Transcript Operasi dasar pengolahan Citra

Operasi-operasi dasar
Pengolahan Citra Digital~3
Sutarno, ST. MT.
Computer Engineering, Sriwijaya of University
FORMAT CITRA

Karakteristik citra digital antara lain:
 ukuran (mm atau inch),
 resolusi (dot per inch/dpi), dan
 format nilainya (biner, grayscale, warna dan warna
indeks).

Format data citra berhubungan dengan warna
FORMAT CITRA

Citra biner (monokrom):
 setiap titik bernilai 0 (hitam) atau 1 (putih),
 setiap titik membutuhkan 1 bit (1 byte = 8 bit),
 angka 8 bit (1 byte) dalam biner dapat ditulis dalam 2
digit heksadesimal
= 10011101 = $9D
= 01101110 = $6A
= 01101101 = $6D
= 10011110 = $9D
FORMAT CITRA

Citra skala keabuan (gray scale):
 Kemungkinan warna lebih banyak bergantung pada
jumlah bit yang digunakan.
 4 bit = 24 = 16 warna (0 hitam - 15 putih)
 8 bit = 28 = 256 warna (0 hitam - 255 putih)
= 15 10 7 10 15 13 0 13 = $FA 7A FD 0D
= 12 4 15 7 11 15 15 0 = $CA F7 BF F1
= 10 5 15 7 14 14 2 15 = $... ... ... …
= 15 15 3 11 13 15 15 7 = $... … … …
FORMAT CITRA

Citra Warna (true color):
 Kombinasi 3 warna dasar: merah, hijau dan biru (red, green,
blue/RGB) atau (cyan, magenta, yellow, black/CMYK).
 Setiap warna bernilai 8 bit = 28 = 256 warna (0 hitam - 255
merah), (0 hitam - 255 hijau) atau (0 hitam - 255 biru), jadi
setiap warna membutuhkan 24 bit (3 byte) atau lebih dari
224 = 16 juta pilihan warna.
= 235 79 79
0
0
0
= 90 115 242 145 77 113
FORMAT CITRA

Citra Warna Berindeks :
 Informasi setiap titik merupakan indeks dari suatu table
yang berisi informasi warna yang tersedia, disebut palet
warna “color map”
 Jumlah bit yang dibutuhkan tergantung pada warna yang
tersedia dalam palet warna.
 Pada saat penyimpanan citra, informasi palet warna diikut
sertakan pada citra.
 Keuntungannya: cepat memanipulasi warna tanpa harus
mengubah informasi pada setiap titik, ukuran data menjadi
lebih kecil.
 Format yang ada: 16 colors (4 bit), 256 color (8 bit), high
color (16 bit)
CITRA DIGITAL

Citra digital direpresentasikan dengan matriks.

Operasi pada citra digital pada dasarnya adalah
memanifulasi elemen-elemen matriks.

Elemen matriks yang dimanipulasi dapat berupa elemen
tunggal (sebuah pixel), sekelompok ataupun keseluruhan
elemen matriks.
ARAS KOMPUTASI
Operasi pada citra dapat dikelompokkan dalam 4 aras
(level) komputasi, yaitu :
Aras titik
 Aras lokal
 Aras global, dan
 Aras objek.

Aras Titik

Operasi hanya dilakukan pada pixel tunggal pada citra.

Dikenal sebagai operasi pointwise.

Tahapannya:
•
•
•
•
pengaksesan pixel pada titik koordinat yang diinginkan
memodifikasi pixel dengan operasi linear/non-linear
menempatkan pixel baru pada lokasi koordinat yang sama
dengan pixel lama pada citra yang baru.
mengulanginya untuk keseluruhan pixel dalam citra
1. Aras Titik
fB(x,y) = Otitik { fA (x,y)}
Operasi aras titik dibagi 3 macam: intensitas, geometri, gabungan
(intensitas dan geometri).

Berdasarkan intensitas berupa
 Operasi mengubah intensitas, nilai intensitas u suatu pixel dengan
transformasi h menjadi nilai intensitas baru v.
v=h(u), u,v [0, L]


Operasi pengambangan (thresholding/T), nilai intensitas pixel
dipetakan kesalah satu nilai a1 atau a2.
f(x,y)’ = a1, f(x,y) < T
f(x,y)’ = a2, f(x,y) ≥ T
Operasi negative, mengurangi nilai intensitas pixel dari nilai skala
keabuan maksimum.
f(x,y)’ = 255 - f(x,y), citra 8 bit
f(x,y)’ = 127 - f(x,y), citra 6 bit
1. Aras Titik
 Berdasarkan intensitas:

Operasi pemotongan (clipping), dilakukan jika nilai intensitas
pixel terletak dibawah nilai intensitas minimum atau diatas nilai
intensitas maksimum
f(x,y)’

255,
f(x,y),
0
f(x,y) 255
0  f(x,y) 255
f(x,y) 0
Operasi pencerahan (brightening), menambahkan atau
mengurangkan nilai konstanta pada/dari sebuah pixel.
f(x,y)’ = f(x,y)  b,
Jika b positif, citra bertambah cerah dan jika b negatif citra
berkurang kecerahannya
1. Aras Titik
 Berdasarkan geometri:
Posisi pixel diubah ke posisi yang baru, sedangkan nilai
intensitasnya tidak berubah, Cont: pemutaran (rotasi),
pergeseran (translasi), penskalaan (dilatasi), dll.
(dijelaskan kemudian)
 Berdasarkan intensitas dan geometri:
Posisi pixel diubah ke posisi yang baru, dan nilai intensitasnya
juga berubah, Cont: image morphing yaitu perubahan bentuk
objek dan intensitasnya.
2. Aras Lokal
Operasi ini menghasilkan citra keluaran yang intensitas suatu
pixel bergantung pada intensitas pixel-pixel tetangga.
fB(x,y)’ = Olokal { fA (xi,yj)}
(xi,yj) N(x,y)
N = neighborhood, pixel-pixel yang berada disekitar (x,y).
Contoh operasi aras lokal adalah operasi konvolusi untuk
mendeteksi tepi (edge detection) dan pelembutan citra (image
smoothing).
3. Aras Global
Operasi ini citra keluaran yang intensitas suatu pixel bergantung
pada intensitas keseluruhan citra.
fB(x,y)’ = Oglobal { fA (x,y)}
N = neighborhood, pixel-pixel yang berada disekitar (x,y).
Contoh penyetaraan histogram untuk meningkatkan kualitas
citra (equalization histogram). (dijelaskan kemudian)
4. Aras Objek
Operasi ini dilakukan pada objek tertentu pada citra untuk
mengenali objek tersebut.
Contoh menghitung rata-rata intensitas, ukuran, bentuk dan
karakteristik lain dari objek
OPERASI ARITMETIK
1. Penjumlahan dua buah citra
C(x,y) = A(x,y)  B(x,y)
C adalah nilai intensitas hasil penjumlahan intensitas Citra A
dan Citra B pada koordinat titik yang sama, jika hasil
penjumlahan intensitas lebih besar dari 255 maka nilai
intensitas dibulatkan menjadi 255.
Operasi ini digunakan untuk mengurangi derau (noise) dalam
data dengan merata-ratakan nilai keabuan antara pixel dari
citra yang sama yang diambil berkali-kali.
f’(x,y) = ½ {f1(x,y)  f2(x,y)}
OPERASI ARITMETIK
2. Pengurangan dua buah citra
C(x,y) = A(x,y) - B(x,y)
C adalah selisih intensitas Citra A dan Citra B pada koordinat
titik yang sama, ada kemungkinan bernilai negatif sehingga
perlu melibatkan operasi clipping.
Operasi ini digunakan mendapatkan objek dari gambar yang
diambil pada tempat atau adegan yang sama. Juga digunakan
untuk mendeteksi perubahan pada moving image.
OPERASI ARITMETIK
3. Pekalian dua buah citra
C(x,y) = A(x,y) . B(x,y)
Operasi ini digunakan mengkoreksi ketidak linearan sensor
dengan cara mengalikan matrik citra dengan matrik korelasi.
4. Penjumlahan/pengurangan dengan skalar
B(x,y) = A(x,y) ± c, untuk terang/gelap citra
5. Pekalian/pembagian dengan skalar
B(x,y) = A(x,y).c, untuk kalibrasi kecerahan atau
B(x,y) = A(x,y)/c, untuk normalisasi kecerahan
OPERASI BOOLEAN
Operasi yang melibatkan operator AND, OR dan NOT
C(x,y) = A(x,y) and B(x,y)
C(x,y) = A(x,y) or B(x,y)
C(x,y) = A(x,y) not B(x,y), untuk menetukan komplemen citra
OPERASI GEOMETRI
Operasi yang merubah geometri citra f(x,y) atau koordinat pixel
menjadi citra baru f’(x’,y’) sehingga:
f’(x’,y’) = f(g1(x,y), f(g2(x,y))
g1 dan g2 adalah fungsi transformasi geometri
x’ = g1(x,y)
y’ = g2(x,y)
1. Operasi Traslasi (pergesaran)
x’ = x  m, (pergeseram arah sumbu x sebesar m)
y’ = y  n, (pergeseram arah sumbu y sebesar n)
B[x][y] = A[x  m ][y  n]
OPERASI GEOMETRI
2. Operasi Rotasi (perputaran)
x’ = x cos  - y sin 
y’ = x sin   y cos 
B[x’][y’] = B[x cos  - y sin  ][x sin   y cos  ]=A[x][y]
Dimana  adalah sudut rotasi yang berlawanan dengan arah jarum
jam
3. Operasi Penskalaan (image zooming), yaitu mengubah ukuran citra
membesar /zoom out atau mengecil/zoom in)
x’ = sx . x
y’ = sx . y
B[x’][y’] = B[sx . x][sx . y]=A[x][y]
Operasi zoom out dengan faktro 2 (yaitu sx=sy=2) menyalin setiap
pixel sebanyak 4 kali (2x2) menjadi (4x4).
Operasi zoom in dengan faktro 1/2 (yaitu sx=sy=1/2) mengambil
rata-rata 4 pixel bertetangga menjadi 1 pixel.
OPERASI GEOMETRI
4. Operasi Flipping (pencerminan), ada 2 jenis Flipping, yakni:
• Flipping horizontal atau pencerminan terhadap sumbu y
(cartesian)
B[x][y]= A[N-x][y]
•
Flipping vertical atau pencerminan terhadap sumbu x
(cartesian)
B[x][y]= A[x][M-y]
OPERASI GEOMETRI
4. Operasi Flipping (pencerminan), ada 2 jenis Flipping, yakni:
• Flipping horizontal atau pencerminan terhadap sumbu y
(cartesian)
B[x][y]= A[N-x][y]
•
Flipping vertical atau pencerminan terhadap sumbu x
(cartesian)
B[x][y]= A[x][M-y]