Pengolahan Citra
Pengolahan Citra
Pendahuluan
Konsep Dasar
pengolahan Citra
Pemampatan Citra
Steganografi
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
diskripsi
citra
Pengenalan
pola
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
Tree2
Side2
(Ballard, 1992)
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Pendahuluan
Pengolahan Citra
Pendahuluan
Pengolahan Citra
Pendahuluan
Pengolahan Citra
Pendahuluan
Pengolahan Citra
Konsep Dasar
pengolahan Citra
Model Citra
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(x,y) =
f(0,0)
f(0,1) .
f(0,m)
f(1,0)
f(1,1) .
f(1,M)
f(N-1,0) f(N-1,1)
:
f(N-1,M-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
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
x,y
x, y
a ,b g x
a,y
b da db
Fungsi diskrit
h x, y
f
f
x, y
x,y
a ,b g
a, y
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
g(x,y)=
-1
-1
-1
-1
67553
35244
Pengolahan Citra
Konsep Dasar
pengolahan Citra
4
3
0
6
5
3
0
2
0
2
5
2
6
2
4
4
2
2
3
4
= hasil konvolusi
Pengolahan Citra
Peningkatan Mutu Citra
Pengolahan Citra
Peningkatan Mutu Citra
Lingkup Pembahasan
Image Enhancement
Spatial Domain
I. Point Processing
Frequency Domain
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
0 rk 1 dan k = 0,1,....., L 1
L adalah grey level maksimal yang ada pada citra
Pengolahan Citra
Peningkatan Mutu Citra
Citra awal:
35554
54544
53444
45663
Citra Akhir:
19 9 95
95 9 55
91 5 55
5 9 10 10 1
Derajat
Keabuan
10
Kemunculan
Probabilitas
Kemunculan
0.1
5
0.4
0
0.3
5
0.1
Sk
0.1
5
0.5
5
0.9
0
1.5
5.5
10
10
10
10
10
10
10
10
10
10
SK * 10
Derajat
keabuan baru
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.
1 2 3
8 x 4
7 6 5
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
Pengolahan Citra
Peningkatan Mutu Citra
W1 W2 W3
W4 W5 W6
W7 W8 W9
G1 G1 G1 G1 G1
1
G21
G2 G2 G2 G2
G3 G3 G3 G3 G3
G4 G4 G4 G4 G4
G5 G5 G5 G5 G5
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
Pengolahan Citra
Peningkatan Mutu Citra
Ket :
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
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
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Pengolahan Citra
Pemampatan Citra
Contoh Hasil
Pengolahan Citra
Pemampatan Citra
Contoh Hasil
Pengolahan Citra
Steganografi
SEJARAH STEGANOGRAFI
Pengolahan Citra
Steganografi
Arti Steganografi
Morfologi kata :
Berasal dari bahasa Yunani:
Steganos
Graphein
: menulis
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
Tujuan :
Penyamaran data
Perlindungan Hak Cipta
Pengolahan Citra
Steganografi
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
Pengolahan Citra
Steganografi
berpotensi
Pengolahan Citra
Steganografi
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.