1

3/14/2013

SAMPLING DAN KUANTISASI

Budi Setiyono

Citra

Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana

x dan y adalahkoordinat spasial dan f pada titik (x, y)

merupakan tingkat kecerahan (brightness) suatu citra pada

suatu titik

Suatu citra diperoleh dari penangkapankekuatan sinar yang

dipantulkan oleh objek

Image Formation

3

Image Formation

4

Image Formation

projection

through lensimage of object

5

Image Formation

projection onto

discrete sensor

array.digital camera

6

Image Formation

sensors register

average color.sampled image

7

Image Formation

continuous colors,

discrete locations.discrete real-

valued image

8

Sampling and Quantization

sampledreal image quantized sampled &

quantized

9

Sampling and Quantization

sampledreal image quantized sampled &

quantized

pixel gridcolumn index

row

in

de

x

10

Sampling

),( crIS ,CI

continuous image sampled image

Take the average

within each square.

11

Sampling

),( crIS ,CI

continuous image sampled image

Take the average

within each square.

12

Sampling

),( crIS ,CI

continuous image sampled image

Take the average

within each square.

13

Sampling

),( crIS ,CI

continuous image sampled image

Take the average

within each square.

14 March 201314

15

Digital Image Formation: Quantization

continuous color input

dis

cre

te c

olo

r ou

tpu

t

continuous colors

mapped to a finite,

discrete set of colors.

Sampling and Quantization

pixel grid

sampledreal image quantized sampled &

quantized

16

Sampling

17

Proses capture pada kamera melakukan penangkapan besaran

intensitas cahaya pada sejumlah titik yang ditentukan oleh besar

kecilnya kemampuan resolusi sebuah kamera. Proses

pengambilan titik-titik ini dinamakan dengan sampling.

Kuantisasi

18

Kuantisasi (Warna)

19

Sampling dan Kuantisasi

20

Sampling menunjukkan banyaknya pixel (blok)

untuk mendefinisikan suatu gambar

Kuantisasi menunjukkan banyaknya derajat nilai

pada setiap pixel (menunjukkan jumlah bit pada

gambar digital b/w dengan 2 bit, grayscale

dengan 8 bit, true color dengan 24 bit

Resolusi Spasial - Sampling

21

Sampling Uniform dan Non-uniform

Sampling Uniform mempunyai spasi (interval) baris dan kolom

yang sama pada seluruh area sebuah citra.

Sampling Non-uniform bersifat adaptif tergantung karakteristik

citra dan bertujuan untuk menghindari adanya informasi yang

hilang. Daerah citra yang mengandung detil yang tinggi di-

sampling secara lebih halus, sedangkan daerah yang homogen

dapat di-sampling lebih kasar. Kerugian sistem sampling Non-

uniform adalah diperlukannya data ukuran spasi atau tanda batas

akhir suatu spasi.

Resolusi Kecemerlangan - Kwantisasi

22

Kwantisasi Uniform, Non-uniform, dan Tapered Kwantisasi Uniform mempunyai interval pengelompokan tingkat

keabuan yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya).

Kwantisasi Non-uniform: Kwantisasi yang lebih halus diperlukan terutama pada bagian citra yang meng-gambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kwantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek.

Kwantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kwantisasi secara lebih halus dan diluar batas daerah tersebut dapat di-kwantisasi secara lebih kasar (local stretching).

Resolusi Uniform vs Non-Uniform Tidak perlu resolusi spasial

yang non-uniform

Perlu resolusi spasial yang non-uniform

Tidak perlu resolusi kecemerlangan yang non-uniform (untuk warna hitam dan putih)

Perlu resolusi kecemerlangan yang non-uniform (untuk warna kehijauan dan kemerahan)

23

Hubungan antara piksel dan

pengertian connectivity

24

4-tetangga piksel P 8-tetangga piksel P

X X X X

X P X X P X

X X X X

Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau sama-sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya

Labelling of connected component

25

Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4-tetangga dan (b) dengan aturan 8 tetangga:

0 0 0 0 0 0 0 0 0 0 0 0

0 0 1 1 0 0 0 0 1 1 0 0

0 1 1 0 0 0 0 1 1 0 0 0

0 1 1 0 1 1 0 1 1 0 1 1

0 0 0 1 1 1 0 0 0 1 1 1

0 0 0 0 0 0 0 0 0 0 0 0

ekivalen dengan

ekivalen dengan

Operasi Aritmetik / Logika pada

Citra

26

Operasi Aritmetik antara dua citra + - x / Band ratio antara citra sensor optik Landsat TM

band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya.

Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.

Operasi Aritmetik / Logika pada Citra

Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi

perubahan wilayah.

27

Jakarta in 1994 Jakarta in 1998

(Lapan, 2001)

Operasi Aritmetik / Logika pada

Citra

28

Operasi Logika antara dua citra

OR AND NOT

Masking (AND) operation dapat digunakan

untuk memisahkan antara bagian obyek dan

bagian latar belakang pada citra biomedik.

S1 / TI09KB71 / Semester VII / 3 SKS / Reguler29

Komponen Sistem Pengolahan Citra Digital

(Gonzalez & Woods, 1992)

Dasar Radiometri

30

Radiometri adalah bagian dari image formation

yang membahas relasi antara besaran energi dari

sumber, besaran refleksi dari permukaan dan

besaran yang diterima oleh sensor

Model Kamera

31

Tiga Jenis Citra

32

Model Citra Berwarna Dengan RGB

33

Representasi Citra

34

Format Warna RGB

35

R

G

B

Format warna 24 BIT dinyatakan dengan:

11001001 01011001 00001011R (8 bit) G (8 bit) B (8 bit)

Masing-masing komponen warna RGB mempunyai nilai

0 s/d 255 (8 bit) derajat kecerahan (derajat keabuan)

Format Warna RGB

Warna R G B

Merah 255 0 0

Hijau 0 255 0

Biru 0 0 255

Kuning 255 255 0

Magenta 255 0 255

Cyan 0 255 255

Putih 255 255 255

Hitam 0 0 0

Abu-abu 128 128 128

36

Contoh Warna RGB Dalam

HexaDecimal

37

Membaca dan Menampilkan Citra

38

Proses untuk membaca citra sama seperti proses membaca

matrik, karena citra adalah suatu matrik. Setiap pixel pada

citra mempunyai 3 nilai R,G dan B

Proses untuk menampilkan citra sama seperti proses untuk

menampilkan matrik dengan setiap pixelnya diberi nilai

(R,G,B)

Image Enhancement

Mengolah suatu citra sehingga hasilnya sesuai untuk

penggunaan yang lebih spesifik

Meningkatkan fitur / menonjolkan ciri tertentu yang

dijadikan fokus perhatian pada suatu citra

Meningkatkan kualitas tampilan citra untuk pandangan

manusia

Mengkonversi suatu citra agar memiliki format yang lebih

baik sehingga citra tersebut lebih mudah diolah dengan mesin

(komputer)

Image Enhancement

Peningkatan kualitas citra dibagi ke dalam dua kategori

Metode domain spasial

Manipulasi langsung dari pixel di dalam citra

Metode domain frekuensi

Manipulasi terhadap transformasi Fourier dari suatu citra

Metode Domain Spasial

Operasi titik

Operasi spasial

Operasi aritmatik

Histogram Citra

Histogram citra sangat berkaitan dengan berbagai teknik

pengolahan citra, terutama metode-metode yang tergolong

dalam operasi titik

Histogram citra adalah grafik yang menampilkan banyaknya

pixel dalam suatu citra yang dikelompokkan berdasarkan

level nilai intensitas pixel yang berbeda

Histogram citra ditampilkan dalam grafik 2D

Sumbu x menyatakan nilai intensitas pixel

Sumbu y menyatakan frekuensi suatu nilai intensitas pixel

Histogram juga bisa diterapkan pada citra berwarna, dengan

cara memisahkan terlebih dahulu 3 komponen warna red,

green, dan blue. Kemudian setiap komponen warna dibuat

histogramnya

Citra RGB

Histogram Red

Histogram Green

Histogram Blue

Manfaat Histogram

Sebagai indikasi visual untuk menentukan skala keabuan yang

tepat sehingga diperoleh kualitas citra yang diinginkan

Untuk pemilihan batas ambang (threshold)

Transformasi Intensitas Citra

Peningkatan kualitas citra dapat dilakukan melalui

transformasi intensitas citra, yaitu besar intensitas setiap pixel

pada citra diubah, tetapi posisi pixel tetap

Transformasi ini dilakukan melalui sebuah fungsi yang disebut

fungsi transformasi skala keabuan (grayscale transformation

function)

g(x,y) = T[f(x,y)]

Transformasi Citra Warna ke Citra

Grayscale

Citra warna RGB dapat diubah menjadi citra grayscale dengan

cara menghitung rata-rata elemen red, green, dan blue

3

),(),(),(),(

yxfyxfyxfyxg BGR

Penyesuaian Kecerahan

Tingkat kecerahan suatu citra dapat dilihat dari histogramnya

Semakin dinaikkan tingkat kecerahan suatu citra maka

konsentrasi nilai pixel pada histogram akan bergeser ke sisi

kanan, sebaliknya jika semakin diturunkan maka konsentrasi

nilai pixel pada histogram akan bergeser ke kiri

kyxfyxg ),(),(

Negasi

Proses pemetaan nilai pixel suatu citra, yaitu pada citra biner,

pixel hitam dijadikan putih dan putih dijadikan hitam

Proses pemetaan nilai pixel suatu citra, yaitu pada berwarna

atau grayscale, nilai maksimum pixel dikurangi dengan nilai

pixel yang sedang diproses

Menghasilkan citra negatif atau seperti film negatif dari foto

),(),( yxffyxg maks

Kontras

Tingkat penyebaran pixel-pixel ke dalam intensitas warna

Citra kontras rendah

Citra kontras tinggi

Citra kontras normal

Citra Kontras Rendah

Pada histogram, distribusi nilai pixel akan terkonsentrasi pada

sisi kiri, sisi kanan, atau di tengah. Semua pixel akan

terkelompok rapat pada suatu sisi tertentu dan menggunakan

sebagian kecil dari semua kemungkinan nilai pixel

Citra Kontras Tinggi

Memiliki daerah gelap dan terang yang luas. Histogram citra

ini memiliki dua puncak besar. Satu puncak terkonsentrasi

pada sisi kiri dan yang satunya terkonsentrasi pada sisi kanan

Citra Kontras Normal

Menampilka rentang nilai pixel yang lebar. Histogramnya

relatif menunjukkan distribusi nilai pixel yang seragam, tidak

memiliki puncak utama, atau tidak memiliki lembah

Fungsi Peningkatan Kontras 1

Fungsi Peningkatan Kontras 1

G : koefisien penguatan kontras

P : nilai grayscale yang dipakai sebagai pusat pengkontrasan

PPyxfGyxg ),(),(

G = 2

P = 50

Fungsi Peningkatan Kontras 2

max

max255),(),(),( yxfyxfyxg

max = 189

Koreksi Gamma

Semakin kecil faktor koreksi maka citra output akan semakin

terang

Semakin tinggi faktor koreksi maka citra output akan

mendekati citra asli

Faktor koreksi gamma, 0 < γ < 1

1

),(),( yxfyxg

Transformasi Power Law

C dan γ adalah konstanta positif

),(.),( yxfCyxg

C = 0.12

γ = 1

Operasi Thresholding

Pada operasi ini, nilai pixel yang memenuhi syarat ambang

batas dipetakan ke suatu nilai yang dikehendaki

nnn TyxfT

TyxfT

Tyxf

T

T

T

yxg

),(

),(

),(

,

.

,

,

),(

1

21

1

2

1

Contoh : Operasi Thresholding Tunggal

128),(

128),(

,255

,0),(

yxf

yxfyxg