Digital image processing
Download as PPT, PDF3 likes9,059 views
Dokumen ini membahas tentang pengolahan citra digital yang mencakup berbagai teknik serta aplikasinya dalam berbagai bidang seperti kedokteran, militer, dan perdagangan. Metodologi pengolahan citra meliputi pembentukan citra, pengolahan awal, segmentasi, ekstraksi ciri, dan pengenalan pola. Selain itu, dibahas pula perbedaan antara pengolahan citra, grafika komputer, dan visi komputer.
Digital image processing
- 2. CITRA • Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar,audio dan video. Keempat macam data atau informasi ini sering disebut Multimedia. • Citra – sebagai salah satu komponen multimedia yang memegang peranan penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. 2
- 3. CITRA • Citra (image) = gambar pada bidang 2 dimensi. • Citra (ditinjau dari sudut pandang matematis) = fungsi yang kontinu dari intensitas cahaya pada bidang 2 dimensi. • Sumber cahaya menerangi objek,dipantulkan kembali dan di tangkap oleh alat-alat optik = Citra (a) Dog (b) Lena 3
- 4. CITRA • Citra sebagai output dari suatu sistem perekaman data dapat berupa: 1. Still Image • Citra diam (still image) adalah citra tunggal yang tidak bergerak. 2. Moving Image • Citra bergerak (moving image) adalah rangkaian citra diam yang ditampilkan secara sekuensial sehingga memberi kesan pada mata kita sebagai gambar bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri dari ratusan sampai ribuan frame. 4
- 5. Citra Digital • Citra Digital – Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut; – Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya (kwantisasi); – Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan 5 tingkat keabuan pada titik tersebut.
- 6. Digitizing an image Column of samples Pixel Black Line Spacing Picture Sample Spacing Sampling process Spatial resolution Gray 128 White Line 255 0 Brightness Spacing Proses Kwantisasi Brightness Resolution Sumber: Dimodifikasi dari Castlemen, 1996 6
- 7. Metodologi Pengolahan Citra • Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra digital. • Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi. • Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics). • Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi 7 ciri mengukur besaran kwantitatif ciri setiap piksel
- 8. Metodologi Pengolahan Citra (Lanjutan) • Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi sebagai suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi luasan / perimeternya • Pengenalan Pola (Pattern Recognition): Memberikan label kategori obyek pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor atau ciri piksel bersangkutan (pewilayahan jaringan keras dan pewilayahan berbagai jaringan lunak pada citra biomedik) • Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor) • Penyusunan Basis Pengetahuan: Basis pengetahuan ini 8 digunakan sebagai referensi pada proses template matching / object recognition.
- 9. Pengertian Citra Digital Sampler Citra kontinue Resolusi spasial : Tinggi (16 x 16) Citra digital Rendah (8 x 8) Matriks citra dengan obyek angka 5 Resolusi kecemerlangan : Rendah(4) Tinggi (2) 9
- 10. Tiga Bidang Berkaitan dengan Proses Citra atau Gambar (1) 1950 Image Processing Image 1970 Computer Vision 1970 Computer Graphics 1960 Pattern Recognition Artificial Intelligence Description (Pavlidis, 1986) 10
- 11. Tiga Bidang Berkaitan dengan Proses Citra atau Gambar (2) (MSU, 1990) 11
- 12. Definisi Pengolahan Citra • Pengolahan Citra adalah memproses suatu citra sehingga menghasilkan citra yang sesuai dengan keinginan kita atau kualitasnya menjadi lebih baik. (a) Citra Lena yang agak kabur (b) Citra Lena yang diperbaiki 12
- 13. Pengolahan Citra Digital • Memperbaiki kualitas gambar, dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik); • Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis; • Melakukan proses penarikan informasi atau deskripsi obyek atau pengenalan obyek yang terkandung pada citra; • Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses 13 data.
- 14. Definisi Pengolahan Citra • Umumnya, operasi-operasi pengolahan citra diterapkan pada citra bila : 1. Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra. 2. Elemen di dalam citra perlu di kelompokkan, dicocokkan atau diukur. 3. Sebagian citra perlu di gabung dengan bagian citra yang lain. 14
- 15. Definisi Pengolahan Citra • Di dalam bidang komputer, ada 3 bidang studi yang berkaitan dengan citra, namun tujuan ketiganya berbeda, yaitu : – Grafika Komputer (Computer Graphics) – Pengolahan Citra (Image Processing) – Pengenalan Pola (Pattern Recognition/image interpretation) Citra Grafika Komputer Deskripsi Pengolahan Citra Citra Pengenalan Pola Deskripsi 15
- 16. Grafika Komputer • Merupakan proses untuk menciptakan suatu gambar berdasarkan deskripsi obyek maupun latar belakang yang terkandung pada gambar tersebut; • Merupakan teknik untuk membuat gambar obyek sesuai dengan obyek tersebut di alam nyata (realism). 16
- 17. Computer Graphics (Hearn and Baker, 1986) 17
- 18. Visi Komputer • Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation and Classification; • Visi Komputer (Computer Vision) merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar, Word and Vowel Recognition, Object Structure; • Kecerdasan Buatan (Artificial Intelligence): Speech Understanding, What is illustrated by this image. 18
- 19. Computer Vision Garage Bushes Roof Side (Ballard, 1992) Grass House Roof Sky Tree1 Tree2 Side1 Side2 19
- 20. Computer Vision • Computer Vision mencoba meniru Human Vision • Computer Vision = proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti : – – – – – Akuisisi citra Pengolahan citra Klasifikasi Pengenalan (Recognition) Membuat Keputusan. • Vision = Geometry + Measurement + Interpretation 20
- 21. Computer Vision • Proses-proses dalam computer vision dapat dibagi menjadi 3 aktivitas : 1. Memperoleh atau mengakuisisi citra digital 2. Melakukan teknik komputasi untuk memproses atau memodifikasi data citra (operasi-operasi pengolahan citra) 3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya mengontrol peralatan, memantau proses manufaktur, memandu robot, dll. 21
- 22. Computer Vision CITRA Scene Alat Input ex: kamera digital, scanner Prepocessing POLA Deskripsi Gambar Pattern Recognition Intermediate Processing 22
- 23. Proses dalam Computer Vision 23
- 24. Operasi Pengolahan Citra 1. Image Enhancement Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameterparameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh : – – – Perbaikan contrast, brightness Penajaman (sharpening) Noise Filtering 24
- 25. Operasi Pengolahan Citra • Contoh – Sharpening – Noise Filtering 25
- 26. Operasi Pengolahan Citra 2. Image Restoration Image Restoration bertujuan untuk menghilangkan/ meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui. Contoh : blur deblurring
- 27. Operasi Pengolahan Citra 3. Image Compression Jenis operasi ini dilakukan agar citra memerlukan memori atau media penyimpanan lebih sedikit, tanpa mengurangi kualitas citra. Lena.bmp Lena.jpg dengan Quality 80 Lena.jpg dengan Quality 20 27
- 28. Operasi Pengolahan Citra 4. Image Segmentation Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. 28
- 29. Operasi Pengolahan Citra 5. Image Analysis Teknik image analysis mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek Contoh Edge Detection 29
- 30. Operasi Pengolahan Citra 6. Image Reconstruction Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. 30
- 31. Aplikasi Pengolahan Citra 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Bid.Perdagangan Bid.Militer Bid.Kedokteran Bid.Biologi Komunikasi Data Hiburan Robotika Pemetaan Geologi Hukum 31
- 32. Aplikasi Pengolahan Citra 1. Bid.Perdagangan a. Pembacaan barcode b. Pengenalan huruf/angka pada suatu formulir secara otomatis 2. Bid.Militer a. Mengenali sasaran peluru kendali melalui sensor visual b. Mengidentifikasi jenis pesawat musuh 3. Bid.Kedokteran a. Mammografi b. Rekontruksi foto janin hasil USG 4. Bid.Biologi a. Pengenalan jenis kromosom melalui citra mikroskopik 5. Komunikasi Data a. Kompresi citra yang akan ditransmisikan 32
- 33. Aplikasi Pengolahan Citra 6. Hiburan a. Game b. Kompresi Video 6. Robotika a. Visualy-Guided autonomous navigation 6. Pemetaan a. Klasifikasi penggunaan tanah melalui foto udara/LANDSAT 6. Geologi a. Mengenali jenis batu-batuan melalui foto udara/LANDSAT 6. Hukum a. Pengenalan sidik jari b. Pengenalan foto narapidana 33
- 34. Human Biometrics & Features Citra Wajah Citra Sidik Jari 34
- 36. Aplikasi Kedokteran Gigi • Pada citra cephalometri, dapat dideteksi kurva bentuk dahi manusia dari landmark Nasion (lekuk dahi ke hidung) sampai ke Bergman (titik ubun-ubun) • Dari lengkung bentuk dahi dapat dihitung koefisien transformasi Fourier dan transformasi Wavelet • Dari sampel laki2 dan perempuan dapat ditentukan aturan keputusan berdasarkan analisis diskriminan, sehingga jenis kelamin dapat ditentukan berdasarkan bentuk dahi tengkorak manusia • Eksperimen menunjukkan penggunaan transformasi Wavelet menghasilkan tingkat pengenalan yang lebih baik dari transformasi Fourier 36
- 37. Aplikasi Industri Obyek: Jenis Mur, Sekrup dan Pin Diagram Dua Ciri Pembeda Obyek 37
- 38. Aplikasi Bahasa Isyarat (Bibir) (Sumber: MSU, 1990) Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang disebut sebagai ‘body language’. 38
- 39. Metodologi OCR – Optical Character Recogniton (1) (MSU, 1990) 39
- 40. Metodologi OCR – Optical Character Recogniton (2) • Prosedur pemrosesan citra – Data Acquisition – masukan berupa dokumen teks, perlu cropping lokasi-lokasi karakter yang akan dikenali; – Image Preprocessing – proses yang dibutuhkan adalah deteksi sisi dan thinning atau skeletonizing untuk mendapatkan obyek karakter dengan ketebalan 1 piksel; 40
- 41. Metodologi OCR – Optical Character Recogniton (3) • Prosedur pemrosesan citra (Lanjutan) – Representation & Description – ekstraksi ciri karakter, misal perhitungan ciri moment atau ciri lainnya; – Character Recognition – pengambilan keputusan karakter apakah itu dengan membandingkan ciri karakter tersebut dengan knowledge base yang menyimpan ciri-ciri setiap karakter yang dibangun dalam tahap pelatihan; – Recognized Character – merupakan hasil 41 pengenalan.
- 42. Aplikasi Pengenalan Karakter Huruf A hasil scanning Huruf A setelah ‘thinning’ 42
- 43. Aplikasi Pengenalan Karakter Huruf hasil scanning Huruf setelah ‘skeletonizing’ 43
Editor's Notes
- #4: Citra (image) adalah gambar pada bidang 2 dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi yang kontinu dari intensitas cahaya pada bidang 2 dimensi. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, scanner, dsb, sehingga bayangan objek yang disebut citra tersebut terekam.
- #13: Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengandung noise, warnanya terlalu kontras, kurang tajam, kabur, dsb. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulkasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah Pengolahan Citra (Image Processing)
- #16: Grafika komputer bertujuan menghasilkan citra dengan primitif-primitif geometri. Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasikan oleh manusia atau mesin (dalam hal ini komputer) Pengenalan Pola mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin/komputer. Tujuan pengelompokan adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklarifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan memberikan keluaran berupa deskripsi objek dalam citra.
- #21: Terminologi lain yang berkaitan erat dengan pengolahan citra adalah computer vision atau machine vision. Pada hakekatnya, computer vision mencoba meniru cara kerja sistem visual manusia (human vision). Human vision sesungguhnya sangat kompleks. Manusia melihat objek dengan indera pengelihatan (mata), lalu citra objek diteruskan ke otak untuk diinterpretasi sehingga manusia mengerti objek apa yang tampak dalam pandangan matanya. Hasil interpretasi ini mungkin digunakan untuk pengambilan keputusan. (misalnya menghindar kalau melihat mobil melaju di depan). Computer Vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra,pengolahan citra,klasifikasi,pengenalan (Recognition) dan membuat Keputusan. Computer Vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasikan informasi geometri tersebut. Mungkin berguna bagi anda untuk mengingat persamaan berikut : Vision = Geometry + Measurement + Interpretation
- #24: Dari penjelasan di atas, dapat kita lihat bahwa pengolahan citra dan pengenalan pola merupakan bagian dari computer vision. Pengolahan citra merupakan preprocessing (proses awal) pada computer vision, sedangkan pengenalan pola merupakan proses untuk menginterpretasikan citra. Teknik-teknik di dalam pengenalan pola memainkan peranan penting dalam computer vision untuk mengenali object.
- #25: Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Image Restoration bertujuan untuk menghilangkan/meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui.
- #26: Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Image Restoration bertujuan untuk menghilangkan/meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui.
- #29: Image Segmentation Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.
- #30: Image Analysis Jenis operasi ini bertujuan untuk menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya.Teknik image analysis mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadang diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi image analysis : Edge Detection Boundary Extraction
- #31: Image Reconstruction Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh.
- #32: Bid.Perdagangan Pembacaan barcode Pengenalan huruf/angka pada suatu formulir secara otomatis Bid.Militer Mengenali sasaran peluru kendali melalui sensor visual Mengidentifikasi jenis pesawat musuh Bid.Kedokteran Mammografi Rekontruksi foto janin hasil USG Bid.Biologi Pengenalan jenis kromosom melalui citra mikroskopik Komunikasi Data Kompresi citra yang akan ditransmisikan Hiburan Game Kompresi Video Robotika Visualy-Guided autonomous navigation Pemetaan Klasifikasi penggunaan tanah melalui foto udara/LANDSAT Geologi Mengenali jenis batu-batuan melalui foto udara/LANDSAT Hukum Pengenalan sidik jari Pengenalan foto narapidana