Pengolahan Citra Digital

Representasi Citra

1
Persepsi Visual
Fovea dapat dianalogkan
kotak sensor array seluas
1.5 mm x 1.5 mm
Total cone 150.000/mm2
Tingkat kepadatan receptor (cones dan rods)

2
 Formasi Citra pada Mata

Tinggi bayangan pohon pada retina h:

15/100 = h/17  2.55 mm

3
 Sistem Visual Manusia

Pembentukan Citra oleh Sensor Mata

Intensitas cahaya ditangkap oleh diagram iris
dan diteruskan ke bagian retina mata.
Bayangan obyek pada retina mata dibentuk
dengan mengikuti konsep sistem optik dimana
fokus lensa terletak antara retina dan lensa
mata.
Mata dan syaraf otak dapat menginterpretasi
bayangan yang merupakan obyek pada posisi
terbalik.
4
 Sistem Visual Manusia
Fovea di bagian retina terdiri dari dua jenis receptor:
Sejumlah cone receptor, sensitif terhadap warna, visi cone
disebut photocopic vision atau bright light vision
Sejumlah rod receptor, memberikan gambar keseluruhan
pandangan dan sensitif terhadap iluminasi tingkat rendah,
visi rod disebut scotopic vision atau dim-light vision
Blind Spot
adalah bagian retina yang tidak mengandung receptor
sehingga tidak dapat menerima dan menginterpretasi
informasi
5
 Sistem Visual Manusia
Subjective brightness
Merupakan tingkat kecemerlangan yang dapat ditangkap sistem
visual manusia;
Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke
mata manusia;
Mempunyai daerah intensitas yang bergerak dari ambang scotopic
(redup) ke ambang photocopic (terang).
Brightness adaption
Merupakan fenomena penyesuaian mata manusia dalam
membedakan gradasi tingkat kecemerlangan;
Batas daerah tingkat kecemerlangan yang mampu dibedakan secara
sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah
tingkat kecemerlangan sebenarnya.
6
 Data Acquisition
Sistem Perekaman Citra
Citra yang diperoleh tergantung:
karakteristik dari obyek yang direkam;
kondisi variabel dari sistem perekaman;
Citra merupakan gambaran tentang karakteristik suatu obyek
menurut kondisi variabel tertentu;
Contoh:
bandingkan hasil foto manusia dengan kamera / sensor optik dan
dengan sensor sinar X (kondisi variabel sistem berbeda);
bandingkan hasil foto pemandangan di tepi laut dan di daerah
pegunungan (karakteristik obyek berbeda).
7
 Pengertian Sensor Aktif dan Pasif
Sensor Pasif
Sistem sensor yang merekam data obyek tanpa mengirimkan
energi, sumber energi bisa dalam bentuk sinar matahari, sinar
lampu, dlsb.nya;
Contoh: sensor optik dari kamera foto, sensor optik pada
sistem inderaja.
Sensor Aktif
Sistem sensor yang merekam data obyek mengirimkan dan
menerima pantulan dari enersi yang dikirim ke arah obyek,
enersi yang dikirim bisa berupa gelombang pendek, sinar X,
dlsb.nya;
Contoh: sensor Rontgen untuk foto thorax, sensor gelombang
pendek pada sistem radar, sensor ultrasound pada sistem USG.

8
 Definisi Citra Digital

Suatu citra bisa didefinisikan sebagai fungsi

2D, f(x,y), dengan :
x dan y adalah koordinat spasial
amplitudo f pada pasangan koordinat (x,y) yang
disebut intensitas atau tingkat keabuan citra
pada titik tersebut
Jika x, y dan f semuanya berhingga, dan
nilainya diskrit, kita menyebut citra tersebut
sebagai citra digital.

9
 Pengolahan Citra Digital

Citra digital tersusun atas sejumlah berhingga

elemen, masing-masing memiliki lokasi dan
nilai/intensitas tertentu. Elemen-elemen ini
disebut elemen gambar, elemen citra, pels, dan
juga piksel.
Bidang ilmu pengolahan citra digital merujuk
pada pemrosesan citra digital menggunakan
komputer digital. Citra digital yang bisa diproses
mencakup hampir keseluruhan spektrum
gelombang elektromagnetik, mulai dari sinar
gamma sampai gelombang radio.

10
 Pengertian Citra Dijital
Citra Dijital
Citra dijital merupakan fungsi intensitas cahaya f(x,y),
dimana harga x dan y merupakan koordinat spasial dan
harga fungsi tersebut pada setiap titik (x,y) merupakan
tingkat kecemerlangan citra pada titik tersebut;
Citra dijital adalah citra f(x,y) dimana dilakukan diskritisasi
koordinat spasial (sampling) dan diskritisasi tingkat
kecemerlangannya/keabuan (kwantisasi);
Citra dijital merupakan suatu matriks dimana indeks baris
dan kolomnya menyatakan suatu titik pada citra tersebut
dan elemen matriksnya (yang disebut sebagai elemen
gambar / piksel / pixel / picture element / pels) menyatakan
tingkat keabuan pada titik tersebut.

11
 Pengertian Citra Dijital

Sampler

Citra kontinue Citra dijital Matriks citra dengan obyek angka 5

Resolusi spasial : Resolusi kecemerlangan :

Tinggi (16 x 16) Rendah (8 x 8) Tinggi (4) Rendah (2)
12
 Resolusi Spasial dan Kecemerlangan/Brightness

Resolusi Citra
Dikenal: resolusi spasial dan resolusi kecemerlangan,
berpengaruh pada besarnya informasi citra yang hilang.
Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris
dan kolom. Transformasi citra kontinue ke citra dijital
disebut dijitisasi (sampling). Hasil dijitisasi dengan jumlah
baris 256 dan jumlah kolom 256 - resolusi spasial 256 x 256.
Resolusi kecemerlangan (intensitas / brightness): halus /
kasarnya pembagian tingkat kecemerlangan. Transformasi
data analog yang bersifat kontinue ke daerah intensitas
diskrit disebut kwantisasi. Bila intensitas piksel berkisar
antara 0 dan 255 - resolusi kecemerlangan citra adalah 256.

13
 Resolusi Spasial - Sampling
Sampling Uniform dan Non-uniform
Sampling Uniform mempunyai spasi (interval) baris dan
kolom yang sama pada seluruh area sebuah citra.
Sampling Non-uniform bersifat adaptif tergantung
karakteristik citra dan bertujuan untuk menghindari
adanya informasi yang hilang. Daerah citra yang
mengandung detil yang tinggi di-sampling secara lebih
halus, sedangkan daerah yang homogen dapat di-
sampling lebih kasar. Kerugian sistem sampling Non-
uniform adalah diperlukannya data ukuran spasi atau
tanda batas akhir suatu spasi.

14
 Palet Warna
Bagaimana sebuah citra direpresentasikan dalam file?
Pertama-tama seperti halnya jika kita ingin melukis sebuah
gambar, kita harus memiliki palet dan kanvas
Palet: kumpulan warna yang dapat membentuk citra, sama
halnya seperti kita hendak melukis dengan cat warna, kita
memiliki palet yang bisa kita isikan berbagai warna cat air
Setiap warna yang berbeda dalam palet tersebut kita beri
nomor (berupa angka)
Contoh untuk citra monokrom (warnanya hanya putih-abuabu-
hitam), berarti kita memiliki palet sbb:
 Kanvas & Matriks
Setelah itu kita dapat menggambar menggunakan warna-
warna dalam palet tersebut di atas sebuah kanvas
Sebuah kanvas dapat kita anggap sebagai sebuah matriks
dimana setiap elemen dari matriks tersebut bisa kita isikan
dengan salah satu warna dari palet
Informasi tentang palet (korespondensi antara warna
dengan angka) disimpan dalam komputer (program
pembuka citra seperti Paint, Photoshop, dll) sehingga
sebuah file citra dalam komputer hanya perlu menyimpan
angka-angka yang merepresentasikan sebuah warna.
 sebuah citra direpresentasikan dalam sebuah matriks
yang berisi angka-angka
 Contoh

201 188 181 185 180 147 140 149 155 138 144 144 145
199 200 201 188 139 132 147 150 143 123 112 102 117
207 221 222 136 90 111 125 145 140 138 122 104 97
231 219 200 90 65 84 84 107 95 92 92 99 89
227 223 181 74 72 89 92 86 77 63 50 55 65
217 211 166 85 47 75 82 83 75 42 42 39 40 =
208 195 179 131 54 68 66 72 46 21 15 24 19
198 187 181 141 53 54 55 59 37 21 37 66 90
195 184 170 134 52 38 42 45 35 43 98 152 172
186 175 171 169 100 34 34 27 44 85 139 170 184
167 156 142 144 112 48 32 46 84 133 166 172 186
142 139 131 120 108 67 30 76 102 123 153 171 178
145 134 128 125 117 70 38 91 101 105 125 146 157
 Alur
Jika kita menyimpan gambar kucing tadi ke dalam sebuah file
(kucing.bmp), maka yang disimpan dalam file tersebut adalah angka-
angka yang diperoleh dari matriks kanvas.

File kucing.bmp:
Header
Angka- input
angka dari
matriks

Program pembuka citra

(Paint, Photoshop, dll) Ditampilkan di layar

Informasi palet dan format file citra

 Representasi dalam File
Untuk Windows Bitmap Files (.bmp)
Ada header berisi informasi jumlah baris dan kolom dalam
citra, informasi palet, dll
Header langsung diikuti dengan angka-angka dalam matriks,
disusun perbaris
Baris pertama langsung diikuti baris kedua, dst
Bagaimana mengetahui awal suatu baris? (misal untuk
membedakan citra berukuran 100x200 dengan 200x100) 
lihat informasi jumlah baris dan jumlah kolom di header
Header Baris 1 ….. Baris terakhir
 Representasi dalam File
Ada bermacam format representasi citra dalam file, seperti bmp, tif,
jpg, dan sebagainya.
Format BMP merupakan format yang kurang efisien, karena semua
informasi angka dalam baris disimpan semua. Misalkan ukuran header
adalah H byte, ukuran citra 100x100 byte monokrom, maka ukuran file
bmp tersebut adalah : H + data citra = H + 10000 Byte
Bagian data citra (10000 byte) sebenarnya bisa dikompresi agar ukuran
file tidak terlalu besar. Salah satu cara kompresi adalah dengan terlebih
dahulu mentransformasikan citra ke ruang yang berbeda (contoh:
format file JPEG)
Topik ini lebih lanjut akan kita bahas di bahasan tentang Transformasi
Kaitannya dengan frekuensi?
Citra  ambil 1 baris  plot (sumbu x: posisi piksel dalam
baris, sumbu y: intensitas keabuan/warna)
Columns 1-9 : 71 70 70 70 73 77 81 83 73
……………………..
Columns 307-315: 92 93 84 93 96 79 121 218 232
Columns 316-324: 233 74 0 11 24 14 14 13 11
……………………..
Columns 397 through 400 : 24 8 13 15
 Kaitannya dengan Frekuensi?

Frekuensi dapat dilihat perbaris

dan perkolom atau perbidang
 Digitizing an image
Column of samples
Pixel 255
Black
Line

Line Spacing Gray 128

White 0
Sample Spacing
Picture Sampling process
Brightness Spacing
Spatial resolution
Proses Kwantisasi
Brightness Resolution
Sumber: Dimodifikasi dari Castlemen, 1996

23
Resolusi Kecemerlangan - Kwantisasi
Kwantisasi Uniform, Non-uniform, dan Tapered
Kwantisasi Uniform mempunyai interval pengelompokan
tingkat keabuan yang sama (misal: intensitas 1 s/d 10
diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya).
Kwantisasi Non-uniform: Kwantisasi yang lebih halus
diperlukan terutama pada bagian citra yang meng-
gambarkan detil atau tekstur atau batas suatu wilayah
obyek, dan kwantisasi yang lebih kasar diberlakukan pada
wilayah yang sama pada bagian obyek.
Kwantisasi Tapered: bila ada daerah tingkat keabuan
yang sering muncul sebaiknya di-kwantisasi secara lebih
halus dan diluar batas daerah tersebut dapat di-
kwantisasi secara lebih kasar (local stretching).
24
 Level Pemrosesan
Tiga tipe proses komputasi :
Low-level
Mid-level
High-level
Proses low-level
mencakup operasi-operasi primitif seperti :
preprosesing citra untuk mengurangi noise
perbaikan kekontrasan
penajaman citra.
Ciri dari proses low-level adalah input maupun
outputnya berupa citra.
25
 Level
Proses mid-level
Pemrosesan
Mencakup tugas-tugas seperti:
segmentasi (mempartisi citra ke dalam region-
Region atau objek-objek)
Deskripsi objek-objek tersebut menjadi bentuk
yang sesuai untuk pemrosesan komputer
Klasifikasi (pengenalan) objek.
Ciri dari proses mid-level:
inputnya citra
outputnya adalah atribut-atribut yang diekstrak
dari citra (misal: edges, contours).

26
 Level Pemrosesan
Proses high-level
Menjadikan objek-objek yang dikenali dari
citra menjadi berguna, terkait tugas-tugas
manusia yang biasa diselesaikan dengan
memanfaatkan vision (mata) manusia.
Misal sistem absensi sidik jari, sistem
pengaturan lalu lintas, pengorganisasian
basisdata citra berukuran besar menggunakan
content-based image retrieval.
Kuliah ini hanya mencakup pemrosesan
low-level dan mid-level.
27
Proses Digitalisasi

28
 Sampling dan Kuantisasi Citra

Output dari kebanyakan sensor berbentuk

gelombang tegangan kontinyu. Untuk
mendapatkan gambar digital, kita perlu
mengkonversi data kontinyu tersebut ke
dalam bentuk digital. Konversi ini mencakup
dua proses, yaitu sampling dan kuantisasi.
Sampling : merubah nilai koordinat/posisi dari
kontinyu ke digital.
Kuantisasi : merubah nilai
amplitudo/intensitas dari kontinyu ke digital.

29
Sampling dan Kuantisasi Citra

30
Representasi Citra Digital

31
Representasi Citra Digital
Diasumsikan bahwa
suatu citra f(x,y) di-
sampling sehingga
menghasilkan citra
digital berukuran M
baris dan N
kolom.
Gambar disamping
adalah aturan
Koordinat yang
digunakan untuk
merepresentasikan
citra digital.

32
 Representasi Citra Digital
Citra digital M x N secara lengkap bisa ditulis
dalam bentuk matriks sebagai berikut :

33
 Representasi Citra Digital

M dan N adalah ukuran baris dan kolom. Sedangkan L adalah

tingkat keabuan untuk setiap piksel. M dan N harus integer
positif. Nilai L biasanya integer kelipatan 2 (L=2k), berkaitan
dengan kemudahan pemrosesan, penyimpanan, dan
pertimbangan hardware untuk sampling dan kuantisasi
Jumlah bit yang diperlukan untuk menyimpannya adalah
MxNxk.

34
 Resolusi Spasial

Suatu citra digital berlevel L dengan ukuran M x N memiliki

resolusi spasial M x N piksel dan resolusi tingkat keabuan
pada level L. Efek memvariasikan ukuran spasial pada suatu
citra digital bisa dilihat pada Gambar 2.19.

35
 Tingkat Keabuan

Efek memvariasikan tingkat keabuan pada suatu citra digital antara

256, 128, 64, 32, 16, 8, 4, dan 2 (hitam dan putih atau citra biner).

36
 Pembesaran dan
Penyusutan Citra Digital

Pembesaran memerlukan dua langkah :

Menciptakan lokasi piksel yang baru
Memberikan intensitas/tingkat keabuan pada lokasi
baru tersebut dengan salah satu dari metode
berikut:
1. Nearest neighbor interpolation
2. Pixel replication
3. Bilinier interpolation
Penyusutan dilakukan dengan cara kebalikan
dari pembesaran.

37
 Tetangga Piksel

Suatu piksel p pada koordinat (x,y)

memiliki empat tetangga horisontal dan
vertikal dengan koordinat sebagai
berikut:
(x+1,y),(x-1,y),(x,y+1),(x,y-1)
Himpunan piksel tetangga disebut
tetangga-4 dari p dan dinyatakan
dengan N4(p).

38
 Tetangga Piksel

Empat tetangga diagonal dari p

memiliki koordinat sebagai berikut :
(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1)
Dan dinyatakan dengan ND(p).
ND(p) bersama-sama dengan N4(p)
disebut tetangga-8 dari p, dan
dinyatakan dengan N8(p).

39
 Adjacency
Misal V adalah himpunan tingkat keabuan yang
digunakan untuk mendefinisikan adjacency. Terdapat
tiga tipe adjacency :
1. 4-adjacency. Dua piksel p dan q yang memiliki tingkat keabuan
V adalah 4-adjacency jika qadalah anggota himpunan N 4(p).
2. 8-adjacency. Dua piksel p dan q yang memiliki tingkat keabuan
V adalah 8-adjacency jika q adalah anggota himpunan N 8(p).
3. m-adjacency (mixed adjacency). Dua piksel p dan q yang
memiliki tingkat keabuan V adalah m-adjacency jika
q adalah anggota himpunan N4(p), atau
q adalah anggota himpunan ND(p) dan himpunan N4(p) N4(q)
tidak memiliki piksel yang memiliki tingkat keabuan V.

40
 Adjacency
Mixed adjacency merupakan modifikasi dari
8-adjacency. Mixed-adjacency digunakan
untuk mengeliminasi kebingungan yang
sering muncul ketika digunakan 8-adjacency.
0 1 1 0 1 1 0 1 1
0 1 0 0 1 0 0 1 0
0 0 1 0 0 1 0 0 1

Piksel-piksel Piksel-piksel Piksel-piksel

yang 8-adjacent yang m-adjacent

41
 Adjacency
Dua subhimpunan citra S1 dan S2
adalah adjacent jika sebagian piksel
dalam S1 adjacent dengan sebagian
piksel dalam S2.

42
 Path
Path dari piksel p dengan koordinat (x,y) ke
piksel q dengan koordinat (s,t) adalah
serangkaian piksel dengan koordinat :
(x0,y0),(x1,y1),…,(xn,yn)
dengan (x0,y0)=(x,y), (xn,yn) =(s,t), serta piksel
(xi,yi) dan (xi-1,yi-1) adalah adjacent untuk 1 < i <
n. Dalam kasus ini, n adalah panjang path. Jika
(x0,y0) = (xn,yn), maka path adalah path tertutup.
4-, 8-, atau m-path, definisinya tergantung pada
jenis adjacency yang digunakan.

43
 Connected Component

Jika S adalah subset dari suatu citra. Dua

piksel p dan q dikatakan connected dalam S,
jika terdapat path yang menghubungkan p
dan q melalui piksel-piksel di dalam S.
Untuk sembarang piksel p di dalam S,
himpunan piksel yang connected dengan p di
dalam S disebut connected component dari S.
Jika hanya terdapat satu buah connected
component, maka S disebut connected set.

44
 Region
Misalkan R adalah subset dari sebuah citra, maka
R disebut sebuah region jika R adalah connected
set.
Boundary (border, contour) dari region R adalah
himpunan piksel di dalam region R yang memiliki
satu atau lebih tetangga yang bukan R.
Jika R adalah keseluruhan citra, maka boundary-
nya didefinisikan sebagai himpunan piksel pada
baris pertama dan terakhir serta kolom pertama
dan terakhir.
Boundary membentuk path tertutup, tetapi edge
tidak selalu.

45
 Jarak Piksel
Untuk piksel p, q, dan z dengan koordinat (x,y), (s,t),
dan (v,w). D adalah fungsi jarak jika :
D(p,q) ≥ 0 (D(p,q)=0 iff p=q)
D(p,q) = D(q,p), dan
D(p,z) ≤ D(p,q) + D(q,z)
Fungsi jarak D antara p dan q yang bisa digunakan :
 
1
Jarak Euclidean : De ( p, q )   x  s    y  t 
2 2 2

Jarak city-block :
D4 ( p, q )  x  s  y  t
Jarak chessboard :
D8 ( p, q )  max x  s , y  t 

46
 Operator Linear dan
Nonlinear

Misalkan H adalah operator yang input dan ouputnya

adalah citra. H adalah operator liniear jika :
H(af+bg)=aH(f)+bH(g)
Contoh :
Operator yang fungsinya menghitung jumlah dari K citra adalah
operator linier.
Operator yang fungsinya menghitung nilai absolut dari beda
dua citra adalah operator nonlinier.
Operasi linier didasarkan pada hasil praktis dan
perumusan teoritis yang terdefinisi dengan baik.
Operasi nonlinier kadang-kadang memiliki performance
yang lebih baik, meskipun tidak selalu dapat diprediksi
dan tidak didasarkan pada hasil perumusan teoritis yang
terdefinisi dengan baik.

47
 Referensi
Bab 2, “Introduction dan Digital Image
Fundamentals”, Digital Image
Processing, Rafael C. Gonzalez dan
Richard E. Woods, Prentice Hall, 2002

48