IMAGE PROCESSING Kevin Meilina Agatha

223220079
TUGAS 3 17 Desember 2022

1. Sebutkan tujuan dari operasi pada aras objek?

Tujuan dari operasi pada aras objek adalah untuk mengenali objek tersebut, misalnya
dengan menghitung rata-rata intensitas, ukuran, bentuk, dan karakteristik lain dari objek.

2. Deteksi Diskontinuitas terdiri dari 3 deteksi sebutkan dan jelaskan!

Ada tiga macam diskontinuitas tingkat keabuan pada citra digital; yaitu point (titik), line
(garis), dan edge (tepi).
a. Deteksi Titik (Point detection)
Suatu titik terdeteksi berada di pusat mask jika |R| ≥ T, dimana T adalah threshold non-
negative. Idenya adalah bahwa titik yang terisolasi (suatu titik dengan tingkat keabuan yang
sangat berbeda dari latar belakangnya dan berada di area yang homogen atau hampir homogen)
akan sangat berbeda dengan latar belakangnya seperti gambar berikut:

Contoh Deteksi Titik:

b. Deteksi Garis (Line Detection)

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 1

 Konsep Deteksi Garis:

● Jika mask sebelah kiri dipindahkan pada seluruh citra, maka responnya akan lebih
kuat pada garis dengan ketebalan satu piksel dan berorientasi horisontal.
● Koefisien mask jika dijumlahkan adalah nol. Hal ini menunjukkan bahwa respon
mask adalah nol pada area dengan tingkat keabuan konstan.
● Misalkan R1, R2, R3, dan R4, menyatakan response dari mask. Anggaplah bahwa
setiap mask dijalankan sendiri-sendiri pada suatu citra. Jika, pada satu titik citra, |
Ri|>|Rj|, untuk semua j¹i, titik tersebut dikatakan lebih berasosiasi dengan garis
dengan arah mask i.
● Jika kita ingin mendeteksi garis dengan arah yang sudah ditentukan, kita bisa
menggunakan mask yang sesuai dengan arah tersebut dan melakukan
thresholding terhadap outputnya.
Contoh Deteksi Garis:

c. Deteksi Tepi (Edge Detection)

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 2

 Tepi (edge) adalah himpunan piksel terhubung yang terletak pada boundary di antara
dua region. Tepi ideal seperti diilustrasikan pada gambar 10.5.a adalah himpunan
piksel terhubung (dalam arah vertikal), masing-masing terletak pada transisi step
orthogonal dari tingkat keabuan.
Beberapa contoh kernel matriks pada deteksi tepi di antaranya adalah roberts, prewitt,
sobel, dan canny.

3. Sebutkan tujuan dari Image Compression!

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 3

 Image compression atau yang disebut juga kompresi citra adalah proses untuk
meminimalisasi jumlah bit yang merepresentasikan suatu citra sehingga ukuran data citra
menjadi lebih kecil. Pada dasarnya teknik kompresi citra digunakan pada proses
transmisi data (data transmission) dan penyimpanan data (data storage). Kompresi citra
banyak diaplikasikan pada penyiaran televisi, penginderaan jarak jauh (remote sensing),
komunikasi militer, radar, telekonferensi, pencitraan kedokteran, dan lain-lain.

4. Teknik Operasi Geometri ada 4, sebut dan jelaskan!

Operasi geometri adalah proses perubahan hubungan spasial antara setiap pixel pada
sebuah citra. Beberapa operasi yang tergolong operasi geometri pada pengolahan citra
adalah translasi, rotasi, refleksi, dan penskalaan.
a. Translasi
Operasi translasi adalah memindahkan setiap elemen pixel citra input ke posisi baru
pada citra output di mana dimensi dari kedua citra (citra masukan dan citra output)
pada umumnya adalah sama. Posisi baru dari suatu pixel ditentukan dari nilai variabel
translasi (p,q). Secara umum operasi translasi melakukan perubahan dengan cara
menambahkan koordinat awal dengan nilai variabel translasi.
x2 = x1 + p
y2 = y1 + p
Jika ukuran citra output diset sama dengan citra input maka bila terdapat posisi hasil
yang berada di luar batas citra output, pixel tersebut tidak dipetakan. Untuk posisi citra
output yang tidak memiliki nilai pixel diset dengan nilai 0 atau warna hitam.

Proses translasi dengan variabel translasi (25,20). (a) Citra Input. (b) Citra Output

b. Rotasi

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 4

 Rotasi merupakan suatu transformasi geometri memindahkan nilai-nilai pixel dari
posisi awal menuju ke posisi akhir yang ditentukan melalui nilai variabel rotasi
sebesar θ0 terhadap sudut 0 0 atau garis horizontal dari citra. Proses rotasi dapat
dilakukan dengan rumus sebagai berikut.

x2 = cos(θ) x (x1-x0) - sin(θ) x (y1-y0) + x0

y2 = sin(θ) x (x1-x0) + cos(θ) x (y1-y0) + y0

Di mana (x0,y0) adalah koordinat titik pusat dari citra input dan θ adalah sumbu putar.
Sumbu putar pada umumnya memiliki arah putar searah jarum jam dengan garis
horizontal. Seperti halnya operasi translasi, hasil perhitungan posisi hasil rotasi dapat
memberikan nilai di luar batas citra output (apabila ukuran citra outputsama dengan
citra input). Untuk kasus seperti itu, ada beberapa implementasi yang membiarkan
nilai pixel tersebut tanpa dipetakan ulang dan ada yang memetakan ke citra output
sehingga menyebabkan ukuran citra membesar.

Proses rotasi dengan variabel rotasi sebesar 750 .

(a) Citra Input. (b) Citra Output dengan ukuran rotasi lebih besar dari citra input.

c. Refleksi

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 5

 Refleksi atau pencerminan adalah proses pengolahan citra secara geometri dengan
memindahkan nilai-nilai pixel pada posisi awal (x1,y1) menuju ke posisi baru di (x2,y2)
pada citra output sesuai dengan posisi pencerminan. Posisi pencerminan ada tiga
jenis yaitu pencerminan terhadap sumbu x, pencerminan terhadap sumbu y, dan
pencerminan terhadap sumbu x dan y.
● Pencerminan terhadap sumbu x di posisi x 0 dapat digambarkan dengan rumus
berikut ini.
x2 = -x1 + (2 x x0)
y2 = y1
● Sedangkan untuk pencerminan terhadap sumbu y di posisi y 0 adalah:
x2 = x1
y2 = -y1 + (2 x y0)
● Dan untuk pencerminan yang dilakukan terhadap kedua sumbu baik x dan y di
posisi (x0,y0) adalah:
x2 = -x1 + (2 x x0)
y2 = -y1 + (2 x y0)

Hasil proses refleksi. (a) Citra input (b) Citra output terhadap refleksi sumbu x (c) Citra output terhadap refleksi sumbu y
(d) Citra output terhadap refleksi sumbu x dan y

d. Penskalaan

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 6

 Penskalaan adalah sebuah operasi geometri yang memberikan efek memperbesar
atau memperkecil ukuran citra input sesuai dengan variabel penskalaan citranya.
Ukuran baru hasil penskalaan didapat melalui perkalian antara ukuran citra input
dengan variabel penskalaan. Proses penskalaan dapat dilakukan dengan rumus:
P0 = S p x P i
L 0 = Si x L i
Di mana (Pi ,Li) adalah ukuran citra input, (Po, Lo) adalah ukuran citra output, dan
( Sp , Si ) adalah variabel penskalaan yang diinginkan. Jika variabel penskalaan
bernilai lebih besar dari 1 maka hasil penskalaannya akan memperbesar ukuran citra,
sebaliknya apabila variabel penskalaannya lebih kecil dari 1 maka hasilnya akan
memperkecil ukuran citra.

5. Jelaskan dasar-dasar warna dan vector space RGB dalam color image processing!
A. Dasar Warna
Berikut visual warna pada mata manusia

Respon cone retina terhadap spektrum cahaya. (a) Respon spektrum dari red-cone (b) Respon spektrum
dari green-cone (c) Respon spektrum dari blue-cone

Sensasi warna didefenisikan oleh CIE (Prancis: Commission nternationale de

l'éclairage atau Inggris : International Commission onIllumination) berupa:
● Brightness (kecerahan) yaitu sensasi visual mata dalam membedakan suatu
area yang memiliki lebih banyak intensitas cahaya atau kurang.
● Hue (warna) yaitu sensasi visual mata dalam memandang satu area yang
memiliki warna yang sama atau mirip dengan area lainnya atau memiliki
proporsi perbedaan warna antara keduanya.

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 7

 ● Colorfulness yaitu sensasi visual mata dalam membedakan suatu area yang
mengandung warna (chromatic) atau tidak (achromatic atau gray level).
● Saturation (saturasi) yaitu sensasi visual mata dalam membedakan kecerahan
suatu warna terhadap kecerahan warna murninya (pure hue).
● Chroma (kemurnian) yaitu sensasi visual mata dalam membedakan kecerahan
suatu warna relative pada referensi warna putih (identik dengan saturasi).
● Lightness (Luminance) yaitu sensasi visual mata dalam membedakan
kecerahan suatu area relative pada referensi warna putih dalam ruang
pandang mata tersebut.

B. Ruang Warna RGB

Ruang warna RGB untuk citra true color 24 bit diilustrasikan oleh gambar berikut:

Pada ruang warna RGB pada gambar menunjukkan komponen spectral primary
merah, hijau dan biru yang didasarkan oleh sistem koordinat kartesian. RGB adalah
model warna yang menampilkan model warna aditif, yaitu ketika cahaya ditambahkan
secara bersamaan pada tiga buah warna akan menambahkan panjang gelombang
warna tersebut.
Normalisasi RGB
Normalisasi merupakan ekstensi dari warna RGB dimana setiap warna piksel di
proporsikan dengan jumlah keseluruhan warna RGB pada setiap piksel. Hal ini untuk
mengatasi perbedaan intensitas pada objek yang sama yang diambil gambarnya pada
pencahayaan yang berbeda. Rumus normalisasi RGB dapat dilihat pada persamaan:

r: komponen normalisasi dari nilai R (red).

g: komponen normalisasi dari nilai G (green).
b: komponen normalisasi dari nilai B (blue).

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 8

6. Jelaskan maksud dan proses Image Segmentation!
Segmentasi citra adalah metode memecah gambar digital menjadi beberapa sub
kelompok yang disebut sebagai segmen. Segmentasi citra dapat berupa pemisahan latar
depan dari latar belakang atau pengelompokan wilayah piksel berdasarkan kesamaan
warna atau bentuk. Dengan memisahkan citra menjadi segmen, maka analisis citra dapat
menjadi lebih mudah, cepat, dan efisien. Berikut penjelasan jenis metode segmentasi:

Citra Asli
A. Semantic Segmentation
Semantic segmentation atau segmentasi semantik adalah teknik yang melibatkan
proses deteksi objek di dalam citra dan mengelompokkannya berdasarkan kategori
yang ditentukan. Segmentasi ini memberi label setiap piksel gambar yang memiliki
kelas yang sama sesuai kategori yang diberikan. Segmentasi semantik tidak
mengenali individu objek dalam kategori yang sama pada suatu gambar.
Misalnya setiap piksel diberi label ke dalam dalam kategori gambar orang (merah),
pohon (hijau tua), rumput (hijau muda), dan langit (biru). Ilustrasinya dapat dilihat
pada gambar di bawah.

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 9

 B. Instance Segmentation
Segmentasi instance merupakan pengembangan dari segmentasi semantik. Pada
segmentasi ini. beberapa objek dari kelas yang sama diperlakukan sebagai instance
individu yang berbeda. Misalnya, metode segmentasi instance ini dapat dimanfaatkan
untuk mengidentifikasi objek manusia pada gambar di bawah. Metode ini tidak hanya
akan mengenali sekelompok orang tetapi juga membantu dalam membedakannya
secara terpisah.

C. Panoptic Segmentation
Segmentasi panoptik merupakan pengembangan segmentasi citra dengan
mengkombinasikan segmentasi semantik dan segmentasi instance. Segmentasi
panoptik secara semantik membedakan objek yang berbeda serta
mengidentifikasinya secara terpisah dari setiap jenis atau kategori objek. Segmentasi
panoptik akan mendeteksi dan mengelompokkan semua objek dalam gambar,
termasuk latar belakang (background), dan membedakannya dengan warna yang
berbeda.

7. Jelaskan maksud dan proses Image Compression!

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 10

 Image compression atau yang disebut juga kompresi citra adalah proses untuk
meminimalisasi jumlah bit yang merepresentasikan suatu citra sehingga ukuran data citra
menjadi lebih kecil. Pada dasarnya teknik kompresi citra digunakan pada proses
transmisi data (data transmission) dan penyimpanan data (data storage). Kompresi citra
banyak diaplikasikan pada penyiaran televisi, penginderaan jarak jauh (remote sensing),
komunikasi militer, radar, telekonferensi, pencitraan kedokteran, dan lain-lain.
Teknik kompresi citra mengacu pada dua konsep dasar, yaitu :
a. Mengeksploitasi redundansi informasi yang terdapat pada pola sinyal citra digital.
Metode ini digunakan pada teknik kompresi citra lossless coding.
b. Redundansi tersebut dapat berupa:
● Redundansi Spasial akibat korelasi antara piksel-piksel yang bertetangga yang
memiliki intensitas yang sama.
● Redundansi Spektral akibat korelasi antara bidang-bidang warna yang berbeda
● Redundansi Temporal akibat korelasi frame-frame yang berbeda pada citra dinamis
● Menggunakan deviasi dalam batas yang dapat ditoleransi dengan cara mengurangi
detail citra yang tidak dapat ditangkap oleh penglihatan manusia.

8. Jelaskan maksud dan proses Image Compression!

Teknik kompresi citra:
➔ Lossless Compression
Prinsip dasar: eksploitasi data statistik citra
● Menghasilkan citra hasil kompresi yang tepat sama dengan citra semula.
● Dalam proses kompresinya, tidak ada informasi yang hilang.
● Rasio kompresi sangat rendah / terbatas
● Contoh aplikasi: citra medis, citra biner (facsimile), dll
Algoritma kompresi lossless dibagi dalam dua kategori, yaitu:
a. Dictionary-based Technique
Menghasilkan file kompresi yang berisi fixed-length code (12 – 16 bits) yang
merepresentasikan sekuen bytes file asli, misalnya Run-Length Encoding dan
LZW encoding.
b. Variable Length Coding
Merepresentasikan karakter yang sering muncul dalam bit yang lebih kecil,
misalnya Huffman Coding

➔ Lossy Compression

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 11

 ● Menghasilkan citra hasil kompresi yang hampir sama dengan citra semula. Dalam
proses kompresinya, ada informasi yang hilang namun dalam batas toleransi
tertentu.
● Rasio kompresi tinggi
● Contoh aplikasi: transmisi citra pada bandwidth saluran komunikasi terbatas.
● Algoritma kompresi lossy telah banyak dikembangkan, diantaranya menggunakan
kuantisasi, fraktal, wavelet, dll
● Teknik ini mengubah detail dan warna pada file citra menjadi lebih sederhana
tanpa terlihat citra menjadi lebih sederhana tanpa terlihat perbedaan yang
mencolok dalam pandangan manusia, sehingga ukurannya menjadi lebih kecil.
● Biasanya digunakan pada citra foto atau image lain yang tidak terlalu memerlukan
detail citra, dimana kehilangan bitrate foto tidak berpengaruh pada citra.
Contoh format file dengan kompresi lossless dan lossy:

Lossless Lossy
GIF JPEG
PCX MPEG
BMP
TIFF
TRG
PGM

9. Apakah yang dimaksud dengan Pseudo Color sebutkan dan jelaskan!

● Citra pseudocolor merupakan citra yang memiliki warna semu yaitu warna yang
berasal dari peta warna (colormap). Citra pseudocolor 8-bit hanya memiliki kombinasi
warna sebanyak 2^8 atau 256 warna. Warna tersebut merupakan representasi dari
colormap yang diberikan.
● Source code untuk menampilkan citra pseudocolor adalah sebagai berikut:

I = imread('barbara.jpg');
figure, imshow(I);

J = rgb2gray(I);
figure, imshow(J);
colormap jet
colorbar

figure, imshow(J);
colormap summer
colorbar
Berikut ini merupakan contoh citra pseudocolor beserta colormap yang digunakan:

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 12

 1) Colormap gray 2) Colormap spring

3) Colormap jet 4) Colormap summer

5) Colormap hsv 6) Colormap autumn

7) Colormap parula 8) Colormap winter

9) Colormap hot 10) Colormap bone

11) Colormap cool 12) Colormap copper

10. Model proses image restoration diataranya ada: Invers filtering, Filter wiener,
Transformasi geometris. Jelaskan ketiganya!

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 13

 A. INVERSE 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).

B. 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.

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 14

 C. 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.
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]

223220079 - Kevin Meilina Agatha - Tugas 3 Image Processing 15

 b. Operasi Flip
● 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 3 Image Processing 16