PENGOLAHAN CITRA

DIGITAL
PENINGKATAN
MUTU CITRA
PADA DOMAIN
FREKUENSI
 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
Fourier Spectra
straightforward:
– Hitung transformasi Fourier
dari citra  kalikan hasilnya Filter
dengan fungsi filter  lakukan Frekuensi Kalikan
transformasi invers untuk
mendapatkan citra hasil.

Citra Output Fourier Spectra yang

Transformasi Invers Fourier sudah diubah
LOWPASS & HIGHPASS (1)

Blurring Sharpening
(lowpass) : (highpass) :
mengurangi meloloskan
(suppress) nilai nilai frekuensi
frekuensi tinggi tinggi
Jika suatu citra banyak memiliki edge
dan noise maka nilai FT-nya pada
frekuensi tinggi akan besar.
Prinsip Lowpass Filter: Blurring LOWPASS &
(smoothing) dapat dilakukan dengan
mengurangi nilai FT pada frekuensi HIGHPASS
tinggi.
(2)
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 dengan  Citra hasil transformasi

gangguan berbentuk garis-garis: Fourier:

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)
 Image Enhancement (peningkatan
mutu citra): kita memperbaiki
tampilan citra untuk tujuan
tertentu
RESTORASI
CITRA (1) Image Restoration (restorasi
citra): kita memperbaiki suatu
citra yang terkena noise (model
noise sudah kita ketahui atau kita
duga sebelumnya)
Termasuk dalam restorasi citra
adalah menghilangkan jenis-jenis
noise yang telah kita pelajari pada
bagian transformasi.
RESTORASI
Sebagai contoh, jika kita CITRA (2)
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)