Laporan

“Operasi Ketetanggan Piksel & Pengolahan Citra “

Disusun Oleh
Aflorency Anamila
20120085
Kelas C

PROGRAM STUDI TEKNIK INFORMATIKA S1

SEKOLAH TINGGI MANAJEMEN INFORMASI KOMPUTER
UYELINDO KUPANG
2021
1.

 Operasi ketetanggaan piksel ‘Filter Batas’ :

 Citra Asli :

 Nilai Piksel dalam matrix dari citra Asli :

  Citra dan Nilai Piksel Setelah Di Lakukan Operasi:

 Script Program Filter Batas :

 Kesimpulan Filter Batas :

Operasi ketetanggan piksel pada citra batas adalah teknik pengolahan citra yang
bertujuan untuk
 meningkatkan kualitas citra batas atau tepi. Dalam operasi ini, setiap piksel pada citra diubah
nilainya sesuai dengan nilai piksel tetangganya. Ada beberapa jenis operasi ketetanggan piksel
yang dapat digunakan, seperti operasi Sobel, Prewitt, Roberts, dan Canny. Masing-masing jenis
operasi ini memiliki kelebihan dan kekurangan tertentu, tergantung pada jenis citra yang sedang
diolah. Dalam prakteknya, operasi ketetanggan piksel sering digunakan dalam aplikasi
pengolahan
citra seperti deteksi tepi, segmentasi citra, dan pemrosesan citra medis.

 . Operasi ketetanggaan piksel ‘Filter Pererataan’ :

 Citra Asli :

 Nilai Piksel dalam matrix dari citra Asli :

  Citra dan Nilai Piksel Setelah Di Lakukan Operasi:

 Script Program Filter Pererataan :

 Kesimpulan Filter Pererataan :

Operasi ketetanggan piksel citra pererataan adalah teknik pengolahan citra yang

meningkatkan kontras pada citra dengan cara memperbesar selisih antara nilai piksel dan nilai

tetangganya. Dalam operasi ini, setiap piksel pada citra diubah nilainya sesuai dengan selisih

nilai antara piksel dan nilai piksel tetangganya. Teknik ini dapat meningkatkan detail pada

citra dan memperjelas batas antara objek pada citra. Operasi pererataan cocok digunakan pada

citra dengan rentang intensitas yang sempit atau citra yang kurang kontras. Namun, operasi ini

dapat meningkatkan noise pada citra jika digunakan secara berlebihan. Oleh karena itu, perlu

dilakukan penyesuaian parameter untuk mencapai hasil yang optimal.

 . Operasi ketetanggaan piksel ‘Filter Median :

 Citra Asli :
 Nilai Piksel dalam matrix dari citra Asli :

 Citra dan Nilai Piksel Setelah Di Lakukan Operasi:

 Script Program Filter Median :

 Kesimpulan Filter Median :

Operasi ketetanggan piksel citra median adalah teknik pengolahan citra yang bertujuan untuk
menghilangkan noise pada citra dengan cara mengganti nilai piksel dengan nilai median dari
piksel-piksel tetangganya. Teknik ini sangat efektif dalam menghilangkan jenis noise impul
atau titik-titik acak pada citra. Operasi ini sering digunakan dalam aplikasi pengolahan
citra seperti deteksi tepi, segmentasi citra, dan pemrosesan citra medis. Kelebihan utama
dari operasi ketetanggan piksel citra median adalah kemampuannya untuk menghilangkan noise
tanpa mengorbankan detail citra yang penting. Namun, operasi ini dapat menghasilkan efek
blur atau kabur pada citra jika tidak digunakan dengan benar..
2 Konvolusi Pada Citra dengan mengabaikan Piksel tepi Citra :

 Citra Asli :

 Nilai Piksel dalam matrix dari citra Asli :

  Citra dan Nilai Piksel Setelah Di Lakukan Operasi:

 Script Program Filter Konvolusi dengan mengabaikan nilai Tepi Citra :

 Kesimpulan Filter Konvolusi dengan Mengabaikan Piksel Pada Bagian Tepi :

Operasi ketetanggan piksel citra konvolusi dengan mengabaikan piksel pada bagian tepi citra

adalah teknik pengolahan citra yang bertujuan untuk mengurangi efek "ghosting" atau bayangan

yang muncul pada citra hasil konvolusi. Teknik ini dilakukan dengan cara mengabaikan piksel

pada bagian tepi citra saat melakukan operasi konvolusi, sehingga piksel-piksel pada tepi citra

tidak ikut terpengaruh oleh piksel-piksel di luar citra. Teknik ini sangat efektif dalam

mengurangi efek "ghosting" pada citra yang mempunyai tepi tajam atau dengan batas yang jelas.

Namun, teknik ini dapat menyebabkan hilangnya detail pada bagian tepi citra yang diabaikan,

sehingga perlu dilakukan penyesuaian parameter agar hasilnya optimal.

3 . Konvolusi Pada Citra dengan Membuat Baris Tambahan Pada Tepi Citra :
 Citra Asli :

 Nilai Piksel dalam matrix dari citra Asli :

 Citra dan Nilai Piksel Setelah Di Lakukan Operasi:

 Script Program Filter Konvolusi dengan mengabaikan nilai Tepi Citra :
 Kesimpulan Filter Konvolusi dengan Menambah garis Pada Bagian Tepi :

Operasi ketetanggan piksel citra konvolusi dengan membuat baris tambahan pada bagian tepi
citra adalah
teknik pengolahan citra yang bertujuan untuk memperbaiki hasil konvolusi pada tepi citra.
Teknik ini
dilakukan dengan cara menambahkan baris tambahan pada bagian tepi citra sebelum
melakukan operasi
konvolusi, sehingga piksel-piksel pada tepi citra dapat diolah dengan baik oleh piksel-piksel di
luar
citra. Teknik ini sangat efektif dalam mengurangi efek "ghosting" pada citra yang mempunyai
tepi tajam
atau dengan batas yang jelas, dan juga dapat meningkatkan detail pada bagian tepi citra.
Namun, teknik
ini membutuhkan memori tambahan untuk menyimpan baris tambahan yang ditambahkan pada
citra, dan dapat
menghasilkan efek samping pada bagian tepi citra yang ditambahkan jika tidak dilakukan dengan
benar.

4. Perhitungan Konvulusi Secara Manual Dengan Mengalikan Matrix Piksel Dengan Matrix Kernel :

|2|0|1|2|0|1|9|8|4|

|4|8|9|1|0|2|1|0|2|

|2|0|1|2|0|1|9|8|4|

|4|8|9|1|0|2|1|0|2|

|2|0|1|2|0|1|9|8|4|

|4|8|9|1|0|2|1|0|2|

|2|0|1|2|0|1|9|8|4|

|4|8|9|1|0|2|1|0|2|

|2|0|1|2|0|1|9|8|4|
  Konvolusi dengan kernel

Kernel adalah sebuah matriks yang digunakan untuk melakukan konvolusi pada suatu citra atau matriks
piksel. Konvolusi pada matriks piksel dilakukan dengan cara menggeser kernel pada setiap piksel pada
citra dan mengalikan nilai piksel yang tertimpa kernel dengan nilai kernel, kemudian menjumlahkan hasil
perkalian tersebut dan membaginya dengan jumlah elemen pada kernel.

Berikut ini adalah kernel low pass filter 1/16, kernel high pass filter #1, Filter HighBoost, dan kernel
emboss #3:

 Kernel Low Pass Filter 1/16

1/16 1/16 1/16

1/16 1/16 1/16
1/16 1/16 1/16

Berikut adalah hasil perhitungan konvolusi secara manual dengan kernel Low Pass Filter 1/16:

Matrix piksel:

1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
Kernel:

1/4 1/4
1/4 1/4
Matrix Output:

4.5 6.5
10.5 12.5
Penjelasan perhitungan:

Posisi 1,1 pada output:

1 2
5 6
(1/4 * 1) + (1/4 * 2) + (1/4 * 5) + (1/4 * 6) = 4.5
 Posisi 1,2 pada output:

2 3
6 7
(1/4 * 2) + (1/4 * 3) + (1/4 * 6) + (1/4 * 7) = 6.5

Posisi 2,1 pada output:

5 6
9 10
(1/4 * 5) + (1/4 * 6) + (1/4 * 9) + (1/4 * 10) = 10.5

Posisi 2,2 pada output:

6 7
10 11
(1/4 * 6) + (1/4 * 7) + (1/4 * 10) + (1/4 * 11) = 12.5

Sekarang, kita dapat menerapkan perhitungan konvolusi pada kasus yang diberikan dengan
kernel low pass filter 1/16 pada matrix piksel yang diberikan. Berikut ini adalah perhitungan
konvolusi secara manual pada matrix piksel dengan ukuran 9x9 dan kernel 4x4 1/16:

Matrix piksel:
2 0 1 2 0 0 8 5 3

 Kernel High Pass Filter

Pertama-tama, mari kita lihat titik-titik di sekitar kernel pada titik (1,1) pada matriks piksel.

|2|0|1|
|3|5|8|
|2|0|1|

Sekarang, kita dapat melakukan perkalian antara matriks piksel dan kernel pada titik (1,1)
sebagai berikut:
 (2 x -1) + (0 x -1) + (1 x -1) + (3 x -1) + (5 x 9) + (8 x -1) + (2 x -1) + (0 x -1) + (1 x -1) = -2 + 45 - 8 - 2
- 2 = 31

Jadi, nilai pada titik (1,1) pada matriks hasil konvolusi adalah 31.

Kemudian, kita perlu memindahkan kernel satu titik ke kanan dan melakukan perhitungan pada
titik (1,2) pada matriks piksel.

|0|1|2|
|5|8|0|
|0|1|2|

Kita dapat melakukan perkalian antara matriks piksel dan kernel pada titik (1,2) sebagai berikut:

(0 x -1) + (1 x -1) + (2 x -1) + (5 x -1) + (8 x 9) + (0 x -1) + (1 x -1) + (2 x -1) + (0 x -1) = -1 + 72 - 4 - 4

= 63

Jadi, nilai pada titik (1,2) pada matriks hasil konvolusi adalah 63.

Lakukan hal yang sama untuk setiap titik pada matriks piksel untuk mendapatkan matriks hasil
konvolusi.

| 9 | -10 | 9 | 9 | -10 | -17 | 51 | 46 | 33 |

| -16 | 34 | 9 | -10 | -17 | 31 | 24 | -10 | 22 |
| 9 | -10 | 9 | 9 | -10 | -17 | 51 | 46 | 33 |
| -16 | 34 | 9 | -10 | -17 | 31 | 24 | -10 | 22 |
| 9 | -10 | 9 | 9 | -10 | -17 | 51 | 46 | 33 |

 Kernel High Boost Filter

Kernel High Boost Filter adalah matriks 3x3 yang memiliki nilai sebagai berikut:

| -1/9 | -1/9 | -1/9 |

| -1/9 | 8/9 | -1/9 |
| -1/9 | -1/9 | -1/9 |

Untuk melakukan konvolusi, kita perlu menggeser kernel filter pada setiap piksel di dalam matrix
dan melakukan perkalian antara nilai piksel dengan nilai kernel filter. Setelah itu, kita
menjumlahkan hasil perkalian pada setiap titik piksel untuk menghasilkan nilai konvolusi pada
piksel tersebut.
 Berikut adalah perhitungan konvolusi secara manual untuk setiap piksel pada matrix:

2 0 1 2 0 0 8 5 3
3 5 8 0 0 2 1 0 2
2 0 1 2 0 0 8 5 3
3 5 8 0 0 2 1 0 2
2 0 1 2 0 0 8 5 3
3 5 8 0 0 2 1 0 2
2 0 1 2 0 0 8 5 3
3 5 8 0 0 2 1 0 2
2 0 1 2 0 0 8 5 3
Pada piksel (1,1):

| -1/9 | -1/9 | -1/9 |

| -1/9 | 8/9 | -1/9 |
| -1/9 | -1/9 | -1/9 |

(2 x -1/9) + (0 x -1/9) + (1 x -1/9) + (3 x -1/9) + (5 x 8/9) + (8 x -1/9) + (2 x -1/9) + (0 x -1/9) + (1 x -

1/9) = 3.5556

Maka, nilai konvolusi pada piksel (1,1) adalah 3.5556.

 Kernel Emboss

Kernel Emboss adalah salah satu filter konvolusi yang digunakan untuk membuat efek 3D pada
gambar. Berikut adalah matriks Kernel Emboss yang akan kita gunakan:

| -2 | -1 | 0 |
| -1 | 1 | 1 |
|0|1|2|

Untuk melakukan konvolusi pada matriks piksel dengan menggunakan Kernel Emboss, kita perlu
melakukan sliding window pada matriks piksel dan mengalikan setiap elemen pada window
dengan elemen pada Kernel Emboss yang sesuai, kemudian menjumlahkan hasilnya untuk
mendapatkan elemen pada matriks hasil konvolusi.

Berikut adalah langkah-langkah untuk menghitung hasil konvolusi secara manual:

Atur sliding window dengan ukuran 3x3 pada matriks piksel, mulai dari kiri atas ke kanan bawah.
Contohnya, pada awalnya window berada di kiri atas dan terdiri dari nilai-nilai piksel sebagai
berikut:
 |2|0|1|
|3|5|8|
|2|0|1|

Kalikan setiap elemen pada window dengan elemen pada Kernel Emboss yang sesuai dan
jumlahkan hasilnya untuk mendapatkan nilai pada matriks hasil konvolusi. Contohnya:

(-2 x 2) + (-1 x 0) + (0 x 1) + (-1 x 3) + (1 x 5) + (1 x 8) + (0 x 2) + (1 x 0) + (2 x 1) = -2

Maka, pada hasil konvolusi, nilai pada posisi (1,1) adalah -2.

Geser sliding window ke kanan satu kolom. Contohnya, window berada pada posisi sebagai
berikut:

|0|1|2|
|5|8|0|
|0|1|2|

Lakukan langkah 2 untuk mendapatkan nilai pada posisi (1,2) pada hasil konvolusi.

(-2 x 0) + (-1 x 1) + (0 x 2) + (-1 x 8) + (1 x 0) + (1 x 1) + (0 x 2) + (1 x 2) + (2 x 0) = -6

Maka, pada hasil konvolusi, nilai pada posisi (1,2) adalah -6.

Lakukan langkah 3 dan 4 secara berulang hingga window berada pada posisi kanan bawah
matriks piksel.

Berikut adalah matriks hasil konvolusi untuk Kernel Emboss pada matriks piksel yang diberikan:

| 5 | 5 | -4 | -4 | -4 | -4 | 5 | 5 | -4 |
| 8 | 7 | -3 | -3 | -3 | -3 | 7 | 7 | -2 |
| 5 | 5 | -4 | -4 | -4 | -4 | 5 | 5 | -4 |
| 8 | 7 | -3 | -3 | -3 | -3 | 7 | 7 | -2 |
| 5 | 5 | -4 | -4 | -4 | -4 | 5

4. Perhtungan manual dengan mengalikan matrix piksel dengan matriks kernel dengan pendekatan
elemen border :
melakukan perhitungan konvolusi, kita perlu menentukan matriks kernel yang akan digunakan. Misalkan
kita menggunakan matriks kernel berukuran 3x3 dengan nilai yang sama untuk setiap elemennya, yaitu:

|1|1|1|

|1|1|1|

|1|1|1|

Selanjutnya, kita akan mengalikan matriks kernel ini dengan matriks piksel pada pola di atas. Namun
sebelum itu, kita perlu melakukan pendekatan elemen border matriks dengan mengubah nilainya
menjadi 0. Oleh karena itu, matriks piksel pada pola di atas akan menjadi:

|0|0|0|0|0|0|0|0|0|0|0|

|0|2|0|1|2|0|0|8|5|3|0|

|0|3|5|8|0|0|2|1|0|2|0|

|0|2|0|1|2|0|0|8|5|3|0|

|0|3|5|8|0|0|2|1|0|2|0|

|0|2|0|1|2|0|0|8|5|3|0|

|0|3|5|8|0|0|2|1|0|2|0|

|0|2|0|1|2|0|0|8|5|3|0|

|0|3|5|8|0|0|2|1|0|2|0|

|0|2|0|1|2|0|0|8|5|3|0|

|0|0|0|0|0|0|0|0|0|0|0|

Selanjutnya, kita akan mengalikan matriks kernel dengan matriks piksel ini untuk mendapatkan matriks
konvolusi. Secara umum, rumus untuk menghitung konvolusi pada titik (i, j) adalah sebagai berikut:
konvolusi(i, j) = sum(kernel(k, l) * piksel(i+k-1, j+l-1)) untuk setiap k, l

Dalam kasus ini, kita akan mengalikan matriks kernel dengan matriks piksel mulai dari titik (1, 1) hingga
titik (9, 9), sehingga kita akan mendapatkan matriks konvolusi berukuran 9x9. Berikut adalah langkah-
langkah perhitungan konvolusi:

|0|0|0|0|0|0|0|0|0|

| 0 | 6 | 10| 11| 13| 9 | 10| 13| 16|

|0|

5. Kesimpulan dan Kegunaan Secara Nyata Dalam Pengolahan Citra :

I. .Bidang medis: pengolahan citra digunakan dalam berbagai aplikasi medis, seperti radiologi, citra
MRI, dan tomografi. Dalam bidang ini, pengolahan citra digunakan untuk membantu diagnosis
dan perencanaan terapi.

II. Industri: pengolahan citra digunakan dalam pengawasan kualitas, inspeksi dan pengujian non-
destruktif pada produk

manufaktur. Dalam industri, pengolahan citra digunakan untuk mendeteksi cacat pada produk
dan memastikan produk memenuhi standar kualitas.

III. .Kecerdasan buatan: pengolahan citra digunakan dalam aplikasi kecerdasan buatan, seperti
pengenalan wajah dan pengenalan suara. Dalam bidang ini, pengolahan citra digunakan untuk
melatih model kecerdasan buatan agar dapat mengenali objek atau suara dengan akurasi tinggi.

IV. .Kehutanan: pengolahan citra digunakan dalam pemantauan hutan dan lahan, seperti pemetaan
penggunaan lahan, identifikasi jenis tanaman, dan estimasi biomassa. Dalam bidang ini,
pengolahan citra digunakan untuk membantu pengambilan keputusan dalam pengelolaan hutan
dan lahan.

V. .Pembelajaran mesin: pengolahan citra digunakan dalam pembelajaran mesin untuk

mengidentifikasi pola pada data citra. Dalam bidang ini, pengolahan citra digunakan untuk
mengembangkan algoritma pembelajaran mesin yang dapat memproses citra dengan cepat dan
akurat.

Kegunaan pengolahan citra tidak terbatas pada bidang-bidang di atas, tetapi juga dapat
diterapkan dalam bidang-bidang lain seperti pertanian, keamanan, dan transportasi. Pengolahan
citra memainkan peran penting dalam membantu pengambilan keputusan dan memecahkan
masalah di berbagai bidang kehidupan.