pada LCD Printer
  24. 24. Tata warna 25 Sebuah Citra dapat terbentuk dari berbagai warna yang tertata  Palet Warna : kumpulan warna yang membentuk citra  Setiap komponen warna yang berbeda dalam palet tersebut diberi kode angka  Contoh : putih (polikrom -255) hitam ( monokrom-0 ) 0 1 2 3 4 5 6 7 252 253 254 255
  25. 25. 26  Umumnya berukuran 24 bit per pixel dengan penjelasan  3 byte: satu merah, satu hijau, satu biru  Penyimpanan warna memori berdekatan dengan ukuran Weightx Heightx 3
  26. 26. Skala Abu 27  Gambar dibagi dalam cells  menentukan teksture dari suatu gambar
  27. 27. Parameter Citra 28  Kualitas gambar Dipengaruhi oleh parameter : 1. Resolusi 2. Kedalaman Bit
  28. 28. RESOLUSI CITRA 29 Resolusi mengacu pada jumlah piksel dalam gambar. Resousi juga diidentifikasi oleh lebar dan tinggi gambar, serta jumlah piksel dalam gambar. Sebagai contoh: Sebuah gambar memiliki 2048 piksel pada ukuran lebar dan 1536 piksel pada ukuran tinggi, atau berisi 2048x1536 = 3145728 piksel (atau 3,1 Megapixels).
  29. 29. RESOLUSI CITRA 30 Resolusi citra biasanya dinyatakan dalam satuan piksel-piksel. Semakin tinggi resolusi sebuah citra, semakin baik kualitas citra tersebut. Semakin tinggi resolusi menyebabkan semakin banyaknya jumlah bit untuk menyimpan dan mentransmisikan data citra tersebut  resolusi spasial dan resolusi kecemerlangan, kedua faktor tersebut mempengaruhi pada kualitas informasi citra  Resolusi spasial: mengenai halus / kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinue ke citra digital melalui proses sampling. Hasil sampling adalah jumlah baris 256 dan jumlah kolom 256 - resolusi spasial 256 x 256.  Resolusi kecemerlangan (intensitas / brightness): mengenai halus / kasarnya pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat kontinu menjadi intensitas diskrit disebut kuantisasi. Bila intensitas piksel berkisar antara 0 dan 255 - resolusi kecemerlangan citra adalah 256.
  30. 30. Kedalaman Bit (1) 31  Kedalaman Bit menyatakan jumlah bit yang diperlukan untuk merepresentasikan tiap piksel citra pada sebuah frame. Kedalaman bit biasanya dinyatakan dalam satuan bit/ piksel. Semakin banyak jumlah bit yang digunakan untuk merepresentasikan sebuah citra, maka semakin baik kualitas citra tersebut  Kedalaman bit menunjukan jumlah komponen warna unik yang tersedia dalam palet warna gambar.  Untuk gambar grayscale, kedalaman bit mengkuantifikasi jumlah warna unik yang tersedia. Gambar dengan kedalaman bit yang
  31. 31. Kedalaman Bit (2) 32  Setiap piksel warna dalam sebuah image digital terbentuk dalam beberapa kombinasi warna primer: merah, hijau, dan biru.  Kedalaman Bit dapat dinyatakan dalam - Bit per channel - Bit per pixel  Kedalaman bit untuk setiap warna primer adalah disebut "bit per channel."  Sedangkan "bit per pixel" (bpp) mengacu pada jumlah bit dalam semua tiga jalur warna dan mewakili warna total yang tersedia pada setiap pixel.
  32. 32. Contoh 33  Gambar berwarna kamera digital umumnya memiliki 8-bit per channel Hal ini memungkinkan untuk 28 atau 256 kombinasi yang berbeda untuk setiap warna dasar---Bit per channel  Ketika semua tiga warna primer digabungkan pada setiap pixel, ini memungkinkan untuk sebanyak 28 * 3 atau 16.777.216 warna yang berbeda, Hal ini disebut sebagai 24 bit per pixel karena setiap pixel terdiri dari tiga saluran 8-bit warna.  Jumlah warna yang tersedia untuk setiap gambar X-bit hanya 2X jika X mengacu pada bit per pixel dan 23X jika X mengacu pada bit per channel
  33. 33. 34
  34. 34. Kedalaman Bit :8 bit bpp 35
  35. 35. Kedalaman Bit 16 bpp 36
  36. 36. Kedalaman bit 24 bit bpp 37
  37. 37. Pengalamatan Gambar 38  8 bit adalah standard gambar greyscale  Sebuah gambar dengan ukuran W x H dapat disimpan dengan memory  Suatu block terdiri dari W x H bytes  Penyimpanan pixel ditinjau dari koordinat [x][y]  Lokasi memory location base + x +W. y  Contoh :
  38. 38. ScanAlyze  Parameter untuk mengetahui alamat suatu piksel  Dibagi atas kolom dan baris between rows and columns of grids  Ditentukan grid  Letak piksel terhadap seluruh citra Addressing (I) 39  Struktur dasar dari citra harus diketahui
  39. 39. TEKNOLOGI PENGOLAHAN CITRA
  40. 40. Teknologi Pengolahan Citra 41  Transformasi  Sampling  Segmentasi: klasifikasi piksel apakah menjadi latar/gambar muka
  41. 41. 1. Transformasi: Matriks Transformasi Gambar 2 D 42
  42. 42. PersamaanTransformasi Gambar 2 D 43
  43. 43. 44
  44. 44. Latihan 45 Gambar dan hitunglah hasil transformasi representasi biner untuk di atas jika dilakukan rotasi (0,90o)
  45. 45. 2.Sampling Citra 46  Proses pengambilan gambar pada kamera adalah mekanisme penangkapan besaran intensitas cahaya pada sejumlah titik, yang sangat dipengaruhi resolusi sebuah kamera. Proses pengambilan titik- titik ini dinamakan dengan sampling
  46. 46. Resolusi Sampling 47
  47. 47. 3. Segmentasi citra 48 Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.
  48. 48. Metode Segmentasi 49 1. Lingkaran permanen 2. Lingkaran Adaptive 3. Bentuk geometris Adaptive 4. Histogram
  49. 49. Aplikasi untuk segmentasi 50
  50. 50. Lingkaran Permanen 51  Lingkaran permanen dengan diameter tetap
  51. 51. Lingkaran Adaptive 52  Diameter membuat lingkaran tiap titik terbagi  Masalah muncul jika terjadi deformasi menjadi elips
  52. 52. Bentuk Geometri Adaptive 53 Bermula dari suatu titik mengarah pada bentuk geometris
  53. 53. Teknik Histogram 54  histogram itu didefinisikan sebagai sebuah bentuk visual dari tabulated frequencies, dan biasa digambarkan dalam bentuk bar.  Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu dari citra.  Dalam histogram citra akan didapatkan frekuensi relative dari intensitas pada citra yang menunjukkan kecerahan (brigthness) dan kontras  Histogram sebagai alat bantu dalam pengolahan citra secara kualitatif maupun kuantitatif.  Histogram terdiri atas sekumpulan bilangan yang menjelaskan presentase pixel dalam citra dengan warna tertentu.
  54. 54. Pembuatan Histogram 55 Jika suatu citra memiliki kedalaman warna atau derajat keabuan c dengan nilai 0 …c-1, dengan resolusi nxm, maka s adalah jumlah seluruh pixel atau nxm
  55. 55. 56 Bentuk histogram citra Citra gelap Citra terang Citra normal Citra normal, brightness dan contrast
  56. 56. 57 3 3 7 7 4 4 6 6 4 4 2 2 2 2 2 2 Ci Fi Hi 0 0 0 1 0 0 2 6 0,37 5 3 2 0,12 5 4 4 0,25 5 0 0 6 2 0,12 5 7 2 0,12 5 4 x 4 x 8 Ci = warna ke i Fi = frekuensi warna S = jumlah pixel (4x4= 16) Hi = Fi/S Diterjemahkan dalam histogram sbb:
  57. 57. 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 0 1 2 3 4 5 6 7 58 warna histogram
  58. 58. 59  The choice of background correction method has a larger impact on the log-intensity ratios than the segmentation method used  The morphological opening method provides a better estimate of background than other methods  Low within- and between-slide variability of the log2 R/G  Background adjustment has a larger impact on low intensity spots Spot, GenePix ScanAlyze M = log2 R/G A = log2 √(R•G)
  59. 59. PENGOLAHAN CITRA
  60. 60. Pengolahan Citra/Gambar 61 1. Perbaikan Kualitas Gambar (Image enhancement) 2.Pemugaran Gambar /Citra (Image restoration) 3.Rekonstruksi gambar (Image reconstruction) 4.Kompresi Gambar (Image Compression ) 5.Analisa Gambar ( Image analysis) 6.Format Gambar
  61. 61. 62 bertujuan untuk memperbaiki kualitas citra dengan memperbaiki parameter-parameter citra.. Contoh-contoh operasi perbaikan citra: a. perbaikan tingkat keterangan( brightness) b. perbaikan tepian objek (edge enhancement) c. peningkatan ketajaman (sharpening) d. pemberian warna semu (pseudocoloring) e. penapisan derau (noise filtering) 1. Perbaikan kualitas citra (image enhancement).
  62. 62. Contoh peningkatan ketajaman 63 Citra asli Citra hasil setelah ditajamkan bagian pinggirnya
  63. 63. 2. Pemugaran citra (image restoration). 64 Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Pada pemugaran citra penyebab degradasi kualitas gambar diketahui. Contoh-contoh operasi pemugaran citra: a. penghilangan kesamaran (deblurring). b. penghilangan derau (noise)
  64. 64. Contoh operasi penghilangan kesamaran 65 Citra asli yang blur Citra hasil setelah deblurring
  65. 65. 3. Rekonstruksi gambar (image reconstruction) 66 Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Pengolahan gambar ini banyak digunakan pada medik,penerbangan,pertambangan dll
  66. 66. 4. Kompresi Gambar (image compression). 67 bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Contoh : sebuah foto berwarna berukuran 3 inci x 4 inci diubah ke bentuk digital dengan tingkat resolusi sebesar 500 dot per inch (dpi), maka diperlukan 3 x 4 x 500 x 500 = 3.000.000 dot ( piksel). Pada gambar berwarna: tiap piksel terdiri dari 3 byte dimana masing-masing byte merepresentasikan warna merah, hijau, dan biru. Sehingga citra digital tersebut memerlukan volume penyimpanan sebesar 3.000.000 x 3 byte +1080 = 9.001.080 byte setelah ditambahkan jumlah byte yang diperlukan untuk menyimpan format (header) citra.
  67. 67. Tipe Kompresi Data 68  Tipe lossless: tidak menghilangkan informasi setelah proses kompresi terjadi, akibatnya kualitas citra hasil kompresi tidak menurun.  kompresi tipe lossy: kompresi dimana terdapat data yang hilang selama proses kompresi.
  68. 68. Contoh kompresi gambar 69
  69. 69. 5. Analisa Gambar (image analysis) 70  Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya.  Teknik ini melakukan ekstraksi ciri-ciri tertentu sebagai indikator objek. Proses segmentasi diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya.
  70. 70. Contoh-contoh operasi analisa Gambar: a. Pendeteksian tepi objek (edge detection) b. Ekstraksi batas (boundary) c. Representasi daerah (region) Gambar operasi pendeteksian tepi pada citra 71
  71. 71. 6. Format Gambar 72 header Baris awal… Baris akhir Format File Bitmap ( bmp); -Terdapat header : berisi informasi jumlah baris dan kolom citra,informasi palet/tata warna -Payload dalam bentuk baris angka
  72. 72. Berbagai Format File Gambar 73 Format File File ekstention Type of Image File Digunakan Windows Bitmap .bmp Bit Map Format paling efisien dalam windows GIF .gif Bitmap Graphics Interchange Format; banyak dipakai di internet JPEG .Jpg .jpeg Bitmap Joint Photographic Expert Group; merupakan platform yang independen TIFF .tif Bitmap Tagged Image File Format (TIFF); terlalu banyak subformat PNG .png Bitmap Portable Network Graphics
  73. 73. Aplikasi Pengolahan Citra dan Pengenalan 74 Di bawah ini disebutkan beberapa aplikasi dalam beberapa bidang [MEN89]. 1. Bidang perdagangan (a) Pembacaan kode batang (bar code) yang tertera pada barang (umumdigunakan di pasar swalayan/supermarket). (b) Mengenali huruf/angka pada suatu formulir secara otomatis. 2. Bidang militer (a) Mengenali sasaran peluru kendali mela lui sensor visual. (b) Mengidentifikasi jenis pesawat musuh. 3. Bidang kedokteran (a) Pengolahan citra sinar X untuk mammografi (deteksi kanker payudara) (b) NMR (Nuclear Magnetic Resonance) (c) Mendeteksi kelainan tubuh dari foto sinar X. (d) Rekonstruksi foto janin hasil USG 4. Bidang biologi Pengenalan jenis kromosom melalui gambar mikroskopik 5. Komunikasi data Pemampatan citra yang ditransmisi. 6. Hiburan Pemampatan video (MPEG) 7. Robotika Visualy-guided autonomous navigation 8. Pemetaan Klasifikasi penggunaan tanah melalui foto udara/LANDSAT 9. Geologi Mengenali jenis batu-batuan melalui foto udara/LANDSAT 10. Hukum (a) Pengenalan sidik jari (b) Pengenalan foto narapidana.

×