PANDUAN
MATA KULIAH
PENGOLAHAN CITRA DIGITAL
ANJAR ROSIDI
NIM. 1602021016
PENDAHULUAN
1
Saat ini kebutuhan akan ilmu pengetahuan semakin meningkat, demikian pula
dengan alat-alat yang diperlukan untuk menganalisa segala hal. Contohnya adalah
kebutuhan di dalam bidang kedokteran, penginderaan jarak jauh, meteorology dan fisika,
robotika,dan lain-lain.Bidang-bidang tersebut membutuhkan alat/kamera yang bias
digunakan untuk merekam keadaan yang diperlukan untuk kebutuhan analisis sehiongga
memungkinkan peneliti mendapatkan informasi yang diperlukan.
Output alat-alat ini biasanya berupa citra. Citra inilah yang nantinya akan dianalisis
untuk mendapatkan informasi yang berguna.Namun sayangnya, kebanyakan citra belum
sesuai dengan hasil yang diharapkan . Hal ini dapat terjadi karean beberapa kemungkinan,
misalnya adanya noise, adanya kabut yang menghalangi objek yang sedang di-capture.
Lensa kamera kotor dan lain-lain. Oleh sebab itu, proses pengolahan citra sangat
diperlukan.
Disiplin ilmu yang melahirkan teknik-teknik untuk mengolah citra dinamakan
Pengolahan Citra Digital ( Digital Image Processing).
Pengenalan Pola
Citra Deskripsi/
Informasi
Grafika Komputer
Seringkali data yang dikirim dari suatu tempat ke tempat lain merupakan data
rahasia sehingga keamnannya perlu dijamin. Teknik keamanan data dan proteksi
hak cipta yang biasanya digunakan adalah Stenografi dan Watermark
6. Pengolahan Citra Digital dalam Pengenalan Pola
Pengolahan citra yang termasuk dalam bidang ini adalah pengenalan pola
huruf,pola wajah,pola sidik jari,pola iris mata, dan sebagainya.
I. CITRA DIGITAL
Berdasarkan gambaran tersebut , secara sistematis citra digital dapat ditulis sebagai
fungsi intensitas f(x,y), dimana harga x (baris) dan y (kolom) merupakan koordinat posisi
dan f(x,y) adalah nilai fungsi pada setiap titik (x,y) yang menyatakan besar intensitas citra
atau tingkat keabuan atau warna dari piksel di titik tersebut.
II.1. Pengertian
Pengolahan Citra Digital adalah sebuah disiplin ilmu yang mempelajari hal-hal yang
berkaitan dengan perbaikan kualitas gambar ( peningkatan kontras, transformasi
warna,restorasi citra) ,transformasi gambar(rotsi,tranlasi,skala,tranformasi goemetrik),
melakukan pemilihan citra cirri (feature images) yang optimal untuk tujuan analisis,
melakukan proses penarikan informasi atau deskripsi objek yang terkandung pada citra ,
melakukan kompresi atau reduksi data untuk tujuan penyimpanan data , transmisi data ,dan
waktu proses data.
Input dari pengolahan citra adalah citra , sedangkan outputnya adalah citra hasil
pengolahan.
II.2.2. Processing
Tahapan ini diperlukan untuk menjamin kelancaran pada proses berikutnya. Hal-hal
yang penting dilakukan pada tingkatan ini diantaranya adalah :
a. peningkatn kualitas citra ( kontras,brightness,dll)
b. menghilangkan noise
c. perbaikan citra
d. transformasi 9image transformation)
e. menentukan bagian citra yang akan diobservasi.
II.2.3. Segmentasi
Tahapan ini bertujuan untuk mempartisi citra menjadi bagian-bagian pokok yang
mengandung informasi penting .Misalnya, memisahkan objek dengan latar belakang.
Pertemuan Ke : 2 dan 3
Materi : - Resolusi
-Jenis-jenis Citra Digital
Setiap citra digital mempunyai karakteristik dasar, yaitu ukuran citra ,resolusi, dan format
lainnya. Ukuran citra dinyatakan dalam bentuk piksel atau panjang kali lebar sebuah citra
sehingga ukuran citra selalu bernilai bulat. Besar kecilnya ukuran digital tergantung besar
kecilnya resolusi peralatan digital yang digunakan.
Sebelum mempelajari klasifikasi citra digital, akan kita ketahui dulu tentang resolusi.
RESOLUSI
Ada 2 resolusi yang perlu diketahui , yakni:
1. Resolusi Spasial
Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi baris dan
kolom pada saat dilakukan sampling.
Resolusi spasial dipakai untuk menentukan jumlah piksel per satuan panjang.
Biasanya satuan resolusi ini adalah dpi (dot per inch). Resolusi ini sangat
berpengaruh pada detail dan perhitungan gambarnya.
Contoh :
Citra dengan resolusi 50 dpi, artinya 1 inch mempunyai 50 piksel bila luas citra 1
inch2 berarti citra tersebut mempunyai jumlah piksel 50 x 50 piksel. Bila ukuran
citra diperbesar menjadi 10x10 inch2 maka jumlah pikselnya tetap 50x50, tetapi
resolusinya berubah menjadi 50:10=5dpi.Artinya 1 inch hanya diisi 5 piksel. Hal
ini mengakibatkan gambar menjadi kabur,pecah-pecah dan kasar.
Ada beberapa jenis citra digital yang sering digunakan yakni: citra biner, citra
grayscale,citra warna.
1. Citra Biner ( Binary images )
Banyaknya warna ada 2 yaitu, hitam dan putih.
Dibutuhkan 1 bit di memori untuk menyimpan kedua warna ini.
Citra biner merupakan citra yang telah melalui proses pemisahan piksel – piksel
berdasarkan derajat keabuan yang dimiliki. Pembentukan citra biner memerlukan
nilai batas keabuan yang akan digunakan sebagai nilai patokan. Pixel dengan
derajat keabuan lebih besar dari nilai batas akan diberi nilai 1 dan sebaliknya piksel
dengan derajat keabuan lebih kecil dari nilai batas akan diberi nilai 0.
Gradasi warna :
merepresentasikan warna merah, hijau, dan biru untuk setiap pikselnya. Setiap
warna dasar diberi rentang nilai. Untuk monitor komputer, nilai rentang paling kecil
0 dan paling besar 255. Pemilihan skala 256 ini didasarkan pada cara mengungkap
8 digit bilangan biner yang digunakan oleh komputer. Sehingga total warna yang
dapat diperoleh adalah lebih dari 16 juta warna. Warna dari tiap pixel ditentukan
oleh kombinasi dari intensitas merah, hijau, dan biru.
Pertemuan Ke :4&5
Materi : - Peningkatan Kualitas Citra
( Enhancement Image )
- Smoothing dan Sharpening
Definisi :
Peningkatan kualitas citra adalah suatu proses untuk mengubah sebuah citra menjadi citra
baru yang sesuai dengan kebutuhan melalui berbagai cara.
Tujuan utama :
Untuk memproses citra sehingga citra dihasilkan lebih baik daripada citra aslinya untuk
aplikasi tertentu.
II. Histogram
Histogram adalah grafik yang menunjukkan frekuensi kemunculan setiap gradasi warna.
Bila digambarkan pada koordinat kartesian maka sumbu X (absis) menunjukkan tingkat
warna dan sumbu Y (ordinat) menunjukkan frekuensi kemunculan.
Manfaat histogram :
1) Sebagai indikasi visual untuk menentukan skala keabuan yang tepat sehingga
diperoleh kualitas citra yang diinginkan.
Contoh :
pengubahan kontras,kecemerlangan,dll
2) Untuk pemilihan batas ambang (threshold)
Contoh :
Proses segmentasi citra ( memisahkan objek dari latar belakang) pada hakikatnya
adalah menentukan batas-batas nilai keabuan dari objek dan batas-batas nilai
keabuan latar belakangnya sehingga antara objek dan latar belakang dipisahkan.
11
III. TRANFORMASI
f1R ( x, y ) f 1G ( x, y ) f 1B ( x, y )
f 0 ( x, y )
3
Dari gambar diatas terlihat bahwa piksel-piksel yang berwarna putih diubah menjadi
hitam, dan sebaliknya piksel-pikse berwarna hitam diubah menjadi putih.
12
Cara untuk mendapatkan citra negasi caranya adalah denga mengurangi nilai
intensitas piksel dari nilai keabuan maksimumnya.
Jika nilai k positif maka citra hasil operasi lebih cerah disbanding citra asli, dan
sebaliknya jika k negate maka hasil operasi citra akan lebih redup.Jika citra warna
perhitungan dikenakan bagi masing-masing warna.
xk = k x
dimana
x = nilai derajat keabuan
k = nilai kontras
xk = nilai setelah pengaturan kontras
Operasi holding yang mempunyai ketentuan sebagai berikut nilai intensitas output :
fo(x,y)=0 bila intensitas input fi(x,y) < 0
fo(x,y)=T1 bila intensitas input T1 < fi(x,y) < T2
fo(x,y)=T2 bila intensitas input T2 < fi(x,y) < T3 ................
fo(x,y)=Tn-1 bila intensitas input Tn-1 < fi(x,y) < Tn
dalam hal ini
T1 , T2 , Tn adalah nilai yang dikehendaki.
input Tn-1 < fi(x,y) < Tn adalah ambang batas yang diisyaratkan.
f0 ( x, y) = C f i ( x, y ) y
14
Pertemuan Ke :6
Materi : Restorasi Citra ( Image Restoration)
Setiap gangguan pada citra dinamakan noise, seperti kamera tidak fokus,muncul
bintik-bintik yang disebabkan capture tidak sempurna,pencahayaan tidak merata dan
sebagainya.
Citra yang mengandung noise seperti ini memerlukan langkah-langkah perbaikan, hal
tersebut dilakukan untuk menfasilitasi proses citra.
Definisi
Restorasi citra digital adalah suatu teknik yang memperhatikan bagaimana mengurangi
perubahan bentuk dan penurunan kualitas citra yang diawali selama pembentukan citra
tersebut (Pitas,1993)
Restorasi Citra digital merupakan teknik yang berorientasi pada pemodelan degradasi dan
menerapkan proses invers dalam rangka merekontruksi pada citra yang original (Gonzales
and Wood ,1993).
I. MODEL-MODEL NOISE
Noise yang akan dibahas disini adalah noise yang terjadi karena karakteristik dari
derajat keabu-abuan (gray-level) atau dikarenakan adanya variabel acak yang
terjadi karena karakteristik fungsi Probability Kepadatan ( Probability Density
Function=PDF ).
Beberapa diantaranya,adalah :
17
1. Noise Gaussian
PDF variabel Gaussian , z dinyatakan sebagai berikut :
1 2 2
p( z ) e ( z ) / 2
2 Dimana:
z = tingkat keabu-abuan
µ = mean dari rata-rata nilai z
σ = deviasi standar
2 disebut variance dari z
2. Noise Rayleigh
PDF dari Rayleigh
2 ( z a)2 / b
( z a)e untuk z a
p( z ) b
0 untuk z a
ab zb1 az
e untuk z a
p( z) (b 1)!
0 untuk z a
4. Noise Eksponensial
PDF dari derau Eksponensial adalah :
aeaz untuk z a
p( z )
0 untuk z a
5. Noise Uniform
PDF dari Uniform Noise adalah :
18
1
untuk a z b
p( z ) b a
0 lainnya
Pa untuk z a
p(z) Pb untuk z b
0 lainnya
1
fˆ ( x, y )
mn
g ( s, t )
( s , t )Sxy
mn
fˆ ( x, y )
1
( s ,t )Sxy g ( s, t )
19
g ( s, t ) Q
( s ,t )Sxy
2. Filter Maksimum
Perumusannya :
fˆ ( x, y ) max g ( s, t )
( s , t )Sxy
3. Filter Minimum
Perumusannya:
fˆ ( x, y ) min g ( s, t )
( s , t )Sxy
Pertemuan Ke :6
Materi : Restorasi Citra ( Image Restoration)
Tentang korelasi dan Konvolusi
1. KORELASI
20
Korelasi adalah perkalian antara dua buah fungsi f(x,y) dan g(x,y).
Untuk fungsi diskrit korelasi didefinisikan oleh persamaan :
M N
f ( x, y ) f ( x, y ) g ( x, y ) f (k , l ).g ( x k , y l )
k 1 l 1
Dimana:
x,y,k,l adalah variabel bebas yang memiliki nilai diskrit yang berupa posisi
titik di dalam citra.
M,N adalah batas titik tetangg yang masih memberikan pengaruh ke titik
yang sedang ditinjau untuk arah vertikal dan horisontal.
h(x,y) adalah hasil korelasi dari citra f(x,y) dengan filter g(x,y)
Operasi korelasi dilakukan dengan menggeser filter korelasi piksel per piksel.
Hasil korelasi disimpan di dalam matriks yang baru.
Contoh:
Citra keabuan f(x,y) yang berukuran 10x8 mempunyai 8 skala dan sebuah filter
g(x,y) yang berukuran 3x3 sbb:
f(x,y)=
5 3 3 0 4 4 0 5 2 2
4 2 1 3 4 0 5 1 3 3
6 3 0 1 6 2 3 0 7 0
7 4 0 1 6 2 3 2 7 0
7 4 5 1 0 6 3 2 7 0
7 4 5 5 7 7 6 2 6 4
6 0 1 4 7 0 7 2 0 2
6 5 1 3 2 4 4 1 0 0
g(x,y)
1 0 1
0 2 0
- -
0
1 2
g(x,y)
1 0 1
0 2 0
21
- -
0
1 2
Matrik f(x,y)
5 3 3 0 4 4 0 5 2 2
4 2 3
6 0
7 0
7 0
7 4
6 2
6 5 1 3 2 4 4 1 0 0
Langkah ke-2
Geser f(x,y) ukuran 3x3 satu piksel ke kanan, kemudian hitung korelasinya
dengan filter g(x,y
f(x,y)
5 3 3 0 4 4 0 5 2 2
4 2 1 3 4 0 5 1 3 3
6 3 0 1 6 2 3 0 7 0
7 4 0 1 6 2 3 2 7 0
7 4 5 1 0 6 3 2 7 0
7 4 5 5 7 7 6 2 6 4
6 0 1 4 7 0 7 2 0 2
6 5 1 3 2 4 4 1 0 0
g(x,y)
1 0 1
0 2 0
- -
0
1 2
Hasil korelasinya:
(1x3)+(0x3)+(1x0)+(0x2)+(2x1)+(0x3)+(-1x3)+(0x0)+(-2x1)=0
22
Matrik f(x,y)
5 3 3 0 4 4 0 5 2 2
4 2 1 3
6 0
7 0
7 0
7 4
6 2
6 5 1 3 2 4 4 1 0 0
Matriks setelah konversi ke-2
5 3 3 0 4 4 0 5 2 2
4 6 0 3
6 0
7 0
7 0
7 4
6 2
6 5 1 3 2 4 4 1 0 0
Langkah ke-3
Geser f(x,y) ukuran 3x3 satu piksel ke kanan, kemudian hitung korelasinya
dengan filter g(x,y
f(x,y)
5 3 3 0 4 4 0 5 2 2
4 2 1 3 4 0 5 1 3 3
6 3 0 1 6 2 3 0 7 0
7 4 0 1 6 2 3 2 7 0
7 4 5 1 0 6 3 2 7 0
7 4 5 5 7 7 6 2 6 4
6 0 1 4 7 0 7 2 0 2
6 5 1 3 2 4 4 1 0 0
g(x,y)
1 0 1
0 2 0
- -
0
1 2
Hasil korelasinya:
(1x3)+(0x0)+(1x4)+(0x1)+(2x3)+(0x4)+(-1x0)+(0x1)+(-2x6)=1
Matrik f(x,y)
5 3 3 0 4 4 0 5 2 2
4 2 1 3 3
6 0
7 0
7 0
7 4
6 2
6 5 1 3 2 4 4 1 0 0
Matriks setelah konversi ke-2
23
5 3 3 0 4 4 0 5 2 2
4 6 0 1 3
6 0
7 0
7 0
7 4
6 2
6 5 1 3 2 4 4 1 0 0
2. KONVOLUSI
Konvolusi adalah suatu proses yang cara kerjanya sama dengan proses korelasi,
hanya saja nilai-nilai filternya dibalik 180o .
Contoh , sebuah citra f(x,y) akan dikonvolusi dengan filter g(x,y) berikut:
1 3 1
5 2 7
-
4 0
2
Terlebih dahulu nilai-nilai g(x,y) dibalik 180o menjadi:
-2 0 4
7 2 5
1 3 1
Kemudian baru dilakukan korelasi seperti langkah-langkah yang dijelaskan
diatas.
24
Pertemuan Ke :7
Materi : Kompresi Citra
25
Sebelum ada teknologi informasi, citra-citra tersebut disimpan dalam bentuk film sehingga
disimpan dalam jumlah yang besar dan tentu saja data-data citra tersebut memerlukan
tempat penyimpanan yang besar,sera kemungkinan terjadinya kerusakan amat besar,
sehingga jika digunakan untuk kebutuhan analisi, hasilnya kurang memuaskan.
Sejalan dengan perkembangan teknologi informasi yang semakin pesat, cita-citra tersebut
disimpan dalam bentuk file-file.Sayangnya,file-file citra ini berukuran besar, sehingga file-
file tersebut belum dapat disimpan dalam rekam medik bersama-sama dengan informasi
tekstual. Salah satu solusinya dengan kompresi Citra.
2. Lossy compression
- Adalah kompresi citra di mana hasil dekompresi dari citra yang terkompresi
tidak sama dengan citra aslinya karena ada informasi yang hilang, tetapi
masih bisa ditolerir oleh persepsi mata. Mata tidak dapat membedakan
perubahan kecil pada gambar.
- Ratio kompresi lebih tinggi daripada Lossless Compretion.
- Contohnya : color reduction, chroma subsampling, dan transform coding
seperti tranformasi fourier,Wavelet,dll.
26
maks
PSNR 20 x log10
rms
Dimana : Maks = nilai intensitas terbesar.
Nilai rms dihitung dengan persamaan berikut:
rms
1 N M 0
MxN i 1 N
f ij f iji
2
2. Format Keluaran
27
Format citra hasil pemampatan yang baik adalah yang cocok dengan kebutuhan
pengiriman dari penyimpanan data.
Hasil kompresi
Rasio 100% x100%
citra hasil
Misalkan ratio kompresi adalah 25%, artinya 25% dari citra semula telah berhasil
dimampatkan.
IV.Redudansi Data
Redudansi data adalah kelebihan data yang dibutuhkan dalam menampilkan citra.
Contoh :
Pada sebuah grayxcale yang rata-rata pikselnya memerlukan memori 8 bit bis jadi
bila dilakukan pengkodean menggunakan kode lain ternyata rata-rata setiap
pikselnya hanya memerlukan 5 bit saja.ini berarti setiap piksel bisa bisa menghemat
memori 3 bit.
Ada 3 jenis redudansi data,yakni:
1. coding redudancy
o adalah pengkodean citra sedemikian sehingga jumlah kode yang diberikan
untuk menampilkan suatu grayscale melebihi dari apa yang dibutuhkan.
o Pengkodean ini sering muncul bila kita menggunakan teknik natural bit.
Contoh :
Sebuah citra grayscale 3-bit berukuran 10 piksel dikodekan dengan teknik natural
bit dan pengodean huffman.
Ukuran citra yang dibutuhkan untuk pengodean natural bit adalah:
Natural bit = 100 x 3 bit = 300 bit
Ukuran citra yang dibutuhkan untuk pengodean huffman adalah:
Huffman=23x3 bit+8x4 bit+6x4 bit+26x2 bit+9x3 bit+17x3 bit+6x4
bit+5x5bit=276
1 1 1 3 1 4 4 4 1 0 No N Natural bit Huffman
3 5 3 5 5 5 5 3 3 0 0 23 000 = 3 bit 00 = 2 bit
0 0 0 2 2 6 6 6 6 6 1 8 001 = 3 bit 1000 = 4 bit
3 3 4 4 4 4 4 4 3 3 2 6 010 = 3 bit 1001 = 4 bit
2 2 0 0 0 0 0 0 0 0 3 26 011 = 3 bit 11 = 2 bit
7 5 5 5 7 7 7 3 3 3 4 9 100 = 3 bit 010 = 3 bit
3 3 3 3 3 3 3 3 7 5 5 17 102 = 3 bit 101 = 3 bit
5 5 5 5 5 5 5 5 2 3 6 6 110 = 3 bit 0111 = 4 bit
0 0 0 0 0 0 0 0 0 0 7 5 111 = 3 bit 0110 = 4 bit
3 3 3 3 3 1 1 1 6 2
2. interpixel redudancy
28
1. Metode Huffman
Algoritma huffman adalah algortma pemampatan citra yang menggunakan
pendekatan statistik.
Urutan langkah proses encode algoritma ini adalah sebagai berikut :
1. Urutkan nilai-nilai grayscale berdasarkan frekuensi kemunculannya.
2. Gabung dua buah pohon yang mempunyai frekuensi kemunculan terkecil dan
urutkan kembali.
3. Ulangi langkah (2) samapai tersisa satu pohon biner.
4. Beri label pohon biner tersebut dengan cara sisi kiri pohon diberi label ) dan sisi
kanan pohon diberi label 1.
5. Telusuri pohon biner dari akar ke daun. Barisan label-label sisi dari akar ke daun
adalah kode huffman.
2. Metode Aritmatik
Pengodean aritmatik yakni menggantikan satu deretan simbol input dengan sebuah
bilangan floating point. Semakin panjang dan semakin kompleks pesan yang
29
dikodekan, semakin banyak bit yang diperlukan untuk keperluan tersebut. Output
dari pengkodean satu angka yang lebih kecil dari 1 dan lebih besar atau sama
dengan 0. Angka ini secara unik dapat di-decode sehingga menghasilkan deretan
simbol yang dipakai untuk menghasilkan angka tersebut. Untuk menghasilkan
output tersebut , tiap simbol akan di-encode diberi satu set nilai probabilitas.
3. Metode Kuantisasi
Metode ini bekerja dengan cara mengurangi derajat keabuan sehingga jumlah bit
yang dibutuhkan untuk merepresentasikan citra berkurang. Algoritma metode ini
adalah :
Misalkan P adalah jumlah piksel citra sebelum dimampatkan.
1. Buat histogram citra semula
2. Buat n kelompok sehingga setiap kelompok kira-kira berjumlah P/n
3. Ganti keabuan piksel dengan keabuan kelompok yang baru.
5. Metode LZW
- Algoritma LZW menggunakan teknik adaptif dan berbasiskan “kamus”.
- Algorima ini melakukan kompresi dengan menggunakan kamus, dimana
fragmen-fragmen teks digantikan dengan indeks yang diperoleh dari sebuah
kamus.
- Prinsip kompresi tercapai jika referransi dalam untuk pointer dapat disimpan
dalam jumlah bit yang lebih sedikit dibandingkan string aslinya.
REVIEW
1 1000 0,1
2 600 0,06
3 100 0,01
4 4000 0,4
5 400 0,04
6 500 0,05
7 900 0,09
31
Pertemuan Ke : 9 & 10
Materi : - Transformasi Citra
- Transformasi Fast Fourier
Definisi:
Tranformasi Citra, yakni merupakan proses perubahan bentuk citra untuk mendapatkan
suatu informasi tertentu, berdasarkan kebutuhan.
Pada bagian ini akan dibahas perubahan bentuk geometri citra yang meliputi :
a. Operasi pencerminan ( flipping )
- Merupakan operasi geometri yang tidak mengalami perubahan ukuran citra
- Hanya mengakibatkan adanya perubahan orientasi citra,baik secara
horisontal, vertikal, maupun keduanya.
b. Operasi rotasi
- Rotasi juga merupakan operasi yang tidak mengalami perubahan ukuran
citra.Posisi suatu piksel hanya mengalami perputaran terhadap titik pusat
putaran dengan besar sudut tertentu sesuai kebutuhan/keinginan
c. Operasi Pemotongan ( cropping)
- Operasi ini adalah pengolahan citra dengan kegiatan memotong satu bagian
dari citra.
d. Operasi Penskalaan ( Scalling )
- Operasi ini dimaksudkan untuk memperbesar (zoom-in ) atau memperkecil
(zoom-out) citra sesuai dengan faktor skala K yang diinginkan.
- Pada prinsipnya, operasi ini penskalaan menggandakan jumlah piksel
sebesar K kali semula, bila K > 1 dan 1/K kali semula bila 0<K<1 dalam
arah vertika dan horisontal.
e. Interpolasi
- Interpolasi adalah untuk mengisi piksel-piksel diantara n buah piksel yang
ada agar tingkat gradasi dari nilai intensitas ataupun posisi piksel tampak
32
y ( k , l ) ( k x 0 ) sin( ) (l y 0 ) cos( ) y 0
r ( k x 0 ) 2 (l y 0 ) 2
Dimana xo dan yo adalah pusat citra
i. Efek glass
- Efek galss mempunyai persamaan sebagai berikut :
x(k , l ) k (rand (1,1) 0,5) * 10
Rumus transformasi 1D
F (u )
f ( x) exp[2 jux]dx
f ( x) F (u ) exp[2 jux ]du
2. Transformasi Fourire 2D
M 1 N 1
1
FT : F (u , v)
MN
f ( x, y ) exp[2 j (ux / M vy / N )]
x 0 y 0
M 1 N 1
InversFT : f ( x, y ) F (u, v) exp[2 j (ux / M vy / N )]
u 0 v 0
Inversnya adalah :
1 M 1 N 1 ux uy
f x, y F u , v . exp2j dxdy
MN u 0 v 0 M N
Spektrum fourier didefinisikan sbb:
F x, y R 2 u , v I 2 u , v 1/ 2
Pertemuan Ke : 11
Materi : Segmentasi Citra
Definisi :
Segementasi citra salah satu metode penting yang digunakan untuk mengubah citra input
ke dalam citra output berdasarkan atribut yang diambil dari citra tersebut.
35
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan
suatu kriteria tertentu.
Segmen yang dihasilkan dari algortima clustering biasanya dinamakan dengan cluster-
cluster.Global segmentasi berhubungan dengan segmentasi dalam keseluruahn citra.
Sedangkan lokal segmentasi berhubungan dengan segmentasi sub-citra yang merupakan
bagian kecil dari keselruhan citra tersebut. Biasanya bekerjanya dalam window-window
berukuran kecil yang mewakili keseluruhan citra.
Arah -450
-1 -1 2
-1 2 -1
2 -1 -1
-1 2 -1
-1 2 -1
-1 2 -1
Arah +450
2 -1 -1
37
-1 2 -1
-1 -1 2
f
Gx x
G f ( x, y )
G y f
y
-Gradien mempunyai 2 sifat penting, yaitu :
1. Vektor G[f(x,y)] menunjukkan arah penambahan laju maksimum dari fungsi
f(x,y).
2. Besar gradien sama dengan penambahan laju maksimum dari fungsi f(x,y) per
satuan jarak dalam arah G
Operator Robert
Adalah operator yang berbasis gradien yang menggunakan kernel ukuran
2x2 piksel. Operator ini mengambil arah diagonal untuk penentuan arah
dalam perhitungan nilai gradien.
G f ( x, y ) f ( x 1, y 1) f ( x 1, y ) f ( x, y 1)
Dimana Gx dan Gy, dihitung menggunakan kernel konvolusi sbb:
Operator Sobel
38
a0 a1 a2
a7 x,y) a3
a6 a5 a4
Operator Prewit
Operator ini menggunakan persamaan yang sama dengan sobel , hanya
saja konstanta c yang digunakan berbeda, yakni 1.
Rumus laplacian :
2 f 2 f
2 f ( x, y )
x 2 y 2
2 f ( x, y ) 4 f ( x, y ) f ( x 1), y ) f ( x 1, y ) f ( x, y 1 f ( x, y 1)
0 -1 0
-1 4 -1
0 -1 0
Laplacian 5 titik
4
- Operator Isotropic
Operator isotropic memiliki ukuran kernel sebesar 3x3 yang
direpresentasikan sebagai:
1 0 1 1 2 1
I x 2 0 2 Iy 0 0 0
1 0 1 1 2 1
- Operator kompas
Operator kompas menggunakan 4 arah angin
Utara
1 1 1
C N 1 2 1
1 1 1
Sela tan
1 1 1
C S 1 2 1
1 1 1
Timur
1 1 1
C e 1 2 1
1 1 1
Barat
1 1 1
CB 1 2 1
1 1 1
- Operator kirsch
Operator ini menggunakan 8 mata arah angin
5 5 3 5 5 5 3 5 5
K4 5 0 3 K 3 3 0 3 K 2 3 0 5
3 3 3 3 3 3 3 3 3
5 3 3 3 3 5
K 5 5 0 3 K1 3 0 5
5 3 3 3 3 5
3 3 3 3 3 3 3 3 3
K 6 5 0 3 K 7 3 0 3 K 8 3 0 5
5 5 3 5 5 5 3 5 5
Nilai P yang besar menyatakan sensitivitas detektor tepi yang tinggi terhadap noise.
II. Similaritas
II.1.Segementasi citra berbasis histogram
- Global Thresholding
Dengan metode ini, kita bisa mendapatkan nilai threshold T yang tepat
sehingga bagian obyek dan latar belakang citra bisa ditentukan.
Langkah-langkah dalam menentukan threshold T adalah sbb:
1. Pilih nilai T awal, yaitu nilai rata-rata dari intensitas citra.
2. Bagi citra menjadi 2 daerah,misalnya R1 dan R2 menggunakan nilai T
awal yang telah ditentukan.
3. Hitung nilai rata-rata intensitas 1 dan 2 , masing-masing untuk
daerah R1 dan R2
2
4. Hitung nilai threshold yang baru dengan rumus T 1
2
5. Ulangi langkah kedua sampai 4 hingga nilai-nilai 1 dan 2 tidak
berubah lagi.Saat itulah nilai t merupakan nilai yang dicari.
- Mean Clustering
Bila historgram terbagi lebih dari 2 wilayah , maka pendekatan yang
digunakan adalah Mean Clustering, untuk mendapatkan wilayah-wilayah
yang hampir seragam/homogen.
- Region Growing
Region Growing merupakan sebuah prosedur yang mengelompokkan
piksel-piksel atau subwilayah menjadi wilayah yang lebih besar berdasarkan
kriteria yang sudah didefinisikan.
Pendekatan dasarnya dimulai dari himpunan titik awal, kemudian wilayah
diperbesar dengan menambahkan setiap titik piksel tetangga yang
mempunyai sifat mirip dengan titik tersebut.
Masalah lain dalam hal ini adalah perumusan aturan pemberhentian ketika
tidak ada lagi piksel yang memenuhi kriteria. Langkah selanjutnya adalah
memilih kriteria untuk penambahan wilayah.
REVIEW
Berilah penerapan segmentasi citra di bidang :
- Kedokteran/medis
Dengan menggunakan deteksi tepi berbasis gradient dengan ketiga operator
yakni operator Robert,operator Sobel dan operator prewit.
Jika ada operator lain, boleh ditambahkan beserta dengan aplikasinya.
Pertemuan Ke : 12
Materi : Representasi dan Deskripsi
44
Pertemuan Ke : 13
Materi : Pengenalan dan Interpretasi
Pertemuan Ke : 14
Materi : Aplikasi Stenograf
Definisi :
Stenografi merupakan seni untuk menyembunyikan pesan di dalam media digital
sedemikian rupa sehingga orang lain tidak menyadari ada sesuatu pesan di dalam media
tersebut.
45
Kata stenografi berasal dari bahasa Yunani steganos yang artinya tersembunyi dan grahein
yang artinya adalah menulis, yang berarti kurang lebih artinya adalah tulisan tersembunyi
atau terselubung.
Stenografi membutuhkan 2 properti , yaitu wadah penampung dan data rahasia yang akan
diseembunyikan. Stenografi digital menggunakan media digital seebagai wadah
penampung misalnya citra audio, teks dan video.
Penyembunyian data rahasia ke dalam citra digital akan mengubah kualitas citra
tersebut.Hal ini tergantung pada ukuran file media penyimpan dan ukuran file pesan yang
disisipkan. Untuk itu ada beberaha hal yang harus diperhatikan:
1. Fidelity
Mutu citra penampung data tidak jauh berubah. Setalah terjadipenambahan pesan
rahsia stego-data masih terliahat dengan baik. Pebengamatan tidak mengetahui
kalaudi dalam stego-data tersebut terdapat pesan rahasia.
2. Robustness
Pesan yang di sembunyikan harus tahan (robust) terhadap berbagai operasi
manipulasi yang dilakukan pada stego-data, seperi pengubahan kontras,
penajaman, penempatan, rotasi, pembesaran gambar, pemotongan cropping,
enkripsi, dan sebagainya. Bila pada citra penampung dilakukan operasi-operasi
pengolahan citra tersebut, maka pesan yang disembunyikan seharusnya tidak rusak
( tetap valid jika diekstrasi kembali).
3. Recovery
Data yang disembunyakan harus dapat diungkapkan krmbali (recovery). Karena
tujuan steganografi adalah penyembunyian informasi maka sewaktu-waktu pesan
rahasia didalam stego-data harus dapat diambil kembali untuk digunakan lebih
lanjut.