Ujian Akhir Semester

Image Processing

Dosen : Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.

Hari dan Tanggal : Juni 2020
Jenis Ujian : Close Book
Waktu Ujian : 75 Menit

Instruksi— Jawablah pertanyaan di bawah ini

E. Didalam Shape Feature Extraction terdapat
dengan sejelas mungkin. Melakukan plagiarism / parameter seperti Area, Eccentricity, Length of
mencontek adalah tindakan yang melanggar akademik, Boundary, dan Chain Code 4 Direction. Berikan
dan dapat diberikan sanksi yang berat. hasil dari ke empat fitur extraction terhadap
gambar dibawah ini .
A. Jelaskan dan beri contoh operator edge based
segmentation, seperti Prewitt, Sobel, Roberts
dan Laplacian.?.
B. Berdasarkan gambar di bawah ini :

Titik acuan struktur element tepat berada di tengah. F. Sebutkan dan Jelaskan proses image processing
Lakukan lah proses dan gambarkan hasil akhir yang dapat di terapkan dari objek gambar di
masing- masing proses di bawah ini: bawah ini untuk menghasilkan output yaitu
1. Dilasi berupa jumlah objek bulat pada gambar (gambar
2. Erosi bulat dibawah ini adalah gambar berwarna
3. Opening dengan warna yang berbeda tiap bulatan).
4. Closing
C Definisikan apa yang dimaksud dengan Hue,
Saturation, dan Brightness. Manakah diantara
ketiga hal ini yang penting dalam
mengkarakterisasi warna?
D. Jelaskan apa yang dimaksud primary color dan
secondary color, dan gambarkan komposisi
warna Additive Primaries serta Subtractive
Primaries.
SELAMAT UJIAN
Nama : Sinta Anjelina
Nim : 161402100

A. Jelaskan dan beri contoh operator edge based segmentation, seperti Prewitt, Sobel,
Roberts dan Laplacian.
jawaban :

Deteksi tepi (Edge based detection) adalah operasi yang dijalankan untuk mendeteksi garis
tepi (edges) yang membatasi dua wilayah citra yang memiliki tingkat intensitas piksel yang
berbeda. Tujuan pendeteksian tepi adalah meningkatkan penampakan garis batas suatu
daerah atau objek di dalam citra sehingga objek-objek yang terdapat pada citra dapat
dikenali dan disegmentasi dari citra. Proses deteksi tepi citra dilakukan dengan mencari
lokasi-lokasi pada citra yang menunjukkan intensitas pixel-pixel yang discontinue (berbeda
jauh) dengan intensitas pixel-pixel yang berdekatan (bertetanggaan/neighborhood). Suatu
titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra, bila titik tersebut mempunyai
perbedaan nilai intensitas pixel yang tinggi dengan tetangganya.

Proses pendeteksian tepi citra digital dapat dilakukan dengan teknik konvolusi
menggunakan berbagai macam metode/operator. Operator deteksi tepi merupakan alat
yang digunakan untuk memodifikasi nilai derajat keabuan sebuah titik berdasarkan derajat
keabuan titik-titik yang ada disekitarnya (konvolusi/operasi ketetanggaan). Titik-titik yang
dilibatkan dalam operasi ketetanggaan tersebut diberikan bobot yang nilainya tergantung
pada operasi yang akan dilakukan, sedangkan banyaknya titik yang dilibatkan biasanya 2x2,
3x3, 5x5, 7x7 dan seterusnya.

Operator yang dapat digunakan untuk deteksi tepi adalah operator

1. berbasis Gradient (turunan pertama) seperti Robert, Sobel, Prewitt :
1.1. Robert
Operator Robert adalah operator deteksi tepi berbasis gradient yang menggunakan
2 buah kernel (horizontal dan vertical) yang berukuran 2x2 piksel. Operator ini
disebut juga operator silang karena menggunakan arah diagonal dalam
penghitungan gradient. Tepi yang dihasilkan operator ini akan berada di posisi tepi
atas atau tepi bawah.

Mask/Kernel Convolusi Operator Robert Cross

Kernel Horizontal Kernel Vertikal

-1 0 0 1
0 1 -1 0
 Contoh Hasil Deteksi dengan Operator Roberts :

1.2. Sobel
Operator Sobel merupakan Operator deteksi tepi berbasis gradient yang
menggunakan 2 buah kernel (horizontal dan vertical) yang berukuran 3x3 piksel
sehingga perkiran gradien berada tepat di tengah area. Operator ini adalah
pengembangan dari operator Robert dengan menggunakan filter HPF yang diberi
angka nol penyangga di kolom piksel tengah untuk menghindari adanya
perhitungan gradient di titik interpolasi. Metode ini mengambil prinsip dari fungsi
laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF.
Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise
sebelum melakukan perhitungan deteksi tepi.

Mask/Kernel Convolusi Operator Sobel

Kernel Horizontal Kernel Vertikal

-1 -2 -1 -1 0 1
0 0 0 -2 0 2
1 2 1 -1 0 1
 Contoh Hasil Deteksi dengan Operator Sobel

1.3. Prewitt
Operator Prewitt merupakan Operator deteksi tepi berbasis gradient yang
menggunakan 2 buah kernel (horizontal dan vertical) yang berukuran 3x3 piksel
sehingga perkiran gradien berada tepat di tengah area seperti Sobel. Namun
berbeda dengan operator Sobel, operator Prewit tidak menekankan pembobotan
pada piksel-piksel yang lebih dekat dengan titik pusat kernel. Operator ini juga
pengembangan metode robert dengan menggunakan filter HPF yang diberi angka
nol penyangga.

Mask/Kernel Convolusi Operator Prewitt

Kernel Horizontal Kernel Vertikal

-1 -1 -1 -1 0 1
0 0 0 -1 0 1
1 1 1 -1 0 1
 Contoh Hasil Deteksi dengan Operator Prewitt

2. Laplacian
Operator deteksi tepi turunan kedua yang yang hanya menggunakan satu kernel
(tidak memiliki kernel horizontal dan vertical) berukuran 3x3 sehingga kalkulasi
hanya dilakukan sekali jalan. Kernel yang disediakan ada 2 . Kedua kernel ini bebas
dipilih untuk digunakan. Namun jika ingin memberikan perkiraan yang lebih akurat
dapat juga menggunakan kernel laplacian yang dimodifikasi menjadi ukuran 5x5 .

Mask/Kernel Convolusi Operator Laplacian

Kernel Laplacian 1 Kernel Laplacian 2 (ditambah untuk diagonal)

0 -1 0 -1 -1 -1
-1 4 -1 -1 8 -1
0 -1 0 -1 -1 -1
Contoh Hasil Deteksi dengan Operator Laplacian I dan Laplacian II.
(additional info: Laplacian 3 merupakan laplacian 5x5)
B. Berdasarkan gambar di bawah ini :

Titik acuan struktur element tepat berada di tengah. lakukan lah proses dan gambarkan
hasil akhir masing-masing proses di bawah ini:
1. Dilasi
2. Erosi
3. Opening
4. Closing

Jawaban :
1. Dilasi :
Pada dilatasi, struktur elemen akan melewati setiap setiap pixel (semua pixel satu
persatu) dengan tumpuan pada titik acuan (titik acuan yang menempati piksel dan
mengalami dilatasi) dan menambah nilai piksel citra awal pada titik acuan jika pada
citra awal memiliki setidaknya 1 nilai piksel yang sama dengan struktur elemen yang
ditempati.

Process Result

Proses 1:
Proses 2:

Proses 3:

Proses 4:
 Proses 5:

Proses 6:

Proses 7:
 Proses 8:

Hingga Seterusnya sampai piksel terakhir:

Processed Image Terakhir mengalami penambahan piksel seperti berikut:

2. Erosi :
Pada erosi, struktur elemen akan melewati setiap setiap pixel (semua pixel satu
persatu) dengan tumpuan pada titik acuan (titik acuan yang menempati piksel dan
mengalami erosi) dan mengurangi nilai piksel citra awal pada titik acuan jika pada citra
awal memiliki nilai piksel yang tidak sama persis dengan struktur elemen yang
ditempati.

Process

1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32
33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64

Result

1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32
33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64
3. opening (erosi baru dilasi)
Result process 1 diatas kemudian di dilasi menjadi
1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32
33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64

Result opening
1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32
33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64

4. closing (dilasi baru erosi)

Hasil dilasi akan diproses dengan erosi menjadi :

1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32
33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48
 49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64

Hasil closing:

1 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32
33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64

C. Definisikan apa yang dimaksud dengan Hue, saturation, dan brightness. manakah
diantara ketiga hal ini yang penting dalam mengkarakterisasi warna?
jawaban :
Model HSB juga dikenal sebagai model HSV ( Hue, Saturation, Value). Model HSV
diciptakan pada tahun 1978 oleh Alvy Ray Smith. Model ini berbeda dengan Model HSL
(Hue, Saturation, Lightness/Luminosity) yang juga disebut HSI (Hue, Saturation,
Intensity) dalam hal nilai rentang jangkauan kecerahannya. Model warna HSB ( Hue,
Saturation, Brightness) mendefinisikan ruang warna dalam tiga komponen penyusun:

 Hue: Atribut warna yang menyatakan tipe warna murni dari citra (seperti kuning
murni, oranye, biru, atau kuning). Rentang nilai Hue berkisar dari 0 sampai 360 °
pada sebagian besar aplikasi. (masing-masing nilai memyatakan satu warna: 0
berwarna merah, 45 adalah warna oranye dan 55 adalah warna kuning).
 Saturation: komponen yang menyatakan intensitas warnanya / tingkat kejenuhan
dan kemurnian warna dalam kisaran nilai 0 sampai 100% (0 berarti tidak ada warna,
yaitu warna abu-abu antara hitam dan putih; 100 berarti warna intens / pekat ) .
Nilai Saturasi tersebut memberikan ukuran seberapa banyak warna murni
diencerkan dengan cahaya putih
 Brightness (atau nilai Value ): komponen yang menyatakan kecerahan
warnanya.Rentang dari 0 sampai 100% (0 selalu hitam; tergantung pada saturasi,
100 mungkin berwarna putih atau warnanya kurang atau lebih jenuh).

Pada model warna HSB, jenis warna ditentukan nilai hue (H), kemurnian atau kejenuhan
atau kepekatan warna ditentukan nilai saturation (S), sedangkan kecerahan ditentukan
oleh nilai brightness (B) sehingga mudah dipahami sesuai konsep cara pandang mata
 manusia. Mata dapat melihat berbagai jenis warna (Hue). Sedangkan kualitasnya
ditentukan oleh tingkat kecerahan (B) serta kemurnian (S)-nya. Semua jenis warna akan
tampil berwarna hitam (gelap pekat) jika tingkat kecerahan (B)-nya bernilai 0%,
sebaliknya, setiap jenis warna akan tampil berwarna putih jika tingkat kecerahan (B)-nya
bernilai 100% dan tingkat kejenuhan (S)-nya bernilai 0% seperti pada gambar dibawah
ini. Oleh karena itu yang paling menentukan warna apa yang dihasilkan adalah Hue atau
Jenis warna itu sendiri. Brightnes hanya menentukan seberapa terang dan gelap warna
itu dan saturation menentukan seberapa encer , pekat, murni warna yang dihasilkan
seperti pada gambar dibawah ini

D. Jelaskan apa yang dimaksud dengan primary color dan secondary color, dan gambarkan
warna additive primaries dan subtractive primaries
jawaban:

1. Primary Color atau Warna Primer (Pada RGB Merah, Kuning dan Biru)
Kategori pertama adalah primary color atau warna primer (utama). Dalam teori warna
tradisional (yang digunakan dalam cat dan pigmen), warna primer adalah 3 (tiga) warna
pigmen yang tidak dapat dicampur atau dibentuk oleh kombinasi warna lain. Perlu
diketahui bahwa semua warna lain berasal dari 3 hue (rona) ini.

2. Secondary Color atau Warna Sekunder (Pada RGB Hijau, Oranye dan Ungu)
Kemudian, berikutnya adalah secondary color atau warna sekunder. Ini adalah warna yang
dibentuk dengan mencampurkan warna primer.

3. Warna Additive
Warna additive adalah warna yang berasal dari cahaya dan disebut spectrum. Warna pokok
additive adalah merah (Red), hijau (Green), biru (Blue), dalam komputer disebut model
warna RGB) .Warna primer additif adalah merah, hijau dan biru. Campuran warna cahaya
merah dan hijau, menghasilkan nuansa warna kuning atau orange. Campuran hijau dan
biru menghasilkan nuansa cyan, sedangkan campuran merah dan biru menghasilkan
nuansa ungu dan magenta. Campuran dengan proporsi seimbang dari warna aditif primer
menghasilkan nuansa warna kelabu; jika ketiga warna ini di saturasi penuh, maka hasilnya
adalah warna putih. Ruang warna/model warna yang dihasilkan disebut dengan RGB (red,
green, blue). RGB didapatkan dari mengurai cahaya.

4. Warna Subtractive
Warna subtractive adalah warna yang berasal dari bahan dan disebut pigmen. Warna
pokok subtractive adalah Sian (Cyan , Magenta, dan Kuning (Yellow), dalam komputer
disebut model warna CMY. Warna ini disesuaikan dengan bahan cetakan. Media yang
menggunakan pantulan cahaya untuk untuk menghasilkan warna memakai metode
campuran warna subtraktif. Campuran kuning dan cyan menghasilkan nuansa warna hijau;
campuran kuning dengan magenta menghasilkan nuansa warna merah, sedangkan
campuran magenta dengan cyan menghasilkan nuansa biru. Dalam teori, campuran tiga
pigmen ini dalam ukuran yang seimbang akan menghasilkan nuansa warna kelabu, dan
akan menjadi hitam jika ketiganya di saturasi secara penuh, tetapi dalam praktek hasilnya
cenderung menjadi warna kotor kecoklatan. Oleh karena itu, seringkali dipakai warna
keempat, yaitu hitam, sebagai tambahan dari cyan, magenta dan kuning. Ruang warna
yang dihasilkan lantas disebut dengan CMYK (Cyan, Magenta, Yellow, Black). Hitam disebut
dengan ”K” (key) dari istilah ”key plate” dalam percetakan (plat cetak yang menciptakan
detail artistik pada gambar, biasanya menggunakan warna tinta hitam).
E. Di dalam shape feature extraction terdapat parameter seperti area, eccentricity, length
of boundary, dan chain code berikan hasil dari keempat fitur extraction terhadap gambar
dibawah ini

1 2 3 4 5 6 7 8 9 10 11

32 33 34 35 36 37 38 39 40 41 12

31 42 43 44 45 46 47 48 49 50 13

30 51 52 53 54 55 56 57 58 59 14

29 60 61 63 63 64 65 66 67 68 15

28 69 70 71 72 73 74 75 76 77 16

27 26 25 24 23 22 21 20 19 18 17

- AREA (Jumlah piksel yang ada terisi nilai piksel / ada objeknya
Area = 11 x 7 = 77
- Eccentricity (jarak garis sumbu terpanjang / jarak garis sumbu terpendek)
Eccentricity = majoraxislength / minoraxislength = 7/11

- Length of boundary (Jumlah piksel yang ada pada bagian tepinya )

boundary length = 32

- Chain code
Chain code (alur arah garis yang menghubungkan setiap titik
ujung piksel pada citra berdasarkan kode chain yang digunakan)
.
Pada pembuatan chain code titik awal dipilih secara sembarang
dari salah satu titik pada piksel terujung/ terluar objek citra.
dengan arah gerak awal nya juga bebas asalkan alirannya
sejalan secara terus menerus dan tidak terputus-putus sehingga
4-Chain
mampu membentuk objek tersebut.

Chain code= 3,3,3,3,3,3,3,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2

F. Sebutkan dan jelaskan proses image processing yang dapat diterapkan dari objek gambar
di bawah ini untuk menghasilkan output yaitu berupa jumlah objek bulat pada gambar
(gambar bulat di bawah ini adalah gambar berwarna dengan warna yang berbeda tiap
bulatan).

Jawaban :

(1) Pertama, gambar diambil dan kemudian diubah menjadi gambar skala abu-abu, demi
perhitungan cepat dan pengurangan data. (2) Pada langkah berikutnya, deteksi tepi canny
diterapkan untuk mendeteksi tepi . Tepi terdeteksi di lokasi di mana piksel memiliki
perubahan tajam dalam intensitasnya, karena beberapa piksel latar depan sama dengan
latar belakang sehingga tepinya tidak terdeteksi dengan benar. Setelah
langkah deteksi tepi masih ada beberapa noise yang disebabkan oleh latar belakang,
karena gambar tidak begitu halus dan juga memiliki perubahan pencahayaan. Pengaturan
parameter detektor tepi canny akan menghapus piksel noise ke tingkat terbesar dan tepi
objek yang diinginkan menjadi lebih jelas. (3) Langkah selanjutnya adalah menemukan
kontur tepi yang terdeteksi pada gambar. Untuk membuat kemudahan dalam langkah
selanjutnya, semua kontur digambar dengan warna putih pada latar belakang hitam,
karena memiliki visibilitas yang lebih baik dan perbedaan intensitas piksel yang lebih
besar. (4) Setelah itu transformasi Hough transform diterapkan, yang merupakan variasi
dari transformasi Hough, untuk mendeteksi kontur objek lingkaran. (5) Kemudian kontur
benda berbentuk lingkaran digambar dan diisi secara internal. (6) Transformasi Hough
sirkular sekali lagi diterapkan tetapi kali ini dengan tujuan yang berbeda, untuk
mendapatkan objek yang benar-benar terpisah. (7) Pada langkah terakhir, teknik apa pun
dapat diterapkan untuk mendeteksi gumpalan putih pada gambar. Dalam pendekatan
yang diusulkan, teknik deteksi kontur digunakan lagi untuk menghitung objek terlepas
dari bentuknya. Kemudian hasil tersebut diambil pada gambar asli untuk menampilkan
hasil akhir.
Algoritma Canny Edge Detection terdiri dari lima langkah:
(1) Menghaluskan: Pada langkah ini, gambar dikaburkan untuk menghilangkan noise,
sehingga dapat digunakan untuk diproses lebih lanjut.
(2) Menemukan gradien: Tepi harus ditandai di mana gradien gambar memiliki magnitudo
besar. Ini berarti bahwa tepi di mana intensitas gambar mengalami perubahan mendadak
akan ditandai sebagai tepi.
(3) Penindasan non-maksimum: Non-maksimum sebenarnya adalah teknik untuk
melakukan penipisan tepi. Hanya maxima lokal yang harus ditandai sebagai edge, dan
edge dengan nilainya kurang dari maksimum lokal yang dibuang untuk mendapatkan
deteksi edge yang lebih akurat dan tajam.
(4) Ambang batas ganda: Tepi potensial ditentukan oleh ambang batas. Bahkan setelah
penerapan penindasan non-maksimal, piksel tepi yang terdeteksi cukup baik untuk
menghadirkan tepi nyata. Namun, masih ada beberapa piksel tepi pada langkah ini yang
disebabkan oleh noise dan variasi warna. Untuk menghilangkan noise yang disebabkan
oleh dua faktor ini, diperlukan untuk menyaring piksel tepi yang memiliki nilai gradien
lemah dan hanya mempertahankan edge dengan nilai gradien tinggi.
(5) Pelacakan tepi dengan histeresis: Setelah melakukan semua langkah di atas, kami
memperoleh tepi yang hampir akurat tetapi masih ada tepi yang terpisah, meningkatkan
kemungkinan tepi yang terdeteksi disebabkan oleh kebisingan, sehingga tepi akhir akan
ditentukan dengan menekan semua tepi yang tidak terhubung ke tepi yang sangat pasti
atau kuat.

Deteksi kontur adalah teknik untuk mengetahui batas piksel dengan perubahan intensitas
yang tajam. Kontur terdiri dari satu set titik yang terhubung satu sama lain, kemungkinan
besar terletak pada garis objek. Deteksi kontur mengambil gambar biner sebagai input
yang merupakan output dari canny edge detector atau gambar biner yang diperoleh
dengan menerapkan teknik thresholding global pada gambar skala abu-abu. Ini
menghitung batas-batas objek, membuat hierarki kontur objek untuk menjaga catatan
lubang di dalam objek induk. Informasi ini dapat digunakan untuk mengekstrak dan
menggambar kontur apa pun tergantung pada kebutuhan pengguna.

Hough Transform The Hough Transform (HT) telah diakui sebagai alat yang sangat kuat
untuk mendeteksi kurva parametrik dalam gambar Ini diimplementasikan oleh proses
pemungutan suara yang memetakan titik tepi gambar menjadi manifold dalam ruang
parameter yang ditetapkan dengan benar. Circular Hough Transform (CHT) adalah salah
satu versi HT yang dimodifikasi. Tujuan menggunakan CHT adalah untuk menemukan pola
lingkaran dalam adegan gambar CHT digunakan untuk mengubah seperangkat titik fitur di
ruang gambar menjadi satu set suara yang terakumulasi dalam ruang parameter.
Kemudian, untuk setiap titik fitur, suara diakumulasikan dalam array akumulator untuk
semua kombinasi parameter. Elemen array yang berisi jumlah suara tertinggi
menunjukkan keberadaan bentuk. Pola lingkaran dijelaskan oleh
r = √ (x − x0) 2 + (y − y0) 2
di mana x0 dan y0 adalah koordinat pusat dan r adalah jari-jari lingkaran.