IMAGE PROCESSING Kevin Meilina Agatha

223220079
TUGAS 2 4 Desember 2022

IMAGE PROCESSING DALAM DOMAIN FREKUENSI

1. KONSEP FILTER
● FFT dari gambar photo terlihat bahwa banyak data (ditunjukkan dengan warna terang) di
frekuensi rendah, sedangkan di daerah frekuensi tinggi hanya terdapat sedikit data
(ditunjukkan dengan warna gelap).

● FFT dari gambar photo terlihat bahwa banyak data (ditunjukkan dengan warna terang) di
frekuensi rendah, sedangkan di daerah frekuensi tinggi masih terdapat banyak data
(warnanya masih terang).

● Gambar selalu berada pada frekuensi rendah, hal ini karena setiap titik pada gambar
mempunyai banyak kemiripan warna dengan titik-titik tetangganya.
● Bila suatu gambar menunjukkan frekuensi tinggi maka pada gambar tersebut banyak titik
yang nilai gray-scale nya (warna) yang berbeda jauh dengan titik-titik tetangganya.

Frekuensi Rendah Frekuensi Tinggi

2. FILTER DOMAIN DAN SPASIAL

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 1

 FILTER DOMAIN
A. Low-Pass Filter
● Low Pass Filter (LPF) adalah suatu bentuk filter yang mengambil frekuensi rendah dan
membuang frekuensi tinggi.
● Untuk membuang titik yang berbeda dengan titik-titik tetangganya (proses reduksi noise)
maka dilakukan Low-Pass Filter (LPF), suatu bentuk filter yang mengambil data pada
frekuensi rendah dan membuang data pada frekuensi tinggi.
● LPF digunakan untuk melakukan proses efek blur dan reduksi noise.
● Ciri-ciri kernel dari LPF adalah semua nilainya positif dan jumlah dari semua nilainya
sama dengan satu

B. High-Pass Filter
● High Pass Filter (HPF) adalah suatu bentuk filter yang mengambil frekuensi tinggi dan
membuang frekuensi rendah.
● Untuk mempertahankan titik yang berbeda dengan titik titik tetangganya (proses deteksi
tepi) maka dilakukan High-Pass Filter (HPF), suatu bentuk filter yang mengambil data
pada frekuensi tinggi dan membuang data pada frekuensi rendah.
● HPF digunakan untuk melakukan proses deteksi tepi.
● Ciri-ciri kernel dari HPF adalah nilai-nilainya terdiri positif, nol dan negatif, dan jumlah
dari semua nilainya sama dengan nol

C. Band Pass Filter

● Band Pass Filter (BPF) adalah suatu bentuk filter yang mengambil frekuensi tinggi dan
rendah dengan batasan tertentu.
● Untuk mempertahankan titik yang dekat dengan titik-titik tetangganya, dan titik yang
berbeda dengan titik-titik tetangganya (sharperness) maka dilakukan Band Pass Filter,
yang berguna mempertahankan frekuensi rendah dan tinggi yang tidak terlalu rendah
dan tinggi.
● BPF digunakan untuk melakukan proses efek sharpness.
● Ciri-ciri kernel dari BPF adalah nilai-nilainya terdiri positif, nol dan negatif, dan jumlah
dari semua nilainya tidak sama dengan nol

FILTER SPASIAL

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 2

 A. Filter Spasial Linear
● Adalah proses manipulasi kumpulan piksel dari sebuah citra baru. Filter Spasial Linear
juga merupakan salah satu alat yang digunakan dalam banyak bidang untuk berbagai
aplikasi, khususnya pada bagian ini untuk peningkatan kualitas citra dan perbaikan citra.
● Filter Spasial Linear dilakukan dengan menggunakan beberapa filter yaitu filter rata-rata
dan filter Gaussian. Namun, pada bagian reduksi noise akan melihat bahwa filter-filter
tersebut juga bisa dipakai untuk memberikan efek pengaburan (blur).
- Contoh penggunaan filter rata-rata / mean:

- Contoh penggunaan filter gaussian:

B. Filter Spasial Non Linear

★ Nonlinear filter adalah filter spasial yang keluarannya tergantung dari peringkat
(rangking) piksel yang terdapat pada mask filter. Filter akan ini mengganti nilai tengah
mask dengan piksel nilai yang dihasilkan dari suatu proses rangking tertentu.
★ Contoh filter spasial nonlinear antara lain filter maksimum, filter minimum, dan filter
median. Filter-filter ini ternyata hanya menghasilkan efek penghalusan (smoothing).
- Contoh minimum filtering:

- Contoh maximum filtering:

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 3

 - Contoh mid-point filtering:

- Contoh median filtering:

3. FILTER SMOOTHING
Bertujuan untuk mengurangi derau (noise) pada citra. Pelembutan citra dilakukan untuk
menekan komponen yang berfrekuensi tinggi dan meloloskan komponen yang berfrekuensi
rendah. Dapat menggunakan metode Low-Pass Filter (LPF). Contohnya:

4. FILTER SHARPENING

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 4

 Merupakan kebalikan dari operasi pelembutan citra karena operasi ini menghilangkan bagian
citra yang lembut. Operasi penajaman dilakukan dengan melewatkan citra pada penapis lolos-
tinggi / High Pass Filter (HPF). Contohnya:

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 5

 OPERASI DASAR IMAGE PROCESSING

1. BRIGHTNESS MODIFICATION
Fungsi yang digunakan adalah:
Ko(x,y) = Ki(x,y) + C atau Ko(x,y) = Ki(x,y) - C
dimana: Ko = intensitas citra baru Ki = intensitas citra masukan
x,y = koordinat spasial citra C = standar citra optis (0-255)

Contoh brightness modification:

2. CONTRAST ENHANCEMENT
Fungsi yang digunakan adalah:
Ko(x,y) = G(Ki(x,y) – P) + P
dimana: Ko = intensitas citra baru G = koefisien penguatan kontras
Ki = intensitas citra masukan G < 1 → pengurangan kontras
x,y = koordinat spasial citra P = pusat pengontrasan

Contoh contrast enhancement:

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 6

 3. NEGATION
Fungsi yang digunakan adalah:
Ko(x,y) = Kmax – Ki(x,y)
dimana: Ko = intensitas citra baru Ki = intensitas citra masukan
x,y = koordinat spasial citra K max tergantung representasi citra

Contoh negasi:

4. GRAYSCALE
Memetakan tingkat keabuan input (Ki) ke tingkat keabuan output (Ko)
Fungsi yang digunakan adalah: nilai K = 0 – K max
Ko(x,y) = f (Ki(x,y))
dimana: Ko = intensitas citra baru Ki = intensitas citra masukan
x,y = koordinat spasial citra nilai K = 0 – K max

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 7

 Contoh grayscale:

5. THRESHOLDING
Pengambangan Tunggal:

0, jika Ki(x,y) < ambang

Ko(x,y) =
1, jika Ki(x,y) > ambang
atau
0, jika Ki(x,y) > ambang
Ko(x,y) =
1, jika Ki(x,y) < ambang
dimana:
Ko = intensitas citra baru
Ki = intensitas citra masukan
x,y = koordinat spasial citra

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 8

 Pengambangan Ganda:

0, jika ambang bawah < Ki(x,y) < ambang atas

Ko(x,y) =
1, lainnya
atau
1, jika ambang bawah < Ki(x,y) < ambang
Ko(x,y) =
atas
0, lainnya
dimana:
Ko = intensitas citra baru
Ki = intensitas citra masukan
x,y = koordinat spasial citra

Contoh thresholding:

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 9

 IMAGE RESTORATION

1. MODEL IMAGE RESTORATION

● Image restoration adalah proses memulihkan gambar dari versi yang terdegradasi
— biasanya gambar yang buram dan bernoise. Image restoration adalah masalah
mendasar dalam pemrosesan gambar, dan juga menyediakan testbed untuk
masalah invers yang lebih umum.
● Operasi pemulihan citra bertujuan untuk mengembalikan kondisi citra pada kondisi
yang diketahui sebelumnya akibat adanya pengganggu yang menyebabkan
penurunan kualitas citra. Teknik ini dipakai pada saat kita dapat memodelkan noise.

2. MODEL NOISE
● Ada beberapa jenis noise yang dapat kita modelkan, misalkan noise yang berasal
dari sensor yang kurang sempurna, noise yang berasal dari sinyal transmisi yang
kurang baik sehingga pada saat transmisi data citra tidak diterima dengan baik.
● Contoh model noise:
1. Noise Gaussian

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 10

 2. Noise Rayleigh

3. Noise Impulse / salt and pepper

4. Noise Uniform

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 11

3. IMAGE RESTORATION TERDEGRADASI NOISE DALAM FILTER SPASIAL
● Filter spasial dapat digunakan secara efektif untuk menghilangkan berbagai jenis
noise pada gambar digital. Filter spasial ini biasanya beroperasi di lingkungan kecil,
3 x 3 sampai 11 x 11, dan beberapa dapat diimplementasikan sebagai masker
konvolusi.
● Teknik yang digunakan bisa menggunakan filter mean maupun median. Pada filter
mean, noise direduksi sebagai akibat dari pengkaburan (blurring). Sedangkan pada
filter median cenderung sebagian gambar kabur.
● Beberapa contoh restorasi noise secara spasial menggunakan filter mean dan
median:
1. Restorasi Noise Gaussian

2. Restorasi Noise Rayleigh

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 12

 3. Restorasi Noise Impulse / salt and pepper

4. Restorasi Noise Uniform

4. PENGURANGAN NOISE PERIODIC DENGAN FILTER DOMAIN FREKUENSI

● Noise periodik biasanya muncul karena pengaruh elektrik atau elektromekanik pada
saat pengambilan data citra.
● Noise ini bersifat “dependent spatially”.
● Noise periodik bisa dikurangi dengan melakukan filtering pada domain frekuensi.
● Contoh restorasi noise periodic:

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 13

 1. Filter band-stop ideal

2. Filter band-stop butterworth

3. Filter band-stop gauss

5. PERKIRAAN FUNGSI DEGRADASI

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 14

 ● Restorasi citra berkaitan dengan penghilangan atau pengurangan degradasi pada
citra yang terjadi pada saat proses akuisisi citra. Degradasi yang dimaksud
termasuk derau atau noise (yang merupakan eror dalam nilai piksel) atau efek optis
misalnya blur (kabur) akibat kamera yang tidak fokus atau karena gerakan kamera.
Teknik restorasi citra meliputi operasi neighborhood dan juga penggunaan proses-
proses pada domain frekuensi.
● Perkiraan degradasi merupakan suatu masalah pada metode restorasi citra.
Dengan masalah tersebut suatu teknik restorasi dengan skema adaptif perlu
dilakukan.

6. INVERS FILTERING
● Invers filtering adalah teknik restorasi untuk dekonvolusi, yaitu ketika gambar kabur
oleh filter low pass yang diketahui memungkinkan untuk memulihkan citra dengan
penyaringan invers atau penyaringan inversi secara umum.
● Tujuan invers filtering adalah untuk memperkirakan atau memulihkan pemandangan
tanpa degradasi gambar atau distorsi yang disebabkan oleh sistem gambar non-ideal
(misalnya optik sistem kamera).

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 15

7. FILTER WIENER
● Wiener Filter adalah filter linier stasioner MSE-optimal untuk gambar terdegradasi
oleh noise aditif dan blurring.
● Wiener filter tidak bisa digunakan untuk merekonstruksi komponen frekuensi dimana
komponen tersebut telah terdegradasi oleh noise.
● Penyaringan Wiener mengeksekusi tradeoff optimal antara penyaringan invers dan
perataan suara.
● Untuk menerapkan filter Wiener dalam praktiknya, kita harus memperkirakan
spektrum daya gambar asli dan noise aditif. Untuk noise aditif putih, spektrum daya
sama dengan varians noise. Untuk memperkirakan spektrum daya dari gambar asli
banyak metode yang bisa digunakan.

8. TRANSFORMASI GEOMETRIS
● Transformasi geometri memodifikasi hubungan spasial antar piksel dalam citra.
Transformasi ini sering disebut rubber-sheet transformation karena dapat
ditampilkan seperti pencetakan citra pada lembaran karet dan kemudian
menstreching lembaran ini menurut sejumlah aturan yang sudah didefinisikan.
● Transformasi geometri di antaranya meliputi operasi flip dan rotasi.
● Dalam prosesnya melibatkan fungsi degradasi dan karakteristik dari noise.
Terdapat 2 jenis transformasi geometris, yaitu spatial transformation dan gray-level
Interpolation.

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 16

 a. Operasi Flip
Flip Horizontal adalah adalah pencerminan pada sumbu Y (cartesian) dari
citra A menjadi citra B, yang diberikan: B[x][y] = A[N-x][y]
Flip Vertikal adalah pencerminan pada sumbu X (cartesian) dari citra A
menjadi citra B, yang diberikan: B[x][y] = A[x][M-y]

b. Operasi Rotasi
● Rumus rotasi citra sejauh radian berlawanan arah jarum jam :
x’ = x cos() – y sin()
y’ = x sin() + y cos()
● Rotasi citra A menjadi citra B sejauh radian berlawanan arah jarum jam :
B[x’][y’] = B[x cos() – y sin()][x cos() + y cos()] = A[x][y]
● Jika sudut rotasinya 90, maka implementasinya lebih mudah dilakukan
dengan cara menyalin pixel baris ke pixel kolom pada arah rotasi.
● Rotasi 180 diimplementasikan dengan melakukan rotasi 90 dua kali.

223220079 - Kevin Meilina Agatha - Tugas 2 Image Processing 17