Professional Documents
Culture Documents
DC - OKT 2003 1
Tujuan Peningkatan Mutu Citra
DC - OKT 2003 2
Jenis Teknik Peningkatan Mutu Citra
a. Image Negative
b. Contrast Stretching
c. Histogram Equalization
- all grey level and all area
- specific grey level (histogram specification)
- local enhancement (specific part of the image)
d. Image Subtracting
e. Image Averaging
DC - OKT 2003 4
I. Point Processing
DC - OKT 2003 6
Aplikasi Penginderaan Jarak Jauh
(Sumber: Murni, 1997)
0 255
r1 = r2, s1 = s2 Æ tidak r
ada perubahan
r1 = r2, s1 = 0, s2 = 255 Æ
tresholding menjadi citra
biner dengan ambang r1 DC - OKT 2003 8
Contoh Contrast Stretching
DC - OKT 2003 9
Contrast Stretching
Fungsi lain yang baik digunakan adalah:
fout = (fin – a) * b
a = min(fin)
b = 255 / (max(fin) – min(fin))
Citra masukan yang grey level nya tidak
penuh dari 0 – 255 (low constrast) diubah
menjadi citra yang grey level nya berkisar
dari 0 – 255 (high contrast)
DC - OKT 2003 10
Ic. Histogram Equalization
Histogram: diagram yang menunjukkan jumlah
kemunculan grey level (0-255) pada suatu citra
Histogram processing:
Gambar gelap: histogram cenderung ke sebelah kiri
Gambar terang: histogram cenderung ke sebelah
kanan
Gambar low contrast: histogram mengumpul di suatu
tempat
Gambar high contrast: histogram merata di semua
tempat
Æ Histogram processing: mengubah bentuk histogram
agar pemetaan gray level pada citra juga berubah
DC - OKT 2003 11
Ic. Histogram Equalization
in all grey level and all area (1)
Ide: mengubah pemetaan
greylevel agar sebarannya
(kontrasnya) lebih menyebar
pada kisaran 0-255
Sifat:
Grey level yang sering
muncul lebih dijarangkan
jaraknya dengan grey level
sebelumnya
Grey level yang jarang
muncul bisa lebih
dirapatkan jaraknya dengan
grey level sebelumnya
Histogram baru pasti
mencapai nilai maksimal
keabuan (contoh: 255)
DC - OKT 2003 12
Ic. Histogram Equalization
in all grey level and all area (2)
0 ≤ rk ≤ 1 dan k = 0,1,....., L − 1
L adalah grey level maksimal yang ada pada citra
DC - OKT 2003 13
Ic. Histogram Equalization
in all grey level and all area (3)
Citra awal: Citra Akhir:
Contoh : citra 35554 19 9 95
dengan derajat 54544 95 9 55
keabuan hanya 53444 91 5 55
berkisar 0-10 45663 5 9 10 10 1
Derajat Keabuan 0 1 2 3 4 5 6 7 8 9 10
Kemunculan 0 0 0 3 8 7 2 0 0 0 0
Probabilitas Kemunculan 0 0 0 0.15 0.40 0.35 0.1 0 0 0 0
Sk 0 0 0 0.15 0.55 0.90 1 1 1 1 1
SK * 10 0 0 0 1.5 5.5 9 10 10 10 10 10
Derajat keabuan baru 0 0 0 1 5 9 10 10 10 10 10
DC - OKT 2003 14
Ic. Histogram Equalization
specific grey level (hist. specification)
Histogram
equalization
tidak dilakukan
pada seluruh
bagian dari
histrogram tapi
hanya pada
bagian tertentu
saja
DC - OKT 2003 15
Ic. Histogram Equalization
specific area (local enhancement)
Histogram equalization hanya dilakukan pada
bagian tertentu dari citra
DC - OKT 2003 16
Ic. Histogram Equalization
specific area (local enhancement)
Histogram
equalization
menggunakan
jendela 7x7
DC - OKT 2003 17
Id. Image Substraction
Dilakukan jika kita ingin mengambil
bagian tertentu saja dari citra
- =
DC - OKT 2003 18
Aplikasi Kedokteran (Biomedik)
(Sumber: Thesis S2 Kartono)
19
Ie. Image Averaging
DC - OKT 2003 20
II. Mask Processing (1)
Jika pada point processing kita hanya
melakukan operasi terhadap masing-masing
piksel, maka pada mask processing kita
melakukan operasi terhadap suatu jendela
ketetanggaan pada citra.
Kemudian kita menerapkan
(mengkonvolusikan) suatu mask terhadap
jendela tersebut. Mask sering juga disebut
filter.
DC - OKT 2003 21
II. Mask Processing (2)
1 2 3 Contoh:
8 x 4 Jendela ketetanggan 3x3,
7 6 5 Nilai piksel pada posisi x dipengaruhi
oleh nilai 8 tetangganya
Sharpening filters:
Roberts, Prewitt, Sobel (edge detection)
Highpass filter
DC - OKT 2003 24
II. Contoh penerapan filter spasial
1 1 1
1/9 x 1 1 1
1 1 1
Average lowpass filter
DC - OKT 2003 26
II. Edge detection
Pada suatu citra
monokrom, suatu
edge (sisi) dapat
ditandai dengan
adanya suatu
perbedaan intensitas
yang besar
DC - OKT 2003 27
II. Edge detection
Bagaimana ‘mendeteksi’ perbedaan intensitas tersebut?
Dengan mempertegas perbedaan (kalikan satu
intensitas dengan nilai negatif, kemudian kalikan nilai
positif pada intensitas lainnya)
Kasus A: 2 bersisian dgn 100 (edge) Æ 2*(-1) +
100*(1)= 99
Kasus B: 2 bersisian dgn 4 (not edge) Æ 2*(-1) +
4*(1)= 2
-1 -1 -1 -1 0 1
0 0 0 -1 0 1
1 1 1 -1 0 1
Prewitt
(a)Gambar awal, (b) hasil dari Prewitt Mask, (c) thresholding dari (b) pada
nilai > 25 (d) thresholding dari (b) pada nilai >25 dan < 25 (black)
DC - OKT 2003 29