Materi ke 3
STIKOM Artha Buana
Spatial Filtering
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
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 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
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
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
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
• 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
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) + 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
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
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
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

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

  • 1.
    Materi ke 3 STIKOMArtha Buana
  • 2.
  • 3.
    Spatial Filtering 1 • Didasarkanpada 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.
    Perhitungannya 2 • Bila h(m,n)adalah filter 3x3: • Maka: Output citra STIKOM Artha Buana
  • 5.
    STIKOM Artha Buana 1223 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.
    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.
    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.
    Beberapa Contoh Hasil 5 •Beberapa contoh hasil Lowpass Spatial Filtering… STIKOM Artha Buana
  • 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.
    Conto Hasil 7 • Contohhasil Highpass Spatial Filtering… STIKOM Artha Buana
  • 11.
    High-boost Filtering 8 • Highboostfilter 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.
    Median Filter sebelumnyaadalah 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.
    Contoh Hasil 10 • Contohhasil median filter 3x3 Ada efek garis tepi hilang, karena putih diluar gambar paling banyak, sehingga hitam dianggap noise STIKOM Artha Buana
  • 14.
    Contoh hasil lagi 11 •Contoh hasil median filter 6x6 dan 8x8 STIKOM Artha Buana
  • 15.
    Prewitt Filter 12 • Untukedge detection STIKOM Artha Buana
  • 16.
    Sobel Filter 13 • Untukedge detection STIKOM Artha Buana