Transcript Pendahuluan

Ir H Iyus Rusmana MT
Jurusan Teknik Elektro
Sekolah Tinggi Teknologi Yogyakarta
Cornea
Iris
Lens
Visual Axis
Retina
Blind Spot
Fovea
A cross section of the human eye
(Gonzalez & Woods, 1992)
2
STRUKTUR &
FUNGSI - 1
Sklera (bagian putih mata) :
merupakan lapisan luar mata
yang berwarna putih dan relatif
kuat.
 Konjungtiva :
selaput tipis yang melapisi
bagian dalam kelopak mata dan
bagian luar sklera.

3
STRUKTUR &
FUNGSI - 2

Kornea :
struktur transparan yang
menyerupai kubah, merupakan
pembungkus dari iris, pupil dan
bilik anterior serta membantu
memfokuskan cahaya.
4
STRUKTUR &
FUNGSI - 3
Pupil :
daerah hitam di tengah-tengah iris.
 Iris :
jaringan berwarna yang berbentuk cincin,
menggantung di belakang kornea dan di
depan lensa; berfungsi mengatur jumlah
cahaya yang masuk ke mata dengan cara
merubah ukuran pupil.

5
STRUKTUR &
FUNGSI - 4
Lensa :
struktur cembung ganda yang tergantung
diantara humor aqueus dan vitreus; berfungsi
membantu memfokuskan cahaya ke retina.
 Retina :
lapisan jaringan peka cahaya yang terletak di
bagian belakang bola mata; berfungsi
mengirimkan pesan visuil melalui saraf
optikus ke otak.

6
STRUKTUR &
FUNGSI - 5

Saraf optikus :
kumpulan jutaan serat saraf yang membawa
pesan visuil dari retina ke otak.
7
STRUKTUR &
FUNGSI - 6
Humor aqueus :
cairan jernih dan encer yang mengalir
diantara lensa dan kornea (mengisi segmen
anterior mata), serta merupakan sumber
makanan bagi lensa dan kornea; dihasilkan
oleh prosesus siliaris.
 Humor vitreus :
gel transparan yang terdapat di belakang
lensa dan di depan retina (mengisi segmen
posterior mata).

8
SISTEM
KERJA - 1
 Cahaya
yang masuk melalui kornea
diteruskan ke pupil.
 Iris mengatur jumlah cahaya yang
masuk dengan cara membuka dan
menutup, seperti halnya celah pada
lensa kamera.
9
SISTEM
KERJA - 2
Jika lingkungan di sekitar gelap, maka
cahaya yang masuk akan lebih banyak;
jika lingkungan di sekitar terang, maka
cahaya yang masuk menjadi lebih
sedikit.
 Ukuran pupil dikontrol oleh otot sfingter
pupil, yang membuka dan menutup iris.

10
SISTEM
KERJA - 3
Lensa terdapat di belakang iris.
Dengan merubah bentuknya, lensa
memfokuskan cahaya ke retina.
 Jika mata memfokuskan pada objek yang
dekat, maka otot silier akan berkontraksi,
sehingga lensa menjadi lebih tebal dan lebih
kuat.
 Jika mata memfokuskan pada objek yang jauh,
maka otot silier akan mengendur dan lensa
menjadi lebih tipis dan lebih lemah.

11
SISTEM
KERJA - 4
Retina mengandung saraf-saraf cahaya
dan pembuluh darah.
 Bagian retina yang paling sensitif adalah
makula, yang memiliki jutaan ujung
saraf.
 Banyaknya ujung saraf ini menyebabkan
gambaran visuil yang tajam.
 Retina mengubah gambaran tersebut menjadi
gelombang listrik yang oleh saraf optikus
dibawa ke otak.

12
Sistem Visual Manusia

Fovea di bagian retina terdiri dari dua jenis receptor:
 Sejumlah cone receptor, sensitif terhadap warna, visi cone
disebut photocopic vision atau bright light vision
 Sejumlah rod receptor, memberikan gambar keseluruhan
pandangan dan sensitif terhadap iluminasi tingkat rendah,
visi rod disebut scotopic vision atau dim-light vision

Blind Spot
 adalah bagian retina yang tidak mengandung receptor
sehingga tidak dapat menerima dan menginterpretasi
informasi
13
Sistem Visual Manusia

Subjective brightness
 Merupakan tingkat kecemerlangan yang dapat ditangkap sistem
visual manusia;
 Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke
mata manusia;
 Mempunyai daerah intensitas yang bergerak dari ambang scotopic
(redup) ke ambang photocopic (terang).

Brightness adaption
 Merupakan fenomena penyesuaian mata manusia dalam
membedakan gradasi tingkat kecemerlangan;
 Batas daerah tingkat kecemerlangan yang mampu dibedakan secara
sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah
tingkat kecemerlangan sebenarnya.
14
Sistem Visual Manusia

Kepekaan dalam pembedaan tingkat kecemerlangan
merupakan fungsi yang tidak sederhana, namun dapat
dijelaskan antara lain dengan dua fenomena berikut:

Mach Band (ditemukan oleh Ernst Mach):
pita tengah bagian kiri kelihatan lebih terang dari bagian
kanan.
15
Sistem Visual Manusia

Simultaneous Contrast:
kotak kecil disebelah kiri kelihatan lebih gelap dari kotak
kecil disebelah kanan, padahal intensitasnya sama tapi
intensitas latar belakang berbeda. Hal sama terjadi bila
kertas putih di meja kelihatan lebih putih daripada kertas
sama diarahkan ke sinar matahari.
16
Data Acquisition

Sistem Perekaman Citra
 Citra yang diperoleh tergantung:
○ karakteristik dari obyek yang direkam;
○ kondisi variabel dari sistem perekaman;
 Citra merupakan gambaran tentang karakteristik suatu obyek
menurut kondisi variabel tertentu;
 Contoh:
○ bandingkan hasil foto manusia dengan kamera / sensor optik dan
dengan sensor sinar X (kondisi variabel sistem berbeda);
○ bandingkan hasil foto pemandangan di tepi laut dan di daerah
pegunungan (karakteristik obyek berbeda).
17
Pengertian Sensor Aktif dan Pasif

Sensor Pasif
 Sistem sensor yang merekam data obyek tanpa
mengirimkan enersi, sumber enersi bisa dalam bentuk
sinar matahari, sinar lampu, dlsb.nya;
 Contoh: sensor optik dari kamera foto, sensor optik pada
sistem inderaja.

Sensor Aktif
 Sistem sensor yang merekam data obyek mengirimkan
dan menerima pantulan dari enersi yang dikirim ke arah
obyek, enersi yang dikirim bisa berupa gelombang
pendek, sinar X, dlsb.nya;
 Contoh: sensor Rontgen untuk foto thorax, sensor
gelombang pendek pada sistem radar, sensor ultrasound
pada sistem USG.
18
Sensor Pasif Optik dan Sensor Aktif Radar
Radar Sensor / Active Sensor:
Optical Sensor / Passive Sensor:
Landsat TM (Land Satellite) - USA, 1982
Landsat MSS - USA, 1984
SPOT (Systeme Probatoire d’Observation
de la Terre) - French, 1986/1990
ERS-1 (First European Remote Sensing Satellite) ESA, 1991
FUYO-1 (JERS-1) - Japan, 1992
Radarsat (Radar Satellite) - Canada, 1995
19
Pengertian Citra Dijital
Sampler
Citra kontinue
Resolusi spasial :
Tinggi (16 x 16)
Citra dijital
Rendah (8 x 8)
Matriks citra dengan obyek angka 5
Resolusi kecemerlangan :
Tinggi (4)
Rendah (2)
20
Resolusi Spasial dan
Kecemerlangan/Brightness -1

Resolusi Citra
 Dikenal: resolusi spasial dan resolusi
kecemerlangan, berpengaruh pada besarnya
informasi citra yang hilang.
 Resolusi spasial: halus / kasarnya pembagian kisikisi baris dan kolom. Transformasi citra kontinue ke
citra dijital disebut dijitisasi (sampling). Hasil
dijitisasi dengan jumlah baris 256 dan jumlah kolom
256 - resolusi spasial 256 x 256.
21
Resolusi Spasial dan
Kecemerlangan/Brightness -2

Resolusi Citra
 Resolusi kecemerlangan (intensitas / brightness):
halus / kasarnya pembagian tingkat
kecemerlangan. Transformasi data analog yang
bersifat kontinue ke daerah intensitas diskrit disebut
kwantisasi.
 Bila intensitas piksel berkisar antara 0 dan 255 resolusi kecemerlangan citra adalah 256.
22
Resolusi Spasial - Sampling

Sampling Uniform dan Non-uniform
 Sampling Uniform mempunyai spasi (interval) baris dan
kolom yang sama pada seluruh area sebuah citra.
 Sampling Non-uniform bersifat adaptif tergantung
karakteristik citra dan bertujuan untuk menghindari
adanya informasi yang hilang. Daerah citra yang
mengandung detil yang tinggi di-sampling secara lebih
halus, sedangkan daerah yang homogen dapat disampling lebih kasar. Kerugian sistem sampling Nonuniform adalah diperlukannya data ukuran spasi atau
tanda batas akhir suatu spasi.
23
Digitizing an image
Column of samples
Pixel
Line
Line Spacing
Picture
Sample Spacing
Sampling process
Spatial resolution
Black
255
Gray
128
White
0
Brightness Spacing
Proses Kwantisasi
Brightness Resolution
Sumber: Dimodifikasi dari Castlemen, 1996
24
Resolusi Kecemerlangan - Kwantisasi

Kwantisasi Uniform, Non-uniform, dan Tapered
 Kwantisasi Uniform mempunyai interval pengelompokan
tingkat keabuan yang sama (misal: intensitas 1 s/d 10
diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya).
 Kwantisasi Non-uniform: Kwantisasi yang lebih halus
diperlukan terutama pada bagian citra yang menggambarkan detil atau tekstur atau batas suatu wilayah
obyek, dan kwantisasi yang lebih kasar diberlakukan
pada wilayah yang sama pada bagian obyek.
 Kwantisasi Tapered: bila ada daerah tingkat keabuan
yang sering muncul sebaiknya di-kwantisasi secara lebih
halus dan diluar batas daerah tersebut dapat dikwantisasi secara lebih kasar (local stretching).
25
Resolusi Uniform vs Non-Uniform
Tidak perlu resolusi
spasial yang non-uniform
 Perlu resolusi spasial yang
non-uniform
 Tidak perlu resolusi
kecemerlangan yang nonuniform (untuk warna
hitam dan putih)
 Perlu resolusi
kecemerlangan yang nonuniform (untuk warna
kehijauan dan kemerahan)

26
Hubungan antara piksel dan
pengertian connectivity
4-tetangga piksel P
X
X
P
X
X
8-tetangga piksel P
X
X
X
X
P
X
X
X
X
Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan
kriteria gray level yang sama, misal: sama-sama 0 atau samasama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat
keabuan, dlsb.nya
27
Labelling of connected component
Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan
4-tetangga dan (b) dengan aturan 8 tetangga:
0 0 0 0 0 0
0 0 0 0 0 0
0 0 1 1 0 0
0 0 1 1 0 0
0 1 1 0 0 0
0 1 1 0 0 0
0 1 1 0 1 1
0 1 1 0 1 1
0 0 0 1 1 1
0 0 0 1 1 1
0 0 0 0 0 0
0 0 0 0 0 0
ekivalen dengan
ekivalen dengan
28
Operasi Aritmetik / Lojik pada Citra
 Operasi Aritmetik
antara dua citra
+ - x /
 Band ratio antara citra sensor optik Landsat TM
band 3 dan band 4 dapat digunakan untuk
analisis vegetasi, begitu juga ratio antara selisih
dan jumlahnya.
 Operasi selisih antara dua citra temporal dapat
digunakan untuk deteksi perubahan wilayah.
29
Operasi Aritmetik / Lojik pada Citra

Operasi selisih antara dua citra temporal dapat digunakan
untuk deteksi perubahan wilayah.
Jakarta in 1994
Jakarta in 1998
(Lapan, 2001)
30
Operasi Aritmetik / Lojik pada Citra
 Operasi
Lojik antara dua citra
 OR AND NOT
 Masking (AND) operation dapat digunakan untuk
memisahkan antara bagian obyek dan bagian
latar belakang pada citra biomedik.
Object of interest
‘jaringan paru’
Mask dengan
operasi AND
31
Komponen Sistem
Pengolahan Citra Dijital
(Gonzalez & Woods, 1992)
32
Elemen Fungsi Dasar Sistem Pengolahan Citra

Pembentukan Citra
 Sensor yang sensitif terhadap gelombang EM
menghasilkan sinyal listrik sesuai dengan enersi yang
diterima. Analog-to-Digital Converter / Digitizer akan
mengubah sinyal listrik tersebut menjadi bentuk dijital.
 Scanner yang menerima masukan dalam bentuk analog
(dokumen, peta, foto) akan mengubah menjadi data dalam
bentuk dijital.

Penyimpanan Citra
 Penyimpanan jangka pendek (sedang diproses): memory
 Penyimpanan on-line (siap dipakai): disk magnetik
 Penyimpanan arsip: pita atau disk magnetik, CD
33
Elemen Fungsi Dasar Sistem Pengolahan Citra
(Lanjutan)

Pemrosesan Citra dan Komunikasi
 Data citra berukuran besar (perlu tempat simpan yang
besar serta waktu proses yang lama).
 Issue penting pada komunikasi: kompresi citra.
 Issue penting pada pemrosesan citra: proses paralel.

Peragaan Citra
 Dalam bentuk softcopy (layar peraga / monitor).
 Dalam bentuk hardcopy (printer, film writer, plotter).
34
Elemen-elemen Sistem Analisis Citra
(Gonzalez & Woods, 1992)
35
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 wilayahwilayah 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
36
Metodologi Pengolahan Citra (Lanjutan)
Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi
sebagai suatu list titik-titik koordinat dalam loop yang tertutup,
dengan deskripsi luasan / perimeternya
 Pengenalan Pola (Pattern Recognition): Memberikan label
kategori obyek pada setiap piksel citra berdasarkan informasi
yang diberikan oleh deskriptor atau ciri piksel bersangkutan
(pewilayahan jaringan keras dan pewilayahan berbagai jaringan
lunak pada citra biomedik)
 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.

37
Beberapa Aplikasi

Pembahasan dibatasi pada 4 contoh aplikasi
 Pengembangan Sistem Aplikasi Biomedik
 Pengembangan Sistem Optical Character
Recognition (OCR)
 Pengembangan Sistem Aplikasi Indera
jarak jauh
 Pengembangan Sistem Multitemporal
Multisensor Image Classification and
Fusion
38
Metodologi Sistem Aplikasi Kedokteran (1)
Image Acquisition
Image Preprocessing
Image Segmentation
Object Representation & Description
Knowledge Base
Object Recognition
Analysis Result
39
Metodologi Sistem Aplikasi Kedokteran (2)

Prosedur pemrosesan citra
 Data Acquisition – sistem perekaman citra X-Ray paru
yang akan dideteksi apakah mengandung jaringan
tumor atau kanker;
 Image Preprocessing – eliminasi gangguan atau proses
deteksi sisi untuk menentukan batas wilayah obyekobyek yang ada pada citra (jaringan paru, jaringan
tumor, dan jaringan keras);
 Image Segmentation – menentukan wilayah setiap
obyek yang ada pada citra, bisa menggunakan metode
gabungan dengan deteksi sisi atau metode lainnya
seperti metode clustering;
40
Metodologi Sistem Aplikasi Kedokteran (3)
Obyek yang akan dikenali: Tumor
41
Metodologi Sistem Aplikasi Kedokteran (4)

Prosedur pemrosesan citra (Lanjutan)
 Object Representation and Description –
menyiapkan informasi object of interest untuk
analisis. Representasi obyek dapat dinyatakan
dalam Freeman chain code yang berisi informasi
garis batas jaringan tumor dengan deskripsi ciri
bentuk wilayah tumor (misal dengan ciri Hough
transform) atau representasi dalam bentuk citra
wilayah dengan deskripsi sifat tonal atau ciri tekstur
setiap wilayah;
42
Metodologi Sistem Aplikasi Kedokteran (5)

Prosedur pemrosesan citra (Lanjutan)
 Object Recognition – membandingkan (object / template
matching) wilayah obyek pada citra apakah ada yang
sama dengan informasi yang ada pada Knowledge
Base yang dibentuk pada tahap pelatihan sistem, misal:
apakah ada wilayah dengan intensitas rata-rata yang
tinggi {putih) dan bentuk wilayahnya mendekati bulat
atau ellips;
 Analysis Result – merupakan suatu keputusan apakah
pada jaringan paru tersebut terdapat jaringan tumor
atau kanker.
43
Metodologi OCR – Optical Character Recogniton (1)
(MSU, 1990)
44
Metodologi OCR – Optical Character Recogniton (2)

Prosedur pemrosesan citra
 Data Acquisition – masukan berupa dokumen teks,
perlu cropping lokasi-lokasi karakter yang akan
dikenali;
 Image Preprocessing – proses yang dibutuhkan
adalah deteksi sisi dan thinning atau skeletonizing
untuk mendapatkan obyek karakter dengan
ketebalan 1 piksel;
45
Metodologi OCR – Optical Character Recogniton (3)

Prosedur pemrosesan citra (Lanjutan)
 Representation & Description – ekstraksi ciri karakter,
misal perhitungan ciri moment atau ciri lainnya;
 Character Recognition – pengambilan keputusan
karakter apakah itu dengan membandingkan ciri
karakter tersebut dengan knowledge base yang
menyimpan ciri-ciri setiap karakter yang dibangun
dalam tahap pelatihan;
 Recognized Character – merupakan hasil
pengenalan.
46
Metodologi OCR – Optical Character Recogniton (4)
Preprocessing atau intermediate processing
Huruf hasil scanning
Huruf setelah ‘skeletonizing’
(Edi, 2002)
47
Aplikasi Pengenalan Karakter
(Sumber: Skripsi S1 Juanita Rohali)
Hasil Pengenalan Obyek
BAP AK BER UANG YANG J AH AT
PAD A ZAMAN DAHU L U KALA ADA SE E KOR BER
UANG YANG NAKAL DA N JA HAT
BER UA NG I TU BE RN AMA XAM I N
DIA S UKA ME M AKAN AN AK AN AK YANG TI DAK D
I SU KAI OLEH I BUN YA
SEHINGG A LA M A KELAMAAN ANAK AN AK DI D
UNIA ME NJADI MU SNAH B I NASA KAR EN A
DI MAKAN OLEH BAPAK BE RUAN G TERS EBUT
48
Metodologi Sistem Aplikasi Inderaja (1)
Image Acquisition
Image Preprocessing
Image Classification
Image Postprocessing
Thematic Image
49
Metodologi Sistem Aplikasi Inderaja (2)

Prosedur pemrosesan citra
 Data Acquisition – apakah akan menggunakan citra
sensor optik atau citra sensor Synthetic Aperture
Radar (SAR) tergantung masalah;
 Image Preprocessing – apakah perlu filtering untuk
eliminasi gangguan, apakah perlu registration
dengan peta yang ada, apakah perlu dilakukan
pemilihan ciri atau band atau panjang gelombang
sensor yang paling cocok untuk identifikasi obyek
penutup lahan yang diinginkan;
50
Metodologi Sistem Aplikasi Inderaja (3)

Prosedur pemrosesan citra (Lanjutan)
 Image Classification – membagi citra menjadi
wilayah-wilayah obyek penutup lahan sesuai dengan
kategori obyek yang ditentukan;
 Image Postprocessing – karena adanya noise /
bentuk gangguan pada citra, sering terjadi wilayahwilayah dalam ukuran kecil (single-pixel) yang perlu
dihilangkan;
 Thematic Image – merupakan hasil analisis yang
diperoleh.
51
Topik-topik Penelitian Akhir (2000-2003):
Multisensor Multitemporal Image Preprocessing Module
52
Topik-topik Penelitian Akhir (2000-2003):
Multisensor Multitemporal Image Classification & Fusion Module
Preprocessed Images & Classification Control Parameters
Labelled Training Samples
Classification and Fusion
High-Level
High-Level
Augmented
Multiple
Cloud Cover
Data
Vector
Classifier
Elimination
Fusion
Approach
Approach
Mosaic Image
Fused Image
Classified Image
53
Cloud cover elimination
(Sumber: Murni, 1997)
Masukan dan Keluaran Pengolahan Citra Digital
Mosaic image
Fused image
54