6459 Pertemuan 9
6459 Pertemuan 9
IMAGE RESTORATION
Kompetensi
Mampu membedakan proses pengolahan citra mengunakan image enhancement dengan image restoration Mampu menganalisis citra yang terkena noise dan melakukan proses perbaikan menggunakan metode pada proses image restoration
Copyright @ 2007 by Emy 3
Image Enhancement a subjective process manipulation of image memperbaiki tampilan citra untuk tujuan tertentu
Image Restoration an objective process reconstruction of image memperbaiki suatu citra yang sudah terkena noise
4
Citra Optik Berawan Klasifikasi Citra Radar Restorasi Citra Optik (Sumber: Bakosurtanal RI; Area: Teluk Belantung)
Copyright @ 2007 by Emy 7
Environmental Models
Degradation Model
f(x,y) h(x,y) n(x,y) Degradation Model: g = h*f + n g(x,y)
10
g(x,y) = f(m,n) h(x-m,y-n) + n(x,y) g = degraded image, f = ideal image yang dapat direkonstruksi, h = transfer function yang modelnya diketahui, n = additive noise yang diketahui mean dan varian-nya
Copyright @ 2007 by Emy 11
Restoration Model
f(x,y) Degradation Model Restoration Filter f(x,y)
Unconstrained
Inverse Filter Pseudo-inverse Filter
Constrained
Wiener Filter
demos/demo5blur_invfilter/ 12
13
Model Noise
14
Gaussian Model
Gaussian noise (normal noise model) PDF of a Gaussian random variable z,
p( z ) =
1 2
e ( z )
/ 2 2
15
Rayleigh noise
PDF for Rayleigh noise is :
2 ( z a ) 2 / b for z a b {z a}e p( z ) = 0 for z < a
16
17
Exponential noise
PDF for exponential noise is :
aeaz p(z) = 0
18
Uniform noise
PDF for uniform noise is :
1 p( z) = b a 0 if a z b otherwise
19
Pa p ( z ) = Pb 0
20
10
21
Inverse Filtering
Jikalau H(u,v) pada persamaan 2 adalah nol atau nilainya sangat kecil, maka nilai N(u,v) / H(u,v) akan mendominasi nilai estimasi Kerugian dari metode ini adalah tidak mempunyai ketetapan dalam menangani gangguan (noise)
Copyright @ 2007 by Emy 22
11
23
Degradation & Restoration Examples: Gonzalez & Woods Atmospheric Turbulence Model Atmospheric Turbulence Model
24
12
Lost Information
26
13
27
Wiener Filtering
Metode ini memasukkan fungsi degradasi dan karakteritas statistik dari gangguan (noise) menjadi proses restorasi Metode ini di founded oleh citra-citra yang dipertimbangkan (citra yang terkena gangguan) dan gangguan (noise) sebagai random processes
Copyright @ 2007 by Emy 28
14
In practice
29
30
15
Degradation & Restoration Examples: Gonzalez & Woods Atmospheric Turbulence Model Atmospheric Turbulence Model
31
Wiener Filtering
32
16
33
34
17
Degradation & Restoration Examples: Gonzalez & Woods Example 5.10: Planar Motion Model Example 5.10: Planar Motion Model
35
Degradation & Restoration Examples: Gonzalez & Woods Example 5.13: Inverse and Wiener Filtering Example 5.13: Inverse and Wiener Filtering
36
18
, G (u , v)
H * (u , v) H * (u , v) f (u , v) = 2 H (u , v) H (u, v) 2 S (u , v) S f (u , v)
Copyright @ 2007 by Emy
G (u , v)
37
19
40
20
IMAGE REGISTRATION
41
Image Registration
Image registration terdiri dari dua tahap proses:
Spatial Transformation: merupakan pemetaan letak piksel yang dikoreksi pada bidang citra acuan. Gray-level Interpolation: merupakan pemberian nilai intensitas piksel sesuai dengan nilai intensitas piksel bersangkutan, dan pemberian nilai intensitas piksel-piksel yang kosong berdasarkan interpolasi intensitas pikselpiksel yang berdekatan / tetangga (nearest neighbour method).
42
21
43
Spatial Transformation
Misal model dari distorsi geometrik berbentuk bilinear mapping:
X = C1*X + C2*Y + C3*X*Y + C4 Y = C5*X + C6*Y + C7*X*Y + C8
Digunakan 10 20 Ground Control Points (GCPs). 8 koefisien C1 s/d C8 dapat diperoleh dari kedua persamaan diatas dengan 10 20 pasangan (X,Y) yang merupakan koordinat GCPs. Bila 8 koefisien C1 s/d C8 telah dapat dihitung, maka (X,Y) untuk setiap pasangan (X,Y) dan (X,Y) juga dapat dihitung. Criterion of goodness yang biasa digunakan adalah E-RMS (root-mean-square error):
E-RMS = sqrt (sum ((X - X)2 + (Y Y)2)
Copyright @ 2007 by Emy 44
22
Spatial Transformation
GCP
Registered
45
Grey-level Interpolation
Proses pemetaan dengan transformasi spatial terkadang menghasilkan piksel-piksel yang kosong, yaitu posisi piksel pada bidang citra acuan yang tidak pernah ditempati oleh piksel yang dipetakan ke bidang citra tersebut. Akibatnya perlu ditentukan suatu intensitas yang harus diisikan pada pikselpiksel kosong tersebut. Nearest-neighbour method: piksel yang kosong dapat diisi dengan salah satu nilai dari 4- atau 8-pikseltetangga-nya atau nilai rata-rata dari 4- atau 8-piksel tetangga-nya.
Copyright @ 2007 by Emy 46
23
47
48
24