MATERI:
1. RESTORASI CITRA YANG TERDEGRADASI
2. REGISTRASI GAMBAR
1. Bangkitkan gambar g dengan menggunakan fungsi degradasi motion dengan derajat tertentu.
Selanjutnya berikan noise pada gambar g menggunakan salah satu fungsi distribusi yang telah
dipelajari. Restorasi gambar g tersebut untuk menghilangkan efek blur dan noise yang ada. Tampilkan
perbandingan histogram data digital f, g dan hasil restorasi, hitung nilai erornya, dan jelaskan hasil
yang anda peroleh, khususnya terkait kombinasi metode restorasi yang anda gunakan.
2. Gambar fungsi degradasi motion (gambar g) a. Gambar restorasi aritmatic mean 3x3
Error= 0.0023
b. Gambar restorasi aritmatic mean 5x5
Error= 0.0027
c. Gambar restorasi aritmatic mean 7x7
Error= 0.0027
Kesimpulan:
Dapat dilihat dari 3 gambar hasil restorasi diatas bahwa
gambar restorasi aritmatic mean 3x3 mengahasilkan
gambar yang terbaik dilihat dari nilai error yang terkecil
yaitu 0.0023 dan dari histogramnya lebih halus dari 2
gambar yang lain, meskipun gambar hasilnya belum
mendekati gambar aslinya karena pada gambar hasil
restorasi masih sedikit blur.
3. Gambar distribusi uniform a. Gambar restorasi aritmatic mean 3x3
Error= 0.0024
b. Gambar restorasi aritmatic mean 5x5
Error= 0.0030
c. Gambar restorasi aritmatic mean 7x7
Error= 0.0038
Kesimpulan:
Pada latihan 3 kita ketahui bahwa metode yang tepat untuk
memperbaiki citra derau uniform adalah dengan metode
aritmatic mean. Dapat dilihat dari 3 gambar hasil restorasi
diatas bahwa gambar restorasi aritmatic mean 3x3
mengahasilkan gambar yang terbaik dilihat dari nilai error
yang terkecil yaitu 0.0024 dan dari histogramnya lebih halus
dari 2 gambar yang lain, meskipun gambar hasilnya belum
mendekati gambar aslinya karena masih terdapat noise.
2. Bangkitkan empat gambar g yang berbeda menggunakan gambar referensi f dan beberapa jenis
transformasi geometri yang berbeda (usahakan gambar-gambar g tersebut mempunyai sedikit
perbedaan).
a=imread('ied.jpeg');
t=im2double(a);
PSF1=fspecial('motion',30,10);
b=imfilter(t,PSF1,'circular');
subplot(3,3,1);
imshow(b);
title('degradasi motion; len=30, theta=10');
PSF2=fspecial('motion',50,30);
c=imfilter(t,PSF2,'circular');
subplot(3,3,2);
imshow(c);
title('degradasi motion; len=50, theta=30');
PSF3=fspecial('motion',70,50);
d=imfilter(t,PSF3,'circular');
subplot(3,3,3);
imshow(d);
title('degradasi motion; len=70, theta=50');
PSF4=fspecial('motion',90,70);
e=imfilter(t,PSF4,'circular');
subplot(3,3,4);
imshow(e);
title('degradasi motion; len=90, theta=70');
s=0.8;
theta=pi/6;
q1=[s*cos(theta) s*sin(theta) 0
-s*sin(theta) s*cos(theta) 0
0 0 1];
tform=maketform('affine',q1);
g=imtransform(t,tform,'nearest');
subplot(3,3,5);
imshow(g);
title('transformasi geometri 1 ');
h=imtransform(t,tform,'FillValue',0.5);
subplot(3,3,6);
imshow(h);
title('transformasi geometri 2');
q2=[1 0 0; 0 1 0; 50 50 1];
tform2=maketform('affine',q2);
i=imtransform(t,tform2,'XData',[1 700],'YData',[1 700],'FillValue', 0.5);
subplot(3,3,7);
imshow(i);
title('transformasi geometri 3');
r=[1 0 0; 0 2 0;20 20 1];
tform4=maketform('affine',r);
j=imtransform(t,tform4,'XData',[1 900],'YData',[1 900],'FillValue', 0.5);
subplot(3,3,8);
imshow(j);
title('transformasi geometri 4 ');
3. Lakukan registrasi secara acak pada keempat gambar g tersebut untuk mendapatkan
gambar hasil align yang mendekati gambar referensi f.
3.
4.
a=imread('ied.jpeg');
t=im2double(a);
subplot(3,3,1);
imshow(t);
title('gambar asli');
s=0.8;
theta=pi/6;
q1=[s*cos(theta) s*sin(theta) 0
-s*sin(theta) s*cos(theta) 0
0 0 1];
tform=maketform('affine',q1);
g=imtransform(t,tform,'nearest');
subplot(3,3,2);
imshow(g);
title('transformasi geometri 1 ');
h=imtransform(t,tform,'FillValue',0.5);
subplot(3,3,3);
imshow(h);
title('transformasi geometri 2');
q2=[1 0 0; 0 1 0; 50 50 1];
tform2=maketform('affine',q2);
i=imtransform(t,tform2,'XData',[1 700],'YData',[1 700],'FillValue', 0.5);
subplot(3,3,4);
imshow(i);
title('transformasi geometri 3');
r=[1 0 0; 0 2 0;20 20 1];
tform4=maketform('affine',r);
j=imtransform(t,tform4,'XData',[1 900],'YData',[1 900],'FillValue', 0.5);
subplot(3,3,5);
imshow(j);
title('transformasi geometri 4 ');
basepoints=[83 81; 450 56; 43 293; 249 392; 436 442];
inputpoints=[68 66; 375 47; 42 286; 275 434; 523 532];
tform3=cp2tform(inputpoints,basepoints,'projective');
r=imtransform(g, tform3, 'XData',[1 502],'YData',[1 502]);
subplot(3,3,6);
imshow(r);
title('registrasi dari transformasi geometri 1');
s=imtransform(h, tform3, 'XData',[1 502],'YData',[1 502]);
subplot(3,3,7);
imshow(s);
title('registrasi dari transformasi geometri 2');
t=imtransform(i, tform3, 'XData',[1 502],'YData',[1 502]);
subplot(3,3,8);
imshow(t);
title('registrasi dari transformasi geometri 3');
u=imtransform(j, tform3, 'XData',[1 502],'YData',[1 502]);
subplot(3,3,9);
imshow(u);
title('registrasi dari transformasi geometri 4');
4. Dari beberapa proses registrasi yang dilakukan, jelaskan urutan registrasi mana yang
menghasilkan gambar yang paling mendekati gambar referensi f. Berikan interpretasi dari
hasil yang diperoleh.
No. Urutan registrasi terbaik Keterangan
1. Registrasi dari transformasi geometri 3 yang terbaik
karena gambar aslinya sudah termuat secara
keseluruhan pada hasil registrasinya meskipun masih
terdapat ruang luar disamping kiri dan kanannya .
“Saya mengerjakan tugas ini dengan persentase tingkat kejujuran sebesar 100%”.