Pendahuluan Konsep Dasar pengolahan Citra Peningkatan Mutu Citra Pemampatan Citra Steganografi
Pusat Studi Mikroelektronika & Pengolahan Citra Universitas Gunadarma, Jakarta http://pusatstudi.gunadarma.ac.id/pscitra
Pengolahan Citra
Pendahuluan
Definisi : Pengolahan citra adalah pemrosesan citra, dengan maksud untuk mendapatkan kualitas citra yang diinginkan (lebih baik yang bersifat relatif ) Tiga bidang studi yang terkait dengan data citra yaitu : Komputer grafik, Pengolahan Citra , Pengenalan Pola Pengolahan citra citra Komputer grafik citra Pengenalan pola
diskripsi
diskripsi
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Pendahuluan
Pengolahan Citra
Pendahuluan
Garage Roof
Bushes Side
Grass
House Roof
Sky Side1
Tree1 Side2
Tree2
(Ballard, 1992)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Pendahuluan
OPERASI PENGOLAHAN CITRA Perbaikan kualitas citra,(image enhancement) dari aspek radiometrik ( kontras, tepian objek, penajaman, pemeberian warna semu, penapisan ) dan aspek geometrik ( rotasi, translasi, skala, transformasi geometrik )
Pengolahan Citra
Pendahuluan
Pemampatan Citra (images compression). Segmentasi Citra ( image segmentation), bertujuan untuk memecah citra kedalam beberapa segmen.
Pengolahan Citra
Pendahuluan
Analisa citra ( image analysis), bertujuan menghitung besaran kuantitatif citra untuk menghasilkan diskripsi ( ciri-ciri tertentu ), misal : pendeteksian tepi objek ( edge detection)
Rekontruksi Citra, membentuk ulang objek dari beberapa citra hasil proyeksi
Pengolahan Citra
Pendahuluan
Sensor Citra , untuk menangkap pantulan objek Jenisnya : CCD(charge coupled device) dan CMOS ( complementary metaloxide semiconductor) ADC , mengkonversi sinyal analog menjadi sinyal digital Memori , untuk menyimpan data hasil konversi ADC dan memori dikemas dalam satu kesatuan yang disebut dengan penangkap bingkai citra ( image frame grabber) Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Konsep Dasar pengolahan Citra
Model Citra
Citra merupakan fungsi malar (kontinyu) dari intensitas cahaya. Secara matematis disimbulkan dengan f(x,y), dimana :
(x,y) : koordinat pada bidang dwi warna F(x,y) : intensitas cahaya pada titik (x,y)
Pengolahan Citra
Konsep Dasar pengolahan Citra
Digitalisasi Citra
Supaya bisa diolah dengan komputer, citra harus direpsentasikan secara numerik dengan nilai diskrit . Citra digital dinyatakan dengan suatu matrik ukuran NxM. Masing-masing elemen disebut pixel (picture element) f(0,0) f(1,0) F(x,y) = : f(0,1) . f(1,1) . : f(0,m) f(1,M) : f(N-1,M-1)
f(N-1,0) f(N-1,1)
Indeks baris (i) dan indeks kolom (j) menyatakan koordinat titik pada citra, sedang f(i,j) merupakan intensitas (derajat keabuan) pada titik (i,j)
Pengolahan Citra
Konsep Dasar pengolahan Citra
Pengolahan Citra
Konsep Dasar pengolahan Citra
Untuk memudahkan implementasi , jumlah pixel biasanya diasumsikan dengan, N = 2n, dimana, N = jumlah pixel pada baris:kolom , n = bilangan bulat positip misal 256 x 256 pixel, 128x256 pixel, 8x8 pixel Skala/derajat Keabuan : G = 2 m Dimana : G = derajat keabuan, m=bilangan bulat positip Skala keabuan 21 ( 2 nilai ) 22 ( 4 nilai ) 24 ( 16 nilai ) 28 (256 nilai ) Nilai keabuan 0,1 0 sampai 3 0 sampai 15 0 sampai 256 pixel depth 1 bit 2 bit 4 bit 8 bit
Penyimpanan citra digital menjadi NxM pixel dan dikuantisasi menjadi G=2m memerlukan memori sebanyak B=NxMxm Contoh 512x512x8 = 2048.000 bit
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Konsep Dasar pengolahan Citra
Fungsi diskrit
h x, y
f
x, y
a ,b g
g
x
x,y
a, y b
Fungsi penapis g(x,y) disebut juga convolution filter, convolution mask, convolution kernel atau template. Dalam bentuk diskret kernel konvolusi dinyatakan dalam bentuk matriks, misal 2x2, 3x3,
Pengolahan Citra
Konsep Dasar pengolahan Citra
Ilustrasi konvolusi
F(i,j)=Ap1+Bp2+Cp3+Dp4+Ep5+Fp6+Gp7+Hp8+Ip9
Contoh: misal citra f(x,y) yang berukuran 5x5 dan sebuah kernel dengan ukuran 3x3, matriks sebagai berikut :
44354 66552 F(x,y)= 56662 67553 35244 g(x,y)= 0 -1 0 -1 4 -1 0 -1 0
Pengolahan Citra
Konsep Dasar pengolahan Citra
= hasil konvolusi
Pengolahan Citra
Peningkatan Mutu Citra
Tujuan Peningkatan Mutu Citra 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. Jenis Teknik Peningkatan Mutu Citra Teknik peningkatan mutu citra dapat dibagi menjadi dua: Peningkatan mutu citra pada domain spasial Point Processing Mask Processing Peningkatan mutu citra pada domain frekuensi
Pengolahan Citra
Peningkatan Mutu Citra
Lingkup Pembahasan
Image Enhancement
Spatial Domain
Frequency Domain
I. Point Processing
a. b. c.
Image Negative Contrast Stretching 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
Pengolahan Citra
Peningkatan Mutu Citra
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) Yang termasuk disini misalnya : Citra negatif, Contrast Stretching, perataan histogram, Image Substraction, Image Averaging
Pengolahan Citra
Peningkatan Mutu Citra
a. Citra Negatif Mengubah nilai grey-level piksel citra input dengan: Gbaru = 255 - Glama Hasilnya seperti klise foto
Citra asli
Citra negatif
Pengolahan Citra
Peningkatan Mutu Citra
b. Contrast Streching Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel-piksel pada citra menurut fungsi s = T(r) tertentu
Pengolahan Citra
Peningkatan Mutu Citra
c. Perataan Histogram Histogram citra adalah diagram yang menunjukkan jumlah kemunculan grey level atau derajat keabuan pada suatu citra. Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada citra juga berubah
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
Pengolahan Citra
Peningkatan Mutu Citra
Yang dimaksud dengan perataan histogram adalah mengubah derajat keabuan suatu pixel r dengan derajat keabuan yang baru (s) dengan suatu fungsi transformasi T Persamaan Perataan Histogram
k nj sk = T ( rk ) = = p( rj ) j =0 n j =0 k
0 rk 1 dan k = 0,1,....., L 1 L adalah grey level maksimal yang ada pada citra
Pengolahan Citra
Peningkatan Mutu Citra
Citra Akhir: 19 9 95 95 9 55 91 5 55 5 9 10 10 1
0 0 0 0 0 0
1 0 0 0 0 0
2 0 0 0 0 0
5 7 0.3 5 0.9 0 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
Pengolahan Citra
Peningkatan Mutu Citra
Grey histogram
Original Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Original Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Bright Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Dark Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
RGB Histogram
Original Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Dark Image
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Mask Processing
Jika pada point processing kita hanya melakukan operasi terhadap masingmasing 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. Contoh: Jendela ketetanggan 3x3, Nilai piksel pada posisi x dipengaruhi oleh nilai 8 tetangganya Perbedaan dengan point processing: pada point processing, nilai suatu piksel tidak dipengaruhi oleh nilai tetangga-tetangganya
1 2 3 8 x 4 7 6 5
Pengolahan Citra
Peningkatan Mutu Citra
W1 W2 W3 W4 W5 W6 W7 W8 W9
G1 G1 G1 G1 G1
1 G21 2
Contoh sebuah mask berukuran 3x3. Filter ini akan diterapkan / dikonvolusikan pada setiap jendela ketetanggaan 3x3 pada citra (anggap filter sudah dalam bentuk terbalik)
G2 G2 G2 G2
2 3 4 5
G3 G3 G3 G3 G3
1
G4 G4 G4 G4 G4
1
G22 = w1 G11 + w2 G12 + w3 G13+ w4 G21 + w5 G22 + w6 G23 + w7 G31 + w8 G32 + w9 G33
G5 G5 G5 G5 G5
1 2 3 4 5
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Ket :
a. Citra Asli; b. Hasil citra dengan Median Filtering c. Hasil Citra dengan Mean Filtering; (Gaussian)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Sharpening filters: Roberts, Prewitt, Sobel (edge detection) High pass filter
Operator Sobel
Operator prewitt
Operator Roberts
Operator canny
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Pemampatan Citra
Kendala Data Citra Digital Mengapa perlu pemampatan dan reduksi data? Data citra umumnya berukuran besar Tidak praktis dalam aspek penyimpanan, proses dan transmisi Perlu reduksi atau pemampatan data dengan mengurangi redundancy atau duplikasi data Data redundancy: adalah bagian data yang tidak mengandung informasi terkait atau merupakan pengulangan dari informasi yang sudah dinyatakan sebelumnya atau sudah diketahui
Pengolahan Citra
Pemampatan Citra
Contoh Aplikasi Aplikasi yang membutuhkan image compression: dimana perkembangannya ditentukan oleh efisiensi pada manipulasi data, penyimpanan, dan transmisi citra biner / monokrom / berwarna: Televideo-conferencing Remote sensing Telemedical / Medical imaging Facsimile transmission
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Source encoder: menghilangkan redundansi input Channel encoder: meningkatkan imunitas output source encoder terhadap gangguan noise (menggunakan Hamming code) Channel decoder & source decoder: mengembalikan ke data semula Jika channel dianggap bebas noise, maka channel encoder/decoder bisa diabaikan.
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Source encoder & decoder Source Encoder: terdiri dari Mapper, Quantizer dan Symbol Coder Mapper: melakukan transformasi dari citra masukan (visual format) menjadi suatu non-visual format dan dimaksud untuk eliminasi interpixel redundancy. Biasanya bersifat reversible, contoh: runlength coding. Quantizer: melakukan eliminasi psychovisual redundancy menurut kriteria fidelity yang ditentukan. Pada sistem kategori error-free compression, tahap ini tidak dilakukan Symbol Coder: menghasilkan kode fixed-length atau variable-length dan memetakan citra pada sistem kode tersebut.
Pengolahan Citra
Pemampatan Citra
Source Decoder: melakukan operasi yang berlawanan dengan source encoder dan menghasilkan suatu citra rekonstruksi yang persis atau merupakan bentuk approksimasi dari citra asalnya. Channel Encoder dan Decoder: menyisipkan controlled redundancy bits (penambahan bits) untuk mendeteksi bila terjadi error atau gangguan waktu transmisi.
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Contoh Hasil
Pengolahan Citra
Pemampatan Citra
Contoh Hasil
Pengolahan Citra
Steganografi
SEJARAH STEGANOGRAFI
Awal munculnya steganografi : Sejarawan Yunani yaitu Herodotus dalam cerita : Hirateus(raja kejam Yunani) yang dipenjara oleh Raja Darius di Susa yang mengirimkan surat kepada anaknya melalui tato di kepala budak Demeratus mengiimkan pesan kepada negara bagian Sparta bahwa Xerxes ingin menyerang Yunani melalui tulisan yang ada di ukir di bawah tabung kayu yang kemudian ditutupi dengan lilin
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Steganografi
Arti Steganografi
Morfologi kata : Berasal dari bahasa Yunani: Steganos Graphein : tersembunyi atau terselubung : menulis
Artinya menurut morfologinya adalah menulis tulisan yang terselubung atau tersembunyi(terselubung) Secara umum Adalah teknik menyembunyikan data secara rahasia di dalam wadah (media) digital sehingga keberadaan data rahasia tidak diketahui orang lain.
Pengolahan Citra
Steganografi
PROPERTI STEGANOGRAFI
Wadah (media penampung) Dapat berupa : citra, suara(audio), teks maupun video. Data yang ingin disembunyikan Dapat berupa :citra, suara, teks, dan audio. Tujuan : Penyamaran data Perlindungan Hak Cipta
Pengolahan Citra
Steganografi
Teknik Penyembunyian Data Teknik Penyembunyian Data Metode yang paling sederhana menggunakan Modifikasi LSB (Least Significant Bit) Tujuannya agar tidak jauh berbeda nilainya Contoh, nilai pixel tertentu : 11010010 diubah menjadi 11010011 Perubahan warna yang terjadi sulit dideteksi oleh mata Data rahasia diubah ke biner Posisi pixel citra penampung dipilih secara acak sesuai dengan jumlah data rahasia biner Dibangkitkan dengan Pseudo Random Number Generator (PRNG) yang dibangun dengan algoritma enkripsi (DES, Hash MD5, CFB) Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Steganografi
KRITERIA STEGANOGRAFI Fidelity Mutu citra modifikasi tidak jauh berubah dari citra asli ketika disisipkan data rahasia (document) Robustness Data yang disimpan aman (tidak akan berubah)di dalam file citra tersebut apabila dilakukan operasi pada citra misalnya cropping, enskripsi dan lain-lain Recovery Data yang disisipkan ke dalam suatu citra harus dapat di kembalikan menjadi data aslinya.
Pengolahan Citra
Steganografi
Teknik Steganografi
Menggunakan Algoritma LSB(Least Significant Bit) Cara untuk menyisipkan suatu document (data) dengan cara menggunakan bit terakhir dari suatu byte. Dengan cara mengganti bit LSB tertinggi (1) dari citra asli menjadi bit LSB terendah (0) pada citra modifikasi, demikian pula sebaliknya.Algoritma ini akan berlaku dengan mengganti bit-bit LSB dengan bit pada document yang akan disisipkan.
Pengolahan Citra
Steganografi
berpotensi
Pengolahan Citra
Steganografi
Teknik Modifikasi LSB Cara menghindari Kelebihan Jumlah Warna Warna citra 8-bit diturunkan dari 256 menjadi 32. Jika setiap warna menghasilkan 8 warna baru, maka didapat 32 x 8 = 256 warna Cara menurunkan warna dengan kuantisasi warna, contohnya Algoritma Diversity
Pengolahan Citra
Steganografi
Pengolahan Citra
Steganografi
Referensi : 1. RC. Gonzales and RE. Wood , Digital Image Processing, Prentice Hall 2. Aniati Murni, Handouts Kuliah, Image Procesing, Universitas Indonesia 3. Rinaldi Munir, Pengolahan citra digital dengan pendekatan algoritmik, Informatika, Bandung, 2004. 4. Usman Ahmad, Pengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu Yogyakarta, 2005.