Chapter 6
Pendahuluan
Alasan utama penggunaan citra berwarna:
– Warna merupakan ciri utama yang mampu
mendeskripsikan objek dengan baik
– Mata manusia mampu membedakan banyak macam
warna dan intensitas
Manipulasi citra berwarna dibagi dalam 2
kelompok:
– Full color processing, citra didapat dengan full color
sensor (TV,kamera digital,dsb)
– Pseudo color processing, citra yang didapat dengan
memberikan warna pada citra monokrom
Dasar-dasar Warna
Pada dasarnya warna yang dapat ditangkap oleh
manusia dari sebuah objek, ditentukan oleh
banyaknya cahaya yang dapat dipantulkan oleh
objek tersebut.
Karakteristik cahaya pada suatu objek, membagi
penampakan menjadi dua:
– Achromatic, tanpa warna hanya mengukur intensitas.
– Chromatic, dengan panjang gelombang 400nm sampai
700nm.
Dasar-dasar Warna
3 dasar yang dijadikan ukuran kualitas suatu
cahaya chromatic:
– Radiance, total energi yang memancar dari
sumber cahaya (dalam watt)
– Luminance, ukuran banyaknya energi yang
dapat ditangkap pengamat dari sumber cahaya
(dalam lumens).
– Brightness, ukuran intensitas warna yang dapat
menggambarkan sensasi warna.
Dasar-dasar Warna
Melalui penelitian, dalam menangkap cahaya sel
kerucut mata manusia dapat dibagi menjadi 3
kelompok utama yaitu: sel kerucut merah, hijau,
dan biru. Berdasarkan karakteristik ini, semua
warna dapat dipandang sebagai kombinasi dari
warna-warna tersebut.
Warna red, green, blue tersebut dinamakan
primary color of lights.
Campuran primary color dapat menghasilkan
secondary color of lights yaitu: magenta (red plus
blue), cyan (green plus blue), yellow (red plus
green).
Dasar-dasar Warna
Untuk pigment yang didefinisikan sebagai
penyerap primary color of light dan
memantulkan 2 warna lainnya, primary color
of pigment menjadi kebalikannya yaitu:
magenta, yellow dan cyan.
Dan secondary color of pigment yaitu red,
green, dan blue.
Dasar-dasar Warna
3 karakteristik yang digunakan untuk membedakan
warna yang satu dengan yang lain adalah:
– Brigthness, ukuran intensitas.
– Hue, atribut yang berhubungan dengan panjang
gelombang dominan dalam gabungan gelombang
cahaya (warna dominan yang ditangkap mata).
– Saturation, kemurnian relatif (misal: merah lebih
murni dibanding merah muda)
Hue dan saturation bersama-sama membentuk
chromaticity.
Banyaknya red, green, blue yang diperlukan untuk
membentuk suatu warna lain disebut nilai tristimulus.
Dasar-dasar Warna
Jadi suatu warna dapat didefinisikan dengan
suatu trichromatic coefficients sebagai
berikut :
Jadi x + y + z = 1
Dasar-dasar Warna
Diagram chromaticity adalah grafik fungsi
dari x (red), y (green) dan z (blue)
– Titik keseimbangan dari x = y = z akan
membentuk warna putih.
– Titik-titik yang berada di pinggiran grafik
chromaticity itu dikatakan ter-saturasi penuh
(warna murni).
– Titik-titik yang menjauhi pinggiran grafik dan
makin menuju titik keseimbangan, nilai
saturasinya juga semakin mendekati 0.
Model Warna
Tujuan dari pemodelan warna adalah untuk
mempermudah klasifikasi warna dengan
standarisasi tertentu
Model warna untuk hardware: RGB model
untuk monitor berwarna dan kamera, CMY
model untuk printer; YIQ model untuk warna
penyiaran TV
Model Warna RGB
Pemodelan menggunakan kubus dengan :
– Warna putih pada titik (1,1,1)
– Warna hitam pada titik (0,0,0)
– 3 sudut cyan, magenta, yellow
Model Warna RGB
Model RGB dapat melakukan manipulasi
pada 3 bagian red, green, blue secara
terpisah.
Model RGB digunakan untuk:
– Proses data image satelit hasil citra udara,
dalam melakukan segmentasi citra berdasarkan
bagian warna yang merepresentasikan arti fisik
tertentu
Model Warna RGB
Pada beberapa sistem, dibatasi hanya 256 warna
walaupun citra 24 bit RGB tersedia.
Pembatasan itu dilakukan agar suatu citra dapat
dihasilkan dengan berbagai kemampuan
hardware. Himpunan warna hasil pembatasan ini
disebut set of safe RGB color.
40 dari 256 warna tersebut diproduksi oleh
beberapa OS secara berbeda, sehingga sisa 216
warna yang dapat digunakan secara umum oleh
berbagai sistem.
Model Warna CMY dan CMYK
Beberapa alat yang menghasilkan output
pigment berwarna pada kertas, seperti
printer berwarna, melakukan perubahan
RGB ke CMY secara internal, menggunakan
operasi :
Model Warna CMY dan CMYK
Karena manipulasi citra berkaitan dengan
menghasilkan hardcopy output, maka operasi
pengubahan dari CMY ke RGB jarang digunakan.
CMYK dengan tambahan K sebagai warna ke
empat adalah hitam, karena jumlah CMY yang
sama akan menghasilkan warna hitam yang mirip
lumpur. Karena hitam merupakan warna yang
cukup dominan pada printing, maka kita perlu
menciptakan warna hitam yang lebih murni.
Model Warna HSI
Meskipun model RGB dan CMY sudah cocok
dengan berbagai implementasi hardware dan
daya tangkap mata manusia, tetapi RGB dan CMY
belum terlalu cocok untuk menggambarkan warna
yang praktis bagi interpretasi manusia.
Seringkali manusia menggambarkan warna benda
dari sisi hue, saturation, brightness. Brightness
yang dipakai sebenarnya adalah ukuran intensity
dari cahaya akromatik.
Model Warna HSI
HSI (Hue Saturation Intensity) sangat cocok
untuk memanipulasi citra berdasarkan daya
tangkap warna pada pengindraan manusia
Intensity
Titik (0,0,0) berwarna hitam dan titik (1,1,1)
berwarna putih. Semua titik diantara titik-titik ini
adalah abu-abu
Model Warna HSI
Warna hitam dan putih tidak dapat
mengubah hue, sehingga daerah-daerah
yang mempunyai tingkat putih dan hitam
yang sama dikatakan mempunyai hue yang
sama.
Jadi nilai-nilai hue, saturation, and intensitas
yang dibutuhkan untuk membentuk ruang
HIS dapat diperoleh dari kubus RGB.
Manipulasi Citra Pseudo-color
Pseudo-color (disebut juga false color), yang biasa
juga digunakan untuk mengubah semua warna
menjadi abu-abu berdasarkan kriteria tertentu,
mengandung tiga pendekatan:
– Intensity slicing and color coding
– Gray-level to color transformations
– Pendekatan usia
Pada prinsipnya, penggunaan pseudocolor adalah
untuk visualisasi dan interpretasi manusia
terhadap kadar keabuan dari suatu citra.
Manipulasi Citra Pseudo-color dgn
Intensity Slicing
Teknik Intensity slicing dan color coding adalah salah
satu cara yang paling sederhana dalam implementasi
proses pseudocolor pada suatu citra.
Contoh penggunaan Intensity slicing adalah pada Picker
Thyroid Phantom (tes radiasi).
Gray Level to Color
Transformation
ide dasarnya:
Lakukan 3 transformasi yang independen pada pada level gray
untuk setiap pixel input, kemudian kombinasikan ketiga hasil
transformasi tersebut.
Transformasi yang paling sederhana ialah dengan memetakan
suatu range grayscale ke suatu komponen warna tertentu.
Pendekatan lainnya ialah dengan menentukan fungsi yang terbaik
untuk memetakan nilai grayscale dari suatu piksel tertentu ke
komponen warna yang sesuai.
Basics of Full-Color Image
Processing
Ada 2 kategori pendekatan untuk pemrosesan citra berwarna:
1. Pemrosesan per layer warna: setiap komponen warna diproses scr
individual.
2. Pemrosesan per pixel warna (vector-based): Setiap pixel
diperlakukan sebagai vektor.
CR
c CG
C
B
Basics of Full-Color Image
Processing (2)
Hasil dari kedua pendekatan tersebut belum tentu sama, dan
hanya akan sama jika kedua syarat berikut dipenuhi:
1. Proses yang dilakukan harus dapat diterapkan untuk skalar
(pendekatan 1) dan vektor (pendekatan 2).
2. Operasi pada setiap komponen vektor harus independen dari
komponen lainnya.
Contoh kasus di mana kedua pendekatan di atas akan berbeda
hasilnya ialah pada neighborhood averaging.
Formulation
Secara teoritis, transformasi dapat dilakukan pada model warna
manapun, baik RGB, HSI, maupun CMYK.
Rumus umum:
si = Ti(r1,r2,…,rn) i=1,2,…,n
Pada prakteknya, beberapa operasi lebih baik (lebih efisien) untuk
suatu model yang spesifik.
Beberapa transformasi akan lebih sederhana jika dilakukan pada
suatu model tertentu, tetapi cost untuk merubah representasi model
warnanya harus dijadikan bahan pertimbangan sebelum kita
memutuskan model mana yang akan diransformasikan.
Contoh: jika diberi model RGB dan kita ingin mengubah intensitas
warnanya, jika dilakukan pada HSI, maka hanya r3 yang perlu
ditransformasikan, sedangkan pada RGB r1-r3, tetapi dalam kasus
ini, proses komputasi untuk merubah RGB menjadi HSI akan lebih
kompleks daripada mentransformasikannya pada model RGB saja
Transformasi pada citra yang sama pada model warna yang
berbeda seharusnya akan menghasilkan output yang sama.
Color Complements
é1 ù
ê
êK å R( x, y ) úú
ê ( x , y )Î S xy ú
ê ú 1 1 1
ê1 ú
c ( x, y ) = ê
êK å
( x , y )Î S xy
G ( x, y ) ú
ú 1/9 x 1 1 1
ê ú
ê1 ú 1 1 1
ê ú
êK å B ( x , y ) ú
êë ( x , y )Î S xy ú
û
Dapat kita lihat dari segmentasi ini bahwa komponen warna merah dari gambar
Ditujukan dengan warna putih pada gambar h.
Segmentation in RGB Vector Space
D( z , a ) = z - a 1
= [( z - a)T ( z - a )] 2
1
= [( z R - aR ) 2 + ( zG - aG ) 2 + ( zB - aB ) ]
2 2
1
T - 1
D( z , a ) = [( z - a ) C ( z - a )] 2
Dapat kita lihat bahwa segmentasi dengan mengunakan RGB vector space lebih
baik keakuratannya dibandingkan dengan menggunakan segmentasi dengan HSI
vector space.
Color Edge Detection
¶R ¶G ¶B
u= r+ g+ b -1 -2 -1 -1 0 1
¶x ¶x ¶x
¶R ¶G ¶B 0 0 0 -2 0 2
v= r+ g+ b
¶y ¶y ¶y 1 2 1 -1 0 1
g xx = u ×u = u T u
g yy = v ×v = vT v Sobel
Pada gambar bagian atas merupakan citra awal yang belum dikompresi.
Gambar bawah merupakan citra awal yang sudah dikompresi dengan
kompresi JPEG 2000 kemudian didekompresi kembali. Dapat kita lihat ada
sedikit blur pada gambar bawah karena dalam kompresi ini digunakan lossy
compresion. (Perbandingan kompresi 1 : 230)