Citra ContrastStretching HEqualisasi
Citra ContrastStretching HEqualisasi
Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia
DC - OKT 2003 1
Sumber Pustaka: Gonzalez, Bab 4 Tujuan dari teknik peningkatan mutu citra adalah untuk melakukan pemrosesan terhadap citra agar hasilnya mempunyai kwalitas relatif lebih baik dari citra awal untuk aplikasi tertentu. Kata baik disini tergantung pada jenis aplikasi dan problem yang dihadapi.
DC - OKT 2003 2
Lingkup Pembahasan
Image Enhancement Spatial Domain
I. Point Processing II. Mask Processing
a. Image Negative b. Contrast Stretching c. Histogram Equalization - all grey level and all area - specific grey level (histogram specification) - local enhancement (specific part of the image) d. Image Subtracting e. Image Averaging
DC - OKT 2003 4
I. Point Processing
Cara paling mudah untuk melakukan peningkatan mutu pada domain spasial adalah dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak menggunakan jendela ketetanggaan) Pengolahan menggunakan histogram juga termasuk dalam bagian point processing
DC - OKT 2003 5
Mengubah nilai grey-level piksel citra input dengan: Gbaru = 255 - Glama Hasilnya seperti klise foto
DC - OKT 2003
Mengubah kontras dari suatu image dengan cara mengubah greylevel pikselpiksel pada citra menurut fungsi s = T(r) tertentu r1 r2, s1 s2 r1 = r2, s1 = s2 tidak ada perubahan r1 = r2, s1 = 0, s2 = 255 tresholding menjadi citra biner dengan ambang r1 DC - OKT
2003
DC - OKT 2003
Contrast Stretching
Fungsi lain yang baik digunakan adalah: fout = (fin a) * b a = min(fin) b = 255 / (max(fin) min(fin)) Citra masukan yang grey level nya tidak penuh dari 0 255 (low constrast) diubah menjadi citra yang grey level nya berkisar dari 0 255 (high contrast)
DC - OKT 2003 10
Histogram: diagram yang menunjukkan jumlah kemunculan grey level (0-255) pada suatu citra Histogram processing:
Gambar gelap: histogram cenderung ke sebelah kiri Gambar terang: histogram cenderung ke sebelah kanan Gambar low contrast: histogram mengumpul di suatu tempat Gambar high contrast: histogram merata di semua tempat Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada citra juga berubah
DC - OKT 2003 11
Ic. Histogram Equalization in all grey level and all area (1)
Ide: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar pada kisaran 0-255 Sifat:
Grey level yang sering muncul lebih dijarangkan jaraknya dengan grey level sebelumnya Grey level yang jarang muncul bisa lebih dirapatkan jaraknya dengan grey level sebelumnya Histogram baru pasti mencapai nilai maksimal keabuan (contoh: 255)
DC - OKT 2003 12
Ic. Histogram Equalization in all grey level and all area (2)
- mengubah pemetaan grey level pada citra, dengan rumus:
sk = T (rk ) =
j =0 k
nj n
= p(rj )
j =0
0 rk 1 dan k = 0,1,....., L 1 L adalah grey level maksimal yang ada pada citra
DC - OKT 2003
13
Ic. Histogram Equalization in all grey level and all area (3)
Citra Akhir: 19 9 95 95 9 55 91 5 55 5 9 10 10 1
2 0 0 0 0 0
5 7 0.35 0.90 9 9
6 2 0.1 1 10 10
7 0 0 1 10 10
8 0 0 1 10 10
9 0 0 1 10 10
10 0 0 1 10 10
DC - OKT 2003
14
Histogram equalization tidak dilakukan pada seluruh bagian dari histrogram tapi hanya pada bagian tertentu saja
DC - OKT 2003 15
DC - OKT 2003
16
DC - OKT 2003
17
Dilakukan jika kita ingin mengambil bagian tertentu saja dari citra
=
DC - OKT 2003 18
Thorax X-Ray
Standard Landmarks
Thorax Tissue
19
Jika pada point processing kita hanya melakukan operasi terhadap masing-masing piksel, maka pada mask processing kita melakukan operasi terhadap suatu jendela ketetanggaan pada citra. Kemudian kita menerapkan (mengkonvolusikan) suatu mask terhadap jendela tersebut. Mask sering juga disebut
filter.
DC - OKT 2003
21
G31 G32 G33 G34 G35 G41 G42 G43 G44 G45 G51 G52 G53 G54 G55
G22 = w1 G11 + w2 G12 + w3 G13+ w4 G21 + w5 G22 + w6 G23 + w7 G31 + w8 G32 + w9 G33
DC - OKT 2003
23
Smoothing filters:
Lowpass filter (linear filter, mengambil nilai rata-rata) Median filter (non-linear filter, mengambil median dari setiap jendela ketetanggan)
Sharpening filters:
Average lowpass filter (a) Gambar Asli (b)-(f) hasil dari spatial lowpass filtering dengan ukuran mask 3,5,7,15,25
DC - OKT 2003 25
Pada suatu citra monokrom, suatu edge (sisi) dapat ditandai dengan adanya suatu yang besar
perbedaan intensitas
DC - OKT 2003
27
Bagaimana mendeteksi perbedaan intensitas tersebut? Dengan mempertegas perbedaan (kalikan satu intensitas dengan nilai negatif, kemudian kalikan nilai positif pada intensitas lainnya) Kasus A: 2 bersisian dgn 100 (edge) 2*(-1) + 100*(1)= 99 Kasus B: 2 bersisian dgn 4 (not edge) 2*(-1) + 4*(1)= 2
Lakukan tresholding untuk memperjelas mana bagian sisi dan mana yang bukan Ambil treshold = 90, maka Kasus A akan dianggap sebagai sisi, Kasus B tidak dianggap sisi
DC - OKT 2003 28
Sobel
-1 0 1
-1 0 1
-1 0 1
-1 -1 -1
0 0 0
1 1 1
Prewitt (a)Gambar awal, (b) hasil dari Prewitt Mask, (c) thresholding dari (b) pada nilai > 25 (d) thresholding dari (b) pada nilai >25 dan < 25 (black)
DC - OKT 2003 29