Tugas Softskill - Image Processing (Bab 13 Dasar Pengolahan Citra & Bab 15 Pengolahan Citra)

Pada postingan ini saya akan memberikan Slide Persentasi tentang "Image Processing". File dapat didownload di link dibawah ini.

Google Drive |  Image Processing (Bab 13 Dasar Pengolahan Citra & Bab 15 Pengolahan Citra).

BAB 13 Dasar Pengolahan Citra

Pengolahan citra saling berkaitan, tetapi berbeda dari komputer grafis. Bagian ini tentu saja dirancang untuk memberikan wawasan yang melibatkan dasar pengolahan citra dan metode yang dapat digunakan untuk mengkompresi sebuah gambar.

Gambar 13.1 : Komputer grafis dan pengolahan citra

Gambar 13.1 mengingat bahwa pengolahan citra melibatkan pengambilan gambar yang ada dan mengubah dalam beberapa cara untuk menghasilkan gambar lain. Secara umum tujuannya adalah untuk meningkatkan fitur tertentu dari gambar, untuk meningkatkan estetika dan kejelasan, atau mengekstrak beberapa informasi tertentu.

Sifat pengolahan citra sangat matematis, tetapi pengenalan ini sebagian besar secara deskriptif. 

BAB 15 Pengolahan Citra

Dalam bagian ini kita mempertimbngkan metode dasar yang digunakan dalam pengolahan citra dan aplikasi. Bidang pengolahan citra pada prinsipnya dimulai oleh NASA saat memproses gambar Ranger 7 mengelilingi permukaan bulan untuk menilai tempat pendaratan yang tepat untuk misi Apollo. Dengan demikian yang relatif baru, tetapi sudah mengalamiperkembangan selama 50 tahun terakhir. Sumber referensi yang baik adalah Baxes (1994) yang memberikan pengantar yang bebas-matematika untuk pengolahan citra, atau untuk beberapa Java yang lebih cendrung ke anda (dan juga cukup lebih murah) Efford (2005).
1. Baxes, G. A., 1994. Digital Image Processing: Principles and Applications, John Wiley & Sons, New York.

2. Efford, N., 2000. Digital image processing, a practical introduction using Java, Addison-Wesley, Harlow, UK.

15.1 Aplikasi

Pengolahan citra sekarang digunakan dalam banyak aplikasi. Ini mencakup:

1. Penginderaan jarak jauh,

2. Aplikasi medis,

3. Pertemuan inteligence / penegakan hukum,
4. Pengolohan dokumen,
5. Senjata ‘Pintar’,
6. Bimbingan mobil dan
7. Koreksi optik (Teleskop Hubble).

15.2 Ikhtisar level Tinggi

Secara luas dapat membagi pengolahan citra menjadi dua kelas utama, yaitu peningkatan citra dan pemulihan citra. Gambar kompresi yang kami miliki hanya berurusan dengan kedisiplinan pengolahan citra, sementara itu kita mungkin juga mencangkup analisa gambar dan gambar sintesis. Analisa foto dan gambar sintesis yang benar-benar pola analisi statistik, tapi sering memiliki komponen yang akan dianggap sebagai teknik pengolahan citra.

Pemulihan gambar yang bersangkutan dengan koreksi kamera disebabkan kesalahan (photogramtric correction) dan kesalahan dalam melihat (geometric correction).

15.3 Peningkatan Citra

Jika gambar asli dilambangkan I(x; y), maka semua operasi pengolahan citra dapat digambarkkan sebagai:

O(x; y) = M[I(x; y)]; 

dimana M adalah beberapa operasi yang diterapkan ke gambar asli (misalnya filter) dan O(x; y) adalah gambar (baru) yang dihasilkan.

Gambar 15.1 : Yang atas, gambar asli dan histogramnya, yang tengah kontrasi tinggi dan histogramnya dan yang bawah dengan gambar kontras rendah dan histogramnya.

15.3.1 Peningkatan Kontras

Tujuan dari peningkatan kontras adalah sesuai dengan namanya, untuk meningkatkan kontras warna atau kecerahan gambar. Tidak seperti teknik penyaringan, kita akan membahas dibagan selannjutnya operasi ini dihitung pada gambar histogram dibandingkan individu piksel. Gambar histogram adalah histogram nilai kecerahan gambar. Untuk warna gambar ini merupakan histogram untuk masing-masing sumber (RGB atau HSV).

Secara umum kontras digunakan untuk meningkatkan tampilan visual dari gambar, meskipun pada batas (peningkatan kontras biner) kita hanya akan menghasilkan warna hitam dan putih, umumnya adalah jumlah yang sama . Kita bisa mencapai efek yang sama dengan menetapkan segala sesuatu nilai di bawah hitam dan di atas putih. Ini disebut threesholding biner dan tidak selalu menjamin histogram seimbang.

15.3.2 Penyaring

Penyaring adalah hampir selalu operasi lokal (yang ada filter diterapkan ke lingkungan yang terbatas). Pengucualian utam untuk ini kita sudah bertemu dibagian kompresi gambar. Ini adalah transformasi gambar dari ruang untuk frekuensi yang dapat ditulis sebagai operasi penyaringan (terutama pada saat komponen-komponen frekuensi tertentu dihapus). Dalam bagian ini kita hanya mempertimbangkan penyaringan ruang dari pada frekuensi.

Penyaring paling sederhana yang dirancang untuk kehalusan atau mempertajam gambar disekitar lingkungan lokal. Mereka dapat ditulis dalam istilah berat digunakan untuk memperbanyak nilai-nilai piksel sekitarnya sebelum menambah hasil untuk memberikan nilai tengah piksel.

Gambar 15.2: Top, the original image, next a high pass filtered version(left) and a low pass filtered (right), next horizontal (left) and vertical (right) edge filters and bottom the Laplacian (left) and Prewitt nort-west (right) filters.

Penyaring termudah untuk dipahami adalah filter smotthing (sering juga disebut blur filter). Ini dapat ditulis sebagai berikut:

Jika ini diterapkan pada setiap pada setiap jendela 3x3 gambar kita akan terhitung versi yang halus dari gambar aslinya. Karena jumlah dari semua nilai filter 1, kecerahan keseluruhan tidaj berubah. Filter semacam ini juga sering disebut sebagai filter yang rendah karena itu akan cenderung untuk menghilangkan komponen-komponen frekuensi tinggi dari gambar (dan melewati komponen frekuensi rendah, karena iru sebutannya).

Penyaring tinggi akan menekankan komponen-komponen frekuensi tinggi. Mengasah penyaring dapat ditulis:

Perhatikan bahwa sekali lagi jumlahnya adalah 1 jadi penyaringan ini juga tidak objektif bahwa keseluruhan diskonversi. Penyaringan ini dapat digunakan untuk meningkatkan tampilan misalnya foto digital.

Satu set filter umum yang digunakan adalah tepi penyaringan. Ini sering digunakan dalam banyak aplikasi pengolahan citra, misalnya sebelum segmentasi otomatis gambar. Tepi penyaringan yang paling sederhana adalah:

Akan terjadi dimana ada perubahan terbesar dalam kecerahan pada piksel, maka kemampuan mereka untuk meningkatkan bagian tepi. Lebih efektif, tapi masih directioanl yaitu penyaringan gradian Prewitt:

Yang dalam hal ini kasus memilih keluar ujungnya selaras Barat laut-Tenggara. Penyaring ini memiliki jumlah nol. Penyaringan tepi tak berarah diberikan oleh begitu disebut penyaringan Lapcian yang diberikan oleh:

Yang ini juga merupakan jumlah nol. Hasil aplikasi penyaringan ini ke foto udara ditunjukan dalam gambar 15.2.

Semua penyaringan ini dapat diterapkan untuk gambar dalam urutan apapun, dan secara interasi jika perlu. Mungkin untuk mengembangkan banyak penyaringan lain, meskipun kita telah membahas paling sering terjadi untuk orang. Penyaringan pada umumnya merupakan pendahulu untuk memanipulasi lebih kompleks untuk gambar, misalnya segmentasi, pengenalan karakter atau inspeksi visual.