Tampilkan postingan dengan label Citra Digital. Tampilkan semua postingan
Tampilkan postingan dengan label Citra Digital. Tampilkan semua postingan

Minggu, 03 November 2013

Konsep Dasar Pengolahan Citra

Filled under:

Definisi dan Tujuan Pengolahan Citra 
Pengolahan Citra / Image Processing : 
  • Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
  • Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh : pemampatan citra (image compression) 
  • Pengolahan citra merupakan proses awal (preprocessing) dari komputer visi. 
Pengenalan pola (pattern recognition) : 
  • Pengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh komputer agar suatu objek dalam citra dapat dikenali dan diinterpreasi. 
  • Pengenalan pola adalah tahapan selanjutnya atau analisis dari pengolahan citra.
Operasi Pengolahan Citra
1. Perbaikan kualitas citra (image enhacement)
Tujuan : memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra.
Operasi perbaikan citra :
  • Perbaikan kontras gelap/terang 
  • Perbaikan tepian objek (edge enhancement) 
  • Penajaman (sharpening) • Pemberian warna semu(pseudocoloring) 
  • Penapisan derau (noise filtering)
2. Pemugaran citra (image restoration)
Tujuan : menghilangkan cacat pada citra. Perbedaannya dengan perbaikan citra : penyebab degradasi citra diketahui.
Operasi pemugaran citra :
  • Penghilangan kesamaran (deblurring) 
  • Penghilangan derau (noise) 
3. Pemampatan citra (image compression)
Tujuan : citra direpresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan kualitas gambar (misal dari .BMP menjadi .JPG) .

4. Segmentasi citra (image segmentation)
Tujuan : memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Berkaitan erat dengan pengenalan pola.

5. Pengorakan citra (image analysis)
Tujuan : menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya.
Diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya Operasi pengorakan citra :
– Pendeteksian tepi objek (edge detection)
– Ekstraksi batas (boundary)
– Represenasi daerah (region)

6. Rekonstruksi citra (Image recontruction) Tujuan : membentuk ulang objek dari beberapa citra hasil proyeksi.

Aplikasi Pengolahan Citra dan Pengenalan Pola
• Bidang Perdagangan
   – Pembacaan bar code pada barang di supermarket
   – Pengenalan huruf/angka pada formulir secara otomatis
• Bidang Militer
   – Mengenali peluru kendali melalui sensor visual
   – Mengidentifikasi jenis pesawat musuh
• Bidang Kedokteran
   – Deteksi kanker dengan sinar X
   – Rekonstruksi foto janin hasil USG
• Bidang Biologi
   – Penenalan kromosom melalui gambar mikroskopik
• Komunikasi Data
   – Pemampatan citra transmisi
• Hiburan
   – Pemampatan video MPEG
• Robotika
   – Visual guided autonomous navigation
• Pemetaan
   – Klasifikasi penggunaan tanah melalui foto udara
• Geologi
   – Mengenali jenis bebatuan melalui foto udara
• Hukum
   – Pengenalan sidik jari – Pengenalan foto narapidana

Pembentukan Citra
Citra ada 2 macam : 
• Citra Kontinu
   – Dihasilkan dari sistem optik yang menerima sinyal analog.
   – Contoh : mata manusia, kamera analog
• Citra Diskrit / Citra Digital
   – Dihasilkan melalui proses digitalisasi terhadap citra kontinu.
   – Contoh : kamera digital, scanner

Model Citra
• Citra merupakan fungsi kontinu dari intensitas cahaya pada bidang 2D
• Secara matematis fungsi intensitas cahaya pada bidang 2D disimbolkan dengan f(x,y), dimana :
   – (x,y) : koordinat pada bidang 2D
   – f(x,y) : intensitas cahaya (brightness) pada titik (x,y)
• Karena cahaya merupakan bentuk energi, maka intensitas cahaya bernilai antara 0 sampai tidak berhingga,  0 ≤ f(x,y) ≤∞ • f(x,y)  =  i(x,y) . r(x,y) Dimana :
   – i(x,y) : jumlah cahaya yang berasal dari sumbernya (illumination) yang nilainya 0 ≤ i(x,y) ≤∞ Nilai  i(x,y) ditentukan oleh sumber cahaya
   – r(x,y) : derajat kemampuan obyek memantulkan cahaya (reflection) yang nilainya 0 ≤ r(x,y) ≤ 1 Nilai r(x,y) ditentukan oleh karakteristik obyek di dalam citra. r(x,y)=0 mengindikasikan penyerapan total. r(x,y)=1 mengindikasikan pemantulan total
• Derajat Keabuan (grey level) : intensitas f citra hitam-putih pada titik (x,y)
– Derajat keabuan bergerak dari hitam ke putih.
– Skala keabuan memiliki rentang :  lmin < f < lmax atau [0,L] , dimana intensitas 0 menyatakan hitam dan L menyatakan putih.
– Contoh : citra hitam-putih dengan 256 level, artinya mempunyai skala abu-abu dari 0 sampai 255 atau [0,255], dalam hal ini nilai 0 menyatakan hitam dan 255 menyatakan putih, nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih.
• Citra hitam-putih : citra monokrom (monochrome image) atau citra satu kanal (satu fungsi intensitas)
• Citra berwarna : citra spektral , karena warna pada citra disusun oleh tiga komponen warna RGB (Red- Green-Blue)
– Intensitas suatu titik pada citra berwarna merupakan kombinasi dari intesitas : merah (fmerah(x,y)), merah (f hijau(x,y)) dan merah (fbiru(x,y)),

Penulis=> Unknown16.31

Rabu, 30 Oktober 2013

Dasar-Dasar Pengolahan Citra Digital dengan MATLAB

Filled under:

Apa itu digital image processing?
Image atau gambar adalah representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi  yang biasanya ditulis dalam koordinat kartesian x-y, dan setiap koordinat merepresentasikan satu sinyal terkecil dari objek yang biasanya koordinat terkecil ini disebut sebagai piksel. Karena merupakan sistem koordinat yang memiliki nilai maka biasanya image dianggap sebagai sebuah matrik x-y yang berisi nilai piksel.

Pembacaan Image
Pada matlab fungsi untuk melakukan pembacaan image standar yaitu:
imread(‘filename’) 
Perintah ini digunakan untuk membaca beberapa format file diantaranya:

Format
Dieskripsi
Extentiont
TIFF
Tangged Image File Format
.tif
JPEG
Join Photographics Expert’s Group
.jpg
GIF
Graphics Interchange Format
.gif
BMP
Windows Bitmap
.bmp
PNG
Portable Network Graphics
.png
XWD
X-Windows Dump
.xwd
 
Hasil dari pembacaan imread(‘filename’) bisa berupa matriks dua dimensi jika gambar yang dibaca adalah gambar grayscale dan matrik 3 dimensi jika berupa gambar 3 dimensi.

Ekstraksi Nilai Piksel Red, Green dan Blue (RGB)
Hampir setiap pengolahan citra yang berbasis warna perlu dilakukan pemisahan band-band yang ada pada citra khususnya citra RGB, MATLAB menyediakan fasilitas yang cukup baik dalam memisahkan ketiga warna RGB, yaitu sebagai berikut:
Gambar Asli
gambar=imread(‘kelinci.tif’); %--------membaca file gambar 
red=gambar(:,:,1); %memanggil matriks gambar yang hanya berisi piksel warna merah 
green=gambar(:,:,2);% memanggil matriks gambar yang hanya berisi piksel warna merah 
blue=gambar(:,:,3); %memanggil matriks gambar yang hanya berisi piksel warna merah 
%----------menampilkan gambar--------------------- 
imshow(gambar) 
imshow(red)
imshow(green) 
imshow(blue)

Hasil Ekstrasi Nilai Piksel
Terlihat bahwa untuk mengambil nilai piksel merah memiliki indeks 1, warna hijau memiliki indeks 2 dan warna biru memiliki indeks 3.


Konversi Gambar RGB ke Grayscale
Untuk merubah gambar RGB ke gambar grayscale di MATLAB disediakan fungsi khusus yaitu rgb2gray(matrik_gambar),  tetapi kadangkala diinginkan untuk perubahan bentuk grayscale ini tidak menggunakan fungsi MATLAB yang sudah ada yang merupakan nilai rata-rata piksel RGB tetapi masing-masing nilai RGB diberi nilai bobot yang berbeda-beda, hal ini dengan mudah dilakukan dengan menggunakan pemisahan nilai seperti yang telah dilakukan diatas seperti contoh berikut:
%Konversi Gambar RGB ke Grayscale
%Untuk merubah gambar RGB ke gambar grayscale di MATLAB disediakan fungsi_
%khusus yaitu rgb2gray(matrik_gambar),  tetapi kadangkala diinginkan untuk_
%perubahan bentuk grayscale ini tidak menggunakan fungsi MATLAB yang sudah_
%ada yang merupakan nilai rata-rata piksel RGB tetapi masing-masing nilai_
%RGB diberi nilai bobot yang berbeda-beda, hal ini dengan mudah dilakukan_
%dengan menggunakan pemisahan nilai seperti yang telah dilakukan diatas seperti contoh berikut:

gambar=imread('kelinci.tif'); %--------membaca file gambar
red=gambar(:,:,1); %memanggil matriks gambar yang hanya berisi piksel warna merah
green=gambar(:,:,2);% memanggil matriks gambar yang hanya berisi piksel warna merah
blue=gambar(:,:,3); %memanggil matriks gambar yang hanya berisi piksel warna merah
gray2=0.3*red+0.5*green+0.2*blue;
Membuat Histogram Image

---bersambung--







Penulis=> Unknown15.06

Rabu, 09 Oktober 2013

Persepsi Visual Manusia

Filled under:

Pada dasarnya indera yang  dimiliki oleh manusia adalah peralatan sensor alami yang paling canggih. Indera mata manusia dapat mengnali bentuk abyek, telinga untuk mengenali suara, sedangkan alat perasa (lidah) seseorang dapat membedakan rasa. Ketika mata melihat sesuatu, saraf otak langsung bekerja untuk merekam obyek yang telah dilihat, otak kita bekerja untuk merekam ciri-ciri obyek. Indera yang lain, urutan pengenalannya serupa dengan proses indera mata.

Pada dasarnya proses-proses tersebut merupakan proses pembelajaran. Semakin sering kita melihat suatu obyek yang sebelumnya pernah kita lihat, amak semakin cepat kita dapat mengenali obyek yang tersebut, ini artinya semakin kita melakukan pengenalan. Ketika ada orang memanggil kita, walaupun tanpa melihatnya, kita sudah dapat menduga siapa yang memanggil, karena, pada memori kita telah tersimpan ciri suar orang tsb.

Kita dapat mengenali wajah seseorang, karena sebelumnya telah melihat org tsb. Semakin sering kita melihat, maka semakin tidak asing wajah seseorang tersebut. Frekwensi bertemu dengan seseorang tersebut sebenarnya merupakan proses pembelajaran yang tidak pernah kita sadari. Manusia mampu menyimpan ciri-ciri banyak obyek yang jumlahnya sangat besar. Persepsi visual manusia tersebut kemudian dikembangkan untuk membangun suatu sistem kecerdasan. Mulai dari melihat obyek, mengolah obyek, mengekstrak ciri-ciri obyek yang telah dilihat sampai mengenalinya.

Penulis=> Unknown22.44