Manipulasi Citra Berwarna

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

 Komponen hue pada model warna HSI yang berada

berseberangan pada gambar di atas disebut komplemen.
 Jadi, cara untuk mengkomplemenkan suatu citra berwarna ialah
dengan menggantikan warna pada citra asli dengan warna
komplemennya. Contoh: cyan digantikan dengan merah.
 Komplemen warna suatu citra berguna untuk memperjelas detail
yang berada pada daerah yang gelap dari citra berwarna.
 Color Slicing
 Definisi color slicing:
Menyoroti range warna yang spesifik pada suatu citra untuk
memisahkan objek tertentu dari objek-objek di sekelilingnya.
 Ide dasarnya adalah dengan menampilkan hanya warna-warna
tertentu yang ingin diamati sehingga warna tersebut “keluar” dari
background.
 Pada prakteknya, cara yang paling sederhana ialah: hanya
menampilkan range warna tertentu dari suatu citra, sedangkan
warna-warna di luar range tersebut digantikan dengan 1 warna
yang tidak mencolok (pada RGB biasanya “warna tidak mencolok”
yang dipilih adalah abu-abu yang bernilai 0,5)
 Contoh penggunaan: menampilkan hanya objek strawberry dari
suatu citra berwarna
 Tone and Color Corrections
 Paling umum digunakan untuk photo enhancement dan reproduksi
warna.
 Tonal range (atau key type) dari suatu citra adalah distribusi umum
dari intensitas suatu citra.
 Perubahan tone dari citra tidak merubah warna dari citra, tetapi
merubah intensitasnya untuk mencari brightness dan contrast dari
citra yang akan menghasilkan detail yang terbaik. Pada model RGB
dan CMYK, berarti memetakan semua komponen dengan
transformasi yang sama, sedangkan pada model HSI berarti hanya
merubah komponen intensitas saja.
 Setelah karakteristik tonal terbaik dilakukan, setelah itu
ketidakseimbangan warna baru akan disesuaikan.
 Histogram Processing
 Histogram equalization akan menentukan transformasi yang dapat
menghasilkan citra dengan histogram nilai intensitas yang lebih
uniform.
 Cara melakukan histogram processing pada citra berwarna hampir
sama dengan histogram processing untuk citra tidak berwarna
(sub-bab 3.3)
 Perbedaannya ialah bahwa citra berwarna terdiri dari beberapa
komponen warna. Tetapi, bukan berarti kita melakukan histogram
processing pada masing-masing komponen secara independent.
 Caranya ialah dengan menyebarkan intensitas (saja) secara
uniform, tanpa mengubah warna (hue) dari citra itu sendiri. Oleh
karena itu, jelas bahwa pada pemrosesan ini akan lebih mudah
digunakan model HIS.
 Dengan (hanya) mengubah instensitas tanpa mengubah hue dan
saturasi, tetapi dampaknya akan mengubah persepsi warna secara
keseluruhan, karena perubahan intensitas akan mempengaruhi
penampilan relatif dari suatu warna pada citra.
 Color Image Smoothing

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

Smoothing bisa dilihat sebagai “spatial filtering” dengan “filtering

mask”nya semua bernilai 1. Smoothing dilakukan terhadap citra
untuk memperhalus perbedaan warna pada citra.
 Color Image Smoothing

Smoothing dilakukan untuk tiap komponen red, green, dan blue.

 Smoothing dilakukan terhadap intensitas dari komponen HSI

Perbandingan antara hasil smoothing terhadap komponen RGB

dan smoothing terhadap intensitas dari komponen HIS.
Menggunakan mask ukuran 5X5.
 Color Image Sharpening
éÑ 2 R ( x, y ) ù
ê ú
2 ê 2
Ñ [c( x, y )] = êÑ G ( x, y )ú ú
ê 2 ú
Sharpening dilakukan terhadap
citra untuk memperjelas
ê
ëÑ B ( x , y ) ú
û
perbedaan warna pada citra.

Filter mask yang digunakan

0 1 0
untuk implementasi Laplacian
dalam citra digital. 1 -4 1
0 1 0
 Color Image Sharpening

Gambar a merupakan hasil image sharpening dengan memproses masing-masing

channel RGB, sedangkan gambar b dengan memproses intensitas dari komponen
HSI lalu diubah ke RGB. Gambar c adalah perbedaan antara gambar a dan b.
 COLOR SEGMENTATION

Segmentasi adalah proses untuk

memisahkan sebuah gambar menjadi
bagian-bagian gambar. Ada 3 macam
segmentasi:
 Segmentasi dengan HSI Color Space
 Segmentasi dengan RGB Vector Space
 Color Edge Detection
Segmentation in HSI Color Space

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

g xy = u ×v = u T v Color Edge Detection digunakan untuk

mendeteksi batas-batas dari bagian pada citra.
1 - 1 éê 2 g xy ù ú
q = tan ê ú
2 g
êë xx - g yy ú
û
1
ìï 1 ü
ï 2
F (q) = í [( g xx + g yy ) + ( g xx - g yy ) cos 2q + 2 g xy sin 2q]ý
ïîï 2 ïþ
ï
Noise in Color Images

Noise pada gambar bisa tejadi karena adanya suatu channel

dalam komponen ekektronik yang tidak berfungsi pada saat
mengambil gambar, ataupun hal lain yang menyebabkan
adanya ganguan pada citra digital.
Noise pada gambar dapat dikurangi dengan melakukan average filtering
maupun dengan median filtering.
 Color Image Compresion

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)