VI.

PERBAIKAN KUALITAS CITRA

(IMAGE ENHANCEMENT)

Salah-satu image preprocessing.

Dilakukan krn seringkali citra yg dijadikan objek pembahasan mempunyai
kualitas yg buruk, misal adanya noise pd saat transmisi, citra terlalu
terang/gelap, kurang tajam, kabur dsb.
Image enhancement dpt diartikan sbg proses mengubah citra f(x,y) menjadi
f(x,y), sehingga ciri-ciri yg dilihat pd f(x,y) lebih ditonjolkan.
Proses-proses yg termasuk ke dlm perbaikan kualitas citra:
1. Pengubahan kecerahan gambar (image brightness)
2. Peregangan kontras (contrast streching)
3. Pengubahan histogram citra
4. Pelembutan citra (image smoothing)
Sbg operasi filter
5. penajaman (sharpening) tepi (edge)
6. Pewarnaan semu (pseudocolouring)
7. Pengubahan geometrik

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)

1. Pengubahan kecerahan gambar (image brightness)

Kecerahan gambar dpt diperbaiki dgn menambahkan/mengurangkan sebuah
konstanta setiap pixel dlm citra, hal ini menyebabkan pergeseran histogram
citra.

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

2. Peregangan kontras (contrast streching)

Kontras: sebaran terang (lightness) dan gelap (darkness) dlm sebuah gambar
Citra kategori kontras:
1. low contrast
2. good contrast or normal contrast
3. high contrast
1. low contrast
Sebagian besar komposisi citranya terang atau gelap, dr histogramnya
terlihat sebagian besar derajat keabuannya terkelompok bersama. Lihat
citra pohon sebelumnya.
Mungkin saja suatu citra tergolong kontras rendah meskipun tidak terlalu
terang atau gelap bila semua pengelompokan nilai keabuan berada
ditengah histogram.
2. good contrast or normal contrast
Citra kontras bagus memperlihatkan nilai keabuan yg lebar tanpa ada
suatu nilai keabuan yg mendominasi, histogram citranya memperlihatkan
sebaran nilai keabuan relatif seragam.

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

3. Pengubahan histogram citra

Metode pengubahan citra berdasarkan histogram:
1. Perataan histogram (histogram equalization)
Nilai-nilai intensitas di dlm citra diubah sehingga penyebarannya seragam
2. Spesifikasi histogram (histogram spesification)
Nilai-nilai intensitas di dlm citra diubah agar diperoleh histogram dgn btk yg
dispesifikasikan oleh pengguna.

1. Perataan histogram (histogram equalization)

Tujuan: utk memperoleh penyebaran histogram yg merata, shg tiap derajat
keabuan memiliki jumlah pixel yg relatif sama.
Krn histogram menyatakan peluang pixel dgn derajat keabuan ttt, mk rumus
menghitung histogram dpt ditulis sbg fungsi peluang.
Derajat keabuan k dinormalkan terhdp derajat
nk
keabuan terbesar (L-1).
Pr (rk )
rk=0 menyatakan hitam,
n
rk=1 menyatakan putih dlm skala keabuan yg
k
rk
, 0 k L 1 didefinisikan.
r = pixel
L 1

Contoh: jk L=8 mk nilai-nilai rk sbb:

k
0
1
2
3
4
5
6
7

rk
0/7=0
1/7
2/7
3/7
4/7
5/7
6/7
7/7=1

Perataan histogram: mengubah derajat keabuan suatu

pixel r dgn derajat keabuan yg baru s dgn suatu fungsi
transformasi T, dlm hal ini s= T(r)
Dua sifat yg dipertahankan pd transformasi ini:
1. Nilai s merupakan pemetaan 1 ke 1 dr r. ini untuk
menjamin representasi intensitas yg tetap. Ini
berarti r dpt diperoleh kembali dr s dgn
transformasi invers: r=T-1(s) , 0<=s<=1
2. Untuk 0<=ri<=1, mk 0<=T(r)<=1. ini untuk
menjamin pemetaan T konsisten pd rentang nilai
yg dibolehkan.

sk=T(rk)

rk
1
Fungsi transformasi

Fungsi histogram menerus:

r

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

Histogram citra sebelum perataan

Perataan histogram:
0

s 0 T (r0 ) Pr (r j ) Pr (r0 ) 0.19

j 0

s1 T (r1 ) Pr (rj ) Pr (r0 ) Pr (r1 ) 0.19 0.25 0.44

.
.
.

s2 0.65
s3 0.81
s4 0.89
s5 0.95
s6 0.98
s7 1.00

j 0

Nilai-nilai skdibulatkan ke nilai r terdekat

s0=0.19 lebih dekat ke nilai 1/7 (0.14) mk s0=1/7
s1
3/7
s2
5/7
s3
6/7
s4
6/7
s5
7/7
s6
7/7
s7
7/7

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

Terlihat hy 5 nilai intensitas yang terisi (1/7, 3/7, 5/7, 6/7, 1)

Notasi utk tiap hasil transformasi didefinisi ulang menjadi:
S0=1/7, s1=3/7, s2=5/7, s3=6/7, s4=1

Jumlah pixel hasil transformasi sbb:

sk

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

Histogram citra hasil perataan

sk

Contoh citra pohon hasil ekualisasi histogram

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.

Misalkan Pr(r) dan Pz(z)

Histogram
citra semula

Histogram
yg diinginkan

Algoritma spesifikasi histogram:

1. Misalkan Pr(r) histogram citra semula, lakukan perataan histogram terhdp citra
semula dgn fungsi transformasi T,
k

s k T(rk )

nj

j 0

Pr (r j )
j 0

,0 rk 1, k 0,1, 2, ..., L 1

2. Tentukan histogram yg diinginkan, misalkan Pz(z). Lakukan perataan histogram

dgn fungsi transformasi G,
k

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)]

Algoritma dlm btk blok diagram:

T(r)
Pr(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

Tabel histogram yg diinginkan

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

Histogram citra semula

0.30

Pr(rk)

0.25
0.20
0.15
0.10

Histogram citra yg diinginkan

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

Langkah-langkah pembentukan histogram:

1. Perataan histogram terhadap citra semula
k

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

2. Perataan histogram yg diinginkan Pz(z) dgn persamaan:

k

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

Tabel histogram yg diinginkan

k

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

3. Gunakan transformasi z=G-1(s) untuk memperoleh nilai z dari nilai s hasil

perataan histogram
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

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

Pelembutan Citra ( Image Smooting)

Tujuan: menekan gangguan (noise) pd citra.
Gangguan biasanya muncul akibat hasil penerokan yg tidak bagus atau
saluran transmisi saat pengiriman data.
Gangguan pd citra umumnya berupa variasi intensitas suatu pixel yg tdk berkorelasi
dgn pixel2 tetangganya. Secara visual, gangguan mudah dilihat mata krn tampak
berbeda dgn pixel tetangganya.
Contoh:

Gbr a

Gbr b

Gbr c

Gbr b adalah citra flower yg mengalami gangguan berupa bercak putih.

Pixel yg mengalami gangguan umumnya memiliki frek tinggi. Komponen citra

yg berfrekuensi rendah umumnya mempyi nilai pixel konstan atau berubah
sgt lambat. Pelembutan citra dilakukan utk menekan komponen yg
berfrekuensi tinggi dan meloloskan komponen frek rendah .
Pd domain spasial operasi pelembutan dilakukan dgn mengganti intensitas
suatu pixel dgn rerata dr nilai pixel tsb dgn nilai pixel2 tetangganya.
Jk citra f(x,y) berukuran N x M, citra hasil pelembutan f(x,y) didef sbb:

d = jumlah pixel dlm pererataan

Contoh:

Tetangga pixel
jarak maks

dgn

Tetangga pixel
jarak maks

dgn

Contoh penapis rerata ukuran 3 x 3

Posisi (0, 0) atas piksel yg dikonvolusi

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:

T nilai ambang yg dispesifikasikan

Penapis h(x,y) pd pelembutan citra disebut LPF krn menekan komponen berfrek
tinggi (misal pixel gangguan, pixel tepi) dan meloloskan komp frek rendah.

LPF
Contoh penapis rerata (paling sederhana)
Aturan LPF: 1. semua koefisien penapis hrs positif
2. Jlh semua koefisien hrs sama dgn 1

Contoh ilustrasi konvolusi dgn penapis rerata 3 x 3 terhdp citra yg mengandung

derau.

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

f(1,1)=(3+3+3+3+7+3+3+3+3)/9= 31/9 = 3,4 =3

Selain penapis rerata, LPF lain yg bisa digunakan pd operasi pelembutan:
1/16
1/8
1/16

1/8 1/16
1/4 1/8
1/8 1/16

1/10 1/10 1/10

1/10 1/5 1/10
1/10 1/10 1/10

Filter yg dibahas adalah linear, sedangkan yg non linear misal median.

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

Pixel 25 terkena derau

25 diganti dgn median

dr klp 3x3 pixel

Filter median bisa berbtk kotak, palang, lajur vertikal atau lajur horizontal

Citra Flower yg dilembutkan menggunakan

filter median

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

Contoh penajaman citra seorang ayah menggendong anak yg menggunakan

HPF:
-1 -1 -1
-1 8 -1
-1 -1 -1

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.