Citra dapat dianggap sebagai matrix dua atau tiga dimensi tergantung jumlah kanalnya (grayscale atau RGB). Citra dapat dibaca dan disimpan sebagai matrix, diekstrak kanalnya, dikonversi ke color space dan biner, dilakukan operasi seperti histogram dan morfologi. Matlab menyediakan berbagai fungsi untuk pengolahan citra digital.

1. Arif Hidayat [email_address] http://www.hidayat.web.id

2. Citra adalah Matrix Pada domain spasial, Citra adalah fungsi intensitas pada koordinat tertentu (x,y) sehingga citra bisa dianggap sebagai matrix dua dimensi atau matrix tiga dimensi pada citra yang memiliki lebih dari satu fungsi nilai (misal RGB)

3. Membaca Citra kita bisa membaca langsung citra dari file (.jpg,.gif,.png,.tiff) dan menyimpannya sebagai matrix perintahnya: x = imread(‘namafile’); hasilnya adalah matrix 2 dimensi bila grayscale atau 3 dimensi bila RGB

4. Matrix hasil RGB bila kita mambca citra RGB dengan ukuran width x height akan menghasilkan matrix tiga dimensi dengan jumlah baris:height dan jumlah kolom:width sejumlah 3

5. Ekstraksi R, G dan B lenna = imread('lenna.jpg'); r = lenna(:,:,1); g = lenna(:,:, 2 ); b = lenna(:,:, 3 );

6. Konversi ke Grayscale bisa dengan fungsi bawaan Matlab: gray = rgb2gray(lenna); bisa disesuaikan dengan konstanta sendiri: gray2 = .3*r + .2*g + .5*b;

7. Pseudocoloring Gambar grayscale bisa kita buat seoalh2 berwarna dengan pesudo color Pseudocoloring dengan colormap contoh: figure, imshow(r), colormap(jet) , colorbar

8. Pseudocoloring

9. Domain Frekuensi Pada Domain freukensi, citra dinyatakan sebagai kombinasi dari gelombang penyusun dengan frekuensi berbeda beberapa fungsi untuk domain frekuensi fft fft2 dct dct2

10. Fast Fourier Transform f = fft2( double(lenna) ); f 2 = log(abs( f )); imshow(f2(:,:,2),[1 20]); colormap(jet); colorbar

11. Konversi ke Color space lain Selain RGB pada pengolahan citra terdapat berbagai color space YCbCr HSV IND NTSC Matlab menyediakan fungsi konversi ini

12. Konversi ke Citra Biner citra biner adalah citra yang hanya direpresentasikan nilai tiap pixelnya dalam satu bit (satu nilai binary) nilai pixel 0 berati hitam nilai pixel1 berarti putih Konversi dilakukan dengan thresholding pada citra grayscale threshold bisa dihitung atau sembarang nilai pixel dibawah threshold jadi 0 nilai pixel diatas threshold jadi 1

13. Konversi ke Citra Biner im = imread(‘japan.png’); imgray = rgb2gray(im); thresh = graythresh(imgray); imbw = im2bw(imgray, thresh); figure, imshow(imbw);

14. Operasi Citra

15. Histogram membuat histogram dari frekuensi nilai pixel citra figure, imhist(r);

16. Histogram Equalisation melakukan peningkatan kontras pada citra dengan pengaturan histogram re = histeq(r);

17. Morphological Image Processing adalah pengolahan citra yang berhubungan dengan bentuk dan struktur contohnya: dilasi erosi object counting

18. Structuring Element adalah matrix yang digunakan untuk MIP se = strel(‘bentuk’, ukuran) Contoh: se1 = strel('square',11) % 11-by-11 square se2 = strel('line',10,45) % line, length 10, angle 45 degrees se3 = strel('disk',15) % disk, radius 15 se4 = strel('ball',15,5) % ball, radius 15, height 5

19. Dilasi imdil = imdilate(imbw,se);

20. Erosi imer = imerode(imbw,se)

21. Object Counting menghitung jumlah object berdasar konektifitas tertentu bisa 4-conn atau 8-conn [labeled,numObjects] = bwlabel( im bw,4); misal pada ‘japan.png’ ada 20 object

22. Labeling Object variabel lebeled tadi adalah citra binary yang sudah dilabeli tiap object berdasarkan konektivitasnya kita bisa menampilkannya dengan pseudocolor dengan label warna berbeda per object im label = label2rgb(labeled, @spring, 'c', 'shuffle');

23. Labeling Object