PENDAHULUAN
1.1 Tujuan Praktikum
1. Mahasiswa mampu memahami pengaruh operasi titik, domain spasial dan
transformasi fourier pada citra.
2. Mahasiswa mampu memahami cara pengubahan citra terhadap filter
operasi titik, domain spasial dan transformasi fourier.
1.2 Landasan Teori
Pengolahan citra adalah salah satu cabang dari ilmu informatika.
Pengolahan citra berkutat pada usaha untuk melakukan transformasi
suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu .
Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra
lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan
operasi yang dilakukan terhadap citra.Berdasarkan tujuan transformasi operasi
pengolahan citra dikategorikan sebagai berikut Peningkatan Kualitas Citra
(Image Enhancement) Operasi peningkatan kualitas citra bertujuan untuk
meningkatkan fitur tertentu pada citra. Pemulihan Citra (Image Restoration)
Operasi pemulihan citra bertujuan untuk mengembalikan kondisi citra pada
kondisi yang diketahui sebelumnya akibat adanya pengganggu yang
menyebabkan penurunan kualitas citra.
Citra digital direpresentasikan dengan matriks. Operasi pada citra
digital pada dasarnya adalah memanipulasi elemen-elemen matriks. Elemen
matriks yang dimanipulasi dapat berupa elemen tunggal (sebuah pixel),
sekumpulan elemen yang berdekatan, atau keseluruhan elemen matriks.
Operasi-operasi yang dilakukan pada pengolahan citra dapat dikelompokkan
ke dalam empat level komputasi, yaitu level titik, level lokal, level global, dan
level objek. Operasi pada level titik hanya dilakukan pada pixel tunggal di
dalam citra. Operasi titik dikenal juga dengan nama operasi pointwise.
Operasi titik pada pengolahan citra adalah operasi terhadap citra asal dimana
setiap tiitk diolah secara independen terhadap titik-titik yang lain, atau
dengan kata lain perubahan intensitas suatu pixel tidak berpengaruh
terhadap pixel-pixel yang lainnya dalam sebuah citra.
Operasi Titik dalam image enhancement dilakukan dengan
memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang
diharapkan. Histogram dari suatu citra adalah grafik yang menunjukkan
distribusi frekuensi dari nilai intensitas piksel dalam citra tersebut. Intensity
adjusment bekerja dengan cara melakukan pemetaan linear terhadap nilai
intensitas pada histogram awal menjadi nilai intensitas pada histogram yang
baru. Teknik histogram equalization bertujuan untuk menghasilkan suatu citra
keluaran yang memiliki nilai histogram yang relatif sama.
Operasi spasial dalam pengolahan citra digital dilakukan melalui
penggunaan suatu kernel konvolusi 2-dimensi. Teknik enhancement
berdasarkan operasi titik dibagi tiga, yaitu neighborhood averaging, median
filtering dan high-pass filtering. Pada prinsipnya, filter yang digunakan dalam
neighborhood averaging merupakan salah satu jenis low-pass filter, yang
bekerja dengan cara mengganti nilai suatu piksel pada citra asal dengan nilai
BAB II
METODOLOGI PRAKTIKUM
2.1 Landasan Teori
Citra digital direpresentasikan dengan matriks. Operasi pada citra
digital pada dasarnya adalah memanipulasi elemen-elemen matriks. Elemen
matriks yang dimanipulasi dapat berupa elemen tunggal (sebuah pixel),
sekumpulan elemen yang berdekatan, atau keseluruhan elemen matriks.
Operasi-operasi yang dilakukan pada pengolahan citra dapat dikelompokkan
ke dalam empat level komputasi, yaitu level titik, level lokal, level global, dan
level objek. Operasi pada level titik hanya dilakukan pada pixel tunggal di
dalam citra. Operasi titik dikenal juga dengan nama operasi pointwise.
Operasi titik pada pengolahan citra adalah operasi terhadap citra asal dimana
setiap tiitk diolah secara independen terhadap titik-titik yang lain, atau
dengan kata lain perubahan intensitas suatu pixel tidak berpengaruh
terhadap pixel-pixel yang lainnya dalam sebuah citra.
Operasi Titik dalam image enhancement dilakukan dengan
memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang
diharapkan. Histogram dari suatu citra adalah grafik yang menunjukkan
distribusi frekuensi dari nilai intensitas piksel dalam citra tersebut. Intensity
adjusment bekerja dengan cara melakukan pemetaan linear terhadap nilai
intensitas pada histogram awal menjadi nilai intensitas pada histogram yang
baru. Teknik histogram equalization bertujuan untuk menghasilkan suatu citra
keluaran yang memiliki nilai histogram yang relatif sama.
Operasi spasial dalam pengolahan citra digital dilakukan melalui
penggunaan suatu kernel konvolusi 2-dimensi. Teknik enhancement
berdasarkan operasi titik dibagi tiga, yaitu neighborhood averaging, median
filtering dan high-pass filtering. Pada prinsipnya, filter yang digunakan dalam
neighborhood averaging merupakan salah satu jenis low-pass filter, yang
bekerja dengan cara mengganti nilai suatu piksel pada citra asal dengan nilai
rata-rata dari piksel tersebut dan lingkungan tetangganya. Median filter
merupakan salah satu jenis low-pass filter, yang bekerja dengan mengganti
nilai suatu piksel pada citra asal dengan nilai median dari piksel tersebut dan
lingkungan tetangganya. Sebagaimana pada proses pengolahan sinyal satu
dimensi, high-pass filter dua dimensi akan melewatkan komponen citra
frekuensi tinggi dan meredam komponen citra frekuensi rendah.
Pada operasi transformasi, dilakukan dengan cara mentransformasi
citra asal ke dalam domain yang sesuai bagi proses enhancement, melakukan
proses enhancement pada domain tersebut, mengembalikan citra ke dalam
domain spasial untuk ditampilkan/diproses lebih lanjut. Transformasi ini
memindahkan informasi citra dari domain spasial ke dalam domain frekuensi,
yaitu dengan merepresentasikan citra spasial sebagai suatu penjumlahan
eksponensial kompleks dari beragam frekuensi, magnituda, dan fasa.
2.2.6
2.2.7
J1=medfilt2(IN,[3 3]);
J2=medfilt2(IN,[5 5]);
figure,imshow(I);
figure,imshow(IN);
figure,imshow(J1);
figure,imshow(J2);
Operasi spasial high-pass filter
I=imread('girl_gray.tif');
hpf1=[-1 -1 -1;-1 8 -1;-1 -1 -1];
hpf2=[ 0 -1 0;-1 5 -1; 0 -1 0];
hpf3=[ 1 -2 1;-2 5 -2; 1 -2 1];
J1=uint8(conv2(double(I),hpf1,'same'));
J2=uint8(conv2(double(I),hpf2,'same'));
J3=uint8(conv2(double(I),hpf3,'same'));
figure,imshow(I);
figure,imshow(J1);
figure,imshow(J2);
figure,imshow(J3);
Transformasi fourier
I=imread('cameraman.tif');
IF=fft2(double(I));
mask_high=double(imread('maskpojok.bmp'));
mask_low=1-mask_high;
IFH=(IF.*mask_high);
IFL=(IF.*mask_low );
hasil_high=abs(ifft2(IFH));
hasil_low=abs(ifft2(IFL));
figure,imagesc(I),colormap gray,colorbar,axis image;
figure,imagesc(log(abs(IF +1)),[0 17]),colormap hot,colorbar,axis
image;
figure,imagesc(hasil_high),colormap gray,colorbar,axis image;
figure,imagesc(log(abs(IFH+1)),[0 17]),colormap hot,colorbar,axis
image;
figure,imagesc(hasil_low ),colormap gray,colorbar,axis image;
figure,imagesc(log(abs(IFL+1)),[0 17]),colormap hot,colorbar,axis
image;
Intensity
Adjusment
(gambar
hasil)
Decrease
Contras
(gambar
asli)
Decrease
Contras
(gambar
hasil)
3.1.2
Tabel Hasil Percobaan Operasi Spasial
No Metode
Gambar Asli
Hasil
LPF, Kernel
1
LPF, Kernel
2
LPF, Kernel
3
Median
Filter
dengan
derau
impuls
Median
filterkernel
3x3
Median
Filter kernel
5x5
HPF, Filter
Kernel 1
HPF, Kernel
2
HPF, Kernel
3
3.1.3
Transformasi Fourier
No Keterangan Gambar
1
Gambar Asli
Masking
HPF,
domain
frekuensi
LPF, domain
frekuensi
semua gambar belakang menjadi putih karena kehilangan nilai kontras warna
sementara itu gambar cameramen di depan terlihat menjadi abu-abu karena
intensitas warnanya jauh berkurang seperti ditunjukkan pada histogram yang
telah dianalisa tadi.
Pada percobaan ketiga dari operasi titik kita menggunakan
histogram equalization dimana metode ini bertujuan untuk menajamkan citra
tanpa harus mengurangi bit warna pada citra dengan mengoptimalkan perataan
pada histogram. Dari hasil histogram dapat kita lihat pada histogram citra
konversi memiliki skala yang nyaris sama jika dibandingkan dengan histogram
citra asli meskipun nilai kerapatan cenderung lebih berkurang jika
dibandingkan dengan histogram citra asli. Pada gambar dapat kita lihat
perbedaan ketajaman warna yang diakibatkan oleh perataan histogram pada
citra konversi, dimana menghasilkan gambar hasil konversi yang lebih kontras
daripada citra asli.
Pada percobaan keempat kita melakukan percobaan menggunakan
opersai spasial dimana pada percobaan pertama, metode yang akan digunakan
adalah low-pass filtering, pada percobaan ini dimaksudkan untuk meredam
komponen citra dengan nilai tinggi dan melewatkan komponen citra dengan
nilai rendah yang akan menyebabkan citra hasil konversi menjadi blur. Pada
percobaan ini akan dilakukan menggunakan tiga kernel yaitu kernel 1/16 kernel
1/10 dan kernel 1/9 dimana kernel sendiri merupakan skala ketelitian dalam
memfilter citra. Dari ketiga kernel yang digunakan dapat kita lihat terjadi
penurunana ketajaman citra yang berturut turut dari yang tertajam yaitu kernel
2, kernel 2 dan kernel 3.
Pada percobaan kelima dilakukan percobaan operasi spasial
menggunakan median filtering, pada percobaan ini juga akan digunakan
penambahan derau guna mengetahui efisiensi filter, penggunaan kernel 3x3
dan penggunaan kernel 5x5. Dari hasil gambar percobaan dapat kita amati pada
citra dengan noise memiliki kualitas citra yang sama dengan citra asli namun
memiliki noise buatan dengan kerapatan 0,02. Kemudian pada filter 3x3 dapat
kita amati bahwa noise yang tadi diberikan berhasil difilter dengan filter ini
namun kualitas gambar menjadi sedikit lebih blur daripada citra asli. Pada filter
5x5 dapat kita lihat juga dapat mengatasi noise yang tadi ditambahkan namun
begitupula pada filter ini gambar menjadi lebih blur. Blur yang terjadi pada
kernel 3x3 dan 5x5 diakibatkan oleh toleransi intensitas warna yang difilter,
sehingga intensitas warna rendah akan diabaikan dan intensitas warna tinggi
akan direduksi.
Pada percobaan keenam dilakukan percobaan operasi spasial
menggunakan metode high-pass filtering. Pada metode filter ini dilakukan
peredaman pada komponen citra dengan intensitas rendah sedangkan
komponen citra dengan intensitas tinggi diabaikan. Hal ini akan menyebabkan
tepi objek akan terlihat lebih tajam disbanding objek sekitarnya. Pada
percobaan ini digunakan tiga kernel yaitu kernel -1, kernel 0 dan kernel 1. Dari
hasil percobaan dapat dilihat pada kernel -1 gambar mnejadi cenderung hitam
dengan tepian putih karena mengabaikan keseluruhan komponen citra dengan
intensitas tinggi. Pada percobaan dengan kernel 0 gambar menjadi lebih tajam
dan cenderung gelap dengan tepian gambar yang terlihat lebih kuat. Pada
percobaan dengan kernel 1 gambar relative sama dengan gambar asli namun
dengan kontras yang lebih tinggi.
Pada percobaan ketujuh sebagai percobaan terakhir dilakukan
operasi transformasi sebagai pengaplikasian dari operasi titik dan operasi
spasil. Pada percobaan ini digunakan operasi transformasi fourier dengan high
and low-pass filter pada frekuensi dan high and low-pass filter pada domain
spasial. Pada percobaan transformasi ini dibutuhkan sebuah masking sebagai
pentransformasi citra. Dari hasil percobaan dapat dilihat pada hasil high-pass
filter domain frekuensi menjadi hitam dengan tepian putih pada sisi gambar
dikarenakan diakibatkan oleh masking pada citra menggunakan warna hitam
sebagai warna pembanding paling mudah. Kemudian pada low-pass filter dapat
dilihat gambar kehilangan ketajaman karena efek masking, dimana warna
dengan intensitas rendah diabaikan yaitu warna putih dan warna dengan
intensitas kuat yaitu warna hitam direduksi.
BAB IV PENUTUP
4.1 Kesimpulan
Dari ketujuh percobaan yang telah dilakukan dapat diambil
kesimpulan sebagai berikut :
1. Peningkatan kontras pada operasi titik menurunkan skala kerapatan pada
histogram namun meningkatkan skala intensitasnya.
2. Penurunan kontras pada operasi titik meningkatkan detail pada warna
dengan intensitas tinggi.
3. Histogram equalization mengkonversi gambar dengan meratakan nilai
intensitas pada histogram.
4. Semakin kecil besar skala kernel pada low-pass filtering menghasilkan
citra yang semakin blur.
5. Median filtering menggantikan pixel citra asal dengan pixel sekitar sebagai
filter.
6. High-pass filter menyebabkan objek nampak lebih tajam dari objek
sekitarnya.
7. Pada transformasi fourier, masking digunakan sebagai filter untuk
mengganti pixel citra asli yang dikonversi.