Opersi filter (penapisan) adalah operasi konvolusi citra f(x,y) dgn penapis h(x,y)
f(x,y)= h(x,y)*f(x,y)
Atau
F(u,v)=H(u,v)F(u,v)
f(x,y) = f(x,y) +c
Contoh:
Citra pohon normal (256 nilai keabuan) dikurangi dengan 0.5 dan ditambah
dengan 0.5
Citra pohon 256 x 256
hi
i ternormalisasi
3. high contrast
Seperti halnya citra kontras bagus, memiliki jangkauan nilai keabuan yg
lebar, tetapi terdpt area yg lebar yg didominasi oleh warna gelap dan area yg
lebar yg didominasi oleh warna terang.
Algoritma peregangan kontras:
1. Cari batas bawah pengelompokan pixel dgn cara scan histogram dr
nilai keabuan terkecil ke nilai keabuan terbesar (0 sampai 255), utk
menemukan pixel pertama yg melebihi nilai ambang pertama yg telah
dispesifikasikan.
2. Cari batas atas pengelompokan pixel dgn cara memindai histogram
dan nilai keabuan tertinggi ke nilai keabuan terendah (255 sampai 0)
utk menemukan pixel pertama yg lebih kecil dr nilai ambang kedua yg
dispesifikasikan.
3. Pixel-pixel yg berada di bawah nilai ambang pertama diset sama dgn 0,
sdg pixel2 berada di atas nilai ambang kedua diset sama dgn 255.
4. Pixel2 yg berada diantara nilai ambang pertama dan nilai ambang
kedua dipetakan/diskalakan utk memenuhi rentang nilai-nilai keabuan
yg lengkap (0 sampai 255) dgn pers:
r rmax
s
x 255
rmin rmax
dgn,
r: nilai keabuan dlm citra semula
s: nilai keabuan yg baru
rmin: nilai keabuan terendah dr kelompok pixel
rmax:nilai keabuan tertinggi dr kelompok pixel
Peregangan kontras
r
rmax
rk
0/7=0
1/7
2/7
3/7
4/7
5/7
6/7
7/7=1
sk=T(rk)
rk
1
Fungsi transformasi
s T(r) Pr (w)dw
,0 r 1
w variabel bantu
Dlm bentuk diskret, nilai-nilai s diperoleh dgn pes berikut:
k
s k T(rk )
j 0
nj
n
Pr (r j )
j 0
,0 rk 1, k 0,1, 2, ..., L 1
Contoh: citra berukuran 64 x 64 dgn jml derajat keabuan L=8, jml seluruh pixel = 4096
k
rk
nk
Pr(rk)=nk/n
Pr(rk)
0.30
0
1
2
3
4
5
6
7
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
790
1023
850
656
329
245
122
81
0.19
0.25
0.21
0.16
0.08
0.06
0.03
0.02
0.25
0.20
0.15
0.10
0.05
0
1/7
3/7
5/7
rk
Perataan histogram:
0
s2 0.65
s3 0.81
s4 0.89
s5 0.95
s6 0.98
s7 1.00
j 0
Hasil transformasinya:
k
0
1
2
3
4
5
6
7
rk
0
1/7
2/7
3/7
4/7
5/7
6/7
1
sk
1/7
3/7
5/7
6/7
6/7
1
1
1
nk
Ps(sk)=nk/n
1/7
3/7
5/7
6/7
7/7
790
1023
850
985
448
0.19
0.25
0.21
0.24
0.11
Ps(sk)
0.30
0.25
0.20
0.15
0.10
0.05
0
1/7
3/7
5/7
sk
2. Spesifikasi histogram
Menghasilkan histogram yg ditentukan oleh user
Pembentukan histogram memamfaatkan sifat perataan histogram. Bila
fungsi transformasi pd perataan histogram menghasilkan histogram
semula menjadi histogram seragam, mk fungsi inversenya memetakan
histogram yg seragam menjd histogram semula. Sifat ini dpt
dimamfaatkan utk mengubah histogram citra menjd histogram lain yg tdk
seragam.
Histogram
yg diinginkan
s k T(rk )
nj
j 0
Pr (r j )
j 0
,0 rk 1, k 0,1, 2, ..., L 1
v k G(z k )
j 0
nj
n
Pz (z j )
j 0
3. Terapkan fungsi inverse, z=G-1(s) terhadap histogram hasil langkah 1, dgn mencari
nilai-nilai s yg memberi nilai z terdekat atau histogram nilai-nilai intensitas pd citra
semula dipetakan menjd intensitas z pd citra yg diinginkan dgn fungsi
z=G-1[T(r)]
G-1(s)
Histogram seragam
Pz(z)
Contoh: tinjau kembali citra yg berukuran 64x64 dgn jumlah derajat keabuan L = 8 &
jumlah seluruh pixel (n)=4096.
Tabel histogram citra semula
k
0
1
2
3
4
5
6
7
rk
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
nk
Pr(rk)=nk/n
zk
790
1023
850
656
329
245
122
81
0.19
0.25
0.21
0.16
0.08
0.06
0.03
0.02
0
1
2
3
4
5
6
7
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
Pz(zk)
0.00
0.00
0.00
0.15
0.20
0.30
0.20
0.15
0.30
Pr(rk)
0.25
0.20
0.15
0.10
0.05
0
1/7
3/7
5/7
rk
0.30
Pz(zk)
0.25
0.20
0.15
0.10
0.05
0
1/7
3/7
5/7
zk
s k T(rk )
j 0
k
0
1
2
3
4
5
6
7
rk
0
1/7
2/7
3/7
4/7
5/7
6/7
1
rj
sk
r0
s0= 1/7
r1
s1 =3/7
r2
s2 =5/7
r3, r4
s3 =6/7
r5, r6, r7 s4 =7/7
nj
n
Pr (rj )
j 0
sk
1/7
3/7
5/7
6/7
6/7
1
1
1
nk
790
1023
850
985
448
Ps(sk)=nk/n
0.19
0.25
0.21
0.24
0.11
v k G(z k )
j 0
v0 = G(z0)=0.00
v1= G(z1)=0.00
v2= G(z2)=0.00
v3= G(z3)=0.15
nj
n
Pz (z j )
j 0
v4=G(z4)= 0.35
v5 =G(z5)= 0.65
v6 =G(z6)= 0.85
v7 =G(z7)= 1.00
zk
0
1
2
3
4
5
6
7
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
Pz(zk)
0.00
0.00
0.00
0.15
0.20
0.30
0.20
0.15
Lihat:
rj
sk
nk
r0
s0= 1/7
r1
s1 =3/7
r2
s2 =5/7
r3, r4
s3 =6/7
r5, r6, r7 s4 =7/7
Ps(sk)=nk/n
790
1023
850
985
448
0.19
0.25
0.21
0.24
0.11
v0 = G(z0)=0.00
v1= G(z1)=0.00
v2= G(z2)=0.00
v3= G(z3)=0.15
S0 = 1/7 = 0.14 paling dekat dgn 0.15 = G(z3), jd G-1(0.14)= z3= 3/7
S1 = 3/7 = 0.43 paling dekat dgn 0.35 = G(z4), jd G-1(0.43)= z4= 4/7
S2 = 5/7 = 0.71 paling dekat dgn 0.65 = G(z5), jd G-1(0.71)= z5= 5/7
S3 = 6/7 = 0.86 paling dekat dgn 0.85 = G(z6), jd G-1(0.86)= z6= 6/7
S4 = 7/7 = 1.00 paling dekat dgn 1.00 = G(z7), jd G-1(1.00)= z7 = 1
Diperoleh pemetaan langsung:
r0 = 0
r1 =1/7
r2 =2/7
r3 =3/7
z3 = 3/7
z4 = 4/7
z5 = 5/7
z6 = 6/7
r4 = 4/7
r5 =5/7
r6 =6/7
r7 =1
z6 = 6/7
z7 = 1
z7 = 1
z7 = 1
v4=G(z4)=
v5 =G(z5)=
v6 =G(z6)=
v7 =G(z7)=
Tidak ada pixel yg mempunyai intensitas z0=0, z1=1/7, dan z2=2/7 krn tidak ada rk
yg dipetakan ke nilai-nilai z tersebut
Histogram yang terbentuk
zk
nk
Pz(zk)=nk/n
0
1/7
2/7
3/7
4/7
5/7
6/7
1
0
0
0
790
1023
850
985
448
0.00
0.00
0.00
0.19
0.25
0.21
0.24
0.11
0.30
Pz(zk)
0.25
0.20
0.15
0.10
0.05
0
1/7
3/7
5/7
zk
Gbr a
Gbr b
Gbr c
Contoh:
Tetangga pixel
jarak maks
dgn
Tetangga pixel
jarak maks
dgn
perasi penapisan ini mempy efek pemerataan derajat keabuan, shg gbr
yg diperoleh tampak lebih kabur kontrasnya. Efek pengaburan ini disebut
Efek blurring, lihat gbr b dan gbr c
Gbr c adl hasil pelembutan citra flower dgn penapis rerata 3 x 3
Efek pengaburan penapis rerata dpt dikurangi dgn prosedur pengambangan berikut:
LPF
Contoh penapis rerata (paling sederhana)
Aturan LPF: 1. semua koefisien penapis hrs positif
2. Jlh semua koefisien hrs sama dgn 1
3 3 3 3
3 7 3 3
3 3 3 3
3 3 3 3
Sblum konvolusi
Pixel yg mengalami
gangguan
3 3 3 3
3 3 3 3
3 3 3 3
3 3 3 3
Setelah konvolusi
1/8 1/16
1/4 1/8
1/8 1/16
Filter Median
Pd filter median suatu window memuat jumlah pixel ganjil. Window digeser titik
demi titik pd seluruh daerah citra. Pd setiap pergeseran dibuat window baru.
Titik tengah dr jendela diubah dgn nilai median dr jendela tsb.
Filter Median menghilangkan nilai pixel yg sgt berbeda dgn tetangganya.
Contoh:
9 10 10 10 11 12 13 25 40
1
0
1
3
1
0
1
4
1
8
1
1
1
0
1
3
1
0
1
4
1
8
1
1
1
1
2
5
1
0
1
0
2
0
1
0
1
1
1
1
1
0
1
0
2
0
1
0
1
2
4
0
1
1
1
0
1
2
1
2
4
0
1
1
1
0
1
2
1
3
1
2
1
3
1
0
1
2
1
1
1
3
1
2
1
3
1
0
1
2
1
1
1
2
2
3
1
2
1
2
1
0
1
0
1
2
2
3
1
2
1
2
1
0
1
0
Filter median bisa berbtk kotak, palang, lajur vertikal atau lajur horizontal
Cara lain yg dpt dilakukan pd pelembutan citra adl merata-ratakan derajat keabuan
setiap pixel dr citra yg sama yg diambil berkali-kali.
PENAJAMAN CITRA
Bertujuan memperjelas tepi pd objek di dlm citra
Merupkn kebalikan operasi pelembutan citra krn menghilangkan bagian citra
yg lembut.
Dilakukan dgn menggunkan HPF yg akan meloloskan atau memperkuat
komponen berfrek tinggi misal tepi atau pinggiran objek dan menurunka komp
frek rendah, shg pinggiran objek terlihat lebih tajam dibanding sekitarnya.
Penajaman citra lebih berpengaruh pd tepi (edge) objek shg sering disebut
Penajaman tepi (edge sharpening) atau peningkatan kualitas tepi
Citra semula
Citra setelah
penajaman
HPF
Aturan: 1. Koefisien penapis boleh positif, negatif, atau nol
2. Jml semua koefisien adl 0 atau 1
Jika jlh koefisien = 0, mk komponen frek rendah akan turun nilainya, sedang jk
Jlh koef sama dgn 1, mk komponen frek rendah akan tetap sama dgn nilai semula.
Contoh2 HPF
-1 -1 -1
-1 8 -1
-1 -1 -1
1 -2 1
-2 5 -2
1 -2 1
-1 -1 -1
-1 9 -1
-1 -1 -1
0 -1 0
-1 5 -1
0 -1 0
1 -2 1
-2 4 -2
1 -2 1
0 1 0
1 -4 1
0 1 0
Nilai koef yg besar ditik pusat penapis memainkan peranan kunci dlm proses
Konvolusi. Pd komp citra dgn frek tinggi (berarti perubahan besar pd nilai
Intensitasnya), nilai tengah ini dikalikan dgn nilai pixel yg dihitung. Koef negatif
< di sekitar titik tengah penapis utk mengurangi faktor pembobotan yg besar.
Efek nettonya adalah pixel2 yg bernilai besar diperkuat, sdgkan area citra dgn
intensitas pixel konstan tdk berubah nilainya.
Koef filter mengandung nilai negatif, mk hasil konv kemungkinan ada yg bernilai
Negatif, mk dilakukan pengesetan jd 0 atau mengambil nilai mutlaknya.
Contoh:
1.
Citra1=
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
-1
HPF1 = -1
-1
-1
8
-1
-1
-1
-1
Hasil Konvolusi:
Y1 = HPF1 * Citra1
Y2 =
-2
-4
-6
-6
-6
-4
-2
-4 -6
10 6
6 0
6 0
6 0
10 6
-4 -6
-6 -6
6 6
0 0
0 0
0 0
6 6
-6 -6
-6
6
0
0
0
6
-6
-6
6
0
0
0
6
-6
-6
6
0
0
0
6
-6
-6 -4
6 10
0 6
0 6
0 6
6 10
-6 -4
-2
-4
-6
-6
-6
-4
-2
Pewarnaan Semu
Proses pemberian warna ttt pd nilai2 pixel suatu citra skala abu pd suatu citra
Berdasarkan kriteria ttt, misal suatu warna ttt utk suatu interval derajat keabuan ttt.
Hal ini dilakukan mengingat mata manusia dpt membedakan byk warna
Pengubahan Geometrik
Dilakukan pd citra yg memiliki gangguan yg terjd pd saat perekman, misal
Pergeseran koordinat citra (translasi), perubahan ukuran citra.
Contoh: citra yg miring ke kiri kira2 10derajat, perbaiki dgn rotasi ke kanan
10 derajat.