Anda di halaman 1dari 24

DIGITAL

PHOTOGRAMMETRY
FARIZ UBAIDILLAH RASYID
15109049
DEFINISI FOTOGRAMETRI DIJITAL
Fotogrametri = Penggunaan sistem fotografi di bidang survei
pemetaan untuk memastikan ukuran antar objek
Dijital = menyatakan sebagai deret angka 0 dan 1 untuk system
perhitungan tertentu
Maka berdasarkan definisi di atas, fotogrametri dijital adalah
penggunaaan sistem fotografi yang melibatkan dan atau berkaitan
dengan teknologi computer di bidang survei pemetaan
Dari segi geometri, fotogrametri dijital = pengolahan citra dijital +
fotogrametri analitis

SKEMA FOTOGRAMETRI DIJITAL
DIGITAL IMAGE
Citra dijital = citra yang terintepretasikan dalam bentuk piksel oleh
computer
Pada kenyataanya citra terdiri dari susunan angka (Digital
Numbers) yang menentukan kuantitas kadar kecerahan pada
setiap piksel
Jika citra keluaran mengandung ribuan atau jutaan piksel yang
tampak, citra memiliki warna atau rona yang kontinu
(a) The principle
of digital images.
This image has
been divided into
a pixel grid of 72
rows and 72
columns, with
each pixel being
represented by a
value from 0 (dark
black) to 255
(bright white).
A portion of the
image near the
mouth of the
statue is shown
enlarged in (b),
and
the digital numbers
associated with this
portion are listed in
(c).
Citra dijital diciptakan melalui proses yang dinamakan discrete
sampling
Discrete sampling dari suatu citra memiliki dua karakteristik utama,
resolusi geometric dan resolusi radiometric (kuantisasi dan resolusi
spectral)
Resolusi geometric (ukuran fisik dari tiap piksel) = menghasilkan
akurasi geometric, penting untuk mengenali objek citra.
Tingkat kuantisasi (8-, 10-, dan 12-bit) = menghasilkan akurasi
representasi dijital dari sinyal yang diterima.
Resolusi spectral (1-band/B&W, 3-bands/RGB, multi spectral, hiper
spectral) = menghasilkan akurasi representasi dari spectral response
pattern objek.
Masalah = penyimpanan citra dan waktu transfer citra.
IMAGE RESAMPLING
Ciitra dijital dibentuk dari pola grid atau piksel yang memiliki digital
number masing-masing
Untuk mendapatkan nilai digital number pada setiap piksel yang
sudah diintegrasikan pada koordinat tanah maka perlu dilakukan
image resampling
Pada proses image resampling diperlukan interpolasi antara digital
number yang terdapat pada system koordinat foto menjadi dijital
number yang digunakan pada system koordinat tanah
Terdapat 3 jenis image resampling : 1) nearest neighbor, 2) bilinear
interpolation, 3) bikubik interpolation
NEAREST NEIGHBOR
Digital number sistem koordinat peta dipilih berdasarkan letak pusat
piksel pada sistem koordinat foto yang terdekat

A pixel is superimposed at
a fractional location (R =
619.71, C = 493.39).
Rounding these values to
the nearest integer yields
620 and 493 for the row
and column indices.
The resampled value is 56.
BILINEAR INTERPOLATION
DN pada system koordinat peta dihitung menggunakan interpolasi
secara linear pada system koordinat foto dari dua arah sumbu
First, linearly interpolated
values DN
1
and DN
2
are
computed along rows 619
and 620, respectively.
DN
1
= 0.39(68 - 62) + 62 = 64.34
DN
2
= 0.39(59 56) + 56 = 57.17
Second, a linear
interpolation is performed in
the column directi-on,
yielding the result (DN) as
DN = 0.71(57.17 64.34) + 64.34
= 59.25
R = 619.71,
C = 493.39
Finally, since DNs are generally
integers, the value of DN is
rounded to 59.
The value differs from the DN value of 56
obtained by using the nearest-neighbor
method.
Perbandingan Nearest Neighbor
dan Bilinear Interpolation
Bicubic Interpolation / Cubic
Convolution
Explanation of this technique requires a little background in
sampling theory.
First, an assumption is made that the original signal has been
sam-pled above the Nyquist rate, which is generally satisfied
for imaging sensors.
The Nyquist rate is the sampling frequency required to faithfully
record the highest (spatial) frequency (/resolution) content of
the scene.
Given this assumption, the sinc function allows an (almost)
exact reconstruction of the original scene.
11
(radian)
If the images had an infinite
num-ber of rows and
columns, and
all pixels were used for the
inter-polation,
the sinc function would yield a
per-fect reconstruction.
Cubic Spline Interpolation (1)
Practically dictates that interpolations be carried out using
only small neighborhoods surrounding the interpolated
pixel.
A cubic spline approximation to the sinc function is the form
gene-rally used for bicubic interpolation.
12
f
1
(x)
f
2
(x)
f
3
(x)
Note that the cubic
spline most nearly
approximates the sinc
function, whereas
bilinear and nearest-
neighbor interpolation
are less consistent
approximations.
13
The functional relationship :
f
1
(x) = (a + 2)x
3
(a + 3)x
2
+1 for 0 x 1 (E-4)
f
2
(x) = ax
3
5ax
2
+ 8ax 4a for 1 x 2 (E-5)
f
3
(x) = 0 for x 2 (E-6)
where :
a = free parameter equal to slope of weighting function
at x = 1 (generally a = -0.5 yields best results),
x = absolute value of difference between whole-number
row or column and fractional row or column.
The computational process is analogous to that of
bilinear interpolation in that it performed first along the
rows and then down the single, fractional column.
Cubic Spline Interpolation (2)
The computation are conveniently expressed in matrix form :
14
The Computation of Cubic Spline Interpolation (1)
| | 7) - (E
(
(
(
(

(
(
(
(

=
4
3
2
1
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
4 3 2 1
c
c
c
c
d d d d
d d d d
d d d d
d d d d
r r r r rDc
where :
r and c vectors consist of coefficients derived from Eqs. (E-4)
and (E-5), and
D matrix contains the digital numbers from 4 X 4 neighborhood
surrounding in the interpolated pixel.
Interpolating across the rows (based on the fractional column
position) is done by forming the product Dc.
Subsequently, r is multiplied by the product to obtain the final
interpolated value. (Interpolating across the columns)
Hasil yang didapatkan adalah 60.66 dan dibulatkan menjadi 61
Hasil yang didapatkan akan berbeda untuk setiap metode yang dipilih
R = 619.71,
C = 493.39
| | 66 60
04639 0
41022 0
70873 0
07256 0
49 50 45 52
53 59 56 51
58 68 62 53
65 65 54 58
07309 0 82633 0 27662 0 02986 0 .
.
.
.
.
. . . . =
(
(
(
(

(
(
(
(

= rDc
Perbandingan Metode Image
Resampling
Kelebihan Kekurangan
Nearest-neighbor -Merupakan metode
paling cepat
-Tidak merubah citra
data orisinal
-Penampakan hasil
seperti terkotakkan atau
kasar
Bilinear -Penampakan hasil lebih
halus
-Lebih cepat dibanding
metode Bicubic
-Tepi wilayah sulit terlihat
-Lebih lambat
dibandingkan Nearest-
neighbor
Bicubic -Metode sampling yang
paling teliti
-Hasil yang didapat
paling halus tanpa
menghilangkan detail
tepi
-Paling lambat
dibandingkan metode
lain
IMAGE MATCHING
Digital image matching yaitu pencarian titik/obyek yang sama dari
suatu foto lainnya dengan menggunakan perangkat lunak
computer
Terdapat 3 kategori digital image matching :
1) Metode area-based
2) Metode feature-based
3) Metode hybrid

Area-based
1) melakukan perbandingan secara numeris dari DN dalam
subarrays pada citra
2) pendekatan paling umum digunakan dalam system softcopy
Feature-based
1) mencakup pencocokan objek dengan mengidentifikasi cirinya
dalam skala yang berbeda, kemudian melakukan perbandingan
bentuk dan ukuran
2) perlu kecerdasan lebih dalam mengoperasikan computer
3) lebih rumit dibandingkan metode area-based
Hybrid
1) kombinasi metode area-based dan feature-based
2) penentuan bagian tepi merupakan pra-pengolahan dari citra
kanan dan kiri
3) pencocokan citra dilakukan dengan metode area-based
NORMALIZED CROSS-CORRELATION
METHOD
Merupakan metode tersimpel dalam penggunaan metode area-
based
Perbandingan statistic dihitung berdasarkan DN yang diambil dari
subarrays yang berukuran sama pada citra kanan dan citra kiri

NORMALIZED CROSS-CORELATION
METHOD

B A
AB
m
1 i
n
1 j
2
ij
m
1 i
n
1 j
2
ij
m
1 i
n
1 j
ij ij
B B A A
B B A A
c
o o
o
=
(
(

|
.
|

\
|

(
(

|
.
|

\
|

(

= = = =
= =
__ __
__ __
) )( (
c : correlation coefficient ;
m and n : the numbers of rows and columns in the subarrays ;
A
ij
: the digital number from subarray A at row i, column j ;
B
ij
: the digital number from subarray B at row i, column j ;

. subarray in numbers digital all of average the :
. subarray in numbers digital all of average the :
B
A
B
A
The correlation coefficient : -1 c +1

c = +1, perfect correlation
an exact match

c = -1, negative correlation
identical images from negative & positive

c near zero indicate a nonmatch
comparison of any two sets of random numbers

Usually c < +1, e.g. because of image noise

General threshold value : 0.7
If the c > 0.7, the subarrays are assumed to match.
21
Normalized Cross-Correlation Method
Pada kenyataannya mencocokkan obyek pada beberapa citra
bukan merupakan hal yang mudah
Beberapa elemen dapat terlihat berbeda pada tiap citra
dikarenakan masalah yang berkatian dengan : 1) sensor kamera
(noise), 2) citra tampak (halangan, pantulan pada terrain)
Distorsi geometric terjadi dikarenakan :
1) perbedaan skala antar 2 foto/citra
2) perbedaan parameter rotasi antar 2 foto/citra
3) efek kemiringan permukaan
4) relief displacement
PENGGUNAAN IMAGE MATCHING
PADA FOTOGRAMETRI
Proses orientasi dalam dan relatif -> mencari pasangan titik untuk
diamati
Proses triangulasi udara -> mencari pasangan titik ikat yang muncul
pada setiap foto
Pembentukan DTM (Digital Terrain Model) -> mencari pasangan titik
foto untuk posisi titk DTM
Proses produksi orthofoto dijital -> pada saat mencari titk/obyek
yang sama pada tiap citra agar dapat digabungkan dengan baik
Digitasi pada layar monitor -> pembentukan peta garis dari citra
dijital
SELESAI