citra abu- abu , biner , berwarna ,

46
Citra Abu-abu, Biner, Berwarna, Pengolahan Citra Digital Materi 3 Eko Prasetyo Teknik Informatika Universitas Muhamamdiyah Gresik 2011 Thresholding, Transformasi Citra

Upload: elaine

Post on 06-Jan-2016

183 views

Category:

Documents


3 download

DESCRIPTION

Citra Abu- abu , Biner , Berwarna ,. Thresholding , Transformasi Citra. Pengolahan Citra Digital Materi 3. Eko Prasetyo Teknik Informatika Universitas Muhamamdiyah Gresik 2011. Representasi bit citra. Citra abu-abu. Citra biner. Citra Negatif. - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Citra Abu- abu ,  Biner ,  Berwarna ,

Citra Abu-abu, Biner, Berwarna,

Pengolahan Citra DigitalMateri 3

Eko PrasetyoTeknik Informatika

Universitas Muhamamdiyah Gresik2011

Thresholding, Transformasi Citra

Page 2: Citra Abu- abu ,  Biner ,  Berwarna ,

2

Representasi bit citraBit Range Keterangan1 0 - 1 Citra Biner8 0 - 255 Citra abu-abu (grayscale)12 0 - 4096 High quality grayscale16 0 - 65535 Very high quality grayscale32 (0.0 - 1.0) Floating point format

8+8+8 3 x 1-255 "24 bit True Color" (monitor)

Citra abu-abu

Citra biner

Page 3: Citra Abu- abu ,  Biner ,  Berwarna ,

3

Citra Negatif Seperti halnya film negatif.

◦ Hasil pengambilan gambar dengan kamera konvensional yang membalik citra asli.

◦ Jika terdapat citra dengan jumlah gray level L dengan range [0,L-1] maka citra negatif didapat dari transformasi negatif seperti pada gambar (garis diagonal) dengan persamaan: s = L – 1 – r

Untuk L = 256, maka citra negatif didapatkan:>> j = f - 256 - 1;

Page 4: Citra Abu- abu ,  Biner ,  Berwarna ,

4

Transformasi Log Sangat berguna dalam penggambaran grafik ketika

pada deretan nilai, di samping ada selisih nilai yang sangat kecil, juga ada selisih nilai yang sangat besar,◦ Sehingga ketika digambar dalam grafik maka selisih yang

kecil akan sulit untuk dilihat. Kurva log yang terdapat pada gambar. Nilai input gray level yang tinggi akan menyesuaikan

dengan output gray levelnya sesuai grafik. Meningkatkan nilai citra yang gelap dan

mengkompres nilai citra yang sangat tinggi. Transformasi Inverse log merupakan kebalikan dari

transformasi log Persamaan dari transformasi log adalah: s = c log(1 +

r)◦ c merupakan konstanta, nilai r ≥ 0

>> g=100*log10(1+f);

Page 5: Citra Abu- abu ,  Biner ,  Berwarna ,

5

Transformasi Power-Law Bentuk dasar: s = cr

◦ c dan merupakan konstanta positif. Memetakan range sempit dari input

gray level menjadi range yang lebar pada output gray level-nya.

Mirip dengan transformasi log, hanya saja dengan transformasi power-law dapat mempunyai variasi kurva yang lebih banyak daripada tranformasi log.

>> g = im2double(f);>> g2= 1 * g.^0.4;

gamma = 0.4gamma = 1 gamma = 0.1

Page 6: Citra Abu- abu ,  Biner ,  Berwarna ,

6

Gamma Correction Penting dalam upaya menampilkan citra secara akurat pada layar

monitor. Citra sering menghasilkan tampilan yang tidak sesuai, gambar terlalu

gelap. Fungsi untuk melakukan gamma correction adalah

◦ g = imadjust (f, [low_in high_in], [low_out high_out], gamma)◦ Memetakan nilai intensitas citra ke nilai yang baru di citra g, untuk nilai di

antara low_in dan high_in akan dipetakan di antara low_out dan high_out. ◦ Untuk nilai intensitas di bawah low_in dan di atas high_in akan dipotong,

sehingga nilai di bawah low_in akan dipetakan ke low_out dan nilai di atas high_in akan dipetakan ke high_out.

◦ Nilai parameter in dan out antara 0 dan 1

gamma = 1 gamma = 0.1 gamma = 2

Page 7: Citra Abu- abu ,  Biner ,  Berwarna ,

7

Contrast Streching Berguna untuk meningkatkan

dynamic range dari citra yang telah diproses.

Tidak seperti transformasi sebelumnya yang memproses semua input gray level, pada contrast stretching yang diproses bisa sebagian dari input gray level sesuai dengan grafik yang digunakan

>> g=f;>> g(g<50)=g(g<50)*0.2;>> g(g>=50 & g<150)=(g(g>=50 & g<150)-50)*2+30;>> g(g>=150)=(g(g>=150)-150)*1+200;

Lxbybx

bxayax

axx

y

b

a

)(

)(

0

200,30,1,2,2.0,150,50 ba yyba

Page 8: Citra Abu- abu ,  Biner ,  Berwarna ,

8

Histogram Histogram adalah dasar dari sejumlah teknik

pemrosesan citra pada domain spasial, seperti perbaikan, kompresi dan segmentasi citra.

Histogram dari suatu citra digital dengan range tingkat [0…L-1] adalah sebuah fungsi diskrit h(rk)=nk, dengan rk adalah tingkat keabuan ke-k dan nk adalah jumlah piksel dalam citra yang memiliki tingkat keabuan rk.

Normalisasi histrogram dilakukan dengan membagi setiap nilai nk dengan total jumlah piksel dalam citra, yang dinyatakan dengan n. Histogram yang sudah dinormalisasi dinyatakan dengan p(rk)= nk/n, untuk k=0,1,…,L-1.

p(rk) menyatakan estimasi probabilitas kemunculan tingkat keabuan rk. Jumlah dari semua komponen “normalized histogram” sama dengan 1.

Page 9: Citra Abu- abu ,  Biner ,  Berwarna ,

9

Histogram Sumbu horisontal dari histogram menyatakan nilai tingkat

keabuan rk. Sumbu vertikal menyatakan nilai dari h(rk)=nk atau p(rk) = nk/n

(jika nilainya dinormalisasi). >> figure, imshow(f); >> figure, imhist(f);

1 2 3 4 5 6 7 80

1

2

3

4

5

6

7

Lever keabuan

Jumlah piksel

Page 10: Citra Abu- abu ,  Biner ,  Berwarna ,

10

0

5000

10000

15000

0 50 100 150 200 250

0

5000

10000

15000

0 50 100 150 200 250

0

5000

10000

15000

0 50 100 150 200 250

0

5000

10000

15000

0 50 100 150 200 250

Citra gelap

Citra terang

Citra kontras rendah

Citra kontras tinggi

Page 11: Citra Abu- abu ,  Biner ,  Berwarna ,

11

Histogram NormalizationMenskalakan nilai piksel secara linear

untuk menggunakan secara penuh jangkauan yang gray-scale yang tersedia.

Transformasi yang digunakan:

untuk k=0,1,2,…,L-1disebut “histogram normalization”.

)1()min()max(

)min(

Lx

nn

njnks

Page 12: Citra Abu- abu ,  Biner ,  Berwarna ,

12

Contoh Histogram Normalization (1)

Input: 4x4 image

Gray scale = [0,7]histogram

0 1

1

2

2

3

3

4

4

5

5

6

6

7

No. of pixels

Gray level

2 3 3 2

4 2 4 3

3 2 3 5

2 4 2 4

Page 13: Citra Abu- abu ,  Biner ,  Berwarna ,

13

Contoh Histogram Normalization (2)

Gray Level(j)

0 1 2 3 4 5 6 7

nj 0 0 6 5 4 1 0 0

- - 0 0.3333 0.6667 1 - -

s x 7 - - 02.3333

24.6667

57 7 7

2 3 3 24 2 4 33 2 3 52 4 2 4

0 2 2 05 2 5 32 0 2 70 5 0 5

)min()max(

)min(

nn

nns

j

Page 14: Citra Abu- abu ,  Biner ,  Berwarna ,

14

Contoh Histogram Normalization (3)

Output: 4x4 image

Gray scale = [0,7]histogram

0 1

1

2

2

3

3

4

4

5

5

6

6

7

No. of pixels

Gray level

0 2 2 0

5 2 5 3

2 0 2 7

0 5 0 5

Page 15: Citra Abu- abu ,  Biner ,  Berwarna ,

15

Histogram Equalization Histogram equalization digunakan untuk memetakan kembali

nilai piksel untuk membuat perkiraan linear akumulasi histogram.

Transformasi yang digunakan:

untuk k=0,1,2,…,L-1 disebut “histogram equalization” atau “histogram linearization”.

Fungsi yang digunakan : h = histeq(f, b)

◦ h merupakan citra hasil equalisasi, ◦ f merupakan variabel citra dan b adalah jumlah bins yang digunakan

dalam membentuk histogram. nilai default, b=64 pada citra 6 bit.

k

jjrkk rprTs

0

k

j

jkk n

nrTs

0)(

Page 16: Citra Abu- abu ,  Biner ,  Berwarna ,

16

Contoh Histogram Equalization (1)

Input: 4x4 image

Gray scale = [0,7]histogram

0 1

1

2

2

3

3

4

4

5

5

6

6

7

No. of pixels

Gray level

2 3 3 2

4 2 4 3

3 2 3 5

2 4 2 4

Page 17: Citra Abu- abu ,  Biner ,  Berwarna ,

17

Contoh Histogram Equalization (2)Gray Level(j)

0 1 2 3 4 5 6 7

nj 0 0 6 5 4 1 0 0

0 0 6 11 15 16 16 16

0 0 6 / 16 11/16 15/16 16/16 16/16 16/16

s x 7 0 02.6253

4.81255

6.56257

7 7 7

2 3 3 24 2 4 33 2 3 52 4 2 4

3 5 5 37 3 7 55 3 5 73 7 3 7

k

jjn

0

k

j

j

n

ns

0

Page 18: Citra Abu- abu ,  Biner ,  Berwarna ,

18

Contoh Histogram Equalization (3)

Output: 4x4 image

Gray scale = [0,7]histogram

0 1

1

2

2

3

3

4

4

5

5

6

6

7

No. of pixels

Gray level

3 5 5 3

7 3 7 5

5 3 5 7

3 7 3 7

Page 19: Citra Abu- abu ,  Biner ,  Berwarna ,

19

Contoh Histogram Equalization (4) >> g = histeq(f, 256);

sebelum

sesudah

Page 20: Citra Abu- abu ,  Biner ,  Berwarna ,

20

Histogram Equalisasi Lokal Metode pemrosesan histogram yang sudah dibahas,

yaitu “histogram equalization” bersifat global, karena piksel-piksel dimodifikasi menggunakan fungsi transformasi berbasis pada intensitas seluruh piksel pada citra.

Seringkali diperlukan perbaikan pada suatu daerah yang kecil di dalam citra.

Teknik “histogram equalization” dapat diterapkan untuk perbaikan lokal.

Caranya:1. Definisikan daerah ketetanggaan (neighborhood)2. Pada setiap lokasi piksel, histogram dari piksel-piksel dalam

neighborhood dihitung.3. Tentukan fungsi transformasi “histogram equalization” dan

fungsi ini digunakan untuk memetakan intensitas piksel pada pusat neighborhood.

4. Ulangi langkah 2–3 untuk seluruh piksel dalam citra.

1 2 3

4 5 6

7 8 9

8 tetangga

Page 21: Citra Abu- abu ,  Biner ,  Berwarna ,

21

Contoh Histogram Equalisasi Lokal (1)

Citra awal

Global Histogram Equalization

Local Histogram Equalization

Page 22: Citra Abu- abu ,  Biner ,  Berwarna ,

22

Contoh Histogram Equalisasi Lokal (2)

2 3 3 2

4 2 4 3

3 2 3 5

2 4 2 4

2 3

4 2

Gray Level(j)

2 3 4

nj 2 1 1

2 3 4

2/4 3/4 4/4

s x 73.54

5.256

7

k

jjn

0

k

j

j

n

ns

0

8 tetangga

f(1,1) 2 3 3

4 2 4

f(1,2)Gray Level(j)

2 3 4

nj 2 2 2

2 4 6

2/6 4/6 6/6

s x 73.54

4.66675

7

k

jjn

0

k

j

j

n

ns

0

f(1,1) = (2/4)*7 = 3.5=4f(1,2) = (4/6)*7 = 4.67=5f(1,3) = (5/6)*7 = 5.83=6f(1,4) = (1/4)*7 = 1.75=2f(2,1) = (6/6)*7 = 7=7f(2,2) = (3/9)*7 = 2.33=2f(2,3) = (8/9)*7 = 6.22=6f(2,4) = (4/6)*7 = 4.67=5

f(3,1) = (4/6)*7 = 4.67=5f(3,2) = (4/9)*7 = 3.11=3f(3,3) = (5/9)*7 = 3.89=4f(3,4) = (6/6)*7 = 7f(4,1) = (2/4)*7 = 3.5=4f(4,2) = (6/6)*7 = 7f(4,3) = (2/6)*7 = 2.22=2f(4,4) = (3/4)*7 = 5.25=5

Page 23: Citra Abu- abu ,  Biner ,  Berwarna ,

23

Contoh Histogram Equalization Lokal (3)

Output: 4x4 image

Gray scale = [0,7]histogram

0 1

1

2

2

3

3

4

4

5

5

6

6

7

No. of pixels

Gray level

3 5 5 3

7 3 7 5

5 3 5 7

3 7 3 7

4 5 6 2

7 2 6 5

5 3 4 7

4 7 2 5

Page 24: Citra Abu- abu ,  Biner ,  Berwarna ,

24

Penggunaan Nilai Statistik dari Histogram untuk Perbaikan Citra Selain menggunakan histogram secara langsung untuk perbaikan

citra, dapat pula digunakan parameter-parameter statistik yang didapat dari histogram.

Parameter statistik yang bisa digunakan adalah:◦ Mean, yaitu rata-rata tingkat keabuan dalam citra◦ Variance, yaitu rata-rata kekontrasan citra.◦ Deviasi standard didefinisikan sebagai akar dari variance.

Misalkan r adalah variabel random diskrit yang menyatakan tingkat keabuan diskrit dalam range [0, L-1], dan p(ri) adalah komponen “normalized histogram” pada nilai ke-i dari ri. Bisa diasumsikan bahwa p(ri) adalah estimasi probabilitas kemunculan tingkat keabuan ri.

Mean dari r bisa dihitung dengan:

Variance dari r bisa dihitung dengan:

1

0

L

iii rprm

iL

ii rpmrr

21

0

2

Page 25: Citra Abu- abu ,  Biner ,  Berwarna ,

25

Penggunaan Nilai Statistik dari Histogram untuk Perbaikan Citra (2) Mean dan variance global diukur terhadap seluruh citra dan

digunakan untuk menilai intensitas dan kekontrasan citra secara keseluruhan.

Mean dan variance lokal digunakan sebagai dasar untuk membuat perubahan di dalam citra, dimana perubahan tersebut tergantung pada karakteristik di suatu sub daerah di dalam citra.

Misalkan (x,y) adalah koordinat piksel, dan Sxy menyatakan neighborhood (subimage) dengan ukuran tertentu serta berpusat di (x,y). Mean msxy dari piksel-piksel dalam Sxy

dapat dihitung sebagai berikut:

rs,t adalah tingkat keabuan pada koordinat (s,t) dalam neighborhood, dan p(rs,t) adalah komponen “normalized histogram” pada neighborhood untuk tingkat keabuan rs,t.

ts

Ststss rprm

xy

xy ,,

,

Page 26: Citra Abu- abu ,  Biner ,  Berwarna ,

26

Penggunaan Nilai Statistik dari Histogram untuk Perbaikan Citra (3) Variance dari piksel-piksel pada daerah Sxy dapat dihitung

dengan:

Mean lokal adalah ukuran tingkat keabuan rata-rata dalam neighborhood Sxy dan variance adalah ukuran kekontrasan dalam neighborhood.

tsSts

StsS rpmrxy

xyxy ,

2

,,

2

Permasalahan adalah bagaimana mempertajam daerah gelap dengan tetap mempertahankan daerah terang.

Page 27: Citra Abu- abu ,  Biner ,  Berwarna ,

27

Penggunaan Nilai Statistik dari Histogram untuk Perbaikan Citra (4) Misalkan f(x,y) menyatakan intensitas piksel pada koordinat (x,y),

dan g(x,y) menyatakan piksel yang sudah diperbaiki pada koordinat yang sama. Maka:

E, k0, k1, k2 adalah parameter-parameter yang harus ditentukan. MG

adalah mean global dan DG adalah deviasi standard global.

lainnyayxf

DkDkdanMkmjikayxfEyxg GSGGS xyxy

,

,., 210

Citra yang sudah diperbaiki dengan pemilihan parameter E=4.0, k0=0.4, k1=0.02, k2=0.4 dan daerah lokal berukuran (3x3)

Page 28: Citra Abu- abu ,  Biner ,  Berwarna ,

28

Citra Biner Citra yang hanya mempunyai nilai level intensitas

keabuan hitam dan putih (0 dan 1). Menjadi dasar dalam pengolahan selain citra:

morfologi, segmentasi, representasi, pengenalan pola, dsb.

Formula:

◦ Piksel yang diberi nilai 1 berkaitan dengan obyek sedangkan piksel yang diberi nilai 0 berkaitan dengan background.

◦ Ketika T adalah konstanta, pendekatan ini disebut global thresholding.

T y)f(x, jika0

T y)f(x, jika1),( yxg

Page 29: Citra Abu- abu ,  Biner ,  Berwarna ,

29

Thresholding Salah satu cara memilih thresholding adalah dengan

pemeriksaan visual histogram citra. Histogram dalam gambar secara jelas mempunyai

dua mode yang berbeda. ◦ Mudah untuk memilih threshold T yang membaginya.

Metode yang lain dalam pemilihan T adalah dengan trial and error, mengambil beberapa threshold berbeda sampai satu nilai T yang memberikan hasil yang baik sebagai keputusan yang ditemukan observer .

Page 30: Citra Abu- abu ,  Biner ,  Berwarna ,

30

Thresholding (2) Untuk pemilihan threshold secara otomatis, prosedur

interaktifnya dijelaskan sebagai berikut:1. Memilih perkiraan awal T. Disarankan perkiraan awal adalah

titik tengah antara nilai intensitas minimum dan maksimum dalam citra.

2. Mensegmentasi citra menggunakan T. Ini akan menghasilkan dua kelompok piksel: G1, yang berisi semua piksel dengan nilai intensitas ≥ T, dan G2, yang berisi semua piksel dengan nilai intensitas < T.

3. Menghitung rata-rata nilai intensitas 1 dan 2 untuk piksel-piksel dalam region G1 dan G2.

4. Menghitung nilai threshold yang baru:

5. Mengulangi langkah 2 sampai 4 sampai perbedaan T dalam iterasi yang berturut-turut lebih kecil daripada parameter To sebelumnya.

212

1 T

Page 31: Citra Abu- abu ,  Biner ,  Berwarna ,

31

Formulasi Otsu Normalisasi histogram sebagai fungsi probability discrete density, sebagai:

◦ di mana n adalah total jumlah piksel dalam citra, nq adalah jumlah piksel yang dipunyai level intensitas rq, dan L adalah total jumlah level intensitas yang tersedia dalam citra.

Andaikan bahwa threshold k dipilih maka C0 adalah sekumpulan piksel dengan level [0, 1, …, k – 1] dan C1 adalah sekumpulan piksel dengan level [k, k + 1, …, L – 1].

Metode Otsu memilih nilai k yang memaksimalkan between-class variance 2B,

yang didefinisikan sebagai:

1 - L .., 2, 1, 0, q)( n

nrp q

qr

2

11

2

00

2

TTB

1

00

k

qqqrp

1

1

L

kqqqrp

1

000

/k

qqqrqp

1

11/

L

kqqqrqp

1

0

L

qqqTrqp

>> T = graythresh(f)

>> T = 0.5*(double(min(i(:))) + double(max(i(:))));>> done = false;>> while ~doneg = i >= T;Tnext = 0.5*(mean(i(g)) + mean(i(~g)));done = abs(T - Tnext) < 0.5;T = Tnext;end

Page 32: Citra Abu- abu ,  Biner ,  Berwarna ,

32

Citra abu-abu ke biner >> f = imread('anak.png'); >> T = graythresh(f) T = 0.5529 >> g = im2bw(f,T); >>

imwrite(g,'anak_biner.tif'); >> f = imread('rice.tif'); >> T = graythresh(f) T = 0.5255 >> g = im2bw(f,T); >>

imwrite(g,'rice_biner.tif');Citra abu-abu Citra biner

Page 33: Citra Abu- abu ,  Biner ,  Berwarna ,

33

Operasi Aritmetika pada Citra Operasi aritmetik/logik dilakukan dengan basis operasi piksel

dengan piksel dari dua buah citra atau lebih (kecuali untuk operasi NOT, yang hanya melibatkan satu buah citra).

Operator logika NOT memberikan hasil yang sama seperti transformasi negatif.

Operasi AND dan OR digunakan untuk masking: yaitu memilih subcitra yang ada dalam sebuah citra.

Page 34: Citra Abu- abu ,  Biner ,  Berwarna ,

34

Spektrum Warna Tahun 1966, Sir Isaac Newton mendiskusikan bahwa

ketika cahaya dilewatkan ke kaca prisma, kemunculan cahaya tidak putih melainkan terdiri dari spektrum kontinu dari warna dengan range dari violet pada satu sisi sampai merah pada sisi yang lain.

Benda yang memantulkan, dibatasi range spektrum visible yang ditunjukkan beberapa bentuk warna. ◦ Misalnya, obyek green memantulkan cahaya dengan panjang

gelombang utamanya dalam range 500 sampai 570 nm.

Page 35: Citra Abu- abu ,  Biner ,  Berwarna ,

35

Kuantitas dasar warna Cahaya kromatis merentangkan spektrum elektromagnetik mulai dari kira-kira 400

sampai 700nm. Tiga kuantitas dasar: radiance, luminance, dan brightness. Radiance adalah jumlah perkiraan energi yang mengalir dari sumber cahaya, dan

biasanya diukur dalam watts (W). Luminance diukur dalam lumens (lm), memberikan ukuran perkiraan energi yang

dilihat observer dari sumber cahaya. ◦ Misalnya, cahaya diemisikan dari operasi sumber dalam jarak region infrared dari spektrum

yang dapat mempunyai energi yang signifikan (radiance), tetapi observer akan kesulitan melihatnya; luminasinya hampir menjadi nol.

Brightness adalah deskriptor subyektif yang secara praktek tidak mungkin diukur. cones adalah sensor dalam mata yang dapat merespons warna. Ada 6 sampai 7 juta cones dalam mata manusia dapat dibagi ke dalam tiga

kategori utama, yaitu red, green, dan blue. ◦ 65% dari semua cones sensitif terhadap cahaya merah (red), ◦ 33% sensitif terhadap cahaya hijau (green), dan ◦ hanya kira-kira 2% sensitif terhadap cahaya biru (blue) ◦ (tapi cones biru yang paling sensitif)

Page 36: Citra Abu- abu ,  Biner ,  Berwarna ,

36

Warna Primer dan Sekunder Warna primer dapat ditambahkan untuk menghasilkan warna

sekunder (secondary color) dari cahaya, ◦ magenta (red ditambah biru), ◦ cyan (green ditambah biru), dan ◦ yellow (red ditambah green).

Pencampuran tiga warna primer, atau sekunder dengan kebalikan warna primer dalam intensitas menghasilkan cahaya putih.

Warna primer pigmen adalah magenta, cyan dan yellow, dan warna sekunder adalah red, green, dan blue.

Pencampuran warna cahaya Pencampuran warna pigmen

Page 37: Citra Abu- abu ,  Biner ,  Berwarna ,

37

trichromatic coefficients

Persamaan tersebut dapat dinyatakan:

x + y + z = 1

ZYX

Xx

ZYX

Yy

ZYX

Zz

Page 38: Citra Abu- abu ,  Biner ,  Berwarna ,

38

Model Warna RGB Terdiri dari tiga komponen:R,G,B. Ketika ditampilkan di monitor RGB, tiga kombinasi citra ini

berada di layar fosfor untuk menghasilkan warna citra komposit. Jumlah bit yang digunakan untuk merepresentasikan setiap

piksel dalam space RGB disebut pixel depth. Citra RGB di mana setiap citra red, green, dan blue adalah citra

8-bit. ◦ Dalam kondisi setiap warna piksel RGB [maka, triplet dari nilai (R,G,B)]

mempunyai kedalaman 24-bit (3 lapis citra dengan jumlah bit per lapis). Citra full-color sering digunakan untuk menyatakan citra

berwarna RGB 24-bit. Total jumlah warna dalam citra 24-bit adalah (28)3 = 16,777,216

Page 39: Citra Abu- abu ,  Biner ,  Berwarna ,

39

Citra RGB>> i = imread('city_bridge.jpg');>> fR = i(:,:,1);>> fG = i(:,:,2);>> fB = i(:,:,3);

>> rgb_image = cat(3, fR, fG, fB)

Citra RGB

Komponen Red Komponen Green Komponen Blue

Page 40: Citra Abu- abu ,  Biner ,  Berwarna ,

40

Model Warna CMY dan CMYK (Cyan, Magenta, Yellow, Black) Perangkat yang menyimpan pigmen berwarna pada kertas, seperti printer dan

mesin fotokopi berwarna, membutuhkan data input CMY (konversi RGB ke CMY secara internal).

Konversi (persamaan dibawah):◦ Asumsi bahwa semua nilai warna dinormalisasi dalam range [0,1].

Persamaan di atas menunjukan bahwa cahaya dipantulkan dari permukaan yang dilapisi dengan cyan murni tidak berisi red (karena C = 1 – R dalam persamaannya).

Pengolahan citra dengan model warna ini digunakan dalam hubungan dengan pembuatan output hardcopy.

Kombinasi tiga warna ini untuk pencetakan menghasilkan warna yang tidak sepenuhnya hitam ◦ Dengan tujuan untuk menghasilkan warna hitam yang benar (yang biasanya lebih

dominan dalam pencetakan), warna keempat, black ditambahkan, memberikan kemunculan model warna CMYK

B

G

R

Y

M

C

1

1

1

>> iCMY = imcomplement(iRGB);

Citra RGB Citra CMY

Page 41: Citra Abu- abu ,  Biner ,  Berwarna ,

41

Model Warna HSI Sistem RGB cocok dengan kenyataan bahwa mata manusia

dengan kuat dapat mengetahui warna primer red, green, dan blue.

Sayangnya, RGB, CMY, dan model warna sejenis tidak secara baik cocok untuk menggambarkan warna dalam prakteknya untuk interpretasi manusia. ◦ Misalnya, tidak mereferensikan ke warna dari automobile dengan

pemberian persentase dari setiap warna primer yang mengisi warnanya.

◦ Jangan dianggap bahwa citra berwarna terdiri dari tiga citra primer yang dikombinasikan untuk membentuk citra tunggal.

Model warna HSI (hue, saturation, intencity), memisahkan komponen intensitas dari informasi warna yang dibawa (hue dan saturasi) dalam warna citra.

Model HSI adalah tool yang ideal untuk mengembangkan algoritma pengolahan citra berdasarkan pada deskripsi warna yang alami dan intuitif terhadap manusia, pengembang dan usernya.

Page 42: Citra Abu- abu ,  Biner ,  Berwarna ,

42

Model Warna HSI (2) Hue adalah

atribut warna yang menggambarkan warna murni (yellow, orange, atau red murni).

Saturation memberikan ukuran tingkat di mana warna murni yang dilemahkan oleh cahaya putih.

Intensity adalah tingkat/intensitas kedalaman warna (diantara hitam dan putih).

Warna primer dipisahkan oleh sudut 120o. Warna sekunder adalah 60o dari primer, yang berarti bahwa sudut di antara warna sekunder adalah 120o

Page 43: Citra Abu- abu ,  Biner ,  Berwarna ,

43

Model Warna HSI (3)

Citra RGB Citra HSI

Citra Hue Citra Saturation Citra Intensity/Gray

Page 44: Citra Abu- abu ,  Biner ,  Berwarna ,

44

Konversi warna RGB ke HSI

G B Jika360

G B JikaH

2/12

1

))])(()[(

)]()[(21

cosBGBRGR

BRGR

)],,[min()(

31 BGR

BGRS

)(3

1BGRI

Hue

Saturation

Intensity / Gray

Page 45: Citra Abu- abu ,  Biner ,  Berwarna ,

45

Konversi warna HSI ke RGB Jika diberikan nilai HSI dalam

interval [0,1] maka dapat dicari nilai RGB dalam range yang sama.

Persamaan yang aplikatif tergantung pada nilai H.

Ada tiga sektor yang menarik, yang berhubungan dengan interval 120o dalam pembagian warna primer. ◦ Dimulai dengan perkalian H

dengan 360o, yang mengembalikan hue ke nilai aslinya dalam range [0o,360o]

Sektor RG (0o ≤ H < 120o)

B = I(1 – S)

)60cos(

cos1

H

HSIR

o

G = 3I – (R + B)

Sektor GB (120o ≤ H < 240o)H = H – 120o

Kemudian komponen RGB dihitung:R = I(1 – S)

)60cos(

cos1

H

HSIG

o

B = 3I – (R + G)

Sektor BR (240o ≤ H ≤ 360o)H = H – 240o

Komponen RGB dihitung dengan:G = I(1 – S)

)60cos(

cos1

H

HSIB

o

R = 3I – (G + B)

Page 46: Citra Abu- abu ,  Biner ,  Berwarna ,

46

ANY QUESTION ?

To Be Continued … Materi 4 – Pengolahan Citra dalam Domain Spasial dan Restorasi Citra