PENGELOLAAN CITRA DIGITAL

“ PERTEMUAN 4“

Class : TI-5B
Create
Nor Hafiz (23)

Teknik Informatika dan Komputer

Jl. Prof. Dr. G.A Siwabessy, Kampus Baru UI Depok 16424
Telp : +6221 7270036, ext 217
Telp : +6221 7270044
Fax : (021) 7270034
http://pnj.ac.id/
 Peningkatan Mutu Citra Pada Domain Spasial

A. Tujuan Peningkatan Mutu Citra

Tujuan dari teknik peningkatan mutu citraadalah untuk melakukan pemrosesan

terhadap citra agar hasilnya mempunyai kwalitas relatif lebih baik dari citra awal untuk
aplikasi tertentu.

B. Jenis Teknik Peningkatan Mutu Citra

• Teknik peningkatan mutu citra dapat dibagi menjadi dua:

1) Peningkatan mutu citra pada domain spasial
Point Processing
Mask Processing
2) Peningkatan mutu citra pada domain frekuensi

C. Citra RGB

• Citra dalam komputer tidak lebih dari sekumpulan sejumlah triplet dimana
setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red,
green dan blue.
• Representasinya dalam citra, triplet akan terdiri dari 3 angka yang mengatur
intensitas dari Red (R), Green (G) dan Blue (Blue) dari suatu triplet.
• Setiap triplet akan merepresentasikan 1 pixel (picture element).
• Suatu triplet dengan nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai
67, G ke nilai 228 dan B k nilai 180. Angka-angka RGB ini yang seringkali
disebut dengan color values.
• Pada format .bmp citra setiap pixel pada citra direpresentasikan dengan dengan
24 bit, 8 bit untuk R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti
pada berikut :
1) Suatu citra biasanya mengacu ke citra RGB.
2) Sebenarnya bagaimana citra disimpan dan dimanipulasi
dalam komputer diturunkan dari teknologi televisi, yang
pertama kali mengaplikasikannya untuk tampilan grafis
komputer.
3) Jika dilihat dengan kaca pembesar, tampilan monitor
komputer akan terdiri dari sejumlah triplet titik warna
merah (RED), hijau (GREEN) dan biru (BLUE).
4) Tergantung pada pabrik monitornya untuk menentukan
apakah titik tersebut merupakan titik bulat atau kotak
kecil, tetapi akan selalu terdiri dari 3 triplet red, green dan
blue.
 D. Convert grayscale

• Adapun proses pengubahan citra RGB ke dalam citra grayscale dapat dilihat pada
gambar 3.

Proses konversi citra RGB ke

Grayscale

E. Point Processing

• Cara paling mudah untuk melakukan peningkatan mutu pada domain spasial adalah
dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak
menggunakan jendela ketetanggaan).
• Pengolahan menggunakan histogram juga termasuk dalam bagian point processing.

F. Image Negative

• Mengubah nilai grey-level piksel citra input dengan: Gbaru = 255 –

Glama
 • Hasilnya seperti klise foto

G. Contrast Stretching

• Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel-piksel
pada citra menurut fungsi s = T(r) tertentu.
• r1 ≤ r2, s1 ≤ s2
• r1 = r2, s1 = s2 tidak ada perubahan.
• r1 = r2, s1 = 0, s2 = 255 tresholding menjadi citra biner dengan ambang r1.

H. Contrast Stretching

• Fungsi lain yang baik digunakan adalah: o fout = (fin – a) * b

• a = min(fin)
• b = 255 / (max(fin) – min(fin))
• Citra masukan yang grey level nya tidak penuh dari 0 – 255 (low constrast) diubah
menjadi citra yang grey level nya berkisar dari 0 – 255 (high contrast)
I. Histogram Equalization

• Histogram: diagram yang menunjukkan jumlah kemunculan grey level (0-255) pada
suatu citra.
• Histogram processing:

1) Gambar gelap: histogram cenderung ke sebelah kiri.

2) Gambar terang: histogram cenderung ke sebelah kanan.
3) Gambar low contrast: histogram mengumpul di suatu tempat.

• Gambar high contrast: histogram merata di semua tempat.

• Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada
citra juga berubah..

J. Histogram Equalization

• de: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar

pada kisaran 0-255.
• Sifat:

1) Grey level yang sering muncul lebih dijarangkan jaraknya dengan grey
level sebelumnya.
2) Grey level yang jarang muncul bisa lebih dirapatkan jaraknya dengan
grey level sebelumnya.
3) Histogram baru pasti mencapai nilai maksimal keabuan (contoh: 255).

K. Histogramqualization in all grey level and all area (2)

• mengubah pemetaan grey level pada citra, dengan rumus:

• L adalah grey level maksimal yang ada pada citra

L. Jenis-jenis filter spasial

• Smoothing filters:
1) Lowpass filter (linear filter, mengambil nilai rata-rata).
2) Median filter (non-linear filter, mengambil median dari setiap
jendela ketetanggan).
• Sharpening filters:
1) Roberts, Prewitt, Sobel (edge detection).
2) Highpass filter.

M. Edge detection

• Bagaimana ‘mendeteksi’ perbedaan intensitas tersebut?

• Dengan mempertegas perbedaan (kalikan satu intensitas dengan nilai negatif, kemudian
kalikan nilai positif pada intensitas lainnya).
1) Kasus A: 2 bersisian dgn 100 (edge) à 2*(-1) + 100*(1)= 99
2) Kasus B: 2 bersisian dgn 4 (not edge) à 2*(-1) + 4*(1)= 2
• Lakukan tresholding untuk memperjelas mana bagian sisi dan mana yang bukan.
• Ambil treshold = 90, maka Kasus A akan dianggap sebagai sisi, Kasus B tidak dianggap
sisi.