Bab 2 PPT

BAB 2.
 
OPERASI DASAR
PENGOLAHAN CITRA DIGITAL
Oleh:
Sarifuddin Madenda
Sumber Buku Pengolahan Citra dan Video Digital: Teori, Algoritma dan Pemrograman Matlab !1
2.1 HUBUNGAN ANTARA PIXEL DALAM CITRA
PIXEL TETANGGA (neighbors of pixel):
pixel p ➔ koordinat (xp ,yp).

Empat pixel tetangga N4(p) ➔ (xp +1, yp), (xp -1, yp), (xp, yp +1) dan (xp, yp -1)
Empat pixel tetangga ND(p) ➔ (xp +1, yp +1), (xp +1, yp -1), (xp -1, yp +1) dan (xp -1, yp -1)
Delapan tetangga N8(p), Enam belas tetangga N16(p), Dua puluh empat tetanggaN24(p)
KETERHUBUNGAN ANTAR PIXEL (pixel connectivity):
- Mengunakan defenisi tetangga terdekat N4(p) , ND(p) atau N8(p).
- Dua pixel saling berdekatan dan memiliki nilai intensitas sesuai dengan
spesifikasi tingkat similaritas (sama atau similar). Sebagai contoh
misalnya pixel-pixel yang nilainya ada dalam lingkup V=[99, 101].
- Disebut memiliki connectivity N4(p) bila dua pixel p dan q memiliki nilai
dalam V dan q adalah bagian dari set N4(p).
- Disebut memiliki connectivity ND(p) bila dua pixel p dan q memiliki nilai
dalam V dan q adalah bagian dari set ND(p).
- Disebut memiliki connectivity N8(p) bila dua pixel p dan q memiliki nilai
dalam V dan q adalah bagian dari set N8(p).
2.1 HUBUNGAN ANTARA PIXEL DALAM CITRA
KETERHUBUNGAN ANTAR PIXEL (pixel connectivity):
- Misalnya nilai keterhubungan antar pixel V=[99, 101] = {99, 100, 101}.
- Keterhubungan N8(p) gambar 2.2-b.

- Gabungan keterhubungan N4(p) dan ND(p) dengan syarat:
(i) q adalah bagian dari N4(p) atau
(ii) q adalah bagian dari ND(p) dan N4(p)∩N4(q) = Ø. (gambar 2.2-c)
JARAK ANTARA PIXEL:
untuk a=1 disebut city-block distance dan

untuk a=2 disebut Euclidean distance
2.2 OPERASI ARITMETIKA DAN LOGIKA
OPERASI ARITMETIKA :
- Nilai dinamik pixel: [0, 255], Citra gray-level, citra berwarna
- Ukuran citra P dan citra Q harus sama
- Operasi aritmetika antara dua pixel p dan q <= Nilai dinamik pixel
- Bobot dan normalisasi
Penjumlahan : a.p + b.q
Pengurangan : |p – q| atau |a.p – b.q|
Perkalian : round( (p x q) (255/d))
Pembagian : round( (p ÷ q) (255/d))
d merupakan nilai maksimum dari hasil kali/pembagian citra P dan
citra Q, sedang a dan b merupakan bobot dimana a + b = 1
CONTOH HASIL OPERASI ARITMETIKA :
2.2 OPERASI ARITMETIKA DAN LOGIKA
OPERASI LOGIKA:
- Operasi untuk Citra biner
- Ukuran citra P dan citra Q harus sama
NOT : NOT p disebut juga operasi invers
AND : p AND q atau p AND C
NAND : p NAND q atau p NAND C
OR : p OR q atau p OR C
NOR : p NOR q atau p NOR C
XOR : p XOR q atau p XOR C
XNOR : p XNOR q atau p XNOR C
Pengolahan Citra dan Video Digital: Teori, Algoritma dan Pemrograman Matlab
Oleh: Sarifuddin Madenda
OPERASI LOGIKA: AND NAND
Y=p.q Y=p.q
p q Y p q Y
0 0 0 0 0 1
1 0 0 1 0 1
0 1 0 0 1 1
1 1 1 1 1 0
OPERASI LOGIKA: OR NOR
Y=p+q Y=p+q
p q Y p q Y
0 0 0 0 0 1
1 0 1 1 0 0
0 1 1 0 1 0
1 1 1 1 1 0
OPERASI LOGIKA: XOR XNOR
Y=p+q Y=p+q
p q Y p q Y
0 0 0 0 0 1
1 0 1 1 0 0
0 1 1 0 1 0
1 1 0 1 1 1
2.3 OPERASI KONVOLUSI
N M ( N −1) / 2 ( M −1) / 2
C = A * B = ∑∑ A(n, m).B(n, m) = ∑ ∑ A(n, m).B(n, m)
n =1, m =1 n = − ( N −1) / 2 , m = − ( M −1) / 2
CONTOH OPERASI KONVOLUSI
53.56 68.0 55.33 63.67 49.22
79.22 100.33 82.67 87.44 66.33
77.78 103.11 91.56 78.22 52.89
76.11 113.33 101.22 84.0 46.78
50.44 81.0 73.89 60.22 29.67
a = (1x0 + 1x0 + 1x0 + 1x0 + 1x164 + 1x63 + 1x0 +1x120 + 1x135) / 9 = 53,56
b = (1x0 + 1x0 + 1x0 + 1x164 + 1x63 + 1x75 + 1x120 + 1x135 + 1x55) / 9 = 68,0
..
.
g = (1x164 + 1x63 + 1x75 + 1x120 + 1x135 + 1x55 + 1x99 + 1x132 + 1x60) / 9
= 100.33
..
.
y = (1x50 + 1x81 + 1x0 + 1x60 + 1x76 + 1x0 + 1x0 + 1x0 + 1x0) / 9 = 29.67
CONTOH HASIL OPERASI KONVOLUSI :
2.4 TRASFORMASI GEOMETRI CITRA
TRANSLASI:
V' =T V
ROTASI:
'
V =T V
SCALING:
V' = S V
2.5 HISTOGRAM CITRA
H(l) = card{(x,y) | I(x,y) = l}
2.5 HISTOGRAM CITRA
H(l) = card{(x,y) | I(x,y) = l}
500 400 4000 350
350 3500 300

400
300 3000
250
300 250 2500
200
200 2000
200 150
150 1500
100
100 1000
100
50 500 50
0 0 0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300 0 50 100 150 200 250 300 0 50 100 150 200 250 300
Kecerahan rendah Kecerahan tinggi Kecerahan rendah dan tinggi Kecerahan cukup merata
Histogram Kumulatif :
l
1 L
H kum (l ) = ∑ H ( j) dimana l= 1, …, L dan ∑H (l ) = 1
N .M j =0 l =0
kum
400 1
350
0.8
300
250
0.6
200
150 0.4
100
0.2
50
0 0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
a. Citra asli b. Histogram Citra asli c. Histogram Kumulatif
(
a
)
Histogram Equalization :
I ' ( x, y ) = round (H kum (I ( x, y ) ).I max )→ I max = max( I ( x, y )) atau I max = 255
500 500 500
450 450
400 400 400
350 350
300 300 300
250 250
200 200 200
150
150
100 100
100
50
50
0 0
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
0 50 100 150 200 250 300
2.6 MORFOLOGI MATEMATIKA
- DILASI
(DILATION)
CITRA BINER :
- DILASI CITRA GRAY LEVEL :
CONTOH HASIL MORFOLOGI DILASI:
DILASI CITRA
BINER:
DILASI CITRA
GRAY LEVEL :
!24
- EROSI (EROSION) CITRA BINER :
- EROSI CITRA GRAY LEVEL :
CONTOH HASIL MORFOLOGI EROSI:
EROSI CITRA
BINER :
EROSI CITRA
GRAY LEVEL :
- Penutupan (Closing):
- Pembukaan (Opening) :

Bab 2 PPT

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 2 PPT

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB 2.

pixel p ➔ koordinat (xp ,yp).

- Keterhubungan N8(p) gambar 2.2-b.

untuk a=1 disebut city-block distance dan

79.22 100.33 82.67 87.44 66.33

77.78 103.11 91.56 78.22 52.89

76.11 113.33 101.22 84.0 46.78

50.44 81.0 73.89 60.22 29.67

500 400 4000 350

350 3500 300

a. Citra asli b. Histogram Citra asli c. Histogram Kumulatif

500 500 500

400 400 400

300 300 300

200 200 200

Anda mungkin juga menyukai