4.

2 (iii) L = 30 N = 22

Original brightness value 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Original no. of pixel 0 0 0 0 0 0 0 0 0 1 2 1 3 10 8 4 0 0 6 10 12 6 2 2 2 1 2 0 0 0 0

Commulative no. of pixel 0 0 0 0 0 0 0 0 0 1 3 3 4 13 18 12 4 0 6 16 22 18 8 4 4 3 3 2 0 0 0

Scaled new value 0 0 0 0 0 0 0 0 0 1,364 4,091 4,091 5,455 17,727 24,545 16,364 5,455 0 8,182 21,818 30 24,545 10,909 5,455 5,455 4,091 4,091 2,727 0 0 0

Nearest available brightness value 0 0 0 0 0 0 0 0 0 1 4 4 5 18 25 16 5 0 8 22 30 25 10 5 5 4 4 3 0 0 0

4.3 histogram dua dimensi untuk data citra 2 band ditunjukkan dengan gambar berikut:

Tentukan histogram yang dihasilkan dari regangan kontras linear pada tiap band secara individual.
12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 Band 1

4.7 Langkah modifikasi histogram : 1. Baca image dan dapatkan nilai tingkat keabuan dari setiap pixel penyusunnya, dan simpan dalam array. Gunakan fungsi imread(). 2. Cari nilai maksimum tingkat keabuan citra tersebut. Nilai ini nantinya akan dipakai untuk menentukan histogram ekualisasinya. Gunakan fungsi max() 3. Buat histogram citra asal. Simpan frekuensi kemunculan derajat keabuan tersebut dalam array(vector). Mula-mula kita siapkan array(vector) kosong yang ukurannya mengacu kepada nilai maksimum derajat keabuan citra dibulatkan ke 2n. Untuk selajutnya hitung frekuensi kemunculan derajat keabuan pada masing-masing posisi vector 4. Buat histogram ekualisasinya. Histogram ekualisasi dicari dengan menghitung prosentase kemunculan derajat keabuan yang ada dikalikan dengan derajat keabuan maksimum dari citra asal. 5. Cari nilai tingkat keabuan dari citra bari hasil ekualisasi dengan menggunakan histogram ekualisasinya. 6. Untuk memetakan histogram ekualisasi menjadi citra baru, kita siapkan array (matrik) kosong yang ukurannya sama dengan citra asal. Selanjutnya masing-masing nilai matrik baru dihitung dari nilai histogram ekualisasi bedasarkan nilai matrik gambar lama. 7. Petakan ke citra baru.

Band 2

Lakukan transformasi dengan menggunakan persamaan di bawah.

0

0 = (0 ) = ( ) = (0 ) = 0.19
1 =0

1 = (1 ) = ( ) = (0 ) + (1 ) = 0.19 + 0.25 = 0.44

2 =0

2 = (2 ) = ( ) = (0 ) + (1 ) + (2 ) = 0.19 + 0.25 + 0.21 = 0.65

=0

0/7 = 0.00 1/7 = 0.14 2/7 = 0.29 3/7 = 0.43 4/7 = 0.57 5/7 = 0.71 6/7 = 0.86 7/7 = 1.00

8 Tingkat keabuan valid nilai dibulatkan ke nilai valid terdekat 0 = 0.19 1 7 1 = 0.44 3 7 2 = 0.65 5 7 3 = 0.81 6 7 4 = 0.89 6 7 5 = 0.95 1 6 = 0.98 1 7 = 1.00 1

Hasil rangkuman transformasi : r j sk 1/7 3/7 5/7 6/7 7/7 Histogram dengan distribusi seragam :

nk 790 1023 850 985 448

Ps(sk) 0.19 0.25 0.21 0.24 0.11

4.8 (a) Contrast enhancement is frequently carried out on remote sensing image data. Describe the advantages in doing so, if the data is to be analysed by: (i) photointerpretation Digunakan untuk meningkatkan objek visual dengan meningkatkan kontras dari suatu citra. (ii) quantitative computer methods. Sebagian besar teknik penajaman citra terkait dengan data skalar dan vektor dimana dilakukan proses nilai kecerahan yakni dari data pixel yang direpresentasikan menjadi vektor. Hal ini dapat dilakukan hanya dengan menggunakan perangkat komputer (b) A particular two band image has the two dimensional histogram shown in Fig. 4.23. It is proposed to enhance the contrast of the image by matching the histograms in each band to the triangular profile shown. Produce look-up tables to enable each band to be enhanced, and from these produce the new two-dimensional histogram for the image.

No Band 1 2 3 4 5 6 7 8 9

Nilai Kecerahan 7 9 7 7 11 11 7 9 7