PENGOLAHAN CITRA DIGITAL - StaffSite Pradnya Paramita

Report
PENGANTAR
PENGOLAHAN CITRA DIGITAL
Mahmud Yunus, S.Kom., M.Pd., M.T.
[email protected]
[email protected]
081-8538.101
Referensi
• Gonzalez, Rafael C., and Woods, Richard E., 1993, “Digital Image
•
•
•
•
•
•
Processing”, Addison-Wesley Publishing Company, Inc.
Sid-Ahmed, Maher A, 1995, “Image Processing :Theory, Algoritms and
Architectures”, McGraw Hill.Inc.
Schalkoff, Robert J., 1992, “Digital Image Processing and Computer Vision”,
JohnWiley & Son, NewYork
Abdul Kadir dan Adhi Susanto, “Pengolahan Citra Digital: Teori dan
Aplikasi”. Penerbit Andi.Yogyakarta.
T. Sutoyo dkk., 2009, “Teori Pengolahan Citra Digital”, Andi &
UDINUS,Yogyakarta.
Usman Ahmad, 2005, “Pengolahan Citra Digital Dan Teknik
Pemrogramannya”, Graha Ilmu,Yogyakarta.
Balza Achmad dan Kartika Firdausy, 2005, “Teknik Pengolahan Citra
Digital Menggunakan Delphi”, Ardi Publishing,Yogyakarta.
Pengantar
Tiga bidang yang berkaitan dengan Pemrosesan Citra Digital
1950 : Image Processing
1970 : Computer Graphics
1960 : Pattern Rocognition
1960 : Artificial Intelligence
1970 : Computer Vision
Dimana kita?
Display/Printing?
Computer
Vision?
Imaging?
Digital Image
Processing
Computer
Graphics?
Biological
Vision?
Apa yang bisa kita lakukan ?
Image Processing/
Manipulation
Digital Image
Processing
Image Analysis/
Interpretation
Image Coding/
Communication
Terminologi Level Pengolahan Citra
IMAGE PROCESSING
IMAGE  IMAGE
IMAGE ANALYSIS
IMAGE  MEASUREMENTS
IMAGE UNDERSTANDING
IMAGE  SYMBOLIC DESCRIPTION
COMPUTER GRAPHICS
SYMBOLIC DESCRIPTION  IMAGE
Application of Digital Image Processing (DIP);
 Astronomy
 Radiologi
 Ultrasonic Imaging
 Microscopy
 Remote Sensing
(a) CT Scan (Sumber:
http://www.dxhealthcorp.com)
 Meteorology
 Seismology
 Radar
 Internet
 Autonomous Navigation
 Etc.
(b) Contoh hasil CT Scan (Sumber:
http://www.thirdage.com/)
IMAGE PROCESSING vs. COMPUTER VISION
 Image Processing
 Research area within electrical engineering/signal processing
 Focus on syntax, low level features
image
image
 Computer Vision
 Research area within computer science/artificial intelligence
 Focus on semantics, symbolic or geometric descriptions
image
Faces
People
Chairs
etc.
IMAGE PROCESSING
DENOISE
Image Processing: Image Enhancement
Enhance
From [Gonzalez & Woods]
Computer Vision
IMAGE
Garage
Bushes
Roof
Side
(Ballard, 1992)
Grass
House
Sky
Tree1
Roof
Side1
Side2
Tree2
Visi Komputer (Computer Vision)
 Visi Komputer (ComputerVision) merupakan proses menyusun deskripsi
tentang obyek yang terkandung pada suatu gambar atau mengenali obyek
yang ada pada gambar,Word andVowel Recognition, Object Structure;
 Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation
and Classification;
 Kecerdasan Buatan (Artificial Intelligence): Speech Understanding,What is
illustrated by this image.
IMAGE PROCESSING vs. COMPUTER
GRAPHIPS
Pengolahan Citra;
 Memperbaiki kwalitas gambar, dilihat dari aspek radiometrik (peningkatan
kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi,
translasi, skala, transformasi geometrik);
 Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan
analisis;
 Melakukan proses penarikan informasi atau deskripsi obyek atau pengenalan
obyek yang terkandung pada citra;
 Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data,
transmisi data, dan waktu proses data.
Grafika Komputer;
 Merupakan proses untuk menciptakan suatu gambar berdasarkan deskripsi
obyek maupun latar belakang yang terkandung pada gambar tersebut;
 Merupakan teknik untuk membuat gambar obyek sesuai dengan obyek tersebut
di alam nyata (realisme).
CITRA DIGITAL
 Citra merupakan suatu representasi (gambaran), kemiripan atau imitasi
dari suatu objek atau benda. Citra sebagai keluaran dari sistem
perekaman data objek, dapat bersifat optik (foto), sinyal analog (video)
maupun data digital yang tersimpan pada sebuah media.
 Citra Analog merupakan data citra yang bersifat kontinu seperti
gambar bergerak atau video yang terekam dalam pita kaset. Citra
analog perlu dikonversi ke Citra Digital terlebih dahulu agar dapat
diolah lebih lanjut dengan komputer.
 Citra Digital merupakan data citra yang merepresentasikan besar
intensitas warna dan/atau keabuan tiap piksel penyusun citra dalam
besaran digital biner (0/1)
CITRA DIGITAL
 Pencitraan (Imaging) merupakan proses untuk
mentransformasikan data citra analog menjadi data
citra digital (digitalisasi citra). Peralatan yang dapat
digunakan untuk pencitraan;
 Kamera digital
 Kamera konvensional dan konverter analog to
digital
 Scanner, CCTV dll.
 Istilah pengolahan citra digital menyatakan
“pemrosesan gambar berdimensi-dua melalui
komputer digital” (Jain, 1989).
 Menurut Efford (2000), pengolahan citra adalah
istilah umum untuk berbagai teknik yang
keberadaannya untuk memanipulasi dan
memodifikasi citra dengan berbagai cara
(a) Kamera digital
(c) Pemindai (Scanner)
(b) Kamera CCTV
(d) Pembaca Sidik Jari
CITRA DIGITAL
 Terdapat dua hal yang dilakukan dalam proses digitalisasi citra yaitu (1) mempartisi
citra dalam dimensi x kolom dan y baris (Sampling); serta (2) menentukan besar
intensitas yang terdapat pada setiap piksel pembentuk citra (Kuantisasi) yang
menghasilkan sebuah resolusi citra.
 Sampling merupakan proses transformasi citra analog (kontinu) menjadi citra
digital dengan cara membagi citra analog (kontinu) menjadi x kolom dan y baris,
sehingga menjadi citra diskrit. Dimana tidak semua bagian dari data citra analog
terekam menjadi data citra digital (ada yang hilang).
 Kuantisasi merupakan proses transformasi intensitas cahaya dari setiap bagian citra
yang bersifat kontinu (analog) ke daerah intensitas yang bersifat diskrit. Kuantisasi
diperlukan untuk menyatakan besaran gradasi warna yang dibutuhkan untuk
mencitrakan sebuah objek.
CITRA DIGITAL
Sampling
Kuantisasi
Sampling menunjukkan banyaknya pixel (blok) untuk mendefinisikan suatu gambar
Kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah
bit pada gambar digital  b/w dengan 1 bit, grayscale dengan 8 bit, true color dengan
24 bit
CITRA DIGITAL
 Resolusi Spasial merupakan ukuran halus atau kasarnya pembagian kisi-kisi kolom
dan baris saat proses Sampling. Resolusi Spasial digunakan untuk menentukan jumlah
piksel per satuan panjang, biasanya dengan satuan dpi (dot per inch) yang sangat
berpengaruh pada detil dan perhitungan gambarnya.
Contoh: citra dengan resolusi 50 dpi yang artinya setiap 1 inch terdiri dari 50 piksel,
dan bila luas citra 1 inch2 berarti citra tersebut terdiri dari 50x50 piksel. Bila
ukurannya diperbesar (zooming) menjadi 10x10 inch (100 inch2), maka jumlah
pikselnya tetap 50x50, tetapi resolusinya berubah menjadi 50:10 = 5 dpi.
 Resolusi Intensitas Kecemerlangan (Brightness) disebut juga sebagai Resolusi
Kedalaman Warna (Bit Depth) merupakan ukuran halus atau kasarnya pembagian
tingkat gradasi warna saat proses Kuantisasi. 1 Bit Depth  2 kemungkinan warna
(21); dan 8 Bit Depth  256 kemungkinan warna (28);
 Setiap citra digital memiliki karakteristik dasar berupa ukuran citra, resolusi dan
format citra
CITRA DIGITAL
 Pengolahan Citra Digital merupakan proses yang diterapkan pada suatu citra digital
untuk menghasilkan citra digital yang baru. Proses yang dilakukan dapat berupa
perbaikan citra (image restoration) maupun proses peningkatan kualitas citra (image
enhancement).
 Operasi Pengolahan Citra Digital
 Operasi titik merupakan operasi yang mengolah setiap titik secara tidak gayut
(bergantung) terhadap titik-titik lainnya
 Operasi global merupakan operasi yang memodifikasi nilai setiap titik berdasarkan
nilai/karakteristik global keseluruhan titik pembentuk citra (biasanya berupa sifat
statistik)
 Operasi temporal/berbasis bingkai merupakan operasi untuk memodifikasi
sebuah citra dengan mengkombinasikan dengan citra lainnya
 Operasi geometri merupakan operasi untuk merubah bentuk, ukuran atau
orientasi citra secara geometris
 Operasi banyak titik bertetangga/bersebelahan merupakan operasi untuk
merubah nilai sebuah titik dengan melibatkan nilai dari titik-titik disebelahnya
 Operasi morfologi merupakan operasi yang dapat membentuk struktur objek
dalam citra untuk keperluan segmentasi.
Metodologi Pengolahan Citra






Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan
memilih metode perekaman citra dijital.
Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras,
menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang
akan diobservasi.
Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection):
Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau
menentukan garis batas wilayah obyek (external shape characteristics).
Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih
informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek
secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel
Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah
berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor)
Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai referensi
pada proses template matching / object recognition.
Intermediate Level
Processing
Segmentation
Representation
And
Description
Recognition
And
Interpretation
Preprocessing
Problem
Domain
Knowledge Base
Image
Acquisition
Low Level
Processing
High Level
Processing
Result
Digital Image Acquisition Process
Matrix Representation
183
183

179
177
178

179
179

180
160
153
168
177
178
180
179
179
94
116
171
179
179
180
180
181
Divide into
8x8 blocks
H=256
W=256
From [Gonzalez & Woods]
153
176
182
177
176
179
182
179
194
187
179
179
182
183
183
181
163
166
170
165
164
169
170
170
132
130
131
131
130
132
129
130
165
169
167
167
171

169
173

169
Image Resolution
Image Resolution
Bitplanes
Bitplane 7
Bitplane 6
Bitplane 5
From [Gonzalez & Woods]
Bitplane 4
Original 8bits/pixel
one 8-bit byte
Bitplane 7
Bitplane 0
Image Analysis: Edge Detection
From [Gonzalez & Woods]
Image Analysis: Face Detection
From Prof. Xin Li
Image Analysis: Image Segmentation
From Prof. Xin Li
Image Analysis: Image Matching
Two deceivingly similar fingerprints of two different people
From Prof. Xin Li

similar documents