78b3f 01 pengantar pengolahan citra digital

PENGANTAR
PENGOLAHAN CITRA DIGITAL

Mahmud Yunus, S.Kom., M.Pd., M.T.
myoenoes@yahoo.com
myoenoes@gmail.com
081-8538.101

Referensi
 Gonzalez, Rafael C., and Woods, Richard E., 1993, “ Digital







Image Processing”, Addison-Wesley Publishing Company, Inc.
Sid-Ahmed, Maher A, 1995, “Image Processing :Theory,
Algoritms and Architectures ”, McGraw Hill.Inc.
Schalkoff, Robert J., 1992, “Digital Image Processing and

Computer Vision”, John Wiley & Son, New York
Abdul Kadir dan Adhi Susanto, “Pengolahan Citra Digital: Teori
dan Aplikasi”. Penerbit Andi. Yogyakarta.
T. Sutoyo dkk., 2009, “Teori Pengolahan Citra Digital”, Andi &
UDINUS, Yogyakarta.
Usman Ahmad, 2005, “Pengolahan Citra Digital Dan Teknik
Pemrogramannya”, Graha Ilmu, Yogyakarta.
Balza Achmad dan Kartika Firdausy, 2005, “Teknik Pengolahan
Citra Digital Menggunakan Delphi”, Ardi Publishing, Yogyakarta.

Pengantar
Tiga bidang yang berkaitan dengan Pemrosesan
Citra Digital

1970 : Computer Graphics

1950 : Image Processing

1960 : Pattern Rocognition
1960 : Artificial Intelligence

1970 : Computer Vision

Dimana kita?
Display/Printing?
Computer
Vision?

Imaging?

Digital Image
Processing

Computer
Graphics?

Biological
Vision?

Apa yang bisa kita lakukan ?
Image Processing/

Manipulation

Digital Image
Processing
Image Analysis/
Interpretation

Image Coding/
Communication

Terminologi Level Pengolahan Citra
IMAGE PROCESSING
IMAGE  IMAGE
IMAGE ANALYSIS
IMAGE  MEASUREMENTS
IMAGE UNDERSTANDING
IMAGE  SYMBOLIC
DESCRIPTION
COMPUTER GRAPHICS
SYMBOLIC DESCRIPTION 

IMAGE

Application of Digital Image Processing (DIP);
Astronomy
Radiologi
Ultrasonic Imaging
Microscopy
Remote Sensing
Meteorology

(a) CT Scan (Sumber:
http://www.dxhealthcorp.com)

Seismology
Radar
Internet
Autonomous Navigation
Etc.

(b) Contoh hasil CT Scan (Sumber:

http://www.thirdage.com/)

IMAGE PROCESSING vs.
COMPUTER VISION
 Image Processing
 Research area within electrical engineering/signal

processing
 Focus on syntax, low level features

image

image

 Computer Vision
 Research area within computer science/artificial

intelligence
Faces
 Focus on semantics, symbolic or geometric descriptions

image

People
Chairs
etc.

IMAGE PROCESSING

DENOISE

Image Processing: Image Enhancement

Enhance

From [Gonzalez & Woods]

Computer Vision
IMAGE

Garage
Tree2
Roof

(Ballard,
1992)

Bushes

Side

Grass

House

Roof

Sky

Side1

Tree1

Side2

Visi Komputer (Computer Vision)
 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;
 Pengenalan Pola (Pattern Recognition): Speaker
Recognition, Segmentation and Classification;
 Kecerdasan Buatan (Artificial Intelligence):
Speech Understanding, What is illustrated by
this image.

IMAGE PROCESSING vs.

COMPUTER GRAPHIPS
Pengolahan Citra;
 Memperbaiki kwalitas 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.

Grafika 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
(realisme).

CITRA DIGITAL
 Citra merupakan suatu representasi (gambaran),

kemiripan atau imitasi dari suatu objek atau
benda. Citra sebagai keluaran dari sistem
perekaman data objek, dapat bersifat optik (foto),
sinyal analog (video) maupun data digital yang
tersimpan pada sebuah media.
 Citra Analog merupakan data citra yang bersifat
kontinu seperti gambar bergerak atau video yang
terekam dalam pita kaset. Citra analog perlu
dikonversi ke Citra Digital terlebih dahulu agar
dapat diolah lebih lanjut dengan komputer.
 Citra
Digital merupakan data citra yang
merepresentasikan
besar

intensitas
warna
dan/atau keabuan tiap piksel penyusun citra
dalam besaran digital biner (0/1)

CITRA DIGITAL
 Pencitraan

(Imaging) merupakan
proses untuk mentransformasikan
data citra analog menjadi data citra
digital (digitalisasi citra). Peralatan
yang
dapat
digunakan
untuk
pencitraan;
 Kamera digital
 Kamera
konvensional
dan
konverter analog to digital
 Scanner, CCTV dll.
 Istilah pengolahan citra digital
menyatakan “pemrosesan gambar
berdimensi-dua melalui komputer
digital” (Jain, 1989).
 Menurut Efford (2000), pengolahan
citra adalah istilah umum untuk
berbagai teknik yang

CITRA DIGITAL
 Terdapat dua hal yang dilakukan dalam proses digitalisasi citra

yaitu (1) mempartisi citra dalam dimensi x kolom dan y baris
(Sampling); serta (2) menentukan besar intensitas yang
terdapat pada setiap piksel pembentuk citra (Kuantisasi) yang
menghasilkan sebuah resolusi citra.
 Sampling merupakan proses transformasi citra analog
(kontinu) menjadi citra digital dengan cara membagi citra
analog (kontinu) menjadi x kolom dan y baris, sehingga
menjadi citra diskrit. Dimana tidak semua bagian dari data citra
analog terekam menjadi data citra digital (ada yang hilang).
 Kuantisasi merupakan proses transformasi intensitas cahaya
dari setiap bagian citra yang bersifat kontinu (analog) ke
daerah intensitas yang bersifat diskrit. Kuantisasi diperlukan
untuk menyatakan besaran gradasi warna yang dibutuhkan
untuk mencitrakan sebuah objek.

CITRA DIGITAL
Sampling

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 1 bit, grayscale dengan 8 bit, true color dengan 24 bit

CITRA DIGITAL
 Resolusi Spasial merupakan ukuran halus atau kasarnya pembagian

kisi-kisi kolom dan baris saat proses Sampling. Resolusi Spasial
digunakan untuk menentukan jumlah piksel per satuan panjang,
biasanya dengan satuan dpi (dot per inch) yang sangat berpengaruh
pada detil dan perhitungan gambarnya.
Contoh: citra dengan resolusi 50 dpi yang artinya setiap 1 inch terdiri
dari 50 piksel, dan bila luas citra 1 inch 2 berarti citra tersebut terdiri
dari 50x50 piksel. Bila ukurannya diperbesar ( zooming) menjadi
10x10 inch (100 inch2), maka jumlah pikselnya tetap 50x50, tetapi
resolusinya berubah menjadi 50:10 = 5 dpi.
 Resolusi Intensitas Kecemerlangan (Brightness) disebut juga sebagai
Resolusi Kedalaman Warna (Bit Depth) merupakan ukuran halus atau
kasarnya pembagian tingkat gradasi warna saat proses Kuantisasi. 1
Bit Depth  2 kemungkinan warna (21); dan 8 Bit Depth  256
kemungkinan warna (28);
 Setiap citra digital memiliki karakteristik dasar berupa ukuran citra,
resolusi dan format citra

CITRA DIGITAL
 Pengolahan Citra Digital merupakan proses yang diterapkan pada suatu

citra digital untuk menghasilkan citra digital yang baru. Proses yang
dilakukan dapat berupa perbaikan citra ( image restoration) maupun proses
peningkatan kualitas citra (image enhancement).
 Operasi Pengolahan Citra Digital
 Operasi titik merupakan operasi yang mengolah setiap titik secara tidak
gayut (bergantung) terhadap titik-titik lainnya
 Operasi global merupakan operasi yang memodifikasi nilai setiap titik
berdasarkan nilai/karakteristik global keseluruhan titik pembentuk citra
(biasanya berupa sifat statistik)
 Operasi
temporal/berbasis
bingkai
merupakan
operasi
untuk
memodifikasi sebuah citra dengan mengkombinasikan dengan citra
lainnya
 Operasi geometri merupakan operasi untuk merubah bentuk, ukuran
atau orientasi citra secara geometris
 Operasi banyak titik bertetangga/bersebelahan merupakan operasi
untuk merubah nilai sebuah titik dengan melibatkan nilai dari titik-titik
disebelahnya
 Operasi morfologi merupakan operasi yang dapat membentuk struktur
objek dalam citra untuk keperluan segmentasi.

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
Interpretasi Citra (Image Interpretation): Memberikan arti
pada obyek yang sudah berhasil dikenali (dari citra
klasifikasi biomedik dapat dilihat adanya penyakit tumor)

ur Diagram Pengolahan Citra
Intermediate Level
Processing
Segmentation

Representation
And
Description

Recognition
And
Interpretation

Preprocessing

Problem
Domain

Knowledge Base
Image
Acquisition

Low Level
Processing

High Level
Processing

Result

Digital Image Acquisition Process

Matrix Representation
183
183

179
177
178

179
179

180

160
153
168
177
178
180
179
179

94
116
171
179
179
180
180
181

Divide into
8x8 blocks

H=256

W=256

From [Gonzalez & Woods]

153
176
182
177
176
179
182
179

194
187
179
179
182
183
183
181

163
166
170
165
164
169
170
170

132
130
131
131
130
132
129
130

165
169
167 
167 
171

169
173

169

Image Resolution

Image Resolution

Bitplanes

Bitplane 7

Bitplane 6

Bitplane 5
From [Gonzalez & Woods]

Bitplane 4

Original 8bits/pixel
one 8-bit
byte

Bitplane
7

Bitplane 0

Image Analysis: Edge Detection

From [Gonzalez & Woods]

Image Analysis: Face Detection

From Prof. Xin Li

Image Analysis: Image Segmentation

From Prof. Xin Li

Image Analysis: Image Matching

Two deceivingly similar fingerprints of two different people
From Prof. Xin Li