Anda di halaman 1dari 22

Representasi Citra

Bertalya
Universitas Gunadarma
2005
Pengertian Citra Digital

Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital)
Citra kontinu diperoleh dari sistem optik yg menerima sinyal analog, seperti mata
manusia dan kamera analog.
Citra diskrit (citra digital) dihasilkan melalui proses digitalisasi terhadap citra kontinu.

• Citra Digital
– Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan
y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik
(x,y) merupakan tingkat kecemerlangan atau intensitas cahaya citra pada
titik tersebut;
– Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat
spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan
(kwantisasi);
– Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya
menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang
disebut sebagai elemen gambar / piksel / pixel / picture element / pels)
menyatakan tingkat keabuan pada titik tersebut.

Berta @ 2005 2
Pengertian Citra Digital (lanjutan)

• Nilai f(x,y) merupakan = i(x,y) . r(x,y)


– Nilai i(x,y) adalah jumlah cahaya yg berasal dari sumbernya (illumination)
0 ≤ i(x,y) < ∞
– Nilai r(x,y) adalah derajat kemampuan objek memantulkan cahaya
(reflection)
0 ≤ i(x,y) ≤ ∞
Sehingga
0 ≤ f(x,y) < ∞

• Nilai f(x,y) disebut juga derajat keabuan (gray level) mempunyai nilai
lmin < f < lmax
Selang (lmin, lmax) disebut skala keabuan

Contoh: citra hitam putih dengan 256 level mempunyai skala keabuan (0,255),
nilai 0 menyatakan putih, nilai 255 menyatakan hitam, kecuali itu terletak diantaranya.

Berta @ 2005 3
Pengertian Citra Digital

Sampler
Citra kontinue Citra dijital Matriks citra dengan obyek angka 5

Resolusi spasial : Resolusi kecemerlangan :


Tinggi (16 x 16) Rendah (8 x 8) Tinggi (4) Rendah (2)
Berta @ 2005 4
Digitalisasi Citra

• Citra digital diperoleh dari proses digitalisasi.


Ada 2 proses digitalisasi yakni :
1. sampling merupakan proses pengambilan nilai diskrit koordinat ruang
(x,y) dengan melewatkan citra melalui grid (celah)
2. kuantisasi merupakan proses pengelompokkan nilai tingkat keabuan citra
kontinu ke dalam beberapa level atau merupakan proses membagi skala
keabuan (0,L) menjadi G buah level yg dinyatakan dengan suatu harga
bilangan bulat (integer), dinyatakan sebagai
G = 2m
G : derajat keabuan, m : bil bulat positif

• Citra digital berukuran N x M dinyatakan dg matriks yg berukuran N baris dan


M kolom
f(0,0) f(0,1) … f(0,M)
f(x,y) = …
f(N-1,0) f(N-1,1) … f(N-1, M-1)

Berta @ 2005 5
Digitalisasi Citra (lanjutan)

• Berarti penyimpanan untuk citra digital yg disampling dg N x M piksel dan


dikuantisasi menjadi 2m level derajat keabuannya membutuhkan memori
NxMxm

Contoh, citra Lena yg berukuran 512 x 512 dg 256 derajat keabuan membutuhkan
memori sebesar 512 x 512 x 8 bit = 2048.000 bit.

• Resolusi gambar ditentukan oleh N dan m. Makin tinggi nilainya maka citra yg
dihasilkan makin bagus kualitasnya (mendekati citra kontinu).

Berta @ 2005 6
Digitasi Citra

Column of samples
Pixel 255
Black
Line

Line Spacing Gray 128

White 0
Sample Spacing
Picture Sampling process
Brightness Spacing
Spatial resolution
Proses Kwantisasi
Brightness Resolution
Sumber: Dimodifikasi dari Castlemen, 1996

Berta @ 2005 7
Resolusi Citra

• Resolusi Citra
Menentukan seberapa dekat citra tsb dengan asal (kontinu).
Dikenal: resolusi spasial dan resolusi kecemerlangan, berpengaruh pada
besarnya informasi citra yang hilang.

– Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris dan kolom.


Transformasi citra kontinue ke citra digital disebut digitisasi (sampling).
Hasil digitisasi dengan jumlah baris 256 dan jumlah kolom 256 - resolusi
spasial 256 x 256.
– Resolusi kecemerlangan (intensitas / brightness): halus / kasarnya
pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat
kontinue ke daerah intensitas diskrit disebut kwantisasi. Bila intensitas
piksel berkisar antara 0 dan 255 - resolusi kecemerlangan citra adalah 256.

Berta @ 2005 8
Resolusi Spasial - Sampling

• Sampling Uniform dan Non-uniform


– Sampling Uniform mempunyai spasi (interval) baris dan kolom yang
sama pada seluruh area sebuah citra. Proses sampling melalui celah yg
berukuran sama.

– Sampling Non-uniform bersifat adaptif tergantung karakteristik citra


dan bertujuan untuk menghindari adanya informasi yang hilang. Daerah
citra yang mengandung detil yang tinggi di-sampling secara lebih halus,
sedangkan daerah yang homogen dapat di-sampling lebih kasar.
Kerugian sistem sampling Non-uniform adalah diperlukannya data
ukuran spasi atau tanda batas akhir suatu spasi.
Proses sampling melalui celah yg bervariasi.

Berta @ 2005 9
Contoh Sampling

Berta @ 2005 10
Resolusi Kecemerlangan - Kuantisasi

• Kuantisasi Uniform, Non-uniform, dan Tapered


– Kuantisasi Uniform mempunyai interval pengelompokan tingkat keabuan
yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20
diberi nilai 2, dstnya).

– Kuantisasi Non-uniform: Kuantisasi yang lebih halus diperlukan terutama


pada bagian citra yang menggambarkan detil atau tekstur atau batas suatu
wilayah obyek, dan kuantisasi yang lebih kasar diberlakukan pada wilayah
yang sama pada bagian obyek.

– Kuantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul
sebaiknya di-kuantisasi secara lebih halus dan diluar batas daerah tersebut
dapat di-kuantisasi secara lebih kasar (local stretching).

Berta @ 2005 11
Warna Citra

• Warna pada citra diperlukan karena :


- utk analisis citra secara otomatis, krn warna dpt menyerderhanakan
proses identifikasi dan ekstraksi benda dari suatu citra
- mata manusia dpt membedakan ribuan perubahan warna dg berbagai
intensitas, sedang citra yg monokromati hanya dpt membedakan 2 lusin

10 100 120 100 100 120 100 10


10 140 255 140 140 255 100 10
10 255 140 255 140 255 120 10
10 140 140 255 140 255 120 10
10 120 255 140 140 255 100 10
10 255 140 140 120 255 100 10
10 255 255 255 120 255 100 10
10 100 120 100 100 120 100 10

Gambar ini merupakan citra monokromatik 8 bits dg ukuran [8 x 8] dg skala keabuan


[0, 255]. Berarti citra tsb adalah angka 21 dg latar belakang gelap.

Berta @ 2005 12
Citra Biner

• Citra biner (binary image) adalah citra yg setiap pikselnya hanya memiliki 2
kemungkinan derajat keabuan yakni 0 dan 1.
• Proses pembineran dilakukan dg membulatkan ke atas atau ke bawah untuk
setiap nilai keabuan dari piksel yg berada di atas atau bawah harga ambang.
Metode untuk menentukan besarnya harga ambang disebut thresholding.

0 0 0 0 0 0 0 0
0 0 1 0 0 1 0 0
0 1 1 1 0 1 0 0
0 0 0 1 0 1 0 0
0 0 1 0 0 1 0 0
0 1 0 0 0 1 0 0
0 1 1 1 0 1 0 0
0 0 0 0 0 0 0 0

Berta @ 2005 13
Hubungan antara piksel dan pengertian
connectivity
4-tetangga piksel P 8-tetangga piksel P

X X X X
X P X X P X
X X X X

Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level


yang sama, misal: sama-sama 0 atau sama-sama 1 atau sama-sama bedanya
tidak lebih dari 5 tingkat keabuan, dlsb.nya

Berta @ 2005 14
Labelling of connected component

Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan


4-tetangga dan (b) dengan aturan 8 tetangga:
0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 0 0 0 0 1 1 0 0
0 1 1 0 0 0 0 1 1 0 0 0
0 1 1 0 1 1 0 1 1 0 1 1
0 0 0 1 1 1 0 0 0 1 1 1
0 0 0 0 0 0 0 0 0 0 0 0
ekivalen dengan
Berta @ 2005 15
ekivalen dengan
Operasi Aritmetik pada Citra
• Operasi Aritmetik antara dua citra
– + - x /
– Band ratio antara citra sensor optik Landsat TM band 3 dan band 4 dapat
digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya.
Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi
perubahan wilayah.

Jakarta in 1994 Jakarta in 1998 (Lapan, 2001)

Berta @ 2005 16
Operasi Aritmetik pada Citra
• Operasi selisih antara dua citra temporal dapat digunakan untuk
deteksi perubahan wilayah.

Jakarta in 1994 Jakarta in 1998


(Lapan, 2001)

Berta @ 2005 17
Operasi Aritmetik pada Citra
• Operasi Lojik antara dua citra
– OR AND NOT
– Masking (AND) operation dapat digunakan untuk memisahkan antara
bagian obyek dan bagian latar belakang pada citra biomedik.

Object of interest Mask dengan


‘jaringan paru’ operasi AND

Berta @ 2005 18
Komponen Sistem
Pengolahan Citra Dijital

(Gonzalez & Woods, 1992)

Berta @ 2005 19
Elemen-elemen Sistem Analisis Citra

(Gonzalez & Woods, 1992)

Berta @ 2005 20
Metodologi Pengolahan Citra
• Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan
memilih metode perekaman citra dijital.
• Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras,
menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra
yang akan diobservasi.
• Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection):
Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau
menentukan garis batas wilayah obyek (external shape characteristics).
• Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri
memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-
kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap
piksel

Berta @ 2005 21
Metodologi Pengolahan Citra (Lanjutan)
• Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi sebagai
suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi
luasan / perimeternya
• Pengenalan Pola (Pattern Recognition): Memberikan label kategori obyek
pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor
atau ciri piksel bersangkutan (pewilayahan jaringan keras dan pewilayahan
berbagai jaringan lunak pada citra biomedik)
• Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang
sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya
penyakit tumor)
• Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai
referensi pada proses template matching / object recognition.

Berta @ 2005 22