Representasi
1.1. Apa itu gambar?
Gambar digital dapat dikenali sebagai representasi diskrit dari pengaruh dat untuk
informasi ruang (layout) dan intensitas (warna) . gambar juga dapat diketahui sebagai sinyal
multidimensi.
1.1.1. Layout Gambar
Diskrit 2 dimensi (2-D), gambar digital I(m,n) mewakili respon dari beberapa sensor
(atau secara sederhana nilai dari beberapa perhatian) pada sebuah seri dari posisi yang telah
ditentukan (m=1,2,,M); n=1,2,,N) dalam koordinat kartesian 2-D diperoleh dari sinyal ruang
berkelanjutan I9x,y) melalui proses sampling yang megacu pada diskritisasi. Diskritisasi terjadi
dengan semacam tipe dari sensor gambar (seperti kamera CCD) dan efek dasar rata-rata sinyal
berkelanjutan diatas wilayah kecil (biasanya berbentuk kotak) sinyal pada domain penerima.
Meskipun gambar yang akan dibahas adalah gambar diskrit namun kadang secara teori
kita harus memperlakukan sinyal sebagai sinyal kontinyu : I (x,y). kenyataannya kadang ini
mengijinkan kita untuk menggunakan teknik integral dan kalkulus differensial untuk mengerti isi
gambar dan untuk memanipulasi secara efektif dan memprosesnya.
Analisis matematika dari gambar diskrit memandu formulasi aljabar linear yang lebih baik pada
beberapa contoh.
Nilai pixel individual pada kebanyakan gambar sebenarnya sesuai dengan respon fisik
pada ruang 2-D yang nyata (contohnya pada penerimaan intensitas optic pada gambar dari
kamera atau intensitas ultrasonic pada transceiver). Tetapi kita juga bebas untuk memahami
gambar pada ruang abstrak dimana koordinat sesuai pada sesuatu daripada pada ruang fisiknya
dan kita juga dapat memperluas perkiraan dari suatu gambar pada 3 atau lebuh dimensi. Sebagai
contoh, aplikasi gambar medis kadang menggunakan rekonstruksi gambar 3-D penuh untuk
organ internal dan time sequence dari gambar seperti itu (sepertu pada detak jantung) dapt
diperlakukan juga sebagai gambar 4-D yang memiliki 3 koordinat. Kita mempertimbangkan
bahwa gambaran 3-D sering berhubungan dengan volume. Dalam contoh ini pixel 3-D
ditunjukkan sebagai voxels (volumetric pixel) yang menggambarkan lokasi ruang terkecil pada
volume 3-D sebagai perlawanan pada gambar 2-D.
Warna keabuan cocok dengan gambar-gambar yang berifat intens, seperti gambar yang
hanya memperlihatkan intensitas sinyal sebagai satu-satunya hasil pada setiap point dari wilayah
gambar.
Pada intensitas tertentu, tampilan intensitas gambar akan lebih baik saat menggunakan
false-colour map. Salah satu alasan penggunaan false-colour map adalah fakta bahwa
penglihatan manusia hanya sensitive pada 40 jenis warna keabuan dalam range warna hitam
putih, dimana densitifitas kita menjadi lebih baik. False colour juga dapat menonjolkan atau
menunjukkan fitur atau strukur, sehingga memberikan kemudahan bagi para pengobservasi.
Biasanya dimanfaatkan pada gambar medis dan astronomi.
Figure 1.2 memperlihatkan tampilan gambar astronomi yang memiliki intensitas warna
keabuan dan false-colour map.pada contoh colour map jet ini telah dilakukan pada warna
struktur yang lebih cerah dan detail yang lebih baik dari suatu gambar untuk penglihatan manusia
menggunakan skala warna linear yang memiliki range dari biru gelap (nilai intensitas rendah)
sampai merah gelap (nilai intensitas tinggi). Arti dari colour map seperti mengartikan warna ke
dalam bentuk angka, dan dapat berguna oleh pengguna. Meskipun mapping antara nilai intensitas
dan warna keabuan tapak hampir sama (linear), ada beberapa situasi dimana mapping nonlinear
antara keduanya bisa lebih baik.
Gambar dengan warna keabuan memiliki nilai pada setiap pixelnya, juga memiliki
spectrum warna yang dapat didefinisikan sebagai 3 vektor, yaitu komponen (R,G,B) pada setiap
pixel. Warna menggambarkan kombinasi linear dari warna dasar atau nilai dan gambar bisa
mengandung 3 wilayag 2-D.
kompak), mengirimkan mereka melalui jaringan dan mengenali bentuk data numerik sebagai
sesuai dengan gambar. Ini telah menyebabkan pengembangan citra digital standar format. Dalam
istilah sederhana, format gambar terdiri dari file header (berisi informasi tentang bagaimana
sebenarnya data gambar disimpan) dan nilai-nilai pixel numerik yang sebenarnya diri. Ada
sejumlah besar format gambar yang diakui sekarang ada, kencan kembali selama lebih dari 30
tahun penyimpanan gambar digital. Beberapa yang paling umum 2-D Format gambar yang
tercantum pada Tabel 1.1. Konsep lossy dan lossless kompresi rinci dalam Bagian 1.3.2.
Seperti yang disarankan oleh sifat yang tercantum dalam Tabel 1.1, format gambar yang
berbeda umumnya cocok untuk aplikasi yang berbeda. gambar GIF adalah format penyimpanan
gambar yang sangat dasar terbatas hanya 256 tingkat abu-abu atau warna, dengan yang terakhir
ditetapkan melalui peta warna dalam header file sebagai dibahas sebelumnya. Sebaliknya, format
JPEG biasa mampu menyimpan hingga 24-bit RGB warna gambar, dan sampai 36 bit untuk
aplikasi pencitraan medis / ilmiah, dan paling banyak digunakan untuk tingkat konsumen
pencitraan seperti kamera digital. umum lainnya format ditemui termasuk format bitmap dasar
(BMP), yang berasal dari pengembangan dari sistem operasi Microsoft Windows, dan format
PNG baru, dirancang sebagai pengganti yang lebih kuat untuk GIF. TIFF, Format menandai file
gambar, merupakan format file yang menyeluruh dan beradaptasi mampu menyimpan berbagai
gambar yang berbeda bentuk data. Secara umum, fotografi-jenis gambar yang lebih cocok
terhadap JPEG atau TIF penyimpanan, sementara gambar terbatas warna / detail (mis logo,
gambar garis, teks) yang paling cocok untuk GIF atau PNG (per TIFF), sebagai lossless, format
yang penuh warna, disesuaikan dengan mayoritas persyaratan penyimpanan gambar.
Dalam hal pengolahan citra praktis di Matlab, perlu dicatat bahwa imagewritte
untuk mengajukan dari Matlab dalam format kompresi lossy (misalnya JPEG) tidak akan
disimpan sebagai tepat Matlab representasi gambar itu dimulai sebagai. nilai-nilai piksel citra
akan diubah dalam gambar Proses output sebagai akibat dari kompresi lossy. Ini bukan kasus
jika lossless a teknik kompresi digunakan. Sebuah Matlab latihan yang menarik adalah berpose
untuk pembaca di Latihan 1.4 untuk menggambarkan ini Perbedaan antara penyimpanan dalam
format JPEG dan format file PNG.
1.4.1 RGB
RGB (atau warna sejati) gambar 3-D array yang kita dapat mempertimbangkan
konseptual tiga berbeda pesawat 2-D, salah satu yang sesuai dengan masing-masing tiga merah
(R), hijau (G) dan biru (B) channel warna. RGB adalah ruang warna yang paling umum
digunakan untuk representasi citra digital karena nyaman sesuai dengan tiga warna primer yang
dicampur untuk display pada monitor atau perangkat serupa.
Kita bisa dengan mudah memisahkan dan melihat komponen merah, hijau dan biru dari
warna asli image, seperti yang ditunjukkan pada Gambar 1.6. Penting untuk dicatat bahwa warna
biasanya hadir dalam bayangan nyata hampir selalu perpaduan komponen warna dari ketiga
saluran. SEBUAH Kesalahpahaman yang umum adalah bahwa, misalnya, barang yang dianggap
biru hanya akan muncul di saluran biru dan sebagainya. Sementara item dianggap sebagai biru
pasti akan muncul terang di saluran biru (yaitu mereka akan berisi lebih banyak cahaya biru
dibanding warna lain) mereka juga akan memiliki komponen yang lebih ringan dari warna merah
dan hijau.
Jika kita mempertimbangkan semua warna yang dapat diwakili dalam representasi RGB,
kemudian kami menghargai bahwa ruang warna RGB pada dasarnya adalah sebuah ruang warna
3-D (cube) dengan sumbu R, G dan B (Gambar 1.7). Setiap sumbu memiliki yang sama rentang
0! (Ini adalah skala untuk 0-255 untuk 1 umum 1 byte per channel warna, 24-bit representasi
gambar). Warna hitam menempati asal kubus (posisi D0; 0; 0th), sesuai dengan adanya tiga
warna; putih menempati sudut yang berlawanan (posisi D1; 1; 1th), menunjukkan jumlah
maksimum semua tiga warna. Semua warna lain dalam kebohongan spektrum dalam kubus ini.
Ruang warna RGB didasarkan pada bagian dari spektrum elektromagnetik yang terlihat
untuk manusia (yaitu kisaran terus menerus dari panjang gelombang dalam kisaran perkiraan.
400-700 nm). Mata manusia memiliki tiga jenis reseptor warna lebih yang memiliki terbatas (dan
seragam) serap untuk masing-masing panjang gelombang merah, hijau dan biru. Ini sebabnya,
seperti yang akan kita lihat nanti, warna abu-abu-skala mengubah menggunakan kombinasi
nonlinear saluran RGB.
Dalam pengolahan citra digital kita menggunakan RGB disederhanakan (berdasarkan
CIE standar warna 1931) yang dioptimalkan dan dibakukan terhadap tampilan grafis. Namun,
masalah utama dengan RGB adalah bahwa itu adalah perseptual nonlinier. Dengan kita ini
berarti bahwa bergerak dalam arah tertentu dalam RGB warna kubus (Gambar 1.7) tidak tentu
menghasilkan warna yang perseptual konsisten dengan perubahan di masing-masing saluran.
Misalnya, mulai dari putih dan mengurangkan komponen biru menghasilkan kuning; sama,
mulai dari merah dan menambahkan komponen biru menghasilkan warna pink. Untuk ini
Alasannya, ruang RGB secara inheren sulit bagi manusia untuk bekerja dengan dan alasan
tentang karena itu tidak terkait dengan cara alami kita melihat warna. Sebagai alternatif dapat
kita gunakan Warna representasi persepsi seperti HSV.
mana dn; MTH indeks piksel individu dalam gambar skala abu-abu dan dn; m; CTH yang
channel individu di lokasi pixel dn; MTH dalam gambar warna untuk saluran c di r merah, biru
saluran g gambar b dan hijau. Seperti terlihat dari Persamaan (1.1), gambar skala abu-abu adalah
dasarnya jumlah tertimbang dari saluran warna merah, hijau dan biru. Pembobotan koefisien (a,
b dan g) ditetapkan secara proporsional dengan respon persepsi mata manusia untuk masing-
masing saluran warna merah, hijau dan biru dan Memastikan bobot standar keseragaman
(standar televisi NTSC, a0.2989, b0.5870 dan g 0.1140). Manusia mata secara alami lebih
sensitif terhadap cahaya merah dan hijau; karenanya, warna-warna ini diberikan lebih tinggi
pembobotan untuk memastikan bahwa keseimbangan intensitas relatif dalam gambar skala abu-
abu yang dihasilkan mirip dengan gambar warna RGB. Contoh melakukan konversi skala abu-
abu di Matlab diberikan pada Contoh 1.6. Konversi RGB ke abu-abu-skala adalah mengubah
citra noninvertible: warna sejati informasi yang hilang dalam konversi tidak dapat langsung
sembuh.
1.4.2 Ruang Warna Perseptual
Ruang warna persepsi adalah cara alternatif yang mewakili warna gambar yang benar
dengan cara yang lebih alami untuk persepsi manusia dan pemahaman tentang warna dari RGB
perwakilan. Banyak representasi warna alternatif ada, tetapi di sini kita berkonsentrasi pada Hue,
Saturation dan Nilai (HSV) ruang warna populer dalam aplikasi analisis citra.
Perubahan dalam ruang warna ini mengikuti warna gradient perseptual diterima. Dari
perspektif analisis citra, memungkinkan pemisahan warna dari pencahayaan untuk lebih besar
gelar. Gambar RGB dapat diubah menjadi HSV ruang warna representasi sebagai ditunjukkan
pada Gambar 1.9.
Masing-masing tiga parameter tersebut dapat diartikan sebagai berikut:
H (hue) adalah panjang gelombang dominan warna, misalnya merah, biru, hijau
S (saturasi) adalah 'kemurnian' warna (dalam arti jumlah cahaya putih dicampur dengan
itu)
V (value) adalah kecerahan warna (juga dikenal sebagai luminance)
HSV representasi dari gambar 2-D juga sebagai array 3-D yang terdiri dari tiga saluran dh; s;
VTh dan setiap lokasi pixel dalam gambar, IDN, MTH, berisi dh; s; VTh triplet yang dapat
diubah kembali ke RGB untuk tampilan warna asli. Dalam Matlab HSV pelaksanaan masing-
masing h, s dan v dibatasi dalam kisaran 0! 1. Misalnya, warna biru (atas cone, Gambar 1.9)
mungkin memiliki nilai h0.9, kejenuhan dari s0.5 dan Nilai v1 membuatnya menjadi hidup,
cerah langit biru. Dengan memeriksa saluran warna individual gambar di ruang HSV, kita dapat
melihat bahwa objek gambar lebih konsisten terkandung di lapangan rona yang dihasilkan dari
dalam saluran representasi RGB, meskipun kehadiran kondisi pencahayaan yang berbeda-beda
lebih adegan (Gambar 1.10). Akibatnya, ruang HSV umumnya digunakan untuk berbasis warna
segmentasi citra menggunakan teknik yang dikenal sebagai mengiris warna. Sebagian dari rona
roda warna (sepotong kerucut, Gambar 1.9) adalah terisolasi sebagai rentang warna yang
menarik, benda yang memungkinkan dalam rentang warna yang akan diidentifikasi dalam
gambar. Ini kemudahan pemilihan warna di ruang warna HSV juga menghasilkan digunakan
secara luas sebagai pilihan metode pemilihan warna di antarmuka grafis komputer dan sebagai
metode menambahkan warna palsu gambar (Bagian 1.1.2).
Rincian RGB konversi gambar HSV di Matlab diberikan dalam Latihan 1.6.