PENGOLAHAN CITRA DIGITAL

Citra (image) : bisa didefinisikan sebagai fungsi dua dimensi f(x,y) di mana x dan y adalah koordinat spasial dan amplitudo f pada setiap pasang (x,y) disebut intensitas (gray level) citra pada titik tersebut.

Jika x dan y berhingga (finite) dan diskrit (tdk kontinyu) maka disebut citra digital. Citra digital terdiri dari sejumlah elemen berhingga yang masing-masing mempunyai lokasi dan nilai.

Elemen-elemen x dan y disebut elemen citra / pels / pixel.

Pengolahan Citra Digital (PCD) adalah pemrosesan citra digital dengan menggunakan komputer digital.

Tipe pemrosesan komputer :

Pemrosesan Level Rendah (Low Level Process) : terdapat operasi primitif, seperti pemrosesan citra untuk mengurangi noise, perbaikan kontras, dan penajaman gambar. Ciri-ciri : input dan output sama-sama citra.

Pemrosesan Level Menengah (Mid Level Process) : terdapat task, seperti segmentasi (pembagian citra menjadi region-region / objek-objek), mendeskripsikan objek-objek untuk mengubahnya menjadi bentuk yang sesuai untuk pemrosesan komputer, dan klasifikasi (mengenali objek-objek tertentu). Ciri-ciri : input berupa citra, output berupa atribut-atribut yang diekstrak dari citra (contoh : garis, kontur)

Pemrosesan Level Tinggi (High Level Process) : termasuk menjadikan objek-objek yang sudah dikenali menjadi lebih berguna, berkaitan dengan aplikasi, serta melakukan fungsi-fungsi kognitif yang diasosiasikan dengan vision.

Contoh penerapan PCD dan computer vision :

Absensi pegawai dengan sidik jari Program untuk mengenali wajah seseorang Sistem temu kembali citra berdasarkan isinya, contoh : dengan memasukkan keyword

gunung akan muncul citra-citra yang ada gunung Mendeteksi garis putih supaya robot dapat berjalan di atasnya Lampu lalu lintas otomatis dengan kamera untuk mendeteksi kepadatan Palang kereta otomatis Mendeteksi keropos tulang dari citra kerangka manusia

Image sampling dan quantization : output sensor biasanya berupa gelombang voltase kontinyu. Untuk membuat citra digital harus mengubah data kontinyu menjadi bentuk digital.

Sampling : melakukan digitisasi terhadap nilai koordinat (x,y) Quantization : melakukan digitisasi terhadap nilai amplitudo f

Pengolahan Citra Digital – Image Compression

1.    Data Citra Umumnya berukuran besar.

Contohnya aja : misalnya saja untuk membuat halaman judul yang jumlah halamannya 1dan didalamnya terdapat logo perusahaan atau kampus, besarnya hampir sama jika kita membuat file .doc yang isinya hanya tulisan dan berlembar2.

2.    Tidak praktis dalam proses penyimpanan, proses dan transmisi

3.    Dengan adanya kompresi kita bisa mengurangi redundancy atau pengulangan data yang ada pada data.

Data Redundancy adalah pengulangan dari informasi yang sudah dinyatakan sebelumnya atau sudah diketahui.

 

Contoh aplikasi yang membutuhkan kompresi citra

   Televideo-conferencing

   Remote sensing

   Telemedical / Medical imaging

   Facsimile transmission

 

Ada 2 kategori Teknik Kompresi Citra :

1. Perbedaan utama antara Coding Redundancy, Interpixel Redundancy dan

Psychovisual Redundancy adalah penyebab adanya data redundancy dan teknik

eliminasi redundancy

  Coding redundancy : Terjadi bila suatu kode simbol yang digunakan terdiri dari sejumlah bit

yang melebihi jumlah bit yang diperlukan untuk representasi setiap simbol (dalam hal ini:

tingkat keabuan piksel citra).  Teknik eliminasinya dengan cara mengubah pengkodean.Tingkat

keabuan yang probabilitas terjadinya tinggi diberi panjang kode yang pendek, dan bila sebaliknya

diberi kode yang panjang

  Interpixel redundancy : data redundancy dinyatakan dengan korelasi antar piksel dimana

intensitas suatu piksel dapat diperkirakan dari intensitas piksel-piksel tetangganya. Teknik

eliminasinya dengan mengubah representasi citra image. citra tidak dinyatakan dalam bentuk

matriks dari intensitas piksel-pikselnya, akan tetapi dipetakan (mapping) dalam bentuk perbedaan

intensitas antar piksel yang bersebelahan.  Bentuk data yang dimampatkan ini bersifat reversible,

artinya dapat direkonstruksi kembali menjadi citra asalnya.

<!--[if mso &amp; !supportInlineShapes &amp; supportFields]&gt; SHAPE  \* MERGEFORMAT

<![endif]–>

            Contoh Citra:              

 

         0  0  0  0  1  1  0  0        

         0  0  0  1  1  1  1  0        

         0  0  0  1  1  1  1  0

         0  0  1  1  1  1  1  0

         0  0  1  1  1  1  1  0

         0  0  0  1  1  1  0  0

         0  0  0  0  1  0  0  0

         0  0  0  0  0  0  0  0

                       

         Run-Length Code Representation:

(0,4), (1,2), (0,2)

(0,3), (1,4), (0,1)

(0,3), (1,4), (0,1)

(0,2), (1,5), (0,1)

(0,2), (1,5), (0,1)

(0,3), (1,3), (0,3)

 (0,8)

 

Informasi Yang Disimpan:

                       

            22 pairs of integers

 

  Psychovisual redundancy : redundancy terjadi karena suatu fenomena dimana intensitas keabuan yang bervariasi dilihat sebagai intensitas konstan, artinya: mata tidak mempunyai sensitivitas yang sama terhadap semua informasi yang dianggap penting dan tidak penting.  Ex : kasus mach band. Teknik eliminasinya menggunakan Quantization / IGS (Improved Gray Scale) Quantization

 

Ada beberapa cara untuk melakukan kompresi data, algoritma yang saya pilih

sekarang ini adalah Lempel-Ziv

Lempel-Ziv

Algoritma ini melakukan kompresi dengan menggunakan dictionary / kamus , dimana

fragmen-fragmen dari teks digantikan dengan index yang diperoleh dari dictionary.

Pendekatan ini bersifat adaptif dan efektif karena banyak karakter  dapat dikodekan dengan

mengacu pada string yang telah muncul sebelumnya dalam teks.

Langkah-langkah algoritma Lempel-Ziv (LZW)

1.    Dictionary diinisialisasi dengan semua karakter dasar yang ada

2.    P merupakan karakter pertama dalam stream karakter

3.    C merupakan karakter berikutnya dalam stream karakter

4.    Apakah string (P+C) terdapat dalam dictionary ?

      Jika ya,maka P = P + C (gabungkan P dan C menjadi string baru)

      Jika tidak, maka :

-     Output sebuah kode untuk menggantikan String P

-     Tambahkan string (P+C) ke dalam dictionary dan berikan kode berikutnya yang

belum digunakan dalam dictionary untuk string tersebut

-     P = C

5.    Apakah masih ada karakter berikutnya dalam stream karakter ?

      Jika ya, maka kembali ke langkah 2

      Jika tidak, maka output kode yang menggantikan string P, lalu stop proses.

Contoh : string ABBABABAC

Dari contoh diatas maka kita ketahui bahwa karakter dasar dalam string diatas adalah

‘A’, ‘B’, dan‘C’, masukkan dalam dictionary secara urut (sebaiknya),  sehingga dalam

dictionary, kode 1 = ‘A’, kode 2 = ‘B’, kode 1 = ‘C’

Langkah-langkah :

1.    Posisi-> 1, P = ‘A’ (karakter pertama), karena ‘A’ sudah ada dalam dictionary maka sekarang P =

P + C (P = ‘A’ + ‘B’), jadi P sekarang adalah ‘AB’, karena ‘AB’ belum terdapat dalam dictionary

maka outputnya adalah 1 <kode 1 = ‘A’>, kemudian masukkan ‘AB’ kedalam dictionary <kode 4 =

‘AB’>, lalu P = ‘B’

2.    Posisi -> 2, P = ‘B’, karena B sudah ada dalam dictionary maka sekarang P = P + C (P = ‘B’ + ‘B’),

jadi P sekarang adalah ‘BB’, karena ‘BB’ belum terdapat dalam dictionary maka outputnya adalah

2 <kode 2 = ‘B’>, kemudian masukkan ‘BB’ kedalam dictionary <kode 5 = ‘BB’>, lalu P = ‘B’

3.    Posisi -> 3, P = ‘B’, karena B sudah ada dalam dictionary maka sekarang P = P + C (P = ‘B’ + ‘A’),

jadi P sekarang adalah ‘BA’, karena ‘BA’ belum terdapat dalam dictionary maka outputnya adalah

2 <kode 2 = ‘B’>, kemudian masukkan ‘BA’ kedalam dictionary <kode 6 = ‘BA’>, lalu P = ‘A’

4.    Dst

Sehingga pada akhirnya kita peroleh Dictionary :

Kode 1 = ‘A’

Kode 2 = ‘B’

Kode 3 = ‘C’

Kode 4 = ‘AB’

Kode 5 = ‘BB’

Kode 6 = ‘BA’

Kode 7 = ‘ABA’

Kode 8 = ‘ABAC’

Sehingga Outputnya adalah [1] [2] [2] [4] [7] [3]

 

Selain dengan menggunakan Algoritma Lempel-Ziv (LZW), kita juga dapat menggunakan

Algoritma lain misalnya Huffman Code, tapi pasti smua sudah pada jago Algoritma ini

Dasar Warna RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru, digabungkan dalammembentuksuatu susunan warna yang luas. Setiap warna dasar, misalnya merah, dapat diberirentangnilai. Untukmonitor komputer, nilai rentangnya paling kecil = 0 dan paling besar = 255. Pilihanskala 256ini didasarkan pada cara mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer. Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 1677726 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu komponen-x, komponen-y dan komponen-z. Misalkan sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna, komponen-komponen tersebut digantikan oleh komponen R(ed), G(reen), B(lue). Jadi, sebuah jenis warna dapat dituliskan sebagai berikut: warna = RGB(30, 75, 255). Putih = RGB (255,255,255), sedangkan untuk hitam= RGB(0,0,0).

Citra Gray Graysacale adalah warna-warna piksel yang berada dalam rentang gradasi warna hitam dan putih. sebagai contoh, jika kita mempunyai gambar berukuran 200x300 pixel, maka jumlah byter yang terpakai di memory adalah 200x300x2 = 120000bit.

Citra Biner Citra biner diperoleh melalui proses pemisahan piksel-piksel berdasarkan derajat keabuan yang dimilikinya. Piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan akan diberikan nilai 0, sementara piksel yang memiliki derajat keabuan yang lebih besar dari batas akan diubah menjadi bernilai 1.Jadi untuk gambar yang biasanya berwarna hitam puth, nilai nya 0 dan 1.sebagai contoh, jika kita mempunyai gambar berukuran 200x300 pixel, maka jumlah byter yang terpakai di memory adalah 200x300x1 = 60000bit.

PENGUBAHAN KECERAHAN GAMBAR (IMAGE BRIGHTNESS) Image Brightness (pencerahan gambar)adalah suatu teknik untuk membuat citra menjadi lebih terang atau lebih gelap. Kecerahan/kecermelangan gambar dapat dilakukan dengan cara menambahkan(atau mengurangkan) sebuah konstanta dari setiap pixel di dalam citra. Proses Image Brightness menyebabkan histogram dari citra tersebut mengalami perubahan.Secara matematis proses Image brightness ditulis sebagai :

* f(x,y)'=f(x,y)+b

Jika b>0, maka kecerahan gambar bertambah, sebaliknya jika b<0 kecerahan gambar berkurang.

Nilai pixel hasil pengolahan mungkin kurang dari sama dengan derajat keabuan minimum (0) atau lebih dari sama dengan derajat keabuan maksimum (255). Karena itu,pixel tersebut perlu dilakukan clipping ke nilai keabuan minimum atau ke nilai keabuan maksimum.

Perbaikkan Kualitas Citra (image enhancement) Jenis operasi ini bertujuan untuk memperbaiki citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, cirri-ciri khusus yang khusus yang terdapat didalam citra lebih ditonjolkan.

Contoh-contoh operasi perbaikkan citra:

a. Perbaikkan kontras gelap/terangb. Perbaikkan tepian objek (edge enhancement)c. Penajaman (sharpening)d. Pemberian warna semu (pseudocoloring)e. Penapisan derau (noise filtering)

Pemugaran Citra (image restoration) Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikkan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.

Contoh-contoh operasi pemugaran citra :a. Penghilangan kesamaran (deblurring)b. Penghilangan derau (noise)