Pendahuluan
Perbaikan Citra (Image Enhancement)
Perbaikan terhadap suatu citra dapat dilakukan dengan:
1. operasi titik (point operation)
2. operasi spasial (spatial operation)
3. operasi geometri (geometric operation)
4. operasi aritmatik (arithmetic operation)
Prinsip Filter Dalam Image Processing
Gambar selalu berada pada frekwensi rendah, hal ini
karena setiap titik pada gambar mempunyai banyak
kemiripan warna dengan titik-titik tetangganya.
Bila suatu gambar menunjukkan frekwensi tinggi
maka pada gambar tersebut banyak titik yang nilai
gray-scalenya (warna) yang berbeda jauh dengan titik-
titik tetangganya.
dimana :
I’(u,v) : hasil konvolusi
I (u,v) : Citra asli
h(i,j): kernel
Kernel & Konvolusi (6)
Operasi
konvolusi → menggeser kernel pixel per pixel
‐ hasil disimpan dalam matriks baru
Ilustrasi konvolusi
kernel
Citra Asli
4 4 3 5 4
6 6 5 5 2 3 0
5 6 6 6 2
6 7 5 5 3
3 5 2 4 4
4 4 3 5 4
6 6 5 5 2 3 0 2
5 6 6 6 2
6 7 5 5 3
3 5 2 4 4
Contoh Konvolusi (3)
4 4 3 5 4 4 4 3 5 4
6 6 5 5 2 3 0 2 6 6 5 5 2 3 0 2
5 6 6 6 2 0 5 6 6 6 2 0 2 6
6 7 5 5 3 6 7 5 5 3 6
3 5 2 4 4 3 5 2 4 4
4 4 3 5 4 4 4 3 5 4
6 6 5 5 2 3 0 2 6 6 5 5 2 3 0 2
5 6 6 6 2 0 2 5 6 6 6 2 0 2 6
6 7 5 5 3 6 0
6 7 5 5 3
3 5 2 4 4
3 5 2 4 4
4 4 3 5 4
4 4 3 5 4
6 6 5 5 2 3 0 2
6 6 5 5 2 3 0 2
5 6 6 6 2 0 2 6
5 6 6 6 2 0 2 6
6 7 5 5 3 6 0 2
6 7 5 5 3
3 5 2 4 4
3 5 2 4 4
Hasil Akhir Contoh Konvolusi
4 4 3 5 4
6 6 5 5 2 3 0 2
5 6 6 6 2 0 2 6
6 7 5 5 3 6 0 2
3 5 2 4 4
H ( x, y ) 0 dan
H ( x, y ) 1
xy
Low Pass Filter
Low Pass Filter menghasilkan citra yang lebih lembut
(smooth) sehingga terkesan kabur (blur)
1/16 X
Contoh Low pass filter
Filter Matrik Citra Asli Matrik Hasil Filtering
Cara Menghitung
I’(1,1) = (1* 1/9) + (1*1/9) + (3*1/9)+
(1*1/9) + (1*1/9) + (4*1/9)+
(2*1/9) + (1*1/9) + (3*1/9)
= 1.89 = 2
Atau
Contoh Low pass filter (2)
Filter Matrik Citra Asli Matrik Hasil Filtering
I’(2,2) = (1+1+3+1+1+4+2+1+3)/9
= 1.89 = 2
I’(2,3) = (1+3+3+1+4+4+1+3+3)/9
= 2.56 = 3
dst
Linnear Filter
Gaussian Filter
Filter Gaussian adalah salah satu filter
linear dengan nilai pembobotan untuk setiap
anggotanya dipilih berdasarkan bentuk
fungsi Gaussian.
Filter Gaussian digunakan untuk proses
penghalusan (smoothing), pengaburan
(bluring) dan menghilangkan derau (noise).
Gaussian 1 Dimensi (1-D)
Fungsi Gaussian 1 dimensi (1-D) dapat dinyatakan
sebagai berikut
dst
Maka, kernel gaussian dapat dituliskan
Gaussian 2 Dimensi (2-D)
Fungsi Gaussian 2 dimensi (2-D) dapat dinyatakan
sebagai berikut:
Gambar Distribusi Gaussian 2-D
dengan mean = (0,0) dan δ =1
Contoh Gaussian 1D
Kernel matrik citra asli hasil filter gaussian
Contoh Gaussian 2-D
Gaussian 2-D merupakan 2 x 1-D
Hasil Gaussian 1-D di lakukan perhitungan gaussian 1-
D sehingga menghasilkan gaussian 2-D
Hasil Gaussian 1-D Filter gaussian hasil
High Pass Filter
High Pass Filter (HPF) adalah suatu bentuk filter
yang mengambil frekwensi tinggi dan membuang
frekwensi rendah.
HPF digunakan untuk melakukan proses deteksi tepi.
Ciri-ciri kernel dari HPF adalah nilai-nilainya terdiri
positif, nol dan negatif, dan jumlah dari semua
H ( x, y ) 0
nilainya sama dengan nol
xy
High Pass Filter (2)
Contoh high pass filter 3 x 3
Contoh High Pass Filter
Matrik Citra Asli Filter Matrik Citra Hasil
Contoh High Pass Filter (2)
Matrik Citra Asli Filter Matrik Citra Hasil
Cara menghitung
Cara menghitung
Cara menghitung