Metode perbaikan kualitas citra dalam ranah spasial meliputi pencerahan citra, menegatifkan citra, peregangan kontras, koreksi gamma, graylevel slicing, dan pelembutan citra. Metode-metode tersebut memanipulasi nilai pixel secara langsung untuk meningkatkan kualitas citra dengan cara mengubah kecerahan, menonjolkan rentang keabuan tertentu, atau melembutkan tepi."
Teks tersebut membahas tentang perbaikan kualitas citra melalui beberapa teknik seperti pengubahan kecerahan gambar, peregangan kontras, dan perataan histogram. Teknik-teknik tersebut bertujuan untuk memperbaiki kualitas citra agar ciri-ciri tertentu dalam citra lebih jelas terlihat.
Metode perbaikan kualitas citra dalam ranah spasial meliputi pencerahan citra, menegatifkan citra, peregangan kontras, koreksi gamma, graylevel slicing, dan pelembutan citra. Metode-metode tersebut memanipulasi nilai pixel secara langsung untuk meningkatkan kualitas citra dengan cara mengubah kecerahan, menonjolkan rentang keabuan tertentu, atau melembutkan tepi."
Teks tersebut membahas tentang perbaikan kualitas citra melalui beberapa teknik seperti pengubahan kecerahan gambar, peregangan kontras, dan perataan histogram. Teknik-teknik tersebut bertujuan untuk memperbaiki kualitas citra agar ciri-ciri tertentu dalam citra lebih jelas terlihat.
Bab 2 membahas pengenalan dasar citra digital, termasuk representasi citra digital melalui piksel, kuantisasi citra, kualitas citra, cara membaca dan menampilkan citra, serta jenis citra.
Di dalam pengolahan citra, sebuah citra sering dilakukan proses penapisan (image filtering) untuk memperoleh citra sesuai dengan tujuan yang diinginkan.
Dokumen tersebut membahas proses digitalisasi citra yang meliputi penerokan (sampling), kuantisasi, dan representasi citra digital. Proses ini diperlukan agar citra dapat diolah oleh komputer. Penerokan berupa diskritisasi spasial citra kontinu menjadi pixel, sedangkan kuantisasi mengkonversi intensitas cahaya menjadi nilai diskrit. Hasil akhirnya adalah citra digital berupa matriks yang merepresentasikan intensitas setiap pixel.
1. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2011 membahas pendeteksian obyek menggunakan pengolahan warna model normalisasi RGB.
2. Metode ini mudah, cepat, dan efektif untuk mendeteksi obyek seperti bola sepak berwarna oranye dengan menghitung persentase warna RGB.
3. Metode ini mampu mendeteksi obyek walaupun terdapat perubahan intensitas cahaya hingga nilai brightness 80.
Dokumen tersebut membahas proses pembentukan dan digitalisasi citra, dimulai dari model matematis citra sebagai fungsi intensitas cahaya pada bidang dua dimensi, kemudian proses akuisisi citra menjadi citra digital melalui penerokan dan kuantisasi, serta representasi citra digital sebagai matriks nilai intensitas piksel. Dokumen juga menjelaskan beberapa teknik kuantisasi seperti uniform mapping dan logarithmic mapping.
Dokumen tersebut membahas tentang pengantar pengolahan citra digital yang mencakup definisi citra, jenis citra, tujuan dan teknik pengolahan citra seperti perbaikan kualitas, pemugaran, pemampatan, segmentasi, analisis dan rekonstruksi citra beserta contoh aplikasinya dalam berbagai bidang.
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 teknik-teknik peningkatan citra digital (image enhancement) yang meliputi operasi titik (point operation), operasi mask, operasi transformasi, dan operasi warna (coloring operation). Beberapa teknik yang dijelaskan antara lain negatif citra, pengaturan kontras, pemotongan tingkat abu-abu, pengurangan noise dengan rata-rata citra, serta pengaturan histogram untuk memperbaiki kontras citra.
Bab 8 membahas pendeteksian tepi pada citra digital. Tepi merupakan perubahan intensitas yang mendadak di antara dua daerah dan berguna untuk proses segmentasi dan identifikasi objek. Beberapa teknik pendeteksian tepi diantaranya menggunakan operator gradien pertama dan operator Sobel. Operator gradien menghitung turunan intensitas sedangkan operator Sobel menggunakan mask konvolusi untuk mendeteksi tepi.
Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk menghasilkan keputusan tunggal/crisp saat defuzzyfikasi, penggunaannya tergantung dari domain masalah yang terjadi
Estetika Humanisme Diskusi Modul Part Ke-7.pdfHendroGunawan8
Anger management adalah belajar mengenali tanda-tanda pada diri saat marah dan mengambil tindakan yang “sehat” dalam meluapkan kemarahan.
Secara sederhana, dapat diartikan bahwa anger management adalah mengendalikan rasa marah, bukan mencegah atau menahan rasa marah.
More Related Content
Similar to Pengolahan Citra Diskusi Pertemuan Ke-7.pdf
Bab 2 membahas pengenalan dasar citra digital, termasuk representasi citra digital melalui piksel, kuantisasi citra, kualitas citra, cara membaca dan menampilkan citra, serta jenis citra.
Di dalam pengolahan citra, sebuah citra sering dilakukan proses penapisan (image filtering) untuk memperoleh citra sesuai dengan tujuan yang diinginkan.
Dokumen tersebut membahas proses digitalisasi citra yang meliputi penerokan (sampling), kuantisasi, dan representasi citra digital. Proses ini diperlukan agar citra dapat diolah oleh komputer. Penerokan berupa diskritisasi spasial citra kontinu menjadi pixel, sedangkan kuantisasi mengkonversi intensitas cahaya menjadi nilai diskrit. Hasil akhirnya adalah citra digital berupa matriks yang merepresentasikan intensitas setiap pixel.
1. Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2011 membahas pendeteksian obyek menggunakan pengolahan warna model normalisasi RGB.
2. Metode ini mudah, cepat, dan efektif untuk mendeteksi obyek seperti bola sepak berwarna oranye dengan menghitung persentase warna RGB.
3. Metode ini mampu mendeteksi obyek walaupun terdapat perubahan intensitas cahaya hingga nilai brightness 80.
Dokumen tersebut membahas proses pembentukan dan digitalisasi citra, dimulai dari model matematis citra sebagai fungsi intensitas cahaya pada bidang dua dimensi, kemudian proses akuisisi citra menjadi citra digital melalui penerokan dan kuantisasi, serta representasi citra digital sebagai matriks nilai intensitas piksel. Dokumen juga menjelaskan beberapa teknik kuantisasi seperti uniform mapping dan logarithmic mapping.
Dokumen tersebut membahas tentang pengantar pengolahan citra digital yang mencakup definisi citra, jenis citra, tujuan dan teknik pengolahan citra seperti perbaikan kualitas, pemugaran, pemampatan, segmentasi, analisis dan rekonstruksi citra beserta contoh aplikasinya dalam berbagai bidang.
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 teknik-teknik peningkatan citra digital (image enhancement) yang meliputi operasi titik (point operation), operasi mask, operasi transformasi, dan operasi warna (coloring operation). Beberapa teknik yang dijelaskan antara lain negatif citra, pengaturan kontras, pemotongan tingkat abu-abu, pengurangan noise dengan rata-rata citra, serta pengaturan histogram untuk memperbaiki kontras citra.
Bab 8 membahas pendeteksian tepi pada citra digital. Tepi merupakan perubahan intensitas yang mendadak di antara dua daerah dan berguna untuk proses segmentasi dan identifikasi objek. Beberapa teknik pendeteksian tepi diantaranya menggunakan operator gradien pertama dan operator Sobel. Operator gradien menghitung turunan intensitas sedangkan operator Sobel menggunakan mask konvolusi untuk mendeteksi tepi.
Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk menghasilkan keputusan tunggal/crisp saat defuzzyfikasi, penggunaannya tergantung dari domain masalah yang terjadi
Estetika Humanisme Diskusi Modul Part Ke-7.pdfHendroGunawan8
Anger management adalah belajar mengenali tanda-tanda pada diri saat marah dan mengambil tindakan yang “sehat” dalam meluapkan kemarahan.
Secara sederhana, dapat diartikan bahwa anger management adalah mengendalikan rasa marah, bukan mencegah atau menahan rasa marah.
Estetika Humanisme Diskusi Video Sesi Ke-7.pdfHendroGunawan8
Anger Management adalah suatu kemampuan atau teknik untuk melakukan tindakan mengatur pikiran, perasaan, nafsu amarah dengan cara yang tepat dan posistif serta dapat diterima di lingkungan, sehingga dapat mencegah sesuatu yang buruk atau merugikan diri sendiri dan orang lain.
Jaringan VOIP Ringkasan Modul Pertemuan Ke-6.pdfHendroGunawan8
Cisco Unified Communications (UC) adalah sistem komunikasi berbasis IP yang mengintegrasikan produk dan aplikasi suara, video, data, dan mobilitas. Ini memungkinkan komunikasi yang lebih efektif dan aman dan dapat mengubah cara kita berkomunikasi
Diskusi Modul Sistem Pakar Sesi Ke-6 - Salin.pdfHendroGunawan8
Metode Fuzzy Mamdani merupakan salah satu bagian dari Fuzzy Inference System yang berguna untuk penarikan kesimpulan atau suatu keputusan terbaik dalam permasalahan yang tidak pasti
Mindfulness adalah sikap berkesadaran penuh akan peristiwa yang sedang dijalani saat ini, dengan penuh perhatian, memiliki tujuan yang jelas, dan tanpa menghakimi.
Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia ke dalam suatu sistem. Banyak alasan mengapa penggunaan logika Fuzzy ini sering dipergunakan antara lain, konsep logika Fuzzy yang mirip dengan konsep berpikir manusia. Sistem Fuzzy dapat merepresentasikan pengetahuan manusia ke dalam bentuk matematis dengan lebih menyerupai cara berpikir manusia ke dalam bentuk matematis. Selain itu, informasi berupa pengetahuan dan pengalaman mempunyai peranan penting dalam mengenali perilaku sistem di dunia nyata.
Kecerdasan emosional (Emotional Intelligence ) merupakan konsep baru yang dikembangkan oleh Daniel Goleman dalam karyanya pada tahun 1995 berjudul “Emotional Intelligence”.
Diskusi PPT Sistem Pakar Sesi Ke-4 Simple Naïve Bayesian Classifier .pdfHendroGunawan8
Simple Naïve Bayesian Classifier merupakan salah satu metode pengklasifikasi berpeluang sederhana yang berdasarkan pada penerapan Teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen).
Workshop "CSR & Community Development (ISO 26000)"_di BALI, 26-28 Juni 2024Kanaidi ken
Dlm wktu dekat, Pelatihan/WORKSHOP ”CSR/TJSL & Community Development (ISO 26000)” akn diselenggarakan di Swiss-BelHotel – BALI (26-28 Juni 2024)...
Dgn materi yg mupuni & Narasumber yg kompeten...akn banyak manfaat dan keuntungan yg didpt mengikuti Pelatihan menarik ini.
Boleh jga info ini👆 utk dishare_kan lgi kpda tmn2 lain/sanak keluarga yg sekiranya membutuhkan training tsb.
Smga Bermanfaat
Thanks Ken Kanaidi
Teori Fungsionalisme Kulturalisasi Talcott Parsons (Dosen Pengampu : Khoirin ...nasrudienaulia
Dalam teori fungsionalisme kulturalisasi Talcott Parsons, konsep struktur sosial sangat erat hubungannya dengan kulturalisasi. Struktur sosial merujuk pada pola-pola hubungan sosial yang terorganisir dalam masyarakat, termasuk hierarki, peran, dan institusi yang mengatur interaksi antara individu. Hubungan antara konsep struktur sosial dan kulturalisasi dapat dijelaskan sebagai berikut:
1. Pola Interaksi Sosial: Struktur sosial menentukan pola interaksi sosial antara individu dalam masyarakat. Pola-pola ini dipengaruhi oleh norma-norma budaya yang diinternalisasi oleh anggota masyarakat melalui proses sosialisasi. Dengan demikian, struktur sosial dan kulturalisasi saling memengaruhi dalam membentuk cara individu berinteraksi dan berperilaku.
2. Distribusi Kekuasaan dan Otoritas: Struktur sosial menentukan distribusi kekuasaan dan otoritas dalam masyarakat. Nilai-nilai budaya yang dianut oleh masyarakat juga memengaruhi bagaimana kekuasaan dan otoritas didistribusikan dalam struktur sosial. Kulturalisasi memainkan peran dalam melegitimasi sistem kekuasaan yang ada melalui nilai-nilai yang dianut oleh masyarakat.
3. Fungsi Sosial: Struktur sosial dan kulturalisasi saling terkait dalam menjalankan fungsi-fungsi sosial dalam masyarakat. Nilai-nilai budaya dan norma-norma yang terinternalisasi membentuk dasar bagi pelaksanaan fungsi-fungsi sosial yang diperlukan untuk menjaga keseimbangan dan stabilitas dalam masyarakat.
Dengan demikian, konsep struktur sosial dalam teori fungsionalisme kulturalisasi Parsons tidak dapat dipisahkan dari kulturalisasi karena keduanya saling berinteraksi dan saling memengaruhi dalam membentuk pola-pola hubungan sosial, distribusi kekuasaan, dan pelaksanaan fungsi-fungsi sosial dalam masyarakat.
Ppt landasan pendidikan Pai 9 _20240604_231000_0000.pdffadlurrahman260903
Ppt landasan pendidikan tentang pendidikan seumur hidup.
Prodi pendidikan agama Islam
Fakultas tarbiyah dan ilmu keguruan
Universitas Islam negeri syekh Ali Hasan Ahmad addary Padangsidimpuan
Pendidikan sepanjang hayat atau pendidikan seumur hidup adalah sebuah system konsepkonsep pendidikan yang menerangkan keseluruhan peristiwa-peristiwa kegiatan belajarmengajar yang berlangsung dalam keseluruhan kehidupan manusia. Pendidikan sepanjang
hayat memandang jauh ke depan, berusaha untuk menghasilkan manusia dan masyarakat yang
baru, merupakan suatu proyek masyarakat yang sangat besar. Pendidikan sepanjang hayat
merupakan asas pendidikan yang cocok bagi orang-orang yang hidup dalam dunia
transformasi dan informasi, yaitu masyarakat modern. Manusia harus lebih bisa menyesuaikan
dirinya secara terus menerus dengan situasi yang baru.
Paper ini bertujuan untuk menganalisis pencemaran udara akibat pabrik aspal. Analisis ini akan fokus pada emisi udara yang dihasilkan oleh pabrik aspal, dampak kesehatan dan lingkungan dari emisi tersebut, dan upaya yang dapat dilakukan untuk mengurangi pencemaran udara
Modul Ajar Bahasa Inggris Kelas 10 Fase E Kurikulum MerdekaFathan Emran
Modul Ajar Bahasa Inggris Kelas 10 SMA/MA Fase E Kurikulum Merdeka - abdiera.com. Modul Ajar Bahasa Inggris Kelas 10 SMA/MA Fase E Kurikulum Merdeka. Modul Ajar Bahasa Inggris Kelas 10 SMA/MA Fase E Kurikulum Merdeka.
ATP Kimia Fase E Kelas X bisa deigunakan ditahun ajaran 2024/2025
Pengolahan Citra Diskusi Pertemuan Ke-7.pdf
1. 1
Modul Pengolahan Citra Pertemuan Ke-7
Nama : Hendro Gunawan
NIM : 200401072103
Kelas : IT-801
7. Image Enhancement
• Image enhancement = perbaikan kualitas citra.
• Tujuan: memperoleh citra yang lebih sesuai digunakan untuk aplikasi lebih lanjut )+(misal:
mengenali objek di dalam citra).
• Merupakan suatu proses awal dalam pengolahan citra (preprocesing)
• Mengapa memerlukan image enhancement?
- Citra mengandung derau (noise).
- Citra terlalu terang/gelap, citra kurang tajam, kabur (blur)
- Cacat saat akuisisi citra.
• Lensa: object blurring atau background blurring.
• Objek bergerak kamera bergerak: motion blurring.
- Distorsi geometrik disebabkan oleh lensa atau sudut pengambilan.
Gambar 7.1. cacat saat akuisisi citra
Gambar 7.2. Dark face image for recognition and blur vehicle plate number.
2. 2
• Berdasarkan ranah (domain) operasinya, metode-metode untuk perbaikan kualitas citra dapat
dikelompokkan menjadi dua kategori:
1. Image enhancement dalam ranah spasial.
2. Image enhancement dalam ranah frekuensi.
• Spatial Domain
• Frequency Domain (misalnya menggunakan Fourier Transform).
• Metode-metode image enhancement dalam ranah spasial dilakukan dengan memanipulasi secara
langsung pixel-pixel di dalam citra.
• Metode-metode image enhancement dalam ranah frekuensi dilakukan dengan mengubah citra
terlebih dahulu dari ranah spasial ke ranah frekuensi, baru kemudian memanipulasi nilai-nilai
frekuens tersebut.
• Masing-masing ranah operasi digunakan untuk tujuan spesifik, karena tidak semua perbaikan citra
dapat dilakukan dalam ranah spasial.
• Materi di dalam PPT ini membahas metode-metode image enhancement dalam ranah spasial
terlebih dahulu.
7.1. Metode dalam Ranah Spasial
• Misalkan:
• f(x,y): citra input
• g(x,y): citra output
• T adalah operator terhadap f
• Metode pemrosesan citra dalam ranah spasial dinyatakan sebagai:
𝒈(𝒙, 𝒚) = 𝑻[ 𝒇(𝒙, 𝒚)]
• T bisa beroperasi pada satu pixel, sekelompok pixel bertetangga, atau keseluruhan pixel di dalan
citra.
• Jadi, metode dalam ranah spasial dapat dilakukan pada aras titik (pixel), aras lokal, dan aras global.
3. 3
Aras lokal
Aras lokal
Aras global
Gambar 7.3. Metode dalam Ranah Spasial.
Proses-proses yang termasuk ke dalam perbaikan kualitas citra:
1. Pengubahan kecerahan gambar (image brightening).
2. Citra negatif (image negatives).
3. Peregangan kontras (contrast stretching).
4. Pengubahan histogram citra.
5. Pelembutan citra (image smoothing).
6. Penajaman (sharpening) tepi (edge).
7. Pewarnaan semu (pseudocolouring).
8. Pengubahan geometrik
9. Dll.
g(x,y) = T[f(x,y)]
T operates on
entire of pixels
Aras global
4. 4
7.2. Pemrosesan dalam aras titik
• g(x,y)=T[ f(x,y)]
• T hanya beroperasi pada satu pixel.
• T adalah fungsi transformasi nilai grayscale, sehingga ditulis:
𝑠 = 𝑇 (𝑟)
Gambar 7.4. L = 256: pada citra grayscale 8-bit.
r : variabel yang menyatakan nilai grayscale f(x,y).
s : variabel yang menyatakan nilai grayscale g(x,y).
Contoh-contoh image enhancement dalam aras titik:
1. Mencerahkan citra (image brightening).
2. Menegatifkan citra (image negatives).
3. Peregangan kontras (contras stretching).
4. Gamma correction.
5. Dll.
7.3. Pencerahan Citra (image brightening)
• Kecerahan citra dapat diperbaiki dengan menambahkan/mengurangkan sebuah konstanta kepada
(atau dari) setiap pixel, atau mengalikan sebuah konstanta ke setiap pixel.
𝑟 = 𝑠 + 𝑏
• Jika b positif, kecerahan citra bertambah,
Jika b negatif kecerahan citra berkurang.
• Perlu operasi clipping jika nilai r + b berada di bawah nilai intensitas minimum atau di atas nilai
intensitas maksimum:
- Jika r + b > 255, maka s = 255
- Jika r + b < 0, maka s = 0
5. 5
Gambar 7.5. Kiri: citra Zelda (agak gelap); kanan: citra Zelda setelah operasi pencerahan citra, b =
100.
• Operasi pencerahan yang lain adalah menggunakan rumus:
𝑟 = 𝑎𝑠 + 𝑏
a dan b adalah konstanta.
Gambar 7.6. Peningkatan citra dalam domain spasial
7.4. Menegatifkan Citra (Image Negatives).
• Seperti film negatif pada fotografi.
• Misalkan citra memiliki L derajat keabuan
• Caranya: kurangi nilai intensitas pixel dari nilai keabuan maksimum (L-1)
𝑠 = (𝐿 − 1) − 𝑟
Contoh pada citra grayscale 8-bit: s = 255 – r
6. 6
Gambar 7.7. Menegatifkan citra.
• Sebagai proses image enhancement, menegatifkan citra bermanfaat bila area hitam sangat
dominan di dalam citra, misalnya foto sinar-X dan citra mammografi.
Gambar 7.8. Citra Mammografi.
7. 7
Gambar 7.9. Citra negatif pada foto sinar X-ray.
• Menegatifkan citra adalah salah satu transformasi linier. Selain transformasi linier, terdapat tiga
fungsi transformasi dasar keabuan:
Gambar 7.8. Beberapa fungsi transformasi tingkat abu-abu dasar yang digunakan untuk
peningkatan gambar.
1. Fungsi linear
• Transformasi negative dan transformasi identitas.
2. Fungsi logaritma
• Transformasi log dan inverse-log.
3. Fungsi pangkat
• Transformasi pangkat n dan transformasi akar pangkat n.
a) Transformasi Identitas
• Nilai keabuan citra output sama dengan keabuan citra input.
• Dimasukkan ke dalam grafik hanya untuk melengkapi.
8. 8
Gambar 7.9. Beberapa fungsi transformasi tingkat abu-abu dasar yang digunakan untuk
peningkatan gambar.
b) Transformasi Log
• Fungsi
𝑠 = 𝑐 log(1 + 𝑟)
• Transformasi log memiliki sifat:
1. Untuk citra yang memiliki rentang yang sempit untuk nilai-nilai keabuan yang rendah
(gelap), dipetakkan menjadi rentang yang lebih luas pada citra luaran.
2. Untuk citra yang memiliki rentang yang lebar untuk nilai-nilai keabuan yang tinggi (terang),
dipetakkan menjadi rentang yang lebih sempit pada citra luaran.
• Pada transformasi log balikan (inverse), yang terjadi adalah kebalikannya.
9. 9
Gambar 7.10. Transformasi log.
Application:
• Transformasi ini cocok untuk kasus ketika rentang dinamis gambar yang diproses jauh melebihi
kemampuan perangkat tampilan (misalnya tampilan spektrum Fourier gambar).
• Juga disebut "kompresi / ekspansi rentang dinamis”
Gambar 7.11. Spektrum Fourier dengan nilai rentang 0 sampai 1,5 x 106
berskala linier.
c) Transformasi Pangkat
• Fungsi pangkat:
𝑠 = 𝑐𝑟𝛾
• c dan 𝛾 adalah konstanta positif.
10. 10
Gambar 7.12. Plot persamaan 𝑠 = 𝑐𝑟𝛾
untuk berbagai nilai 𝛾 (c = 1 dalam semua kasus )
Hukum pangkat (power-law):
Untuk 𝛾 < 1: Mengekspansi nilai-nilai pixel gelap, mengurangi nilai-nilai pixel terang.
Untuk 𝛾 < 1: Mengurangi nilai-nilai pixel gelap, mengekspansi nilai-nilai pixel terang.
Jika 𝛾 = 1 & c = 1: transformasi identitas (s = r).
Beberapa devais (image capture, printing, display) melakukan respon berdasarkan hukum-hukum dan
perlu dikoreksi.
7.5. Gamma (𝜸) Correction
Proses yang digunakan untuk mengoreksi fenomena hukum-pangkat.
Rincian:
12. 12
Gambar 7.13. Gamma (𝛾) correction
Grayscale Image
•Perangkat tabung sinar katoda (CRT) memiliki
respons intensitas ketegangan yang merupakan
fungsi daya, dengan 𝛾 bervariasi dari 1,8 hingga
2,5.
•Gambar akan menjadi lebih gelap.
•Koreksi gamma dilakukan dengan melakukan
preprocessing gambar sebelum memasukkannya
ke monitor dengan s = 𝒄𝒓 𝟏/𝜸
Gambar 7.13. (a) Gambar skala abu-abu Linear-wedge. (b) Respon monitor terhadap irisan linier. (c)
Baji yang dikoreksi gamma. (d) Output monitor.
13. 13
7.6. Perbaikan Kontras (Contrast Enhancement)
Gambar 7.13. (a) Nilai-nilai pixel < m diubah lebih gelap. Nilai-nilai pixel m diubah lebih terang Operasi
peregangan kontras (contrast stretching). (b) Nilai-nilai pixel < m diubah menjadi hitam. Nilai-nilai pixel
m diubah menjadi putih Operasi pengambangan (thresholding).
Gambar 7.14. Peregangan kontras dan pengambangan.
7.7. Peregangan Kontras (contrast stretching)
• Tujuan: meningkatkan rentang nilai-nilai keabuan untuk citra kontras-rendah (terentang dari 0
sampai 255 pada citra 8-bit).
Gambar 7.15. Peregangan kontras.
7.8. Citra Kontras Rendah
Citra kontras rendah dihasilkan dari:
- pencahayaan yang kurang
14. 14
- kekurangan pada rentang dinamis di dalam imaging sensor.
- Kesalahan setting lensa selama akuisisi gambar.
Gambar 7.16. Citra kontras rendah
• Lokasi (r1, s1) dan (r2,s2) menentukan bentuk fungsi transformasi.
• Jika r1 = s1 dan r2 = s2 maka transformasi adalah fungsi linier sehingga tidak menghasilkan
perubahan.
• Jika r1 = r2, s1 = 0 dan s2 = L-1, transformasi menjadi fungsi pengembangan yang menghasilkan
citra biner.
• Nilai-nilai di antara (r1, s1) dan (r1, s2) menghasilkan penyebaran nilai keabuan citra luaran.
• Umumnya diasumsikan r1 ≤ r2 dan s1 ≤ s2
Gambar 7.17. Jika r1 = s1 dan r2 = s2
Gambar 7.18. Jika r1 = r2, s1 = 0 dan s2 = L-1
15. 15
Gambar 7.19. Nilai-nilai di antara (r1,s1) dan (r2,s2) menghasilkan penyebaran nilai keabuan citra
luaran.
7.9. Algoritma Peregangan Kontras
Input: / (citra masukan), rmin dan rmax (nilai ambang)
Luaran: O (citra luaran)
1. Misalkan citra I memiliki 256 derajad keabuan (L=256).
2. Tentukan dua nilai ambang (a dan b). (a dan b menyatakan persentase, yaitu a% akan dinyatakan
sebagai pixel hitam dan antara 100%-b% sebagai pixel putih).
3. Cari batas bawah pengelompokan pixel dengan cara memindai (scan) histogram dari nilai keabuan
terkecil ke nilai keabuan terbesar (0 sampai 255) untuk menemukan pixel pertama yang melebihi
nilai ambang pertama yang telah dispesifikasikan.
4. Cari batas atas pengelompokan pixel dengan cara memindai histogram dari nilai keabuan tertinggi
ke nilai keabuan terendah (255 sampai 0) untuk menemukan pixel pertama yang lebih kecil dari
nilai ambang kedua yang dispesifikasikan.
5. Misalkan rmin adalah nilai keabuan terendah dari kelompok pixel, dan rmax adalah nilai keabuan
tertinggi dari kelompok pixel.
6. Pixel-pixel yang nilainya ≤ rmin di-set sama dengan 0, sedangkan pixel-pixel yang nilainya ≥ rmax
diset sama dengan 255. Jadi, (r1,s1) = (rmin, 0) dan (r2,s2) = (rmax, 255).
7. Pixel-pixel yang berada di antara rmin dan rmax dipetakan (diskalakan) secara proporsional untuk
memenuhi rentang nilai-nilai keabuan yang lengkap (0 sampai 255), misalnya dengan persamaan:
𝑠 =
𝑟 − 𝑟𝑚𝑎𝑥
𝑟𝑚𝑖𝑛 − 𝑟𝑚𝑎𝑥
𝑥 255
Contoh:
(r1, s1) = (rmin, 0) dan (r2, s2) = (rmax, L-1)
16. 16
Gambar 7.20. Contoh peregangan kontras.
Contoh:
Jika r1 = r2 = m, maka hasilnya sama dengan operasi pengembangan, menghasilkan citra biner, seperti
pada gambar d.
Gambar 7.21. Peregangan kontras.(a) Bentuk fungsi transformasi (b) Gambar kontras rendah. (c) Hasil
peregangan kontras. (d) Hasil ambang batas (thresholding).
Gambar 7.22. Image enhancement in spatial domain.
Peregangan kontras juga dapat dilakukan dengan rumus berikut:
a b c d
17. 17
Gambar 7.23. Peregangan kontras.
Atau menggunakan rumus clipping berikut:
Gambar 7.24. Peregangan kontras.
7.10. Gray-Level Slicing
• Tujuan: menonjolkan (highlight) rentang keabuan tertentu di dalam citra.
• Contoh: menonjolkan gumpalan air yang ada pada citra satelit, menonjolkan cacat yang ada pada
citra sinar X.
• Dua pendekatan di dalam graylevel slicing:
18. 18
Gambar 7.25. Dua pendekatan di dalam graylevel slicing.
1. Menampilkan lebih terang semua graylevel di dalam rentang yang ingin ditonjolkan, dan
menampilkan lebih gelap semua graylevel lainnya (‘discard background’).
2. Menampilkan lebih terang semua graylevel di dalam rentang yang ingin ditonjolkan, sembari tetap
mempertahankan graylevel lainnya (‘preserve background’).
Gambar 7.26. (a) Transformasi ini menyoroti rentang [A, B] tingkat abu-abu dan mengurangi
semua yang lain ke tingkat yang konstan. (b) Transformasi ini menyoroti rentang [A, B] tetapi
mempertahankan semua level lainnya. (c) Gambar. (d) Hasil penggunaan transformasi dalam
(a).
clear all ; clc;
[filename, pathname] = uigetfile('*.tif'); im
= imread([pathname filename]); z=double(im);
[row,col]=size(z); for i=1:1:row for
j=1:1:col
if ((z(i,j)>142)) && (z(i,j)<250)
z(i,j)=255; else z(i,j)=im(i,j);
end end end figure(1); %-----------Original Image---
----------% imshow(im);
figure(2); %-----------Gray Level Slicing With Background-------------%
imshow(uint8(z));
19. 19
7.11. Intensity Level Slicing (Example)
Gambar 7.27. Intensity Level Slicing.
Gambar 7.28. Intensity Level Slicing.
clear all ; clc;
[filename, pathname] = uigetfile('*.tif'); im
= imread([pathname filename]); z=double(im);
[row,col]=size(z); for i=1:1:row for
j=1:1:col
if ((z(i,j)>142)) && (z(i,j)<250)
z(i,j)=255; else z(i,j)=0;
end end end figure(1); %-----------Original Image---
----------% imshow(im);
figure(2); %-----------Gray Level Slicing With Background-------------%
imshow(uint8(z));
20. 20
Gambar 7.29. Intensity Level Slicing.
7.12. Bit-Plane Slicing
• Tujuan: menonjolkan kontribusi dari bit tertentu di dalam citra.
• Misalkan satu pixel = 8 bit. Bit-bit tersusun dari kiri ke kanan dalam urutan yang kurang berarti (least
significant bits atau LSB) hingga bit-bit yang berarti (most significant bits atau MSB).
• Susunan bit pada setiap byte adalah b7 b6 b5 b4 b3 b2 b1 b0.
Contoh:
11010010
Gambar 7.30. Jika setiap bit dari setiap pixel diambil, maka diperoleh 8 buah bidang (bit-
plane).
MSB LSB
21. 21
Contoh:
Gambar 7.31. Gambar fractal 8-bit. (Fraktal adalah gambar yang dihasilkan dari ekspresi matematis).
Gambar 7.32. Bidang 8 bit gambar
Bit-plane 7 Bit-plane 6
Bitplane
5
Bitplane
4
Bitplane
3
Bitplane
2
Bitplane
1
Bitplane
0
Gambar 7.33. Angka di bagian bawah, kanan setiap gambar mengidentifikasi bidang bit.
22. 22
Gambar 7. 34. Gambar fractal 8 bit
Referensi
[1] Syahid Abdullah, S. M. (2024, Mei 18). Pengolahan Citra Pertemuan 7.pdf. Diambil kembali dari
Edlink Universitas Siber Asia: https://edlink.id/panel/classes/733659. Diakses pada tanggal 19
Mei 2024.
Link File