Pengolahan Citra

Pengolahan Citra
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
Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008
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
Pengolahan Citra
Pendahuluan
Contoh Komputer Grafik
Contoh Pengolahan Citra
Pengolahan Citra
Pendahuluan
Contoh Pengenalan pola
Garage
Roof
Bushes
Side
Grass
House
Roof
Sky
Side1
Tree1
Tree2
Side2
(Ballard, 1992)
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 )
Pemugaran citra ( image restoration ), untuk menghilangkan cacat

pada citra
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
Perangkat keras sistem Visual
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)
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)
Nilai f(x,y) adalah hasil kali dari :

i(x,) = jumlah cahaya yang berasal dari sumber, nilainya antara 0 sampai tak
terhingga.
r(x,y) = derajat kemampuan objek memantulkan cahaya , nilainya antara 0 dan
1.
Jadi f(x,y) = i(x,y) . r(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(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
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
Pengolahan Citra
Konsep Dasar
pengolahan Citra
Konvolusi pada fungsi Dwimatra

h x
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
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
g(x,y)=
-1
-1
-1
-1
67553
35244
Operasi konvolusi antara citra f(x,y) dengan kernel g(x,y),

F(x,y)*g(x,y)
Pengolahan Citra
Konsep Dasar
pengolahan Citra
Menghitung hasil konvolusi

Menempatkan kernel pada sudut kiri atas , kemudian hitung nilai pixel pada
posisi (0,0) dari kernel :
hasil = 3
Geser kernel satu pixel ke kanan ,kemudian hitung nilai pixel pada posisi (0,0)
dari kernel:
hasil = 0
Selanjutnya dengan cara yang sama geser ke kanan, dst
Geser kernel satu pixel ke bawah, lakukan perhitungan seperti diatas
Nilai pixel citra tepi tidak berubah
4
6
5
6
3
4
3
0
6
5
3
0
2
0
2
5
2
6
2
4
4
2
2
3
4
= hasil konvolusi
Pengolahan 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
Lingkup Pembahasan
Image Enhancement
Spatial Domain
I. Point Processing
Frequency Domain
II. Mask 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
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
a. Citra Negatif
Mengubah nilai grey-level piksel citra input dengan:
Gbaru = 255 - Glama
Hasilnya seperti klise foto
Citra asli
Citra negatif
Pengolahan 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
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
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
Citra awal:
35554
54544
53444
45663
Citra Akhir:
19 9 95
95 9 55
91 5 55
5 9 10 10 1
Contoh : citra dengan

derajat keabuan hanya
berkisar 0-10
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
Grey histogram
Original Image
Pengolahan Citra
Original Image
Pengolahan Citra
Bright Image
Pengolahan Citra
Dark Image
Pengolahan Citra
RGB Histogram
Original Image
Pengolahan Citra
Dark Image
Pengolahan 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
W1 W2 W3
Contoh sebuah mask berukuran 3x3.

Filter ini akan diterapkan /
dikonvolusikan pada setiap jendela
ketetanggaan 3x3 pada citra (anggap
filter sudah dalam bentuk terbalik)
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
G22 = w1 G11 + w2 G12 + w3 G13+

w4 G21 + w5 G22 + w6 G23 +
w7 G31 + w8 G32 + w9 G33
G5 G5 G5 G5 G5
Pengolahan Citra
Jenis-jenis filter spasial

Smoothing filters:
Lowpass filter (linear filter, mengambil nilai rata-rata)
Median filter (non-linear filter, mengambil median dari setiap jendela
ketetanggan)
Ket :
a. Citra Asli; b. Hasil citra dengan

Median Filtering c. Hasil Citra dengan
Mean Filtering; (Gaussian)
Pengolahan Citra
Sharpening filters:
Roberts, Prewitt, Sobel (edge detection)
High pass filter
Operator Sobel
Operator prewitt
Operator Roberts
Operator canny
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
Kategori Teknik Kompresi Citra
Information preserving (lossless compression): teknik yang memproses

data asli menjadi bentuk yang lebih ringkas tanpa hilangnya informasi.
Contoh: Aplikasi biomedis.
Lossy compression: teknik mendapatkan data yang lebih ringkas

dengan melalui suatu proses penghampiran (approksimasi) dari data
asli dengan tingkat error yang dapat diterima. Contoh: TV broadcast.
Pengolahan Citra
Pemampatan Citra
Model sistem kompresi umum
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.
Pengolahan Citra
Pemampatan Citra
Source encoder & decoder
Pengolahan Citra
Pemampatan Citra
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
Tampilan program pemampatan citra yang dibuat

menggunakan MatLab
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
Pengolahan Citra
Steganografi
Arti Steganografi
Morfologi kata :
Berasal dari bahasa Yunani:
Steganos
: tersembunyi atau terselubung
Graphein
: 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)
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
Teknik Modifikasi LSB

Khusus untuk Citra Non-24-Bit
Citra penampung diubah dahulu menjadi format 24-bit,
sehingga terbentuk komponen RGBnya
Perubahan Jumlah Warna

Citra 8-bit ~ 256 warna
Citra 8-bit diubah ke Citra 24-bit mengakibatkan :
Setiap data Bitmap = 3 byte,
tersedia 3 LSB baru
Terjadi kombinasi warna baru sebanyak 23 = 8
Citra hasil Steganografi pada citra 256
mempunyai warna = 256 x 8 = 2048
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
Contoh Hasil Steganography Dengan Matlab
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.

Pengolahan Citra

Diunggah oleh

Hak Cipta:

Format Tersedia

Anda mungkin juga menyukai

Pengolahan Citra

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pengolahan Citra

Diunggah oleh

Hak Cipta:

Format Tersedia

Pengolahan Citra

Peningkatan Mutu Citra

Pusat Studi Mikroelektronika & Pengolahan Citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Contoh Komputer Grafik

Contoh Pengolahan Citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Contoh Pengenalan pola

OPERASI PENGOLAHAN CITRA

Perbaikan kualitas citra,(image enhancement) dari aspek

Pemugaran citra ( image restoration ), untuk menghilangkan cacat

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Pemampatan Citra (images compression).

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Analisa citra ( image analysis), bertujuan menghitung besaran kuantitatif

Rekontruksi Citra, membentuk ulang objek dari beberapa citra hasil

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Perangkat keras sistem Visual

Sensor Citra , untuk menangkap pantulan objek

Citra merupakan fungsi malar (kontinyu) dari intensitas cahaya. Secara

Nilai f(x,y) adalah hasil kali dari :

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Untuk memudahkan implementasi , jumlah pixel biasanya diasumsikan dengan,

Konvolusi pada fungsi Dwimatra

Fungsi penapis g(x,y) disebut juga convolution filter, convolution mask,

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Operasi konvolusi antara citra f(x,y) dengan kernel g(x,y),

Menghitung hasil konvolusi

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Tujuan Peningkatan Mutu Citra

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

II. Mask Processing

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Yang dimaksud dengan perataan histogram adalah mengubah

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Contoh : citra dengan

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Contoh sebuah mask berukuran 3x3.

G22 = w1 G11 + w2 G12 + w3 G13+

Jenis-jenis filter spasial

a. Citra Asli; b. Hasil citra dengan

Kendala Data Citra Digital

Mengapa perlu pemampatan dan reduksi data?

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Kategori Teknik Kompresi Citra

Information preserving (lossless compression): teknik yang memproses

Lossy compression: teknik mendapatkan data yang lebih ringkas

Kuliah Umum Pengolahan Citra STMIK Bumi Gora 6 Juni 2008

Model sistem kompresi umum

Source encoder: menghilangkan redundansi input

Source encoder & decoder