01 Pengenalan Citra Digital

8/17/2019 01 Pengenalan Citra Digital

1/39

P E R T E

M U A

N 1

P E N G

E N A

L A N C I T R A

D I G I T A

L

Y U L I A N

A M E L I T A

PENGOLAHAN CITRA DIGITAL DAN COMPUTER VISION © SEKOLAHTINGGI TEKNIK SURABAYA, 2013 1


2/39

MENYATAKAN CITRA DALAM FUNGSI

• Citra dapat dinyatakan dalam fungsi intensitas: I(x,y)

• Daerah gelap rendah (hitam/0), daerah terang tinggi (putih/255)



3/39

SAMPLING & QUANTIZATION

• Sampling adalah proses mapping fungsi kontinyu ke

diskrit

Quantization adalah proses mapping variael kontinyu ke

diskrit

• Citra harus mengalami sampling ! "uanti#ation agardapat diproses dengan komputer yang ersifat diskrit

(proses digitalisasi)

• Citra yang ditangkap oleh kamera dan telah dikuantisasi

dalam entuk nilai diskrit diseut seagai $itra digital%

• Citra digital dapat dinyatakan seagai suatu fungsi dua

dimensi f(&,y), dimana & dan y adalah posisi koordinat,

sedangkan f menun'ukkan intensitas arna%



4/39


SAMPLING & QUANTIZATION


5/39

HASIL SAMPLING & QUANTIZATION

• U!"#$ %#'(#) *+"%-)!%(. #/#)# #%() %#)($

• C-)-" /' *+# 4#"$#. #/#)# #/#)# #%()

5!#$'(6#'(-$


f(0,0) f(0,1) ... f(0,M-1)

f(1,0) f(1,1) ... f(1,M-1)

f(x,y)= ... ... ...

... ... ...

f(N-1,0) f(N-1,1) ... f(N-1,M-1)


6/39

CONTOH PERBEDAAN SPATIAL

RESOLUTION


25 & 25 *2+ & *2+ &

*&*

-etika suatu image di perke$il, ada

informasi yang hilang% -etikaimage terseut dikemalikan ke

ukuran asalnya, maka image

men'adi rusak%


7/39

CONTOH PERBEDAAN COLOR DEPTH


2 its 25 arna arna

* arna arna grays$ale


8/39

KEDALAMAN 7ARNA *COLOR DEPTH.

• C-)-" D' + )8#" 9 '($( 9 :!)# 8(' " ()

• A# #%!/ ; 8(', 1< 8(', 2= 8(' /#$ 32 8(' " ()>• Dalam * pi&el menyimpan 2n kominasi arna

• + it . ( it) ( it) 1 (2 it)

mata manusia leih sensitif pada . ! , sehingga 1 dikorankan

• * it . ( it) ( it) 1 ( it) transparansi ( it)

tau

. (5 it) (5 it) 1 (5 it) transparansi (* it)

• 2 it

. (+ it) (+ it) 1 (+ it) transparansi (optional + it)• 2 it . (*0 it) (*0 it) 1 (*0 it)

padding / tidak digunakan ( 2 it)



9/39

ALPHA CHANNEL

A)# C#$$)? 8#(#$ /#"( %!#'! #8#" *@(/-. #$!#' ($-"#%( '"#$%#"#$%(


-omposisi dengan

memanfaatkan alpha3

$hannel


10/39

PALET 7ARNA

B##(#$# %8!# ('"# /(""%$'#%(#$ /#)# ()>4ertama3tama seperti halnya 'ika kita ingin melukis seuah

gamar, kita harus memiliki palet dan kanvas

4alet: kumpulan arna yang dapat mementuk $itra, sama halnya

seperti kita hendak melukis dengan $at arna, kita memiliki palet

yang isa kita isikan eragai arna $at air

etiap arna yang ereda dalam palet terseut kita eri nomor

(erupa angka)

Contoh untuk $itra monokrom (arnanya hanya putih3auau3

hitam), erarti kita memiliki palet s:



11/39

COLOR MODEL

B8"## -)-" -/) #$ -!)"?.1 (arna primer pada C.6)

C78- (populer agi per$etakan)

89 / 8;< (standar agi 6< =6C / 4>)

?9 / ?< (sesuai dengan persepsi mata manusia)



12/39

RGB

M"!##$ 4#"$# "(" ### *8"/#%#" #'# #$!%(#.? . ("/), ("$) dan 1 (8)!)

Dimodelkan dalam .1 $ue

ifatnya additive



13/39

RGB CONTOH



14/39

CMY

• Dalam dunia arna sering diseut seagai C78-

• - menun'ukkan arna hitam

• 7erupakan arna primer agi per$etakan:C#$ M#$'# Y))-4

• ifatnya subtractive• Dihitung dari .1 dengan:



15/39

CMY CONTOH



16/39

ADDITIVE & SUBTRACTIVE



17/39

YIQ *LUMINANCE IPHASE QUADRATURE.

• 7erupakan model arna standar agi 6<

• Dihitung dari .1 dengan

• 8 @ >uminan$e, menyatakan terang3gelap (rightness)

• 9 dan menyatakan arna


Catatan tamahan•Contrast @ perbedaan pencahayaan dan / atau warna yan!e!buat "bye# $da%a! a!bar atau %ayar& dapat d'beda#an(


18/39

YIQ CONTOH



19/39

HSI ATAU HSV

• M-/) ($( )8( %%!#( /$#$ "%%( #'# #$!%(# /#)#$#$# 4#"$#



20/39

RGB KE HSV

M$!8# /#"( RGB HSV

B##(#$# $!8# HSV RGB>



21/39

HSI ATAU HSV

• ?ue itu arna seenarnya, yang menun'ukkan ke$erahanarna%% -e$erahan menga$u pada erapa anyak putih (atauhitam) di$ampur dalam arna%

• aturation ditentukan oleh tingkat kemurnian, dan tergantungpada 'umlah sinar putih yang ter$ampur dengan hue (yangmengukur kuantitas arna putih yang mun$ul pada suatuo'ek)% uatu arna hue murni adalah se$ara penuh tersaturasi,yaitu tidak ada sinar putih yang ter$ampur% ?ue dan saturationdigaungkan menentukan $hromati$ity suatu arna%

• 9ntensitas ditentukan oleh 'umlah sinar yang diserap% emakinanyak sinar yang diserap semakin tinggi intensitas arnanya%

• inar $hromati$ (Chromati$ity) tidak memiliki arna, tetapihanya ditentukan oleh atriut intensitas% 6ingkat keauan(graylevel) adalah ukuran intensitas yang ditentukan oleh gelapdan terang%



22/39

CIE CHROMACITY DIAGRAM



23/39

HSI CONTOH



24/39

BAGAIMANA 7ARNA DINYATAKAN

• Aarna dinyatakan dalam komponen .1 (red, green,

lue), C78- ($yan, magenta, yello, la$k), ?

atau 89%


RGB -)-" !8


25/39

COLOR GAMUT

• 1eerapa devi$ehanya isa

menampilkan spektrum

arna yang teratas

• Color amut adalah

level arna yang isaditerima oleh suatu

devi$e%

• -etika suatu devi$e

tidak dapat

menampilkan arnats, maka dikatakan

Bout of gamut



26/39

DITHERING

• D('"($ #/#)# %!#'! '$( #/# "#(# -!'"

!$'! 8!#' ()!%( ##" %8!# (# '##

()(( /#)##$ 4#"$# #$ )8( '($( /#"( #%)($#

• D('"($ /()#!#$ !$'! $%(!)#%(#$ 4#"$# #$

)8( 8#$# /#"(#/# #$ 8(%# /(#%()#$ %!#'! /@(


I#


27/39

DITHER PATTERN

S#)# %#'! -$'- #''"$ #'"(% O"/"/ D('"


0

1 2 3 =

22==

0 1 2 3 = <

; 10 12 1= 1 1<


28/39

MEMBUAT DITHER PATTERN

.ule digunakan untuk pattern matriks, dimana dua angka yang

erturut3turut harus memiliki 'arak rata3rata yang esar



29/39

HUBUNGAN ANTAR PIEL

• N(8-!"--/

• A/:#$ C-$$'(@('

• D(%'#$



30/39

NEIGHBORHOOD *TETANGGA PIEL.

• T'#$# -"(%-$'#) /#$ @"'(#), N=*.

(x+1, y), (x-1, y), (x, y+1), (x, y-1)

• T'#$# /(#-$#), ND*.

(x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1 ,y-1)

• ;''#$#, N;*. (N= U ND)


N4(p) ND(p) N8(p)


31/39

ADACENCY CONNECTIVITY *1.

• d'a$en$y / Conne$tivity : menentukan apakah pi&el3pi&el saling terhuung

• Dua pi&el dikatakan terhuung ila mereka saling

ertetangga, dan memiliki nilai gray level yang

hampir sama (memenuhi kriteria similarity)• 7erupakan konsep penting untuk menentukan atas

o'ek

• yarat konektivitas adalah :

2 pi&el memiliki gray level yang hampir sama

2 pi&el terseut ertetangga



32/39


7isalkan pada suatu image + it (arna@25),

konektivitas ter'adi ila kedua pi&el terletak pada

himpunan


33/39


3 $onne$tivityDua pi&el p dan " dengan gray level termasuk dalam < ila " adalah anggotahimpunan =,(p)

+ 3 $onne$tivityDua pi&el p dan " dengan gray level termasuk dalam < ila " adalah anggotahimpunan =+(p)

m 3 $onne$tivityDua pi&el p dan " dengan gray level termasuk dalam < ila

( " adalah anggota himpunan =,(p) 6;

(( " adalah anggota himpunan =D(p) D= =,(p) =,(") @

(penge$ekan ( dilakukan leih dulu)


ma$am $onne$tivity:


34/39

ADACENCY CONNECTIVITY *=.

Contoh:< @ G*,2H

a% 3ad'a$en$y

% +3ad'a$en$y

$% m3ad'a$en$y



35/39

ADACENCY CONNECTIVITY *.



36/39

DISTANCE *ARAK ANTAR PIEL.

• S(#' !$%( :#"# #/#)# ?

D(p,") ≥ 0 ,D(p,")@0 ''k p@"

D(p,") @ D(",p)

D(p,#) ≤ D(p,") I D(",#)



37/39

PENGUKURAN ARAK

• M'-/ $!!"#$ :#"# #$'#"# *,. & 5*%,'.? Jarak Ku$lidian

De(p,") @ L(&3s)2I(y3t)2M*/2

Jarak D, ('arak $ity3lo$k)

D,(p,") @ N&3sNINy3tN Jarak D+ ('arak papan $atur / $hey$hev)

D+(p,") @ ma&( N&3sN , Ny3tN ) Jarak 7inkoski

Dm(p,") @ L(&3s)pI(y3t)pM*/p

Jika p@* ($ity3lo$k), p@2 (eu$lidian)



38/39

LATIHAN

1( Tentu#an #"ne#t')'ta* $+,#"ne#t')'ta*- .,#"ne#t')'ta* dan !,#"ne#t')'ta*& dar' c'tra ber'#ut'n' b'%a 012(

0 0 0 1 0 0 0 1 1 0

1 0 0 1 1 1 1 0 0 11 0 0 1 0 1 1 0 0 0

0 0 1 1 1 1 0 0 0 0

0 0 1 1 1 0 0 1 1 1



39/39

LATIHAN

3( 4'tun 5ara# antara "b5e#,"b5e# da%a! c'tra ber'#ut'n'- denan !enuna#an Euc%'d'an dan C'ty,6%"c#(

PENGOLAHAN CITRA DIGITAL DAN COMPUTER VISION © SEKOLAHTINGGI TEKNIK SURABAYA 2013 39

1 2 3 4 5 6 7 8 9 1

0

1

1

1

2

1

2 x3 x x x x x x

4 x x x x x x x

5

6 x

7 x x x

8 x x x

9 x x x x

1

0

x x

Date post:	06-Jul-2018
Category:	Documents
Upload:	nekolavigne
View:	229 times
Download:	0 times

01 Pengenalan Citra Digital

Documents