Modul II

Peningkatan Kualitas Citra

M. Fadel 13115032 (13115032)
Tanggal Percobaan : 04/11/2017
EL4125 Praktikum Pengolahan Citra Digital
Institut Teknologi Sumatera

Abstrak—Pada praktikum modul 2 ini praktikan diperkenalkan dengan beberapa teknik untuk
meningkatkan kualitas citra. Untuk meningkatkan kualitas suatu citra digital adapun diantaranya,
Operasi titik, Operas spasial,operasi tansformasi. Pada praktikum kali ini seluruh percobaan
dilakukan berdasarkan beberapa gambar dan format yang sudah disediakan.

I. Pendahuluan

1.1 Latar Belakang

Teknik image enhancement digunakan untuk meningkatkan kualitas suatu citra digital, baik
dalam tujuan untuk menonjolkan suatu ciri tertentu dalam citra tersebut, maupun untuk
memperbaiki aspek tampilan. Proses ini biasanya didasarkan pada prosedur yang bersifat
eksperimental, subjektif, dan amat bergantung pada tujuan yang hendak dicapai.

Berdasarkan proses yang dilakukan, operasi image enhancement dapat digolongkan dalam
empat kelompok besar, yaitu:

 Operasi titik

Beberapa teknik yang merupakan anggota kelompok ini adalah contrast
stretching, brightening, darkening, dan thresholding. 

 Operasi spasial

Operasi spasial (spatial operation) meliputi beberapa teknik seperti
neighborhood averaging, median filtering, serta berbagai macam filter spasial
lainnya baik yang bersifat low-pass filter, band-pass filter, maupun high-pass
filter. 

 Operasit ransformasi

Dengan mekanisme operasi transformasi (transform operation), proses
enhancement dikerjakan pada citra yang telah terlebih dahulu mengalami
transformasi. 

 Pseudocoloring dan Falsecoloring

Pseudocoloring dan false coloring merupakan upaya memperbaiki aspek artistik
 citra sehingga lebih mudah diinterpretasi. Hal ini dilakukan dengan cara
menambahkan warna (palsu) pada citra sehingga daerah-daerah tertentu dapat
dilihat dengan lebih jelas. 


1.2 Tujuan
 Menampilkan citra pada aplikasi MATLAB
 Memperbaiki kulitas citra
 Meredam komponen citra berkualitas rendah
 Mengoperasikan geometrik dan konvulusi serta transformasi citra pada
aplikasi matlab.

II. Percobaan Praktikum
Berikut ini merupakan bagian dari percobaan praktikum dalam modul 1 tentang pengantar
pengolahan citra digital .

1. Operasi Titik

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.

Citra dan histogram asli dari rice.tif

I=imread('rice.tif');
figure,imshow(I);
figure,imhist(I);

Beberapa teknik image enhancement melalui operasi titik antara lain adalah intensity
adjustment (termasuk brightening dan darkening), histogram equalization, dan thresholding.

1.1 Intensity Adjustment

Intensity adjustment bekerja dengan cara melakukan pemetaan linear terhadap nilai intensitas
pada histogram awal menjadi nilai intensitas pada histogram yang baru.

Perintah umum untuk melakukan pemetaan linear tersebut adalah:

J = imadjust(I,[low_in,high_in),[low_out,high_out])

Dimana :


low_in merupakan nilai intensitas yang akan dipetakan sebagai low_out

high_in merupakan nilai intensitas yang akan dipetakan sebagai high_out

Gambar di atas merupakan gambar hasil Intensity Adjesment dari citra asli

I=imread('rice.tif');
J=imadjust(I,[0.15 0.9],[0 1]);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);

1.2 Histogram Equalization

Teknik histogram equalization bertujuan untuk menghasilkan suatu citra keluaran yang
memiliki nilai histogram yang relatif sama.
 Gambar di atas merupakan hasil histogram equalization dari histogram citra pada intensity
adjustment

I=imread('rice.tif');
J=histeq(I);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);

1.3 Thresholding

Thresholding merupakan proses pemisahan piksel-piksel berdasarkan derajat keabuan yang

dimilikinya. Piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan
akan diberikan nilai 0, sementara piksel yang memiliki derajat keabuan yang lebih besar dari
batas akan diubah menjadi bernilai 1.

Gambar di atas merupakan contoh Thresholding dari citra asli

I=imread('rice.tif');
J=im2bw(I,0.4);
K=im2bw(I,0.5);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imshow(K);

2. Operasi Spasial
Operasi spasial dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel
konvolusi 2-dimensi. Beberapa metode image enhancement yang termasuk dalam keluarga ini
adalah neighborhood averaging, median filtering, dan high-pass filtering.

2.1 Neighborhood Averaging

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.

Gambar di atas adalah hasil dari Operasi Spasial yaitu Neighborhood Averaging.

I=imread('eight.tif');
kernel=[1 1 1;1 1 1;1 1 1]/9;
J=uint8(conv2(I,kernel,'same'));
figure,imshow(I);
figure,imshow(J);

2.2 Median Filtering

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. Dibandingkan dengan neighborhood averaging, filter ini lebih tidak sensitif
terhadap perbedaan intensitas yang ekstrim. 

 Gambar di atas adalah hasil dari operasi spasial yaitu Median Filter

I=imread('eight.tif');
IN=imnoise(I,'salt & pepper',0.02);
J=medfilt2(I,[3 3]);
JN=medfilt2(IN,[3 3]);
figure,imshow(I);
figure,imshow(J);
figure,imshow(IN);
figure,imshow(JN);

2.3 High Pass Filtering

Sebagaimana pada proses pengolahan sinyal satu dimensi, high-pass filter dua dimensi akan
melewatkan komponen citra frekuensi tinggi dan meredam komponen citra frekuensi rendah.
 


Gambar di atas adalah hasil Operasi Spasial dari High Pass Filter

I=imread('saturn.tif');
hpf1=[ 1 -2 1;-2 5 -2; 1 -2 1];
hpf2=[ 0 -1 0;-1 5 -1; 0 -1 0];
hpf3=[-1 -1 -1;-1 9 -1;-1 -1 -1];
J1=uint8(conv2(I,hpf1,'same'));
J2=uint8(conv2(I,hpf2,'same'));
J3=uint8(conv2(I,hpf3,'same'));
figure,imshow(I);
figure,imshow(J1);
figure,imshow(J2);
figure,imshow(J3);

3. Operasi Transformasi
Berbeda dengan beberapa metode yang telah dibahas sebelumnya, proses image
enhancement berbasis transformasi citra dilakukan dengan:

 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

Salah satu metode transformasi yang paling populer dalam aplikasi pengolahan citra digital
adalah Fast Fourier Transform (FFT). 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.

Gambar di atas adalah hasil dari Operasi Transformasi dan menghasilkan domain frekuensi.

I=imread('cameraman.tif');
IF=fft2(I);
mask_high=double(imread('maskpojok.bmp'));
mask_low =not(mask_high);
IFH=IF.*mask_high; hasil_high=abs(ifft2(IFH));
IFL=IF.*mask_low; hasil_low =abs(ifft2(IFL));
figure,imagesc(I)
,colormap('gray'),colorbar('vert');
figure,imagesc(log(abs(IF )),[0 17]),colormap('hot')
,colorbar('vert');
figure,imagesc(hasil_high)
,colormap('gray'),colorbar('vert');
figure,imagesc(log(abs(IFH)),[0 17]),colormap('hot')
,colorbar('vert');
figure,imagesc(hasil_low )
,colormap('gray'),colorbar('vert');
figure,imagesc(log(abs(IFL)),[0 17]),colormap('hot')
,colorbar('vert');

Tugas 1 Operasii titik

I=imread('rice.tif');
J=imadjust(I,[0.15 0.9],[1 0]);
figure,imshow(I); figure,imhist(I);
figure,imshow(J); figure,imhist(J);

 Pada gambar di atas dapat dilihat citra lebih cerah dari citra asli yaita rice.tif yang
telah di kerjakan sebelumnya.
 Pada Histogram di atas dapat di lihat citra asli histogram di geser ke kanan agar dapat
membuat gambar lebih cerah

Tugas 2 Operasii Spasial

I=double(imread('saturn.tif'));
kernel=[1 1 1;1 1 1;1 1 1]/9;
J=conv2(I,kernel,'same');
K=I-J;
figure,imagesc(I),colormap('gray'),colorbar('vert');
figure,imagesc(J),colormap('gray'),colorbar('vert');
figure,imagesc(K),colormap('gray'),colorbar('vert');

 Pada gambar di atas dapat dilihat bahwa gambar yang kiri adalah hasil Operasi spasial
dari Saturn.tif
 Pada gambar sebelah kanan hasil spasial dari Saturn.tif di kurang dengan citra asli
dari gambar tersebut yaitu Saturn.tif maka di dapat gambar tersebut

Tugas 3 Operasii Transformasi

Gambar 1
 Hasil Operasi 1

Hasil Operasi 2

I =imread('segitiga.bmp');
F =fft2(I);
IF=fliplr(I);
FF=fft2(IF);
IR=rot90 (I);
FR=fft2(IR);
figure,imagesc(I) ),colormap('gray'),colorbar('vert');
figure,imagesc(log(abs(F ))),colormap('hot')
,colorbar('vert');
figure,imagesc(IF)
,colormap('gray'),colorbar('vert');
figure,imagesc(log(abs(FF))),colormap('hot')
,colorbar('vert');
figure,imagesc(IR)
,colormap('gray'),colorbar('vert');
figure,imagesc(log(abs(FR))),colormap('hot')
,colorbar('vert');

 Gambar 1 merupakan citra asli yang akan dilakukan Operasi Transformasi

  Hasil Operasi 1 merupakan hasil dari transformasi yang dirubah posisi dan berotasi
dari citra asli.
 Pada Hasil Operasi 2 merupakan hasil dari transformasi yang dirubah posisi dan
berotasi dari citra asli fungsi angle dengan fft (fast fourier transform) dari citra
segitiga.bmp

III. Kesimpulan
 Citra digital adalah sebuah citra yang sudah diolah secara digital dan mengalami
perubahan diskrit
 Citra digital adalah hasil dari suatu citra asli yang telah diolah melalui aplikasi dalam
percobaan ini menggunakan Matlab.
 Jika letak Histogram diubah maka kita dapat menentukan brightness dan kontras dari
citra dengan mengubah histogram tersebut.memfilter dan mengganti pixel dengan
rata-rata pixel sekitar (median fltering) sehingga kualitas citra bernilai rendah bisa
dgantikan dengan cara mengganti pixel sekitarnya.
 Metode transformasi dalam aplikasi pengolahan citra digital adalah Fast Fourier
Transform (FFT). Transformasi ini memindahkan informasi citra dari domain spasial
ke dalam domain frekuensi.


