img

1. Materi ke 3
STIKOM Artha Buana

2. Spatial Filtering

3. Spatial Filtering
• 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 1

4. Perhitungannya
• Bila h(m,n) adalah filter 3x3:
• Maka:
Output citra
STIKOM Artha Buana 2

5. STIKOM Artha Buana
80 80 23 80 80 80 90 80 80 0 80 80 90 80
80 80 23 80 80 80 90 80 80 0 80 80 90 80
80 80 23 80 80 80 90 80 80 0 80 80 90 80
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
1 2
0 38 8 90 8 8
8 8 8 23 8 8 8 90 8 8
4 5
0 68 8 90 8 8
8 8 8 23 8 8 8 90 8 8
7 8
0 98 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 80
80 80

6. Yang Perlu Diingat
•
•
STIKOM Artha Buana 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
–
–

7. Lowpass Spatial Filtering (LPS)
•
•
•
•
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 4

8. Beberapa Contoh Hasil
• Beberapa contoh hasil Lowpass Spatial Filtering…
STIKOM Artha Buana 5

9. Highpass Spatial Filtering (HPS)
• Disebut sebagai sharpening mask, karena mempercepat
pergantian batas gelap-terang
Filter memiliki nilai positif di tengah, negatif di pinggir, dan total
bobot harus 0.
•
•
STIKOM Artha Buana 6
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

10. Conto Hasil
• Contoh hasil Highpass Spatial Filtering…
STIKOM Artha Buana 7

11. High-boost Filtering
• 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 8

12. Median Filter sebelumnya adalah linier filtering
•
•
Digunakan untuk menghilangkan noise
Menggunakan nilai tengah dari pixel-pixel yang tertutup filter
6 7 6 6 6
6 6 6 6 6
6 6 8 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 9

13. Contoh Hasil
• Contoh hasil median filter 3x3 Ada efek garis tepi hilang, karena putih diluar gambar
paling banyak, sehingga hitam dianggap noise
STIKOM Artha Buana 10

14. Contoh hasil lagi
• Contoh hasil median filter 6x6 dan 8x8
STIKOM Artha Buana 11

15. Prewitt Filter
• Untuk edge detection
STIKOM Artha Buana 12

16. Sobel Filter
• Untuk edge detection
STIKOM Artha Buana 13