Sistem Visual Manusia dan Pengolahan Citra Digital
Sistem Visual Manusia dan Pengolahan
Citra Digital
Nana Ramadijanti
Laboratorium Computer Vision
Politeknik Elekltronika Negeri Surabaya PENS-ITS
2009
Materi
•
•
•
•
•
•
•
•
•
•
•
Sistem Visual Manusia
Representasi Penglihatan
Model Kamera
Sampling Dan Kuantisasi
Piksel dan Connectivity
Labelling of connected Component
Operasi Logika dan Aritmatika pada Citra
Jenis-Jenis Citra
Mdel Citra Berwarna
Format Warna RGB
Membaca dan Menampilkan Citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Human dan Computer Vision
• Mempelajari pengolahan citra tanpa tidak
bisa dilakukan tanpa memperhatikan sistem
human vision. Sejumlah uji coba dan
evaluasi akan diberikan pada citra yang
akan diproses oleh sistem visual yang kita
miliki.
• Tanpa memperhatikan sistem human vision
kita mungkin banyak salah dalam
menginterpretasikan citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
3
Beberapa Pertanyaan Sederhana ?
• Apakah perbedaan intesitas dapat diketahui
sebagai perbedaan?
• Apakah resolusi spatial, dari mata ?
• Sebarapa akurat kita dapat menebak dan
membandingkan distances dan areas?
• Bagaimana kita sensitif terhadap warna?
• Fitur-fitur mana yang dapat dideteksi dan
membedakan obyek2?
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
4
Sistem Visual Manusia
• Pembentukan Citra oleh Sensor Mata
– Intensitas cahaya ditangkap oleh diagram iris
dan diteruskan ke bagian retina mata.
– Bayangan obyek pada retina mata dibentuk
dengan mengikuti konsep sistem optik dimana
fokus lensa terletak antara retina dan lensa
mata.
– Mata dan syaraf otak dapat menginterpretasi
bayangan yang merupakan obyek pada posisi
terbalik.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
5
Representasi Penglihatan
Representasi penglihatan ini menunjukkan cara kerja
kamera dalam meng-capture suatu gambar.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Struktur Mata Manusia
• Bentuk seperti sphere
• Rata-rata diameter 20mm
• 3 membran
• Cornea dan sclera
• Choroid
• Retina menutup mata
A cross section of the human eye
(Gonzalez & Woods, 1992)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
7
Sistem Visual Manusia
•Choroid :
Lies below the sclera,contains network of blood
vessels that serve as the major source of
nutrition to the eye.
•Choroid coat is heavily
pigmented and hence helps to reduce the
amount of extraneous light entering the eye and
the backscatter within the optical globe.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
8
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
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
9
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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
10
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.
• 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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
11
Pengertian Citra 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/keabuan (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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
12
Resolusi Spasial dan Kecemerlangan/Brightness
•
Resolusi Citra
– Dikenal: resolusi spasial dan resolusi kecemerlangan,
berpengaruh pada besarnya informasi citra yang hilang.
– Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris
dan kolom. Transformasi citra kontinue ke citra digital
disebut dijitisasi (sampling). Hasil digitasi dengan jumlah
baris 256 dan jumlah kolom 256 - resolusi spasial 256 x
256.
– 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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
13
Sampling
Proses capture pada kamera melakukan penangkapan
besaran intensitas cahaya pada sejumlah titik yang ditentukan
oleh besar kecilnya kemampuan resolusi sebuah kamera.
Proses pengambilan titik-titik ini dinamakan dengan sampling.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Kuantisasi
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Kuantisasi (Warna)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Sampling dan 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 2 bit, grayscale dengan 8 bit, true color dengan 24 bit
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
18
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).
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
19
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)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
20
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
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
21
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
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
22
Operasi Aritmetik / Logika 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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
23
Operasi Aritmetik / Logika pada Citra
•
Operasi selisih antara dua citra temporal dapat digunakan untuk
deteksi perubahan wilayah.
Jakarta in 1994
Laboratorium
Computer Vision
Jakarta
in 1998
Politeknik Elektronika Negeri Surabaya PENS-ITS
(Lapan, 2001)
24
Operasi Aritmetik / Logika pada Citra
• Operasi Logika antara dua citra
– OR AND NOT
– Masking (AND) operation dapat digunakan
untuk memisahkan antara bagian obyek dan
bagian latar belakang pada citra biomedik.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
25
Komponen Sistem
Pengolahan Citra Digital
(Gonzalez & Woods, 1992)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
26
Dasar Radiometri
Radiometri adalah bagian dari image formation yang
membahas relasi antara besaran energi dari sumber,
besaran refleksi dari permukaan dan besaran yang
diterima oleh sensor
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Model Kamera
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Tiga Jenis Citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Model Citra Berwarna Dengan RGB
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Representasi Citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Format Warna RGB
G
R
B
Format warna 24 BIT dinyatakan dengan:
11001001 01011001 00001011
R (8 bit)
G (8 bit)
B (8 bit)
Masing-masing komponen warna RGB mempunyai nilai
0 s/d 255 (8 bit) derajat kecerahan (derajat keabuan)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Format Warna RGB
Warna
Merah
R
G
B
255
0
0
Hijau
0
255
0
Biru
0
0
255
Kuning
255
255
0
Magenta
255
0
255
Cyan
0
255
255
Putih
255
255
255
0
0
0
128
128
128
Hitam
Abu-abu
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Contoh Warna RGB Dalam HexaDecimal
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Fungsi Untuk Membaca Warna RGB
void WarnaToRGB(long int warna,int *Red, int *Green, int *Blue)
{
*Red = warna & 0x000000FF;
*Green = (warna & 0x0000FF00) >> 8;
*Blue = (warna & 0x00FF0000) >> 16;
}
Contoh:
Warna 0x00F0A122 bila dioperasikan akan menjadi:
Red = 0x00F0A122 & 0x000000FF = 22 (Hexa) = 34
Green = 0x00F0A122 & 0x0000FF00 = A1 (Hexa) = 161
Blue = 0x00F0A122 & 0x00FF0000 = F0 (Hexa) = 240
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Fungsi Untuk Membuat Warna RGB
long int RGBToWarna(int Red, int Green, int Blue)
{
return(Red+(Green
Citra Digital
Nana Ramadijanti
Laboratorium Computer Vision
Politeknik Elekltronika Negeri Surabaya PENS-ITS
2009
Materi
•
•
•
•
•
•
•
•
•
•
•
Sistem Visual Manusia
Representasi Penglihatan
Model Kamera
Sampling Dan Kuantisasi
Piksel dan Connectivity
Labelling of connected Component
Operasi Logika dan Aritmatika pada Citra
Jenis-Jenis Citra
Mdel Citra Berwarna
Format Warna RGB
Membaca dan Menampilkan Citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Human dan Computer Vision
• Mempelajari pengolahan citra tanpa tidak
bisa dilakukan tanpa memperhatikan sistem
human vision. Sejumlah uji coba dan
evaluasi akan diberikan pada citra yang
akan diproses oleh sistem visual yang kita
miliki.
• Tanpa memperhatikan sistem human vision
kita mungkin banyak salah dalam
menginterpretasikan citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
3
Beberapa Pertanyaan Sederhana ?
• Apakah perbedaan intesitas dapat diketahui
sebagai perbedaan?
• Apakah resolusi spatial, dari mata ?
• Sebarapa akurat kita dapat menebak dan
membandingkan distances dan areas?
• Bagaimana kita sensitif terhadap warna?
• Fitur-fitur mana yang dapat dideteksi dan
membedakan obyek2?
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
4
Sistem Visual Manusia
• Pembentukan Citra oleh Sensor Mata
– Intensitas cahaya ditangkap oleh diagram iris
dan diteruskan ke bagian retina mata.
– Bayangan obyek pada retina mata dibentuk
dengan mengikuti konsep sistem optik dimana
fokus lensa terletak antara retina dan lensa
mata.
– Mata dan syaraf otak dapat menginterpretasi
bayangan yang merupakan obyek pada posisi
terbalik.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
5
Representasi Penglihatan
Representasi penglihatan ini menunjukkan cara kerja
kamera dalam meng-capture suatu gambar.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Struktur Mata Manusia
• Bentuk seperti sphere
• Rata-rata diameter 20mm
• 3 membran
• Cornea dan sclera
• Choroid
• Retina menutup mata
A cross section of the human eye
(Gonzalez & Woods, 1992)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
7
Sistem Visual Manusia
•Choroid :
Lies below the sclera,contains network of blood
vessels that serve as the major source of
nutrition to the eye.
•Choroid coat is heavily
pigmented and hence helps to reduce the
amount of extraneous light entering the eye and
the backscatter within the optical globe.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
8
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
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
9
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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
10
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.
• 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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
11
Pengertian Citra 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/keabuan (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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
12
Resolusi Spasial dan Kecemerlangan/Brightness
•
Resolusi Citra
– Dikenal: resolusi spasial dan resolusi kecemerlangan,
berpengaruh pada besarnya informasi citra yang hilang.
– Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris
dan kolom. Transformasi citra kontinue ke citra digital
disebut dijitisasi (sampling). Hasil digitasi dengan jumlah
baris 256 dan jumlah kolom 256 - resolusi spasial 256 x
256.
– 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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
13
Sampling
Proses capture pada kamera melakukan penangkapan
besaran intensitas cahaya pada sejumlah titik yang ditentukan
oleh besar kecilnya kemampuan resolusi sebuah kamera.
Proses pengambilan titik-titik ini dinamakan dengan sampling.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Kuantisasi
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Kuantisasi (Warna)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Sampling dan 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 2 bit, grayscale dengan 8 bit, true color dengan 24 bit
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
18
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).
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
19
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)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
20
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
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
21
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
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
22
Operasi Aritmetik / Logika 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.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
23
Operasi Aritmetik / Logika pada Citra
•
Operasi selisih antara dua citra temporal dapat digunakan untuk
deteksi perubahan wilayah.
Jakarta in 1994
Laboratorium
Computer Vision
Jakarta
in 1998
Politeknik Elektronika Negeri Surabaya PENS-ITS
(Lapan, 2001)
24
Operasi Aritmetik / Logika pada Citra
• Operasi Logika antara dua citra
– OR AND NOT
– Masking (AND) operation dapat digunakan
untuk memisahkan antara bagian obyek dan
bagian latar belakang pada citra biomedik.
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
25
Komponen Sistem
Pengolahan Citra Digital
(Gonzalez & Woods, 1992)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
26
Dasar Radiometri
Radiometri adalah bagian dari image formation yang
membahas relasi antara besaran energi dari sumber,
besaran refleksi dari permukaan dan besaran yang
diterima oleh sensor
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Model Kamera
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Tiga Jenis Citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Model Citra Berwarna Dengan RGB
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Representasi Citra
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Format Warna RGB
G
R
B
Format warna 24 BIT dinyatakan dengan:
11001001 01011001 00001011
R (8 bit)
G (8 bit)
B (8 bit)
Masing-masing komponen warna RGB mempunyai nilai
0 s/d 255 (8 bit) derajat kecerahan (derajat keabuan)
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Format Warna RGB
Warna
Merah
R
G
B
255
0
0
Hijau
0
255
0
Biru
0
0
255
Kuning
255
255
0
Magenta
255
0
255
Cyan
0
255
255
Putih
255
255
255
0
0
0
128
128
128
Hitam
Abu-abu
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Contoh Warna RGB Dalam HexaDecimal
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Fungsi Untuk Membaca Warna RGB
void WarnaToRGB(long int warna,int *Red, int *Green, int *Blue)
{
*Red = warna & 0x000000FF;
*Green = (warna & 0x0000FF00) >> 8;
*Blue = (warna & 0x00FF0000) >> 16;
}
Contoh:
Warna 0x00F0A122 bila dioperasikan akan menjadi:
Red = 0x00F0A122 & 0x000000FF = 22 (Hexa) = 34
Green = 0x00F0A122 & 0x0000FF00 = A1 (Hexa) = 161
Blue = 0x00F0A122 & 0x00FF0000 = F0 (Hexa) = 240
Laboratorium Computer Vision
Politeknik Elektronika Negeri Surabaya PENS-ITS
Fungsi Untuk Membuat Warna RGB
long int RGBToWarna(int Red, int Green, int Blue)
{
return(Red+(Green