34
VI. PERBAIKAN KUALITAS CITRA (IMAGE ENHANCEMENT) Salah-satu image preprocessing. Dilakukan krn seringkali citra yg dijadikan objek pembahasan mempunyai kualitas yg buruk, misal adanya noise pd saat transmisi, citra terlalu terang/gelap, kurang tajam, kabur dsb. Image enhancement dpt diartikan sbg proses mengubah citra f(x,y) menjadi f’(x,y), sehingga ciri-ciri yg dilihat pd f(x,y) lebih ditonjolkan. -proses yg termasuk ke dlm perbaikan kualitas citra: ubahan kecerahan gambar (image brightness) gangan kontras (contrast streching) ubahan histogram citra mbutan citra (image smoothing) jaman (sharpening) tepi (edge) rnaan semu (pseudocolouring) ubahan geometrik Sbg operasi filter

perbaikan kualitas citra

Embed Size (px)

DESCRIPTION

perbaikan kualitas citra

Citation preview

Page 1: perbaikan kualitas citra

VI. PERBAIKAN KUALITAS CITRA(IMAGE ENHANCEMENT)

Salah-satu image preprocessing.Dilakukan krn seringkali citra yg dijadikan objek pembahasan mempunyai kualitas yg buruk, misal adanya noise pd saat transmisi, citra terlalu terang/gelap, kurang tajam, kabur dsb.

Image enhancement dpt diartikan sbg proses mengubah citra f(x,y) menjadi f’(x,y), sehingga ciri-ciri yg dilihat pd f(x,y) lebih ditonjolkan.

Proses-proses yg termasuk ke dlm perbaikan kualitas citra:1. Pengubahan kecerahan gambar (image brightness)2. Peregangan kontras (contrast streching)3. Pengubahan histogram citra4. Pelembutan citra (image smoothing)5. penajaman (sharpening) tepi (edge)6. Pewarnaan semu (pseudocolouring)7. Pengubahan geometrik

Sbg operasi filter

Page 2: perbaikan kualitas citra

Opersi filter (penapisan) adalah operasi konvolusi citra f(x,y) dgn penapis h(x,y)

f’(x,y)= h(x,y)*f(x,y)AtauF’(u,v)=H(u,v)F(u,v)

1. Pengubahan kecerahan gambar (image brightness)

Kecerahan gambar dpt diperbaiki dgn menambahkan/mengurangkan sebuah konstanta setiap pixel dlm citra, hal ini menyebabkan pergeseran histogram citra.

f(x,y)’ = f(x,y) +c

Contoh:

Page 3: perbaikan kualitas citra

Citra pohon 256 x 256

i ternormalisasi

hi

Citra pohon normal (256 nilai keabuan) dikurangi dengan 0.5 dan ditambah dengan 0.5

Page 4: perbaikan kualitas citra

2. Peregangan kontras (contrast streching)

Kontras: sebaran terang (lightness) dan gelap (darkness) dlm sebuah gambar

Citra kategori kontras:1. low contrast2. good contrast or normal contrast3. high contrast

1. low contrast

Sebagian besar komposisi citranya terang atau gelap, dr histogramnya terlihat sebagian besar derajat keabuannya terkelompok bersama. Lihat citra pohon sebelumnya.

Mungkin saja suatu citra tergolong kontras rendah meskipun tidak terlalu terang atau gelap bila semua pengelompokan nilai keabuan berada ditengah histogram.

Citra kontras bagus memperlihatkan nilai keabuan yg lebar tanpa ada suatu nilai keabuan yg mendominasi, histogram citranya memperlihatkan sebaran nilai keabuan relatif seragam.

2. good contrast or normal contrast

Page 5: perbaikan kualitas citra

3. high contrast

Seperti halnya citra kontras bagus, memiliki jangkauan nilai keabuan yg lebar, tetapi terdpt area yg lebar yg didominasi oleh warna gelap dan area yg lebar yg didominasi oleh warna terang.

Algoritma peregangan kontras:1. Cari batas bawah pengelompokan pixel dgn cara scan histogram dr

nilai keabuan terkecil ke nilai keabuan terbesar (0 sampai 255), utk menemukan pixel pertama yg melebihi nilai ambang pertama yg telah dispesifikasikan.

2. Cari batas atas pengelompokan pixel dgn cara memindai histogram dan nilai keabuan tertinggi ke nilai keabuan terendah (255 sampai 0) utk menemukan pixel pertama yg lebih kecil dr nilai ambang kedua yg dispesifikasikan.

3. Pixel-pixel yg berada di bawah nilai ambang pertama diset sama dgn 0, sdg pixel2 berada di atas nilai ambang kedua diset sama dgn 255.

4. Pixel2 yg berada diantara nilai ambang pertama dan nilai ambang kedua dipetakan/diskalakan utk memenuhi rentang nilai-nilai keabuan yg lengkap (0 sampai 255) dgn pers:

Page 6: perbaikan kualitas citra

255x rr

rrs

maxmin

max

r: nilai keabuan dlm citra semulas: nilai keabuan yg barurmin: nilai keabuan terendah dr kelompok pixelrmax:nilai keabuan tertinggi dr kelompok pixel

dgn,

r

s0

rmax

Peregangan kontras

Page 7: perbaikan kualitas citra

3. Pengubahan histogram citra

Metode pengubahan citra berdasarkan histogram:1. Perataan histogram (histogram equalization)

Nilai-nilai intensitas di dlm citra diubah sehingga penyebarannya seragam

2. Spesifikasi histogram (histogram spesification)

Nilai-nilai intensitas di dlm citra diubah agar diperoleh histogram dgn btk yg dispesifikasikan oleh pengguna.

1. Perataan histogram (histogram equalization)

Tujuan: utk memperoleh penyebaran histogram yg merata, shg tiap derajat keabuan memiliki jumlah pixel yg relatif sama.

Krn histogram menyatakan peluang pixel dgn derajat keabuan ttt, mk rumus menghitung histogram dpt ditulis sbg fungsi peluang.

1Lk0,1L

kr

n

n)(rP

k

kkr

Derajat keabuan k dinormalkan terhdp derajat keabuan terbesar (L-1).rk=0 menyatakan hitam,rk=1 menyatakan putih dlm skala keabuan yg didefinisikan.r = pixel

Page 8: perbaikan kualitas citra

Contoh: jk L=8 mk nilai-nilai rk sbb:

k rk

0 0/7=01 1/72 2/73 3/74 4/75 5/76 6/77 7/7=1

Perataan histogram: mengubah derajat keabuan suatu pixel r dgn derajat keabuan yg baru s dgn suatu fungsi transformasi T, dlm hal ini s= T(r)

Dua sifat yg dipertahankan pd transformasi ini:1. Nilai s merupakan pemetaan 1 ke 1 dr r. ini untuk

menjamin representasi intensitas yg tetap. Ini berarti r dpt diperoleh kembali dr s dgn transformasi invers: r=T-1(s) , 0<=s<=1

2. Untuk 0<=ri<=1, mk 0<=T(r)<=1. ini untuk menjamin pemetaan T konsisten pd rentang nilai yg dibolehkan.

0 rk 1

1s

r

sk=T(rk)

Fungsi transformasi

Page 9: perbaikan kualitas citra

Fungsi histogram menerus:

1r,0(w)dwPT(r)sr

0

r w variabel bantu

Dlm bentuk diskret, nilai-nilai s diperoleh dgn pes berikut:

1L...,2,1,0,k1,r,0)(rPn

n)T(rs kj

k

0jr

k

0j

jkk

Contoh: citra berukuran 64 x 64 dgn jml derajat keabuan L=8, jml seluruh pixel = 4096

k rk nk Pr(rk)=nk/n

0 0/7=0.00 790 0.191 1/7=0.14 1023 0.252 2/7=0.29 850 0.213 3/7=0.43 656 0.164 4/7=0.57 329 0.085 5/7=0.71 245 0.066 6/7=0.86 122 0.037 7/7=1.00 81 0.02

0.05

0.10

0.20

0.25

0.30

0

0.15

1/7 3/7 5/7 1 rk

Pr(rk)

Histogram citra sebelum perataan

Page 10: perbaikan kualitas citra

Perataan histogram:

19.0)()()( 0

0

000

rPrPrTs rjj

r

44.025.019.0)()()()( 10

1

011

rPrPrPrTs rrjj

r

00.1

98.0

95.0

89.0

81.0

65.0

7

6

5

4

3

2

s

s

s

s

s

s

.

.

.

Nilai-nilai skdibulatkan ke nilai r terdekat

s0=0.19 lebih dekat ke nilai 1/7 (0.14) mk s0=1/7 s1 3/7s2 5/7s3 6/7s4 6/7s5 7/7s6 7/7s7 7/7

Page 11: perbaikan kualitas citra

Hasil transformasinya:

k rk sk0 0 1/71 1/7 3/72 2/7 5/7

3 3/7 6/74 4/7 6/75 5/7 16 6/7 1

7 1 1

Terlihat hy 5 nilai intensitas yang terisi (1/7, 3/7, 5/7, 6/7, 1)

Notasi utk tiap hasil transformasi didefinisi ulang menjadi:S0=1/7, s1=3/7, s2=5/7, s3=6/7, s4=1

Jumlah pixel hasil transformasi sbb:

sk nk Ps(sk)=nk/n

1/7 790 0.193/7 1023 0.255/7 850 0.216/7 985 0.247/7 448 0.11

0.05

0.10

0.20

0.25

0.30

0

0.15

1/7 3/7 5/7 1 sk

Ps(sk)

Histogram citra hasil perataan

Page 12: perbaikan kualitas citra

Contoh citra pohon hasil ekualisasi histogram

Page 13: perbaikan kualitas citra

2. Spesifikasi histogram

Menghasilkan histogram yg ditentukan oleh user

Pembentukan histogram memamfaatkan sifat perataan histogram. Bila fungsi transformasi pd perataan histogram menghasilkan histogram semula menjadi histogram seragam, mk fungsi inversenya memetakan histogram yg seragam menjd histogram semula. Sifat ini dpt dimamfaatkan utk mengubah histogram citra menjd histogram lain yg tdk seragam.

Misalkan Pr(r) dan Pz(z)

Histogramcitra semula

Histogramyg diinginkan

Page 14: perbaikan kualitas citra

Algoritma spesifikasi histogram:

1. Misalkan Pr(r) histogram citra semula, lakukan perataan histogram terhdp citra semula dgn fungsi transformasi T,

1L...,2,1,0,k1,r,0)(rPn

n)T(rs kj

k

0jr

k

0j

jkk

2. Tentukan histogram yg diinginkan, misalkan Pz(z). Lakukan perataan histogram dgn fungsi transformasi G,

)(zPn

n)G(zv j

k

0jz

k

0j

jkk

3. Terapkan fungsi inverse, z=G-1(s) terhadap histogram hasil langkah 1, dgn mencari nilai-nilai s yg memberi nilai z terdekat atau histogram nilai-nilai intensitas pd citra semula dipetakan menjd intensitas z pd citra yg diinginkan dgn fungsi

z=G-1[T(r)]

Page 15: perbaikan kualitas citra

Algoritma dlm btk blok diagram:

Pr(r) Histogram seragam Pz(z)T(r) G-1(s)

Contoh: tinjau kembali citra yg berukuran 64x64 dgn jumlah derajat keabuan L = 8 & jumlah seluruh pixel (n)=4096.

Tabel histogram citra semula

k rk nk Pr(rk)=nk/n

0 0/7=0.00 790 0.191 1/7=0.14 1023 0.252 2/7=0.29 850 0.213 3/7=0.43 656 0.164 4/7=0.57 329 0.085 5/7=0.71 245 0.066 6/7=0.86 122 0.037 7/7=1.00 81 0.02

Tabel histogram yg diinginkan

k zk Pz(zk)

0 0/7=0.00 0.001 1/7=0.14 0.002 2/7=0.29 0.003 3/7=0.43 0.154 4/7=0.57 0.205 5/7=0.71 0.306 6/7=0.86 0.207 7/7=1.00 0.15

Page 16: perbaikan kualitas citra

Histogram citra semula

Histogram citra yg diinginkan0.05

0.10

0.20

0.25

0.30

0

0.15

1/7 3/7 5/7 1 rk

Pr(rk)

0.05

0.10

0.20

0.25

0.30

0

0.15

1/7 3/7 5/7 1 zk

Pz(zk)

Page 17: perbaikan kualitas citra

Langkah-langkah pembentukan histogram:

1. Perataan histogram terhadap citra semula

)(rPn

n)T(rs j

k

0jr

k

0j

jkk

k rk sk0 0 1/71 1/7 3/72 2/7 5/7

3 3/7 6/74 4/7 6/75 5/7 16 6/7 1

7 1 1

rj sk nk Ps(sk)=nk/n

r0 s0= 1/7 790 0.19r1 s1 =3/7 1023 0.25r2 s2 =5/7 850 0.21r3, r4 s3 =6/7 985 0.24r5, r6, r7 s4 =7/7 448 0.11

Page 18: perbaikan kualitas citra

2. Perataan histogram yg diinginkan Pz(z) dgn persamaan:

)(zPn

n)G(zv j

k

0jz

k

0j

jkk

Tabel histogram yg diinginkan

k zk Pz(zk)

0 0/7=0.00 0.001 1/7=0.14 0.002 2/7=0.29 0.003 3/7=0.43 0.154 4/7=0.57 0.205 5/7=0.71 0.306 6/7=0.86 0.207 7/7=1.00 0.15

v0 = G(z0)=0.00 v4=G(z4)= 0.35 v1= G(z1)=0.00 v5 =G(z5)= 0.65 v2= G(z2)=0.00 v6 =G(z6)= 0.85v3= G(z3)=0.15 v7 =G(z7)= 1.00

3. Gunakan transformasi z=G-1(s) untuk memperoleh nilai z dari nilai s hasil perataan histogram

S0 = 1/7 = 0.14 paling dekat dgn 0.15 = G(z3), jd G-1(0.14)= z3= 3/7S1 = 3/7 = 0.43 paling dekat dgn 0.35 = G(z4), jd G-1(0.43)= z4= 4/7S2 = 5/7 = 0.71 paling dekat dgn 0.65 = G(z5), jd G-1(0.71)= z5= 5/7S3 = 6/7 = 0.86 paling dekat dgn 0.85 = G(z6), jd G-1(0.86)= z6= 6/7S4 = 7/7 = 1.00 paling dekat dgn 1.00 = G(z7), jd G-1(1.00)= z7 = 1

Page 19: perbaikan kualitas citra

S0 = 1/7 = 0.14 paling dekat dgn 0.15 = G(z3), jd G-1(0.14)= z3= 3/7S1 = 3/7 = 0.43 paling dekat dgn 0.35 = G(z4), jd G-1(0.43)= z4= 4/7S2 = 5/7 = 0.71 paling dekat dgn 0.65 = G(z5), jd G-1(0.71)= z5= 5/7S3 = 6/7 = 0.86 paling dekat dgn 0.85 = G(z6), jd G-1(0.86)= z6= 6/7S4 = 7/7 = 1.00 paling dekat dgn 1.00 = G(z7), jd G-1(1.00)= z7 = 1

rj sk nk Ps(sk)=nk/n

r0 s0= 1/7 790 0.19r1 s1 =3/7 1023 0.25r2 s2 =5/7 850 0.21r3, r4 s3 =6/7 985 0.24r5, r6, r7 s4 =7/7 448 0.11

Lihat:

Diperoleh pemetaan langsung:

r0 = 0 z3 = 3/7r1 =1/7 z4 = 4/7 r2 =2/7 z5 = 5/7 r3 =3/7 z6 = 6/7

r4 = 4/7 z6 = 6/7r5 =5/7 z7 = 1 r6 =6/7 z7 = 1 r7 =1 z7 = 1

v0 = G(z0)=0.00 v4=G(z4)= 0.35 v1= G(z1)=0.00 v5 =G(z5)= 0.65 v2= G(z2)=0.00 v6 =G(z6)= 0.85v3= G(z3)=0.15 v7 =G(z7)= 1.00

Page 20: perbaikan kualitas citra

Tidak ada pixel yg mempunyai intensitas z0=0, z1=1/7, dan z2=2/7 krn tidak ada rk yg dipetakan ke nilai-nilai z tersebut

zk nk Pz(zk)=nk/n

0 0 0.001/7 0 0.002/7 0 0.003/7 790 0.194/7 1023 0.255/7 850 0.216/7 985 0.241 448 0.11

0.05

0.10

0.20

0.25

0.30

0

0.15

1/7 3/7 5/7 1 zk

Pz(zk)

Histogram yang terbentuk

Page 21: perbaikan kualitas citra

Pelembutan Citra ( Image Smooting)

Tujuan: menekan gangguan (noise) pd citra. Gangguan biasanya muncul akibat hasil penerokan yg tidak bagus atau saluran transmisi saat pengiriman data.

Gangguan pd citra umumnya berupa variasi intensitas suatu pixel yg tdk berkorelasi dgn pixel2 tetangganya. Secara visual, gangguan mudah dilihat mata krn tampakberbeda dgn pixel tetangganya.Contoh:

Gbr a Gbr b Gbr c

Gbr b adalah citra flower yg mengalami gangguan berupa bercak putih.

Page 22: perbaikan kualitas citra

Pixel yg mengalami gangguan umumnya memiliki frek tinggi. Komponen citrayg berfrekuensi rendah umumnya mempyi nilai pixel konstan atau berubahsgt lambat. Pelembutan citra dilakukan utk menekan komponen yg berfrekuensi tinggi dan meloloskan komponen frek rendah.

Pd domain spasial operasi pelembutan dilakukan dgn mengganti intensitas suatu pixel dgn rerata dr nilai pixel tsb dgn nilai pixel2 tetangganya. Jk citra f(x,y) berukuran N x M, citra hasil pelembutan f‘(x,y) didef sbb:

d = jumlah pixel dlm pererataan

Page 23: perbaikan kualitas citra

Contoh:

Tetangga pixel dgnjarak maks

Tetangga pixel dgnjarak maks

Page 24: perbaikan kualitas citra

Contoh penapis rerata ukuran 3 x 3

Posisi (0, 0) atas piksel yg dikonvolusi

Öperasi penapisan ini mempy efek pemerataan derajat keabuan, shg gbryg diperoleh tampak lebih kabur kontrasnya. Efek pengaburan ini disebutEfek blurring, lihat gbr b dan gbr c

Gbr c adl hasil pelembutan citra flower dgn penapis rerata 3 x 3

Page 25: perbaikan kualitas citra

Efek pengaburan penapis rerata dpt dikurangi dgn prosedur pengambangan berikut:

T nilai ambang yg dispesifikasikan

Penapis h(x,y) pd pelembutan citra disebut LPF krn menekan komponen berfrektinggi (misal pixel gangguan, pixel tepi) dan meloloskan komp frek rendah.

LPF

Contoh penapis rerata (paling sederhana)

Aturan LPF: 1. semua koefisien penapis hrs positif 2. Jlh semua koefisien hrs sama dgn 1

Page 26: perbaikan kualitas citra

Contoh ilustrasi konvolusi dgn penapis rerata 3 x 3 terhdp citra yg mengandungderau.

3 3 3 33 7 3 33 3 3 33 3 3 3

Pixel yg mengalami gangguan

Sblum konvolusi

3 3 3 33 3 3 33 3 3 33 3 3 3

Setelah konvolusi

f‘(1,1)=(3+3+3+3+7+3+3+3+3)/9= 31/9 = 3,4 =3

Selain penapis rerata, LPF lain yg bisa digunakan pd operasi pelembutan:

1/16 1/8 1/161/8 1/4 1/81/16 1/8 1/16

1/10 1/10 1/101/10 1/5 1/101/10 1/10 1/10

Page 27: perbaikan kualitas citra

Filter yg dibahas adalah linear, sedangkan yg non linear misal median.

Filter Median

Pd filter median suatu window memuat jumlah pixel ganjil. Window digeser titik demi titik pd seluruh daerah citra. Pd setiap pergeseran dibuat window baru. Titik tengah dr jendela diubah dgn nilai median dr jendela tsb.

Contoh: 10 13 10 14 18 11

11 25 10 10 20 10

12 9 40 11 10 12

13 12 13 10 12 11

12 23 12 12 10 10

10 13 10 14 18 11

11 11 10 10 20 10

12 9 40 11 10 12

13 12 13 10 12 11

12 23 12 12 10 10

Pixel 25 terkena derau25 diganti dgn mediandr klp 3x3 pixel

Filter median bisa berbtk kotak, palang, lajur vertikal atau lajur horizontal

Filter Median menghilangkan nilai pixel yg sgt berbeda dgn tetangganya.

9 10 10 10 11 12 13 25 40

Page 28: perbaikan kualitas citra

Citra Flower yg dilembutkan menggunakanfilter median

Cara lain yg dpt dilakukan pd pelembutan citra adl merata-ratakan derajat keabuansetiap pixel dr citra yg sama yg diambil berkali-kali.

Page 29: perbaikan kualitas citra

PENAJAMAN CITRA

Bertujuan memperjelas tepi pd objek di dlm citraMerupkn kebalikan operasi pelembutan citra krn menghilangkan bagian citrayg lembut.

Dilakukan dgn menggunkan HPF yg akan meloloskan atau memperkuat komponen berfrek tinggi misal tepi atau pinggiran objek dan menurunka kompfrek rendah, shg pinggiran objek terlihat lebih tajam dibanding sekitarnya.

Penajaman citra lebih berpengaruh pd tepi (edge) objek shg sering disebut Penajaman tepi (edge sharpening) atau peningkatan kualitas tepi

Page 30: perbaikan kualitas citra

Citra semulaCitra setelah penajaman

Contoh penajaman citra seorang ayah menggendong anak yg menggunakanHPF: -1 -1 -1 -1 8 -1 -1 -1 -1

Page 31: perbaikan kualitas citra

HPF

Aturan: 1. Koefisien penapis boleh positif, negatif, atau nol 2. Jml semua koefisien adl 0 atau 1

Jika jlh koefisien = 0, mk komponen frek rendah akan turun nilainya, sedang jkJlh koef sama dgn 1, mk komponen frek rendah akan tetap sama dgn nilai semula.

Contoh2 HPF

-1 -1 -1-1 8 -1-1 -1 -1

-1 -1 -1-1 9 -1-1 -1 -1

0 -1 0-1 5 -1 0 -1 0

1 -2 1-2 5 -21 -2 1

1 -2 1-2 4 -21 -2 1

0 1 01 -4 10 1 0

Page 32: perbaikan kualitas citra

Nilai koef yg besar ditik pusat penapis memainkan peranan kunci dlm prosesKonvolusi. Pd komp citra dgn frek tinggi (berarti perubahan besar pd nilaiIntensitasnya), nilai tengah ini dikalikan dgn nilai pixel yg dihitung. Koef negatif< di sekitar titik tengah penapis utk mengurangi faktor pembobotan yg besar.Efek nettonya adalah pixel2 yg bernilai besar diperkuat, sdgkan area citra dgnintensitas pixel konstan tdk berubah nilainya.

Koef filter mengandung nilai negatif, mk hasil konv kemungkinan ada yg bernilaiNegatif, mk dilakukan pengesetan jd 0 atau mengambil nilai mutlaknya.

Contoh:

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Citra1=

-1 -1 -1 -1 8 -1 -1 -1 -1

HPF1 =

1.

Page 33: perbaikan kualitas citra

Hasil Konvolusi:

-2 -4 -6 -6 -6 -6 -6 -6 -6 -4 -2 -4 10 6 6 6 6 6 6 6 10 -4 -6 6 0 0 0 0 0 0 0 6 -6 -6 6 0 0 0 0 0 0 0 6 -6 -6 6 0 0 0 0 0 0 0 6 -6 -4 10 6 6 6 6 6 6 6 10 -4 -2 -4 -6 -6 -6 -6 -6 -6 -6 -4 -2

Y2 =

Y1 = HPF1 * Citra1

Page 34: perbaikan kualitas citra

Pewarnaan Semu

Proses pemberian warna ttt pd nilai2 pixel suatu citra skala abu pd suatu citra Berdasarkan kriteria ttt, misal suatu warna ttt utk suatu interval derajat keabuan ttt.

Hal ini dilakukan mengingat mata manusia dpt membedakan byk warna

Pengubahan Geometrik

Dilakukan pd citra yg memiliki gangguan yg terjd pd saat perekman, misalPergeseran koordinat citra (translasi), perubahan ukuran citra.

Contoh: citra yg miring ke kiri kira2 10derajat, perbaiki dgn rotasi ke kanan 10 derajat.