Pengolahan Citra Digital

Konsep Pengolahan Citra Digital

Prajanto Wahyu Adi
prajanto@dsn.dinus.ac.id
prajanto.blog.dinus.ac.id
Tim Pengampu Mata Kuliah Pengolahan Citra Digital
+689 6263 57775
2020
Kontrak Kuliah

• Nilai
• Tugas : 50%
• UTS : 20%
• UAS : 30%
• Kehadiran minimal 75%
• Wajib mengikuti Responsi Tugas Besar dan Presentasi
• Jika ditemukan indikasi plagiarisme/penjiplakan, dalam tugas
atau ujian, akan diberi sanksi nilai ‘E’
Kontrak Kuliah
• Etika Berkomunikasi:
• Jam Kerja Dosen: Senin – Jum’at (07.00 – 16.00)
• Gunakan SMS atau E-mail: prajanto@dsn.dinus.ac.id
• Sertakan NIM, Nama, Kelompok kelas
• Gunakan bahasa yang sopan dan baku
 Rencana Kegiatan Perkuliahan Semester
# Pokok Bahasan # Pokok Bahasan
8
1 Konsep Dasar PCD 9 Kompresi Citra

2 10
3 Peningkatan Kualitas Citra Segmentasi Citra
11
4 Perbaikan Citra
12
5 Transformasi Fourier 13 Pengenalan Pola
6 Transformasi Cosine
7 Responsi 14 Presentasi Tugas Besar
Ujian Tengah Semester Ujian Akhir Semester
Mengapa Belajar PCD?
• Banyak bidang ilmu pengetahuan yang memerlukan perekaman citra digital
• Citra yang didapatkan tidak selalu sesuai dengan kebutuhan
• Diperlukan proses untuk mengolah citra supaya memenuhi kebutuhan
Mengapa Belajar PCD?
• Pengolahan citra digital mempelajari:
• Peningkatan kualitas citra
• Perbaikan citra
• Kompresi citra
• Segmentasi citra
• Pengenalan Pola
Kemampuan yang Harus Dikuasai Sebelumnya

• Matrix
• Operasi Matrix
Buku Teks
• Solomon, C., & Breckon, T. (2010). Fundamentals of Digital
Image Processing.

• Gonzalez, R., & Woods, R. (2008). Digital Image Processing,

Third Edition.
Content
1 • Citra Digital

2 • Hubungan dengan Disiplin Ilmu Lain

3 • Representasi Citra Digital

4 • Citra Biner, Keabuan, & Warna

5 • Sampling dan Kuantisasi

6 • Aplikasi Citra Digital

Citra ? • L*ti*n Citra?

• Citra K*r*n*?
Citra Digital
• Citra adalah representasi visual dari sebuah objek. Citra juga dapat didefinisikan sebagai sebuah
fungsi 2 dimensi f(x,y), dimana x dan y adalah koordinat spasial dan f besaran pada setiap pasang
koordinat (x,y) yang disebut intensitas atau tingkat/derajat keabuan.
• Jika semua x, y, dan f adalah berhingga dan dalam jumlah diskrit maka citra tersebut disebut sebagai
Citra Digital (Gonzalez & Woods, 2008)
Citra Digital
• Sebuah citra digital direpresentasikan melalui Piksel (pixel) adalah kependekan dari ‘picture element’
yang diindeks sebagai lokasi (x,y) atau column-row (c,r) pada citra.
• Piksel merepresentasikan unsur elemen terkecil dalam citra digital dan bernilai numerik yang
merupakan informasi dasar dalam citra
 Hubungan dengan Disiplin Ilmu Lain
Pengolahan Citra (Image
Citra Citra
Processing)

Computer Computer
Graphics Vision

Deskripsi Deskripsi
Hubungan dengan Disiplin Ilmu Lain
Computer Graphics
• Input : Deskripsi
• Output : Citra
Hubungan dengan Disiplin Ilmu Lain
Computer Vision
• Input : Citra
• Output : Deskripsi
Hubungan dengan Disiplin Ilmu Lain
Computer Vision
• Input : Citra
• Output : Deskripsi
Hubungan dengan Disiplin Ilmu Lain
Pengolahan Citra
• Input : Citra
• Output : Citra
Hubungan dengan Disiplin Ilmu Lain
Pengolahan Citra
• Input : Citra
• Output : Citra
Representasi Citra Digital
• Contoh: citra dengan ukuran x dan y sebesar 512 x 512 piksel dengan kedalaman sebesar 8-bit yang
mempunyai nilai rentang nilai sebesar 28 = 256, dari 0 hingga 255.
Representasi Citra Digital
• Nilai piksel pada lokasi (253, 262) sebesar 33dapat dituliskan dengan f(253, 262) = 33
Representasi Citra Digital
• Nilai 33 adalah tingkat intensitas cahaya, semakin tinggi nilai intensitas maka semakin cerah
(mendekati warna putih) piksel pada lokasi tersebut
Representasi Citra Digital
• Pada citra warna, setiap piksel terdiri dari 3 elemen warna yakni: Red (merah), Green (hijau), dan
Blue (biru) atau yang lebih dikenal dengan istilah RGB
Representasi Citra Digital
• Pada citra RGB jika semua elemen warna mempunyai nilai yang rendah maka akan menghasilkan
warna gelap dan sebaliknya
Representasi Citra Digital
• Piksel pada lokasi (253, 262) mempunyai 3 nilai yakni: Red = 62, Green = 29, Blue = 32 atau dapat
dituliskan f(253, 262, 1) = 62; f(253, 262, 2) = 29; f(253, 262, 3) = 32.
Representasi Citra Digital
• Nilai pada variabel ke-3 menunjukkan indeks dari elemen warna yakni indeks dari Red, Green, Blue
berturut-turut adalah 1, 2, 3
Representasi Citra Digital
Ruang Warna RGB
• RGB terdiri dari 3 komponen warna yakni: Red (merah), Green (hijau), dan Blue (biru).
• RGB adalah jenis warna yang paling banyak digunakan karena sesuai dengan tiga warna utama yang
digunakan pada tampilan monitor maupun perangkat sejenis (Solomon & Breckon, 2010).
Representasi Citra Digital
Ruang Warna RGB
• Jika semua elemen RBG bernilai minimal maka akan menghasilkan tampilan hitam dan sebaliknya.

RGB = {255,255,255}

RGB = {0,0,0}
 Citra Biner, Keabuan, & Warna
Citra Biner Citra Warna RGB
Citra Grayscale
Kedalaman warna 1 bit
Kedalaman warna 8 bit Kedalaman warna 24 bit
(2 warna)
(256 warna) (16 juta warna)
Ruang Warna
• Salah satu karakteristik penting dari citra adalah warna. Berdasarkan hasil penelitian ternyata warna
merupakan pembeda yang handal untuk menyederhanakan proses identifikasi dan ekstraksi objek
dari sekitarnya.
• Karena itu diperlukan teknik khusus untuk memanipulasi warna, sehingga warna citra bisa diolah
dan digunakan untuk membantu proses penyederhanaan identifiksi dan ekstraksi obyek atau yang
lebih dikenal dengan istilah segmentasi.
RGB
• RGB terdiri dari 3 komponen warna yakni: Red (merah), Green (hijau), dan Blue (biru).
• RGB adalah jenis warna yang paling banyak digunakan karena sesuai dengan tiga warna utama yang
digunakan pada tampilan monitor maupun perangkat sejenis (Solomon & Breckon, 2010).
• Jika semua elemen RBG bernilai minimal maka akan menghasilkan tampilan hitam dan sebaliknya
RGB
RGB = {255,255,255}

RGB = {0,0,0}
Ruang Warna Persepsi
• Menurut Solomon & Breckon (2010), ruang warna persepsi merupakan alternatif dalan
merepresentasikan warna citra agar lebih sesuai dengan persepsi dan pemahaman manusia
terhadap warna dibandingkan representasi RGB.
• Banyak alternatif representasi warna yang ada, salah satunya adalah jenis warna HSV (Hue,
Saturation, Value) yang populer dalam aplikasi analisis citra.
HSV
• Dari segi perspektif jenis warna ini memungkinkan pemisahan warna dari pencahayaan dengan lebih
baik. Warna HSV terdiri dari komponen berikut:
• Hue
Panjang gelombang dominan dari warna, yakni: merah, biru, hijau
• Saturation
Tingkat ‘kemurnian’ warna (jumlah cahaya putih yang tercampur dalam warna)
• Value
Tingkat kecerahan warna (disebut juga luminance)
HSV
• Komponen hue mempunyai nilai 00 – 3600, sedangkan saturation dan value mempunyai nilai 0 – 1.
Konversi RGB ke HSV
•  Nilai R,G,B dibagi dengan nilai 255 agar menghasilkan nilai 0 – 1.
Konversi RGB ke HSV
•  
Konversi RGB ke HSV
HSV ke RGB
•  
HSV ke RGB
•  Red:

• Green:

• Blue:
Luminance dan Chrominance
Nixon and Aguado (2012):
• Pada beberapa aplikasi seperti transmisi video, akan lebih mudah jika memisahkan setiap komponen
untuk merepresentasikan tingkat kecerahan.
• Ruang warna YUV, YIQ, YPbPr merepresentasikan warna berdasarkan nilai kontinyu tertentu untuk
transmisi sinyal analog.
• Model YCbCr merupakan representasi digital dari proses encoding komponen luma dan
chrominance dari model YPbPr
YCbCr
YCbCr
• Model YCbCr mengenkoding nilai YPbPr melalui nilai 8-bit, namun terdapat juga ekstensi 10-bit
• Nilai Luma direpresentasikan oleh nilai unsigned integer dari 16 (hitam) hingga 235 (putih)
• Nilai Chominance direpresentasikan oleh nilai signed integer dengan nilai tengah 128
• Standard YCbCr membatasi nilai maximum chrominance pada 240, sehingga nilai chrominance
berada pada rengan [16 240]
Konversi YCbCr
•  Konversi RGB ke YCbCr:

• Konversi YCbCr ke RGB:

Konversi YCbCr
Proses Akuisisi Citra (Pencitraan)
• Menurut Gonzalez & Woods (2008), proses akuisisi citra melalui
sebuah sensor array terdiri dari beberapa tahap:
Proses Akuisisi Citra (Pencitraan)
• Menurut Gonzalez & Woods (2008), proses akuisisi citra melalui sebuah sensor array terdiri dari
beberapa tahap:
1. Energi dari sumber cahaya dipantulkan oleh sebuah scene element (energy dapat juga ditransmisikan
melalui scene element),
2. System pencitraan (imaging system) menjalankan fungsinya untuk mengumpulkan energi yang masuk
dan memfokuskannya ke sebuah bidang citra (image plane).
3. Sensor array bersamaan dengan bidang fokus, menghasilkan output yang sesuai dengan cahaya terpisah
yang diterima pada setiap sensor,
4. Rangkaian digital dan analog mengkonversi output menjadi sinyal analog, yang selanjutnya didigitalkan
oleh bagian lain dari sistem pencitraan.
Sampling dan Kuantisasi
• Agar dapat diproses oleh komputer, sebuah citra harus mengalami diskritisasi secara spasial (ruang)
dan amplitudo atau yang lebih dikenal dengan sampling dan kuantisasi.
Sampling dan Kuantisasi
Sampling
• Pada dasarnya sampling adalah proses merubah sinyal kontinyu menjadi sinyal diskrit dengan
mengambil nilai pada titik-titik tertentu dari sinyal.
Sampling dan Kuantisasi
Sampling
• Pada citra, sampling berkaitan dengan jumlah sampel (titik atau lokasi tertentu pada citra) yang
dibutuhkan untuk membentuk kembali citra asli.
• Proses sampling pada citra menghasilkan matriks bilangan yang merupakan pendekatan untuk sinyal
analog yang memasuki kamera.
• Setiap elemen dari matriks tersebut disebut sebagai piksel (elemen citra tunggal) sebagai berikut:
 Sampling dan Kuantisasi
Sampling
• Setiap elemen dari matriks tersebut disebut sebagai piksel (elemen citra tunggal) sebagai berikut:
 f (0,0) f (0,1) ... f (0, M  1) 
 f (1,0) ... ... f (1, M  1) 
f ( x, y )   
 ... ... ... ... 
 
 f ( N  1,0) f ( N  1,1) ... f ( N  1, M  1) 
Sampling dan Kuantisasi
Kuantisasi
• Kuantisasi adalah proses merubah rentang nilai citra yang berisifat kontinyu menjadi menjadi
rentang nilai citra yang bersifat diskrit.
• Tujuan utama dari proses kuantisasi adalah merepresentasikan nilai (intensitas) citra secara
berhingga pada semua prosesor digital.
Sampling dan Kuantisasi
Kuantisasi
• Proses kuantisasi biasanya dilakukan melalui proses pembulatan, pemotongan, atau proses lain yang
bersifat irreversible dan non-linier untuk ‘menghancurkan’ informasi (Bovik, 2009).

0 1 2 3 4 5 6 7
Sampling dan Kuantisasi
• Tingkat sampling menentukan resolusi spasial sedangkan tingkat kuantisasi menentukan jumlah
tingkat keabuan pada citra (resolusi intensitas).
0 1 2 3 4 5 6 7
Sampling dan Kuantisasi
Resolusi Spasial
• Proses sampling menyebabkan munculnya alias pada tepi dan fitur dalam citra.
Sampling dan Kuantisasi
Resolusi Spasial
• Sebuah citra yang memiliki jumlah sampel spasial (resolusi) tinggi cenderung memiliki tampilan yang
lebih halus (alias terlihat samar) dan sebaliknya.
Sampling dan Kuantisasi
Resolusi Intensitas
• Intenstias warna diperoleh dari panjang gelombang dan tingkat cahaya yang diperoleh oleh sensor
untuk selanjutnya dibagi (diskritisasi) menjadi beberapa nilai yang mewakili tingkat intensitas
tertentu.
Sampling dan Kuantisasi
Resolusi Intensitas
• Untuk sensor berukuran 8-bit, nilai intensitas dibagi menjadi 256 (28) nilai mulai dari 0 (hitam)
hingga 255 (putih), sementara citra 4-bit mempunyai 16 (24) nilai mulai dari 0 (hitam) hingga 15
(putih).
Sampling dan Kuantisasi
Resolusi Intensitas
• Perbedaan tingkat intensitas menghasilkan perbedaan kualitas warna citra
Aplikasi Citra Digital
• Peningkatan kualitas citra
Meningkatkan kualitas citra sesuai dengan tujuan
• Perbaikan citra
Memperbaiki citra yang rusak akibat derau (noise)
• Kompresi citra
Memperkecil ukuran citra dalam mediapenyimpanan
• Segmentasi Citra
Membagi objek, latar, atau daerah dari citra
• Pengenalan Pola
Mengenali pola citra untuk mendeskripsikan citra
Pengenalan MATLAB
Sekian

TERIMAKASIH