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.
Materi ke 3
STIKOM Artha Buana
Spatial Filtering
Spatial Filtering
1
• Didasarkan pada konsep filtering di frequency domain
(akan dijelaskan pada kesempatan mendatang)
• T...
Perhitungannya
2
• Bila h(m,n) adalah filter 3x3:
• Maka:
Output citra
STIKOM Artha Buana
STIKOM Artha Buana
12 23 23 23 23 22 34 34 34 34 0 0 0 0 0 0
8 8 8 23 8 8 8 90 8 8 0 8 8 90 8 8
8 8 8 23 8 8 8 90 8 8 0 8 ...
Yang Perlu Diingat
3
• Gunakan citra baru untuk menampung hasil perhitungan
• Selalu gunakan nilai dari citra asli untuk i...
Lowpass Spatial Filtering (LPS)
4
• Untuk menghaluskan citra
• Didasarkan pada perata-rataan nilai pixel dengan tetangga
•...
Beberapa Contoh Hasil
5
• Beberapa contoh hasil Lowpass Spatial Filtering…
STIKOM Artha Buana
Highpass Spatial Filtering (HPS)
6
• Disebut sebagai sharpening mask, karena mempercepat
pergantian batas gelap-terang
• F...
Conto Hasil
7
• Contoh hasil Highpass Spatial Filtering…
STIKOM Artha Buana
High-boost Filtering
8
• Highboost filter menggunakan rumus:
g(m,n) = A f(m,n) - lowpass( f(m,n) )
= (A-1) f(m,n) + highpa...
Median Filter sebelumnya adalah linier filtering
9
• Digunakan untuk menghilangkan noise
• Menggunakan nilai tengah dari p...
Contoh Hasil
10
• Contoh hasil median filter 3x3 Ada efek garis tepi hilang, karena putih diluar gambar
paling banyak, seh...
Contoh hasil lagi
11
• Contoh hasil median filter 6x6 dan 8x8
STIKOM Artha Buana
Prewitt Filter
12
• Untuk edge detection
STIKOM Artha Buana
Sobel Filter
13
• Untuk edge detection
STIKOM Artha Buana
Upcoming SlideShare
Loading in …5
×

Pertemuan 3 - Digital Image Processing - Spatial Filtering - Citra Digital

3,383 views

Published on

Filtering in digital image processing study

Published in: Education, Technology, Design
  • Be the first to comment

Pertemuan 3 - Digital Image Processing - Spatial Filtering - Citra Digital

  1. 1. Materi ke 3 STIKOM Artha Buana
  2. 2. Spatial Filtering
  3. 3. Spatial Filtering 1 • Didasarkan pada konsep filtering di frequency domain (akan dijelaskan pada kesempatan mendatang) • Terdapat dua jenis spatial filtering: – Linear Filtering • Lowpass, highpass, bandpass – Non-Linear Filtering • Median, maximum, minimum, mean, dll • Secara umum perhitungan dilakukan dengan menggunakan sliding window. Yaitu: filter yang berupa matrix nxn akan digeser posisinya sampai pusat filter mengenai semua pixel. Pusat filter akan diposisikan pada pixel yang sedang diproses STIKOM Artha Buana
  4. 4. Perhitungannya 2 • Bila h(m,n) adalah filter 3x3: • Maka: Output citra STIKOM Artha Buana
  5. 5. STIKOM Artha Buana 12 23 23 23 23 22 34 34 34 34 0 0 0 0 0 0 8 8 8 23 8 8 8 90 8 8 0 8 8 90 8 8 8 8 8 23 8 8 8 90 8 8 0 8 8 90 8 8 8 8 8 23 8 8 8 90 8 8 0 8 8 90 8 8 8 8 8 23 8 8 8 90 8 8 0 8 8 90 8 8 8 8 8 23 8 8 8 90 8 8 0 8 8 90 8 8 0 0 0 23 0 0 0 90 0 0 0 0 0 90 0 0 23 23 23 23 23 23 23 90 23 23 0 23 23 90 23 23 23 23 23 23 23 23 23 90 23 23 0 23 23 90 23 23 23 23 23 23 23 23 23 90 23 23 0 23 23 90 23 23 0 0 0 23 0 0 0 90 0 0 0 0 0 90 0 0 80 80 80 23 80 80 80 90 80 80 0 80 80 90 80 80 80 80 80 23 80 80 80 90 80 80 0 80 80 90 80 80 80 80 80 23 80 80 80 90 80 80 0 80 80 90 80 80 1 2 3 4 5 6 7 8 9
  6. 6. Yang Perlu Diingat 3 • Gunakan citra baru untuk menampung hasil perhitungan • Selalu gunakan nilai dari citra asli untuk input (bukan nilai pixel hasil perhitungan sebelumnya) • Bila filter sampai pada pinggir citra, terdapat beberapa pilihan: – Biarkan pixel di pinggir tanpa diproses – Perlebar citra, pixel di pinggir diisi perulangan nilai pixel pada pinggir tersebut – Perlebar citra, pixel di pinggir diisi konstanta tertentu – Perlebar citra dengan melakukan image warping dibungkus (dengan memberikan konstanta tertentu) atau image averaging STIKOM Artha Buana
  7. 7. Lowpass Spatial Filtering (LPS) 4 • Untuk menghaluskan citra • Didasarkan pada perata-rataan nilai pixel dengan tetangga • Bobot filter selalu positif yang totalnya bernilai 1 • Contoh beberapa filternya adalah: Nilai filter boleh dikarang sendiri STIKOM Artha Buana
  8. 8. Beberapa Contoh Hasil 5 • Beberapa contoh hasil Lowpass Spatial Filtering… STIKOM Artha Buana
  9. 9. Highpass Spatial Filtering (HPS) 6 • Disebut sebagai sharpening mask, karena mempercepat pergantian batas gelap-terang • Filter memiliki nilai positif di tengah, negatif di pinggir, dan total bobot harus 0. • Hasil highpass filtering adalah selisih antara citra asli dengan citra yang telah mengalami lowpass filtering: g(m,n) = f(m,n) – lowpass( f(m,n) ) Jumlah pixel (3x3) = 9 STIKOM Artha Buana
  10. 10. Conto Hasil 7 • Contoh hasil Highpass Spatial Filtering… STIKOM Artha Buana
  11. 11. High-boost Filtering 8 • Highboost filter menggunakan rumus: g(m,n) = A f(m,n) - lowpass( f(m,n) ) = (A-1) f(m,n) + highpass( f(m,n) ) • Bila A>1 maka filter ini akan menjumlahkan hasil highpass ke citra asli • Hasilnya adalah citra yang lebih tajam pinggirnya STIKOM Artha Buana
  12. 12. Median Filter sebelumnya adalah linier filtering 9 • Digunakan untuk menghilangkan noise • Menggunakan nilai tengah dari pixel-pixel yang tertutup filter 6 7 6 6 6 6 6 8 6 6 6 6 6 6 6 6 6 6 6 6 6 3 6 6 6 6 6 6 6 6 6 6 7 8 Median sebagai nilai pengganti STIKOM Artha Buana
  13. 13. Contoh Hasil 10 • Contoh hasil median filter 3x3 Ada efek garis tepi hilang, karena putih diluar gambar paling banyak, sehingga hitam dianggap noise STIKOM Artha Buana
  14. 14. Contoh hasil lagi 11 • Contoh hasil median filter 6x6 dan 8x8 STIKOM Artha Buana
  15. 15. Prewitt Filter 12 • Untuk edge detection STIKOM Artha Buana
  16. 16. Sobel Filter 13 • Untuk edge detection STIKOM Artha Buana

×