Pencitraan Medis
• Meminimalisir faaktor yg mempengaruhi
visibilitas object pada citra
• Mereduksi noise sebagai faktor kualitas citra
• Mengoptimalkan diagnosis medis
• dll
2
How many blobs?
contrast = 1 contrast = 2
contrast = 4 contrast = 8
3
Visibility of Objects
• If contrast is to small, object can’t be seen
– Increase contrast!
• If object is too small, it can’t be seen
– Magnify!
4
low contrast
high contrast
The circles have the same objective intensity.
6
Image Noise
• Variations of intensity that have no bearing on
the information in the image are called noise
• White noise means that the variation is
uncorrelated from pixel to pixel
7
‘White Noise’ Pattern
8
Noise Patterns
The standard deviation is a measure of noise
intensity.
9
Effect of noise on
image quality: UL ~
original 8-bit image;
UR ~ white noise; LL
~ low pass noise; LR ~
high pass noise.
Noise standard
deviation is equal to
8.
MIPR Lecture 4
10
Copyright Oleh Tretiak, 2004
Effect of noise on
image quaity: UL ~
original 8-bit image;
UR ~ white noise;
LL ~ low pass
noise; LR ~ high
pass noise. Noise
standard deviation
is equal to 32.
MIPR Lecture 4
11
Copyright Oleh Tretiak, 2004
Sehingga
• Visibilitas objek dapat ditingkatkan dengan
meningkatkan kontras dan ukuran.
• Hal ini akan efektif jika object bebas noise
• Seluruh sistem fisik (sistem modalitas
pencitraan) memiliki noise, dan hal ini
membatasi visibilitas.
12
Akuisisi citra
f(x,y) intensitas
sebanding dengan energi
yang dipancarkan oleh
sumber (misal gel.
elektromagnetic.
f(x,y) disusun oleh jumlah
iluminasi sumber yg terjadi
pada suatu kejadian yg sedang
dilihat. Serta jumlah iluminasi
yg dipantulkan oleh obyek.
f(x,y) ilumination i(x,y) dan
reflectance r(x,y).
STTN-BATAN
Representasi citra digital
y
(0,0)
STTN-BATAN
Representasi citra digital
• Nilai maksimum dan minimum intensitas
piksel bergantung pada tipe data.
– Type data double: 0.0 (hitam), dan 1.0 (putih).
– Type uint8 (unsigned integer 8 bit): 0 (hitam), 255
(putih)
STTN-BATAN
Representasi Citra Digital
STTN-BATAN
Citra graylevel (8-bit)
• Disebut pula citra monochrome, dikodekan berupa array 2D
menggunakan 8 bit per piksel. 0 = hitam, dan 255 = putih.
Nilai diantaranya menyatakan variasi keabuan.
STTN-BATAN
Citra berwarna
• Representasi citra warna lebih komplek dan bervariasi.
RGB adalah representasi paling umum, dengan nilai 24
bit tiap pikselnya, terdiri dari komponen merah (R),
hijau (G), dan biru (B) masing-masing 8 bit.
(a) Citra RGB
(b) - (d). komponen
R, G, dan B secara
terpisah.
STTN-BATAN
Format file citra
• Header file citra selain menyimpan informasi
terkait citra juga umumnya mencantumkan
type konversinya untuk keperluan dekompresi.
• Jenis format file, BMP, JPEG, TIFF, GIF, dll.
STTN-BATAN
Pixel Neighbors (tetangga piksel)
Suatu piksel p pada koordinat (x,y) memiliki empat tetangga horisontal dan
vertikal dengan koordinat sbb
STTN-BATAN
Operasi ketetanggaan
Operasi ketetanggaan
Kernel/kedok/
mask 3x3
Sorting
median
Adjacency, Connectivity, Regions dan Boundary
STTN-BATAN
Operasi spasial
STTN-BATAN
Operasi spasial
• Operasi ketetanggaan
1
g ( x, y ) f (r , c)
mn ( r ,c )sxy
Kelas data
PENGOLAHAN HISTOGRAM
Indikator Keberhasilan
Mahasiswa mampu:
• Menjelaskan pengertian histogram citra
• Menjelaskan bagaimana histogram citra
dihitung
• Menjelaskan berapa informasi yg diberikan
histogram
• Memodifikasi histogram dan pengaruh pada
citra
Histogram Citra
Definisi
• Histogram pada citra monochrome adalah representasi grafis
dari frekuensi munculnya setiap level intensitas pada citra
• Struktur data yang menyimpan nilai frekuensi adalah nilai array
1 dimensi.
Histogram ternomalisasi
• n jumlah total piksel dalam citra
• p(rk) probabilitas dari level intensitas ke-k
dari (rk)
Interpretasi Histogram
Informasi histogram
•kontras total
•Rerata kecerahan
Interpretasi Histogram
Interpretasi Histogram
Interpretasi Histogram
Histogram memberikan informasi kualitatif dan kuantitatif citra
Ekualisasi Histogram
• Teknik dimana distribusi level keabuan citra diubah
sedemikian sehingga menghasilkan histogram yang
rata, dimana persentase piksel setiap level sama.
• Ekualisasi histogram dilakukan dengan fungsi
transformasi T(r) dengan kriteria
• T(r) merupakan fungsi peningkatan monoton dalam
interval 0 ≤ r ≤ L-1
• 0 ≤ T(r) ≤ L – 1 untuk 0 ≤ r ≤ L-1
Modifikasi Histogram:
Ekualisasi Histogram
• Fungsi transformasi yg umum digunakan
adalah cumulative distribution function (cdf)
0.184
0.235
Contoh
Local ekualisasi histogram
Modifikasi Histogram:
Peregangan Histogram
• Sering disebut input cropping terdiri dari
transformasi linier yang mengekspan (meregang)
bagian dari histrogram asal sehingga range
intensitas menjadi selebar rentang maksimumnya.
• Fungsi transformasi/fungsi pemetaan liniernya
adalah sbb:
Contoh
Modifikasi Histogram:
Perampingan Histogram
• Sering disebut output cropping kebalikan
dari peregangan histogram, menyebabkan
histogram lebih ramping.
• Fungsi transformasi/fungsi pemetaan
liniernya adalah sbb:
Contoh
TERIMA KASIH
Muhtadan
081 7040 2381