Dokumen tersebut membahas tentang pengertian citra digital, komponen-komponen citra digital seperti piksel, warna, resolusi, dan kedalaman bit. Juga dibahas teknologi pengolahan citra seperti transformasi, sampling, dan segmentasi citra.
This is the basic introductory presentation for beginners. It gives you the idea about what is image processing means. The presentation consists of introduction to digital image processing, image enhancement, image filtering, finding an image edge, image analysis, tools for image processing and finally some application of digital image processing.
introduction to Digital Image Processingnikesh gadare
The document provides an overview of the key concepts and stages involved in digital image processing. It discusses image acquisition, preprocessing such as enhancement and restoration, and post-processing which includes tasks like segmentation, description and recognition. The goal is to introduce fundamental concepts and classical methods of digital image processing. Various applications are also highlighted including medical imaging, surveillance, and industrial inspection.
Dokumen ini membahas tentang pengolahan citra digital dan pengenalan pola, termasuk teknik-teknik pengolahan citra seperti perbaikan kualitas, pemampatan, segmentasi, dan analisis citra. Karakteristik citra seperti kecerahan, kontras, kontur, warna, bentuk dan tekstur juga dijelaskan. Proses akhir pengolahan citra meliputi digitalisasi citra, penyimpanan, dan tampilan citra.
Dokumen tersebut membahas tentang pengertian citra digital, komponen-komponen citra digital seperti piksel, warna, resolusi, dan kedalaman bit. Juga dibahas teknologi pengolahan citra seperti transformasi, sampling, dan segmentasi citra.
This is the basic introductory presentation for beginners. It gives you the idea about what is image processing means. The presentation consists of introduction to digital image processing, image enhancement, image filtering, finding an image edge, image analysis, tools for image processing and finally some application of digital image processing.
introduction to Digital Image Processingnikesh gadare
The document provides an overview of the key concepts and stages involved in digital image processing. It discusses image acquisition, preprocessing such as enhancement and restoration, and post-processing which includes tasks like segmentation, description and recognition. The goal is to introduce fundamental concepts and classical methods of digital image processing. Various applications are also highlighted including medical imaging, surveillance, and industrial inspection.
Dokumen ini membahas tentang pengolahan citra digital dan pengenalan pola, termasuk teknik-teknik pengolahan citra seperti perbaikan kualitas, pemampatan, segmentasi, dan analisis citra. Karakteristik citra seperti kecerahan, kontras, kontur, warna, bentuk dan tekstur juga dijelaskan. Proses akhir pengolahan citra meliputi digitalisasi citra, penyimpanan, dan tampilan citra.
Image processing9 segmentation(pointslinesedges)John Williams
This document discusses image segmentation and edge detection techniques in digital image processing. It begins by defining image segmentation as partitioning image pixels into groups that correlate with objects. It then examines methods for detecting points, lines, and edges as discontinuities, including using masks and derivatives. Common edge detectors like Sobel, Prewitt, and Laplacian of Gaussian are presented. Edge detection is shown to be sensitive to noise, so smoothing images first can improve results. The document provides examples throughout to demonstrate segmentation and edge detection.
The document discusses various techniques for image segmentation including discontinuity-based approaches, similarity-based approaches, thresholding methods, region-based segmentation using region growing and region splitting/merging. Key techniques covered include edge detection using gradient operators, the Hough transform for edge linking, optimal thresholding, and split-and-merge segmentation using quadtrees.
The document discusses key concepts in digital image fundamentals including:
1. The electromagnetic spectrum and how light attributes like intensity and luminance are measured.
2. How digital images are acquired through image sensing and sampling/quantization.
3. Methods for representing digital images through matrices and binary values, and how resolution affects gray-level detail.
4. Digital zooming techniques like nearest neighbor, bilinear, and bicubic interpolation that control blurring and edge effects.
5. Concepts like pixel adjacency, connectivity, and distance measures between pixels.
This document discusses various intensity transformation and spatial filtering techniques for digital image enhancement. It covers single pixel operations like negative image and contrast stretching. It also discusses neighborhood operations such as averaging and median filters. Finally, it discusses geometric spatial transformations like scaling, rotation and translation. The document provides details on basic intensity transformation functions including log, power law, and piecewise linear transformations. It also covers histogram processing techniques like histogram equalization, matching and local histogram processing. Spatial filtering and its mechanics are explained.
This document discusses spatial filtering methods for image processing. It defines spatial filtering as applying an operation within a neighborhood of pixels. Filters are classified as low-pass, high-pass, band-pass or band-reject depending on which frequencies they preserve or reject. Common linear spatial filtering methods are correlation and convolution. Smoothing filters like averaging and Gaussian blur reduce noise, while sharpening filters like unsharp masking and derivatives emphasize edges to enhance details.
Noise in images can take various forms and have different sources. Gaussian noise follows a normal distribution and looks like subtle color variations, while salt and pepper noise completely replaces some pixel values with maximum or minimum values. Mean, median, and trimmed filters are commonly used to reduce noise. Mean filters average pixel values within a window, but can blur details. Median filters replace the center pixel with the median value in the window, which is effective for salt and pepper noise while retaining details better than mean filters. Adaptive filters vary the window size to better target noise without excessive blurring.
The document discusses the Laplacian of Gaussian (LoG) filter and how it can be used for edge detection and blob detection in images. The LoG filter applies a Gaussian blur to smooth the image, then takes the Laplacian to find zero-crossings, which indicate edges. It can also detect blobs by finding local extrema (maxima and minima) in the LoG filtered image. The scale of blobs detected depends on the sigma value used for the Gaussian blur. So the LoG filter acts as a band-pass filter, suppressing high and low frequencies to detect objects of a particular scale in the image.
Dokumen tersebut membahas pengolahan citra digital dengan menggunakan MATLAB. Terdapat penjelasan mengenai teori citra digital, format file citra, dan berbagai fungsi MATLAB untuk membaca, menampilkan, dan mengolah citra digital seperti konversi warna, filtering, dan transformasi Fourier diskrit."
Spatial domain filtering involves modifying an image by applying a filter or kernel to pixels within a neighborhood region. There are two main types of spatial filters - smoothing/low-pass filters which blur an image, and sharpening/high-pass filters which enhance edges and details. Smoothing filters replace each pixel value with the average of neighboring pixels, reducing noise. Sharpening filters use derivatives of Gaussian kernels to highlight areas of rapid intensity change, increasing contrast along edges. The effects of filtering depend on the size and shape of the kernel, with larger kernels producing more blurring or sharpening.
Dokumen tersebut membahas tentang pembentukan citra digital, meliputi proses penerokan dan kuantisasi citra kontinyu menjadi citra diskrit, serta unsur-unsur yang membentuk citra digital seperti derajat keabuan, kontur, warna, bentuk dan tekstur.
This document discusses region-based image segmentation techniques. It introduces region growing, which groups similar pixels into larger regions starting from seed points. Region splitting and merging are also covered, where splitting starts with the whole image as one region and splits non-homogeneous regions, while merging combines similar adjacent regions. The advantages of these methods are that they can correctly separate regions with the same properties and provide clear edge segmentation, while the disadvantages include being computationally expensive and sensitive to noise.
1. A mask is a small matrix used in image filtering with weighted values that is placed over an image.
2. Convolution involves multiplying the image pixel values with the mask weights and summing to produce an output value, while cross-correlation measures similarity between images without flipping the mask.
3. Common filters include mean, Gaussian, and median filters for smoothing/noise reduction, and sharpening filters that emphasize fine details by computing intensity differences locally.
This presentation introduces image restoration by three group members. It defines image restoration as attempting to reverse degradation processes to restore degraded images. A general degradation model is shown where an original image is blurred and noise is added. Common noise sources in digital images are discussed along with noise models like salt and pepper, Gaussian, and uniform noise. Filtering techniques are presented for removing different types of noise like mean, median, and Gaussian filtering. Examples of images with salt and pepper and Gaussian noise are provided.
This document describes a morphological region filling algorithm. It begins with a binary image X containing a single seed point p set to 1, while all other points are 0. The algorithm then repeatedly dilates X, takes the complement, and intersects with the boundary pixels of the object A until convergence. The final filled region is the union of A and the converged X, containing both the filled interior and original boundary. An example implementation fills holes in a binary coin image by applying this algorithm.
This document discusses digital image processing and spatial filtering. It begins by explaining that spatial filtering operates on neighborhoods of pixels rather than individual pixels. It then provides examples of simple neighborhood operations like minimum, maximum, and median filters. It also shows how spatial filtering can be expressed as an equation. The document goes on to explain smoothing spatial filters, which average pixel values in a neighborhood. It provides an example of a 3x3 averaging filter and shows how it is applied to each pixel. Finally, it discusses weighted smoothing filters that give more importance to pixels closer to the center.
Presentation on Digital Image ProcessingSalim Hosen
Digital image processing is the use of a digital computer to process digital images through an algorithm. As a subcategory or field of digital signal processing, digital image processing has many advantages over analog image processing.
Bab 1 membahas pengantar pengolahan citra digital, termasuk definisi citra dan pengolahan citra serta operasi-operasi pengolahan citra seperti perbaikan kualitas citra dan pemugaran citra."
Bidang Penginderaan Jarak Jauh membahas analisis citra satelit untuk memperoleh informasi sumber daya alam dan lingkungan serta aplikasinya seperti identifikasi kapal laut. Bidang Biometrika menggunakan citra wajah dan sidik jari untuk sistem identifikasi. Bidang Fotografi, Desain Visual, dan Volumetrik menerapkan pengolahan citra untuk berbagai bidang seperti astronomi, arsitektur, dan rekonstruksi citra 3D.
Image processing9 segmentation(pointslinesedges)John Williams
This document discusses image segmentation and edge detection techniques in digital image processing. It begins by defining image segmentation as partitioning image pixels into groups that correlate with objects. It then examines methods for detecting points, lines, and edges as discontinuities, including using masks and derivatives. Common edge detectors like Sobel, Prewitt, and Laplacian of Gaussian are presented. Edge detection is shown to be sensitive to noise, so smoothing images first can improve results. The document provides examples throughout to demonstrate segmentation and edge detection.
The document discusses various techniques for image segmentation including discontinuity-based approaches, similarity-based approaches, thresholding methods, region-based segmentation using region growing and region splitting/merging. Key techniques covered include edge detection using gradient operators, the Hough transform for edge linking, optimal thresholding, and split-and-merge segmentation using quadtrees.
The document discusses key concepts in digital image fundamentals including:
1. The electromagnetic spectrum and how light attributes like intensity and luminance are measured.
2. How digital images are acquired through image sensing and sampling/quantization.
3. Methods for representing digital images through matrices and binary values, and how resolution affects gray-level detail.
4. Digital zooming techniques like nearest neighbor, bilinear, and bicubic interpolation that control blurring and edge effects.
5. Concepts like pixel adjacency, connectivity, and distance measures between pixels.
This document discusses various intensity transformation and spatial filtering techniques for digital image enhancement. It covers single pixel operations like negative image and contrast stretching. It also discusses neighborhood operations such as averaging and median filters. Finally, it discusses geometric spatial transformations like scaling, rotation and translation. The document provides details on basic intensity transformation functions including log, power law, and piecewise linear transformations. It also covers histogram processing techniques like histogram equalization, matching and local histogram processing. Spatial filtering and its mechanics are explained.
This document discusses spatial filtering methods for image processing. It defines spatial filtering as applying an operation within a neighborhood of pixels. Filters are classified as low-pass, high-pass, band-pass or band-reject depending on which frequencies they preserve or reject. Common linear spatial filtering methods are correlation and convolution. Smoothing filters like averaging and Gaussian blur reduce noise, while sharpening filters like unsharp masking and derivatives emphasize edges to enhance details.
Noise in images can take various forms and have different sources. Gaussian noise follows a normal distribution and looks like subtle color variations, while salt and pepper noise completely replaces some pixel values with maximum or minimum values. Mean, median, and trimmed filters are commonly used to reduce noise. Mean filters average pixel values within a window, but can blur details. Median filters replace the center pixel with the median value in the window, which is effective for salt and pepper noise while retaining details better than mean filters. Adaptive filters vary the window size to better target noise without excessive blurring.
The document discusses the Laplacian of Gaussian (LoG) filter and how it can be used for edge detection and blob detection in images. The LoG filter applies a Gaussian blur to smooth the image, then takes the Laplacian to find zero-crossings, which indicate edges. It can also detect blobs by finding local extrema (maxima and minima) in the LoG filtered image. The scale of blobs detected depends on the sigma value used for the Gaussian blur. So the LoG filter acts as a band-pass filter, suppressing high and low frequencies to detect objects of a particular scale in the image.
Dokumen tersebut membahas pengolahan citra digital dengan menggunakan MATLAB. Terdapat penjelasan mengenai teori citra digital, format file citra, dan berbagai fungsi MATLAB untuk membaca, menampilkan, dan mengolah citra digital seperti konversi warna, filtering, dan transformasi Fourier diskrit."
Spatial domain filtering involves modifying an image by applying a filter or kernel to pixels within a neighborhood region. There are two main types of spatial filters - smoothing/low-pass filters which blur an image, and sharpening/high-pass filters which enhance edges and details. Smoothing filters replace each pixel value with the average of neighboring pixels, reducing noise. Sharpening filters use derivatives of Gaussian kernels to highlight areas of rapid intensity change, increasing contrast along edges. The effects of filtering depend on the size and shape of the kernel, with larger kernels producing more blurring or sharpening.
Dokumen tersebut membahas tentang pembentukan citra digital, meliputi proses penerokan dan kuantisasi citra kontinyu menjadi citra diskrit, serta unsur-unsur yang membentuk citra digital seperti derajat keabuan, kontur, warna, bentuk dan tekstur.
This document discusses region-based image segmentation techniques. It introduces region growing, which groups similar pixels into larger regions starting from seed points. Region splitting and merging are also covered, where splitting starts with the whole image as one region and splits non-homogeneous regions, while merging combines similar adjacent regions. The advantages of these methods are that they can correctly separate regions with the same properties and provide clear edge segmentation, while the disadvantages include being computationally expensive and sensitive to noise.
1. A mask is a small matrix used in image filtering with weighted values that is placed over an image.
2. Convolution involves multiplying the image pixel values with the mask weights and summing to produce an output value, while cross-correlation measures similarity between images without flipping the mask.
3. Common filters include mean, Gaussian, and median filters for smoothing/noise reduction, and sharpening filters that emphasize fine details by computing intensity differences locally.
This presentation introduces image restoration by three group members. It defines image restoration as attempting to reverse degradation processes to restore degraded images. A general degradation model is shown where an original image is blurred and noise is added. Common noise sources in digital images are discussed along with noise models like salt and pepper, Gaussian, and uniform noise. Filtering techniques are presented for removing different types of noise like mean, median, and Gaussian filtering. Examples of images with salt and pepper and Gaussian noise are provided.
This document describes a morphological region filling algorithm. It begins with a binary image X containing a single seed point p set to 1, while all other points are 0. The algorithm then repeatedly dilates X, takes the complement, and intersects with the boundary pixels of the object A until convergence. The final filled region is the union of A and the converged X, containing both the filled interior and original boundary. An example implementation fills holes in a binary coin image by applying this algorithm.
This document discusses digital image processing and spatial filtering. It begins by explaining that spatial filtering operates on neighborhoods of pixels rather than individual pixels. It then provides examples of simple neighborhood operations like minimum, maximum, and median filters. It also shows how spatial filtering can be expressed as an equation. The document goes on to explain smoothing spatial filters, which average pixel values in a neighborhood. It provides an example of a 3x3 averaging filter and shows how it is applied to each pixel. Finally, it discusses weighted smoothing filters that give more importance to pixels closer to the center.
Presentation on Digital Image ProcessingSalim Hosen
Digital image processing is the use of a digital computer to process digital images through an algorithm. As a subcategory or field of digital signal processing, digital image processing has many advantages over analog image processing.
Bab 1 membahas pengantar pengolahan citra digital, termasuk definisi citra dan pengolahan citra serta operasi-operasi pengolahan citra seperti perbaikan kualitas citra dan pemugaran citra."
Bidang Penginderaan Jarak Jauh membahas analisis citra satelit untuk memperoleh informasi sumber daya alam dan lingkungan serta aplikasinya seperti identifikasi kapal laut. Bidang Biometrika menggunakan citra wajah dan sidik jari untuk sistem identifikasi. Bidang Fotografi, Desain Visual, dan Volumetrik menerapkan pengolahan citra untuk berbagai bidang seperti astronomi, arsitektur, dan rekonstruksi citra 3D.
Transformasi citra adalah perubahan bentuk suatu citra melalui perubahan pixel atau domain citra. Citra dapat diubah ke domain frekuensi melalui transformasi Fourier. Citra yang ditransformasi dapat diperoleh kembali dengan transformasi balik. Perbaikan citra bertujuan meningkatkan kualitas citra dengan teknik seperti histogram dan filtering spasial atau domain frekuensi.
Dokumen tersebut membahas berbagai jenis citra digital seperti citra biner, grayscale, 8-bit color, 16-bit color, 24-bit color dan format-format file citra seperti BMP, TIFF, PNG, JPEG, GIF serta format-format PBM, PGM dan PPM."
Dokumen tersebut membahas tentang penginderaan jauh, yang merupakan ilmu dan teknologi untuk memperoleh informasi tentang objek, wilayah atau fenomena dengan menggunakan alat tanpa kontak langsung, dengan menjelaskan karakteristik radiasi elektromagnetik, spektrum elektromagnetik, sensor citra satelit, dan interaksi gelombang elektromagnetik dengan atmosfir dan target."
Penajaman dan interpretasi c itra menggunakan envi 5.1 Mega Yasma Adha
Laporan praktikum ini membahas tentang penajaman dan interpretasi citra menggunakan perangkat lunak ENVI 5.1. Terdapat pengenalan ENVI, proses interpretasi citra seperti deteksi, identifikasi, dan analisis, serta teknik penajaman citra dan metode interpretasi seperti fishing expedition dan logical search.
Dokumen tersebut membahas tentang radiografi digital yang meliputi:
1. Sistem digital terdiri dari receptor digital, pengolah gambar digital, penyimpanan gambar, dan tampilan monitor untuk mengolah dan menyimpan gambar radiografi secara digital.
2. Receptor digital menangkap sinar X dan menghasilkan gambar digital, menggantikan sistem film konvensional.
3. Sistem manajemen gambar mengontrol alur gambar di setiap komponen.
Makalah Penginderaan Jauh Kelautan - Citra Penginderaan Jauh (Resolusi Rendah...Luhur Moekti Prayogo
Makalah ini membahas tiga konsep utama yaitu: 1) cara membedakan citra resolusi spasial dan spektral, 2) konsep resolusi citra dalam penginderaan jauh, dan 3) jenis-jenis citra dalam penginderaan jauh. Resolusi spasial berkaitan dengan ukuran pixel sedangkan resolusi spektral berkaitan dengan jumlah kanal. Makalah ini juga menjelaskan proses pan sharpening untuk meningkatkan resolusi spasial cit
Dokumen tersebut membahas tentang pengolahan citra digital. Secara khusus, dibahas tentang pembentukan citra kontinu dan digital, proses digitalisasi citra melalui penerokan dan kuantisasi, serta efek dari perbedaan resolusi citra akibat penerokan dengan ukuran pixel yang berbeda.
Dokumen tersebut membahas tentang citra digital, dimana citra digital dapat didefinisikan sebagai fungsi dua variabel dimana variabel tersebut merupakan koordinat spasial dan nilainya merupakan intensitas citra pada koordinat tersebut. Citra digital dihasilkan dari proses digitalisasi citra analog melalui sampling dan kuantisasi.
Dokumen ini membahas beberapa teknik pencitraan khusus seperti Modulation Transfer Function untuk mengukur resolusi gambar, line pair gauge dan line spread function untuk menganalisis respon frekuensi dan tepi gambar, serta signal-to-noise ratio untuk mengukur kualitas gambar. Selain itu juga membahas teknik morfologi citra, computed tomography, backprojection, dan filtered backprojection."
Vision merupakan aplikasi komputer yang dapat digunakan untuk berbagai tugas seperti navigasi robot, manufaktur, analisis citra satelit, pemrosesan citra medis, dan lainnya. Vision bertujuan mengubah citra menjadi informasi yang lebih berguna melalui teknik seperti pengenalan pola, pemahaman citra, dan interpretasi citra tingkat rendah dan tinggi. Beberapa tantangan pengolahan citra adalah informasi yang hilang saat merekam objek 3
Warna dari sebuah obyek dipengaruhi oleh interaksi antara cahaya dan material obyek, serta sistem penglihatan manusia. Beberapa faktor yang mempengaruhi warna antara lain pemantulan, penyerapan, dan pembelokan cahaya oleh material obyek, serta sensitivitas reseptor mata manusia terhadap panjang gelombang cahaya. Representasi warna dalam ruang warna seperti RGB dan CIE XYZ memungkinkan standarisasi persepsi warna.
Penginderaan jauh atau Remote sensing Penginderaan Jauh Satelit (Spaceborne S...sriputri16
Penginderaan jauh atau Remote sensing merupakan cara untuk memperoleh, mengolah, dan menganalisis data tentang suatu objek dipermukaan bumi untuk mengetahui karakteristik objek tanpa melakukan kontak langsung dengan objek tersebut
Penginderaan jauh adalah ilmu dan teknologi untuk memperoleh informasi tentang objek, wilayah atau fenomena tanpa kontak langsung menggunakan alat. Dokumen ini menjelaskan prinsip dasar penginderaan jauh termasuk spektrum elektromagnetik, interaksi gelombang dengan atmosfer dan target, sumber energi, dan jenis sensor. Metode interpretasi visual dan klasifikasi citra dijital juga diuraikan.
Dokumen tersebut membahas tentang perancangan dengan pemakaian ulang dimana komponen perangkat lunak dapat dipakai ulang untuk meningkatkan efisiensi pengembangan. Ada dua pendekatan pemakaian ulang yaitu berbasis komponen dan berbasis generator, dimana generator memungkinkan pengetahuan yang dapat dipakai ulang ditangkap dalam sistem generator program. Pemakaian ulang produk komersial (COST) juga dibahas sebagai cara untuk memperoleh banyak fungsion
Sistem real-time merupakan sistem perangkat lunak yang harus merespons stimulus secara tepat waktu. Proses perancangan sistem real-time melibatkan identifikasi stimulus, batasan waktu tanggap, dan penjadwalan proses untuk memenuhi batasan tersebut. Bahasa pemrograman seperti C sering digunakan namun membutuhkan eksekutif khusus untuk mendukung konkurensi dan manajemen sumber daya.
Perancangan berorientasi objek melibatkan perancangan kelas objek dan hubungannya. Sistem terdiri dari objek-objek yang berinteraksi dengan menyediakan layanan dan bertukar informasi. Proses perancangan meliputi analisis, pengembangan model, dan pemrograman berorientasi objek.
Dokumen tersebut membahas perbedaan produk perangkat lunak dengan produk teknologi lain, persyaratan sistem dalam rekayasa perangkat lunak, proses prototipe RPL, dan proses rekayasa persyaratan perangkat lunak meliputi elisitasi, analisis, spesifikasi, validasi, dan dokumentasi persyaratan.
Dokumen tersebut membahas tentang komunikasi data yang merupakan bagian penting dari masyarakat informasi karena memungkinkan komputer berkomunikasi satu sama lain. Komunikasi data melibatkan pengirim, penerima, data, media pengiriman, dan protokol yang mengatur hubungan antara komponen tersebut. Protokol mendefinisikan aturan untuk mengirim dan menerima pesan sehingga komunikasi dapat berjalan dengan benar.
RPC memungkinkan akses prosedur jarak jauh dengan server menyediakan layanan prosedur remote dan client menghubungi server melalui socket. RPC menggunakan paradigma pemrograman prosedural dan mudah digunakan tetapi kurang fleksibel terhadap perubahan.
Dokumen tersebut membahas tentang model client server dimana server dapat memberikan layanan kepada client melalui jaringan. Server akan menerima permintaan dari client dan memberikan balasan berupa layanan yang diminta menggunakan socket. Ada dua model yaitu two-tier yang terdiri dari client dan server, serta three-tier yang menambahkan middle-tier antara antarmuka pengguna dan basis data.
File adalah kumpulan informasi yang tersimpan dalam storage sekunder. File memiliki atribut seperti nama, tipe, lokasi, ukuran, dan waktu pembuatan. Operasi pada file meliputi pembuatan, penulisan, pembacaan, penghapusan, dan pengaturan ulang posisi dalam file. File system menyediakan layanan file dan struktur direktori untuk mengorganisasi dan mengakses file.
2. Pengertian Citra Digital
Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan
computer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap
data 2 dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun komplek
yang direpresentasikan dengan deretan bit tertentu.
Cahaya (Light), Luminance, Brightness, dan Contrast
Cahaya merupakan radiasi elektromagnetik yang menstimulasi sistem penglihatan manusia. Cahaya
ditampilkan sebagai sebuah distribusi energy spectrum L( λ) di mana λ adalah panjang gelombang
cahaya yang dapat diterima oleh sistem penglihatan manusia. Panjang gelombang cahaya yang dapat
diterima mata adalah 350 hingga 780 nm. Dengan p(λ ) merupakan tingkat refleksi (pantulan) atau
tingkat transmisi (perambatan) dari objek dan L(λ ) adalah distribusi energi. Jangkauan iluminasi yang
dapat diterima oleh sistem penglihatan manusia adalah 1 hingga 1010 .
3. Retina mata manusia memiliki dua tipe penerima cahaya yang dinamakan rod dan cone.
Jumlah rod yang terdapat dalam mata mencapai 100 juta. Bentuk rod relatif panjang dan tipis. Rod
menghasilkan bentuk penglihatan scotopic yang merupakan respon visual dari ilmunisasi tingkat
rendah (pankat rendah). Rod berperan dalam mendapatkan citra keabuan.
Cone memiliki jumlah yang lebih sedikit dari rod. Jumlah cone memcapai 6.5 juta dengan
bentuk yang lebih pendek dan tebal dari rod. Sensitivitas cone yang lebih rendah bila dibandingkan
dengan rod. Cone menghasilkan bentuk penglihatan photopic yankni respon penglihatan dari
ilmunisasi tinggi (pangkat tinggi). Diantara daerah scotopic dan photopic cone dan rod berfungsi
beriringan dan menghasilkan penglihatan mesopic.
4. Ada tiga jenis cone yakni merah, hijau, dan biru yang masing-masing berfungsi
untuk mendapatkan atau menangkap informasi warna. Ketiga jenis tersebut memiliki
pigmen fotosensitif yang berbeda. Cone banyak terdapat di sekitar retina (fovea) dengan
tingkat kepadatan mencapai 120 cone per derajat. Kepadatan cone menurun dari radius 1o
di luar fovea. Letak fovea berada pada titik jatuhnya cahaya hasil proyeksi dari lensa mata.
Saraf mata memiliki koneksi langsung ke setiap cone dan rod. Sinyal dari cone
dan rod ditransmisikan melalui saraf mata ini. Hasil proyeksi pada retina bagian kanan
dari kedua mata akan ditransmisikan langsung ke otak kanan dan begitu juga pada hasil
proyeksi bagian bagian kiri yang akan ditransmisikan ke otak kiri. Hal ini memungkinan
kita tetap dapat melihat walaupun salah satu mata tidak berfungsi.
5. Fenomena Mach Bands
Sistem penglihatan cenderung menangkap nilai intensitas di sekitar batas berbeda.
Fenomena Kontras Simultan
Fenomena kedua adalah kontras simultan. Fenomena ini berhubungan dengan fakta bahwa tingkat
kecerahan tidak tergantung dan intensitas.
Ilusi Optis Geometris
Fenomena ilusi optis adalah ketika mata menerima informasi yang salah tentang sebuah objek
secara geometri.
6. Pembentukan Citra Digital
Pembentukan citra digital (diskrit) melalui beberapa tahapan, yaitu akuisisi citra, sampling dan
kuantisasi.
Akuisisi Citra
Proses akuisisi citra adalah pemetaan suatu pandangan (scene) menjadi citra kontinu dengan
menggunakan sensor. Ada beberapa macam sensor untuk akuisisi citra, yaitu sensor tunggal (single
sensor), sensor garis (sensor strip), dan sensor larik (sensor array).
Sensor Tunggal
Sensor tunggal yang paling familiar adalah photodiode. Photodiode terbentuk dari silicon yang
memiliki tegangan keluaran yang sebanding dengan cahaya. Untuk menciptakan citra 2 dimensi
dengan menggunakan sensor ini, harus ada proses pemindahan relatif di setiap sumbu x dan y antara
sensor dan objek.
7. Sensor Garis
Sensor garis melakukan pencitraan satu arah. Sensor ini berupa deretan sensor yang disatukan dalam satu
baris sehingga dapat melakukan akuisisi sumbu x secara bersamaan. Untuk mengakuisisi citra keseluruhan,
sensor digerakkan searah sumbu y sensor ini sering dijumpai dalam mesin scanner.
Sensor Larik
Sensor yang ketiga adalah sensor larik. Sensor jenis ini banyak sekali ditemukan dalam kamera digital.
Sensor ini berbentuk larik 2 dimensi. Sensor larik terdapat pada kamera digital disebut sensor CCD dengan
ukuran sensor yang rata-rata mencapai 4.000 x 4.000 elemen.
Sampling
Tahap berikutnya untuk pembentukan citra digital setelah citra kontinu terbentuk adalah proses sampling.
Proses sampling adalah proses digitasi pada kordinat x, y. seperti yang disebut diatas, hasil dari sensor
masih berupa citra kontinu yang merupakan fungsi kontinu f(x,y). fungsi tersebut merupakan sinyal kontinu
pada nilai x, y dan juga amplitudonya (intensitas). Nilai x dan y yang kontinu akan diubah menjadi bentuk
diskrit.
Kuantisasi
Proses kuantisasi adalah proses perubahan nilai amplitude kontinu menjadi nilai baru yang berupa nilai
diskrit. Nilai amplitudo yang yang dikuantisasi adalah nilai-nilai pada koordinat diskrit hasil proses
sampling.
8. Pixel dan Voxel
Setiap pixel mewakili tidak hanya satu titik dalam sebuah citra melainkan sebuah bagian berupa
kotak yang merupakan bagian terkecil (sel). Nilai dari sebuah pixel berupa haruslah dapat
menunjukkan nilai rata-rata yang sama untuk seluruh bagian dari sel tersebut.
Resolusi Citra
Resolusi citra merupakan tingkat detail suatu citra. Semakin tinggi resolusi citra maka akan
semakin tinggi pula tingkat detail dari citra tersebut. Satuan dalam pengukuran resolusi citra dapat
berupa ukuran fisik (jumlha garis per mm/jumlah garis per inchi) ataupun dapat juga berupa
ukuran citra menyeluruh (jumlah garis per tinggi citra). Resolusi sebuah citra dapat diukur dengan
berbagai cara sebagai berikut.
Resolusi pixel
Resolusi spasial
Resolusi spektral
Resolusi temporal
Resolusi radiometrik
Berikut ini adalah penjelasan dari masing-masing resolusi tersebut.
9. Resolusi Pixel
Resolusi pixel merupakan perhitungan jumlah pixel dalam sebuah citra digital.
Sebuah citra dengan tinggi N pixel dan lebar M pixel berarti memiliki resolusi M x N.
resolusi pixel akan memberikan dua buah angka integer yang secara berurutan akan
mewakili jumlah pixel lebar dan jumlah pixel tinggi dari citra tersebut.
Pengertian lainnya dari resolusi pixel adalah merupakan hasil perkalian jumlah pixel lebar
dan tingginya dan kemudian berbagi dengan 1 juta. Jenis resolusi pixel seperti ini serig kali
dijumpai dalam kamera digital. Suatu citra yang memiliki lebar 2.048 x tinggi 1.536 pixel
maka akan memiliki total pixel 2.048 x 1.536 = 3.145.728 pixel atau 3,1 mega pixel.
10. Resolusi Spasial
Resolusi spasial menunjukkan seberapa dekat jarak setiap garis pada citra. Jarak
tersebut tergantung dari sistem yang menciptakan citra tersebut. Resolusi spasial
menghasilkan jumlah pixel per satuan panjang. Resolusi spasial dari monitor komputer
adalah 72 hingga 100 garis per inchi atau resolusi pixel 72 hingga 100 ppi.
Resolusi Spektrum
Sebuah citra digital membedakan intensitas ke dalam beberapa specktrum. Citra multi
spectrum akan memberikan spectrum atau gelombang yang lebih baik yang akan
digunakan untuk menampilkan warna.
11. Resolusi Temporal
Resolusi temporal berkaitan dengan video. Suatu video merupakan kumpulan frame
statis yang berupa citra yang berurutan dan ditampilkan secara cepat. Resolusi temporal
memberikan jumlah frame yang akan ditampilkan setiap detik dengan satuan frame per
second (fps).
Resolusi Radiometrik
Resolusi ini memberikan nilai atau tingkat kehalusan citra yang dapat ditampilkan dan
biasanya ditampilkan dalam satuan bit contoh citra 8 bit dan citra 256 bit. Semakin
tinggi radimetrik ini maka semakin baik perbedaan intensitas yang ditampilkan.