Digital image processing

Digital Image Processing

CITRA• Data atau informasi tidak hanya disajikan dalam

bentuk teks, tetapi juga dapat berupa gambar,audio dan video. Keempat macam data atau informasi ini sering disebut Multimedia.

• Citra – sebagai salah satu komponen multimedia yang memegang peranan penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi.

2

CITRA• Citra (image) = gambar pada bidang 2 dimensi.

• Citra (ditinjau dari sudut pandang matematis) = fungsi yang kontinu dari intensitas cahaya pada bidang 2 dimensi.

• Sumber cahaya menerangi objek,dipantulkan kembali dan di tangkap oleh alat-alat optik = Citra

3(b) Lena(a) Dog

CITRA

• Citra sebagai output dari suatu sistem perekaman data dapat berupa:

1. Still Image

• Citra diam (still image) adalah citra tunggal yang tidak bergerak.

2. Moving Image

• Citra bergerak (moving image) adalah rangkaian citra diam yang ditampilkan secara sekuensial sehingga memberi kesan pada mata kita sebagai gambar bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri dari ratusan sampai ribuan frame.

4

5

Citra DigitalCitra Digital

• Citra Digital– Citra digital merupakan fungsi intensitas cahaya f(x,y),

dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut;

– Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya (kwantisasi);

– Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan tingkat keabuan pada titik tersebut.

6

Digitizing an imageDigitizing an image

Line

Column of samples

Picture

Pixel

Sample Spacing

Sampling process

Spatial resolution

Line Spacing

Black

Gray

White

255

128

0

Sumber: Dimodifikasi dari Castlemen, 1996

Brightness Spacing

Proses Kwantisasi

Brightness Resolution

7

Metodologi Pengolahan CitraMetodologi Pengolahan Citra

• Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra digital.

• 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

8

Metodologi Pengolahan Citra (Lanjutan)

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.

9

Pengertian Citra DigitalPengertian Citra Digital

Sampler

Citra kontinue Citra digital Matriks citra dengan obyek angka 5

Resolusi spasial : Resolusi kecemerlangan :

Tinggi (16 x 16) Rendah (8 x 8) Rendah(4) Tinggi (2)

10

Tiga Bidang Berkaitan dengan

Proses Citra atau Gambar (1)

Image

Description (Pavlidis, 1986)

1950 Image Processing

1970 Computer Graphics

1970 Computer Vision

1960 Pattern Recognition

Artificial Intelligence

11

Tiga Bidang Berkaitan dengan

Proses Citra atau Gambar (2)

(MSU, 1990)

Definisi Pengolahan Citra

• Pengolahan Citra adalah

memproses suatu citra sehingga menghasilkan citra yang sesuai dengan keinginan kita atau kualitasnya menjadi lebih baik.

12

(b) Citra Lena yang diperbaiki

(a) Citra Lena yang agak kabur

13

Pengolahan Citra Digital

Pengolahan Citra Digital

• Memperbaiki kualitas 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.

Definisi Pengolahan Citra• Umumnya, operasi-operasi pengolahan citra diterapkan

pada citra bila :

1. Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra.

2. Elemen di dalam citra perlu di kelompokkan, dicocokkan atau diukur.

3. Sebagian citra perlu di gabung dengan bagian citra yang lain.

14

Definisi Pengolahan Citra

• Di dalam bidang komputer, ada 3 bidang studi yang berkaitan dengan citra, namun tujuan ketiganya berbeda, yaitu :– Grafika Komputer (Computer Graphics)– Pengolahan Citra (Image Processing)– Pengenalan Pola (Pattern Recognition/image interpretation)

15Deskripsi

Citra

Deskripsi

CitraPengolahan Citra

Grafika Komputer

Pengenalan Pola

16

Grafika KomputerGrafika 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 (realism).

17

Computer Graphics

(Hearn and Baker, 1986)

18

Visi KomputerVisi Komputer

• Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation and Classification;

• Visi Komputer (Computer Vision) merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar, Word and Vowel Recognition, Object Structure;

• Kecerdasan Buatan (Artificial Intelligence): Speech Understanding, What is illustrated by this image.

19

Computer Vision

Garage Bushes Grass House Sky Tree1 Tree2

Roof Side Roof Side1 Side2

(Ballard, 1992)

Computer Vision• Computer Vision mencoba meniru Human Vision• Computer Vision = proses otomatis yang

mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti :– Akuisisi citra– Pengolahan citra– Klasifikasi– Pengenalan (Recognition)– Membuat Keputusan.

• Vision = Geometry + Measurement + Interpretation20

Computer Vision• Proses-proses dalam computer vision dapat dibagi menjadi

3 aktivitas :

1. Memperoleh atau mengakuisisi citra digital

2. Melakukan teknik komputasi untuk memproses atau memodifikasi data citra (operasi-operasi pengolahan citra)

3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya mengontrol peralatan, memantau proses manufaktur, memandu robot, dll.

21

Computer Vision

22

SceneAlat Input

ex: kamera digital, scanner

Prepocessing

Intermediate Processing

Deskripsi Gambar

Pattern Recognition

CITRA

POLA

Proses dalam Computer Vision

Prepocessing

Lowest-levelfeature extraction

Intermediate-levelfeature identification

High-level sceneinterpretation via images

Hirarkhi Pemrosesan Contoh Algoritma

Noise RemovalContrast EnhancementEdge Detection

Texture Detection

Pattern Matching

Model-base recognition

23

Operasi Pengolahan Citra

1. Image Enhancement

Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra.

Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.

Contoh :– Perbaikan contrast, brightness– Penajaman (sharpening)– Noise Filtering

24


• Contoh– Sharpening

– Noise Filtering

25


2. Image RestorationImage Restoration bertujuan untuk menghilangkan/ meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui.

Contoh :

blur deblurring


3. Image CompressionJenis operasi ini dilakukan agar citra memerlukan memori atau media penyimpanan lebih sedikit, tanpa mengurangi kualitas citra.

27

Lena.bmp Lena.jpg dengan Quality

80

Lena.jpg dengan Quality

20

Operasi Pengolahan Citra4. Image

SegmentationJenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu.

28


5. Image AnalysisTeknik image analysis mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek

29

Contoh Edge Detection

Operasi Pengolahan Citra6. Image Reconstruction

Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi.

30

Aplikasi Pengolahan Citra1. Bid.Perdagangan2. Bid.Militer3. Bid.Kedokteran4. Bid.Biologi5. Komunikasi Data6. Hiburan7. Robotika8. Pemetaan9. Geologi10. Hukum

31

Aplikasi Pengolahan Citra1. Bid.Perdagangan

a. Pembacaan barcodeb. Pengenalan huruf/angka pada suatu formulir secara otomatis

2. Bid.Militera. Mengenali sasaran peluru kendali melalui sensor visualb. Mengidentifikasi jenis pesawat musuh

3. Bid.Kedokterana. Mammografib. Rekontruksi foto janin hasil USG

4. Bid.Biologia. Pengenalan jenis kromosom melalui citra mikroskopik

5. Komunikasi Dataa. Kompresi citra yang akan ditransmisikan

32

Aplikasi Pengolahan Citra

6. Hiburana. Gameb. Kompresi Video

7. Robotikaa. Visualy-Guided autonomous navigation

8. Pemetaana. Klasifikasi penggunaan tanah melalui foto udara/LANDSAT

9. Geologia. Mengenali jenis batu-batuan melalui foto udara/LANDSAT

10. Hukuma. Pengenalan sidik jarib. Pengenalan foto narapidana

33

34

Human Biometrics & Features

Citra Wajah Citra Sidik Jari

35

Aplikasi Kedokteran Gigi (Orthodonti)

Aplikasi Kedokteran Gigi (Orthodonti)

36

Aplikasi Kedokteran Gigi

• Pada citra cephalometri, dapat dideteksi kurva bentuk dahi manusia dari landmark Nasion (lekuk dahi ke hidung) sampai ke Bergman (titik ubun-ubun)

• Dari lengkung bentuk dahi dapat dihitung koefisien transformasi Fourier dan transformasi Wavelet

• Dari sampel laki2 dan perempuan dapat ditentukan aturan keputusan berdasarkan analisis diskriminan, sehingga jenis kelamin dapat ditentukan berdasarkan bentuk dahi tengkorak manusia

• Eksperimen menunjukkan penggunaan transformasi Wavelet menghasilkan tingkat pengenalan yang lebih baik dari transformasi Fourier

37

Aplikasi IndustriAplikasi Industri

Obyek: Jenis Mur, Sekrup dan Pin Diagram Dua Ciri Pembeda Obyek

38

Aplikasi Bahasa Isyarat (Bibir)(Sumber: MSU, 1990)

Aplikasi Bahasa Isyarat (Bibir)(Sumber: MSU, 1990)

Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang disebut sebagai ‘body language’.

39

Metodologi OCR – Optical Character Recogniton (1)Metodologi OCR – Optical Character Recogniton (1)

(MSU, 1990)

40

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;

41



• 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.

42

Aplikasi Pengenalan KarakterAplikasi Pengenalan Karakter

Huruf A hasil scanning Huruf A setelah ‘thinning’

43

Aplikasi Pengenalan KarakterAplikasi Pengenalan Karakter

Huruf hasil scanning Huruf setelah ‘skeletonizing’

Digital image processing

Documents

Transcript of Digital image processing