Pengolahan Citra Digital

Peningkatan Mutu Citra

Pada Domain Frekuensi

Dr. Aniati Murni (R.1202)

Dina Chahyati, M.Kom (R.1226)
Universitas Indonesia
2004
 Image Enhancement

Spatial Domain Frequency Domain

I. Fourier Spectra II. Wavelet

Lowpass Filter

a. Ideal

b. Butterworth

Highpass Filter

c. Ideal

d. Butterworth
 I. Fourier Spectra
Citra Input
 Peningkatan mutu citra pada
domain frekuensi Fourier Transformasi Fourier
dilakukan secara
straightforward: Fourier Spectra
 Hitung transformasi Fourier
dari citra  kalikan hasilnya
dengan fungsi filter  Filter
lakukan transformasi invers Frekuensi Kalikan
untuk mendapatkan citra
hasil.

Citra Output Fourier Spectra yang

Transformasi Invers Fourier sudah diubah
 Lowpass & Highpass (1)

 Blurring (lowpass) : mengurangi (suppress)

nilai frekuensi tinggi
 Sharpening (highpass) : meloloskan
nilai frekuensi tinggi
 G(u,v) = H(u,v)F(u,v)
 Lowpass & Highpass (2)
 Jika suatu citra banyak memiliki edge dan
noise maka nilai FT-nya pada frekuensi
tinggi akan besar.
 Prinsip Lowpass Filter: Blurring
(smoothing) dapat dilakukan dengan
mengurangi nilai FT pada frekuensi tinggi.
 Semakin tinggi frekuensi, semakin besar
nilai (u,v)  (semakin jauh dari titik origin
(0,0))
 Ia. Ideal Lowpass filter
 H(u,v) = 1 if
D(u,v) ≤ D0
= 0 if
D(u,v) > D0
 D0 adalah nilai
ambang (cutoff
frequency locus,
nilainya > 0)
 D(u,v) adalah
jarak (u,v)
terhadap titik
origin. D(u,v) =
(u2+v2)1/2
Ia. Contoh ideal lowpass filtering
Ib. Butterworth Lowpass Filter
1
H (u, v) 
1  [ D(u , v) / D0 ]2 n
n  orde
Ib. Contoh Butterworth lowpass filt.
Ic. Ideal Highpass Filter
 H(u,v) = 0 if D(u,v) ≤ D0
= 1 if D(u,v) > D0
Id. Butterworth Highpass Filter
1
H (u, v) 
1  [ D0 / D(u , v)]2 n
n  orde
 Domain Spasial Domain Frekwensi

 Kita dapat membuat mask spasial dari

filter pada domain frekuensi
 Dengan demikian, hasil yang diperoleh
dari pemrosesan pada domain spasial
sama dengan hasil yang diperoleh dari
pemrosesan pada domain frekuensi
Contoh
 Transformasi Fourier dan
Image Enhancement (1)
 Contoh citra masukan  Citra hasil transformasi
dengan gangguan berbentuk Fourier:
garis-garis:

14
 Transformasi Fourier dan
Image Enhancement (2)

 Citra hasil transformasi  Citra hasil perbaikan:

Fourier setelah dihilangkan
gangguannya:

15
 Transformasi Fourier dan
Image Enhancement (3)

 Baris atas: Citra blur pada

hasil transformasi Fourier
kelihatan mengandung
komponen frekwensi
tinggi lebih sedikit
 Baris bawah: Citra sharp
pada hasil transformasi
Fourier kelihatan
mengandung komponen
frekwensi tinggi lebih
banyak

16
 Transformasi Fourier dan
Image Enhancement (4)

 Citra masukan dengan  Citra hasil perbaikan:

gangguan band stripes:

17
II. Wavelet
 Dekomposisi wavelet pada setiap level akan
menghasilkan 4 buah informasi:
 A: bagian aproksimasi (low freq)
 H: bagian detail horizontal (high freq)
 V: bagian detail vertikal (high freq)
 D: bagian detail diagonal (high freq)
 Lowpass (membiarkan lolos bagian low freq):
ambil bagian A nya
 Highpass (membiarkan lolos bagian high
freq): ambil bagian detailnya (H,V,D)
 Restorasi Citra (1)

 Image Enhancement (peningkatan

mutu citra): kita memperbaiki tampilan
citra untuk tujuan tertentu
 Image Restoration (restorasi citra): kita
memperbaiki suatu citra yang terkena
noise (model noise sudah kita ketahui
atau kita duga sebelumnya)
Restorasi Citra (2)
 Termasuk dalam restorasi citra adalah
menghilangkan jenis-jenis noise yang telah
kita pelajari pada bagian transformasi.
 Sebagai contoh, jika kita mengetahui bahwa
noise bersifat periodik dan menyeluruh pada
citra, maka kita bisa menghilangkannya
dengan transformasi Fourier.
Contoh Restorasi Citra
 Restorasi Area Berawan

Citra Optik Berawan Klasifikasi Citra Radar Restorasi Citra Optik

(Sumber: Bakosurtanal RI; Area: Teluk Belantung)