Upload
trinhthien
View
229
Download
6
Embed Size (px)
Citation preview
Transformasi Gray (cont),Statistik Dalam
Image EnhancementAchmad Basuki,Nana Ramadijanti
Surabaya 2009
Materi
• Konversi RGB ke Gray Scale• Konversi Gray Scale ke Biner• Konversi Gray Scale ke m-Bit• Pengaturan Brightness• Pengaturan Kontras• Gray-scale Histogram• Distribusi Kumulatif• Histogram Equalization
Konversi RGB ke Gray Scale
3bgrx
Setiap pixel mempunyai nilai red (r), green (g) dan
blue (b) dengan nilai masing-masing 0-255
Setiap pixel mempunyai nilai derajat keabuan x
dengan nilai 0-255
1 :anadim
...
bgr
bgr
aaa
bagarax
Konversi Gray Scale Ke Biner
128 xjika 0128 xjika 1
bwx
x xjika 0x xjika 1
bwx
Setiap pixel mempunyai nilai warna xbw dengan
nilai 0 dan 1
Setiap pixel mempunyai nilai derajat keabuan x
dengan nilai 0-255
Konversi Gray Scale Ke m-Bit
m
mth
xx2
int.2
Setiap pixel mempunyai nilai warna xth dengan nilai
0 sampai dengan 2m-1
Setiap pixel mempunyai nilai derajat keabuan x
dengan nilai 0-255
Contoh :X=100, gray scale 4 bit (0-64)Xbaru = 64 x (100/64) = 64 x 1 = 64
Pengaturan Brightness
brightnessbrightness txx
Proses pengaturan brightness adalah proses penambahan nilai derajat keabuan x dengan nilai perubahan brightness tbrightness
tbrightness bisa positif dan dan negatif0 255
0 255
Pengaturan Contrast
contrastcontrast txx
Proses pengaturan contrast adalah proses perkalian nilai derajat keabuan x dengan nilai perubahan contrast tcontrast
0 < tkontras < m , dengan m positif0 255
0 255
Gray-Scale Histogram• Histogram di dalam gambar gray-scale
menyatakan distribusi dari derajat keabuan (terang/gelap) pada suatu gambar.
• Dari histogram ini dapat dilihat apakah gambar tersebut lebih banyak warna gelap atau lebih banyak warna terang
• Teknik histogram ini dapat dikembangkan untuk memperbaiki kualitas gambar (image enhancement) dengan apa yang dinamakan dengan Histogram Equalization, suatu teknik untuk meratakan distribusi terang/gelap sehingga gambar kelihatan lebih jelas.
Gray-Scale Histogram
Gambar ini didominasi warna terang, karena grafik di sebelah kanan terlihat lebih banyak.
Gambar ini didominasi warna gelap, karena grafik di sebelah kiri terlihat lebih banyak.
Distribusi Kumulatif• Distribusi kumulatif C(x) adalah nilai total histogram
dari tingkat keabuan=0 sampai dengan tingkat keabuan=x, dan didefinisikan dengan:
• Distribusi kumulatif ini dapat digunakan untuk menunjukkan perkembangan dari setiap step derajat keabuan.
• Pada distribusi kumulatif, gambar dikatakan baik bila mempunyai distribusi kumulatif yang pergerakannya hampir sama pada semua derajat keabuan.
x
w
wHxC0
)()(
Distribusi Kumulatif
Perubahan yang tajam
Distribusi Kumulatif• Gambar-gambar hasil photo mempunyai
perubahan yang tidak terlalu tajam dan biasanya tidak lebih dari satu. Hal ini menunjukkan tingkat gradiasi yang halus pada gambar hasil photo.
• Gambar-gambar kartun mempunya banyak perubahan yang tajam, hal ini menunjukkan tingkat gradiasi pada gambar kartun rendah (kasar).
Histogram Equalization• Histogram Equalization adalah suatu proses untuk
meratakan histogram agar derajat keabuan dari yang paling rendah (0) sampai dengan yang paling tinggi (255) mempunyai kemunculan yang rata.
• Dengan histogram equalization hasil gambar yang memiliki histogram yang tidak merata atau distribusi kumulatif yang banyak loncatan gradiasinya akan menjadi gambar yang lebih jelas karena derajat keabuannya tidak dominan gelap atau dominan terang.
• Proses histogram equalization ini menggunakan distribusi kumulatif, karena dalam proses ini dilkakukan perataan gradien dari distribusi kumulatifnya.
Formulasi Histogram Equalization
Histogram Equalization dari suatu distribusi kumulatif C adalah:
yx
w
nntcw
..
Cw adalah nilai distribusi kumulatif pada derajat keabuan wt adalah nilai threshold derajat keabuan= 28 atau 256nx dan ny adalah ukuran gambar.
Perhitungan Histogram Equalization
0
1
2
3
4
5
6
7
1 2 3 4 5 6 7 8 9 10 11 12
Perhatikan histogram berikut:
2 4 3 1 3 6 4 3 1 0 3 2
Distribusi Kumulatifnya
2 6 9 10 13 19 23 26 27 27 30 32
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12
Perhitungan Histogram Equalization
w Cw w-baru
1 2
(2*12)/41
1
2 6 2
3 9 3
4 10 4
5 13 5
6 19 7
7 23 9
8 26 10
9 27 10
10 27 10
11 30 11
12 32 12
Distribusi Kumulatif: 2 6 9 10 13 19 23 26 27 27 30 32
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12
Histogram Equalization Pada Gambar
Histogram Equalization Pada Gambar
Histogram Equalization Pada Gambar
Aplikasi Histogram Equalization
• Buka project baru• Pada form atur property ScaleMode=Pixel• Tambahkan 2 pictureBox. Pada setiap pictureBox, atur
property Appereance=Flat, Autoredraw=True dan ScaleMode=Pixel. Buat ukuran kedua pictureBox ini sama.
• Pada picture1, tambahkan gambar pada property picture• Tambahkan 1 commandButton, isikan property
Caption=Histogram Equalization.• Atur tampilan seperti gambar di bawah ni.
Aplikasi Histogram Equalization
• Click pada Command1, dan isikan program berikut:
‘Inisialisasi variabelDim h(256), h2(256), c(256) As SingleFor i = 0 To 255 h(i) = 0 h2(i) = 0Next i
‘Menghitung distribusi kumulatifFor i = 0 To Picture1.ScaleWidth - 1For j = 0 To Picture1.ScaleHeight - 1 w = Picture1.Point(i, j) r = w And RGB(255, 0, 0) g = Int((w And RGB(0, 255, 0)) / 256) b = Int(Int((w And RGB(0, 0, 255)) / 256) / 256) xg = Int((r + g + b) / 3) xg = Int(0.6 * xg + 20) Picture1.PSet (i, j), RGB(xg, xg, xg) h(xg) = h(xg) + 1Next jNext ic(0) = h(0)For i = 1 To 255 c(i) = c(i - 1) + h(i)Next i
'Histogram EqualizationFor i = 0 To Picture1.ScaleWidth - 1For j = 0 To Picture1.ScaleHeight - 1 w = Picture1.Point(i, j) r = w And RGB(255, 0, 0) g = Int((w And RGB(0, 255, 0)) / 256) b = Int(Int((w And RGB(0, 0, 255)) / 256) / 256) xg = Int((r + g + b) / 3) yg = Int(256 * c(xg) / 128 / 128) h2(yg) = h2(yg) + 1 Picture2.PSet (i, j), RGB(yg, yg, yg)Next jNext IFor i = 0 To 255 MSChart1.Row = i + 1 MSChart1.Data = h(i) MSChart1.RowLabel = Trim(Str(i)) MSChart2.Row = i + 1 MSChart2.Data = h2(i) MSChart2.RowLabel = Trim(Str(i))Next i
Image Enhancement
Spatial Domain Frequency Domain
I. Point Processing II. Mask Processing …(next week)
a. Image Negativeb. Contrast Stretchingc. Histogram Equalization
- all grey level and all area- specific grey level (histogram specification)
- local enhancement (specific part of the image)d. Image Subtractinge. Image Averaging
Lingkup Pembahasan
I. Point Processing• Cara paling mudah untuk melakukan
peningkatan mutu pada domain spasial adalah dengan melakukan pemrosesan yang hanya melibatkan satu piksel saja (tidak menggunakan jendela ketetanggaan)
• Pengolahan menggunakan histogram juga termasuk dalam bagian point processing
Ia. Image Negative
• Mengubah nilai grey-level piksel citra input dengan:Gbaru = 255 - Glama
• Hasilnya seperti klise foto
27
Aplikasi Penginderaan Jarak Jauh(Sumber: Murni, 1997)
Citra Optik Citra SAR(Sumber: Bakosurtanal RI)
Ib. Contrast Stretching• Mengubah kontras dari suatu
image dengan cara mengubah greylevel piksel-piksel pada citra menurut fungsi s = T(r) tertentu
• r1 ≤ r2, s1 ≤ s2• r1 = r2, s1 = s2 tidak ada
perubahan• r1 = r2, s1 = 0, s2 = 255
tresholding menjadi citra biner dengan ambang r1
0
s
(r1,s1)
r
255
255
T(r)
(r2,s2)
Contoh Contrast Stretching
Contrast Stretching
• Fungsi lain yang baik digunakan adalah: fout = (fin – a) * b, -> (20-10)*6=60
• a = min(fin) misal : a=10• b = 255 / (max(fin) – min(fin)) : b=255/(50-
10)=255/40=6• Citra masukan yang grey level nya tidak
penuh dari 0 – 255 (low constrast) diubah menjadi citra yang grey level nya berkisar dari 0 – 255 (high contrast)
Contrast Stretching
Buatlah matrik citra ukuran 10x10 dengan nilai random gray scale 50-150 (optional)Dapatkan matrik citra hasil setelah dilakukan contras stretching sehingga gray level citra menjadi 0-255.Tampilkan matrik citra asal dan matrik citra hasil contras stretching.Dikumpulkan senin mg depan.
Ic. Histogram Equalization
• Histogram: diagram yang menunjukkan jumlah kemunculan grey level (0-255) pada suatu citra
• Histogram processing:– Gambar gelap: histogram cenderung ke sebelah kiri– Gambar terang: histogram cenderung ke sebelah
kanan– Gambar low contrast: histogram mengumpul di suatu
tempat– Gambar high contrast: histogram merata di semua
tempat Histogram processing: mengubah bentuk histogram agar pemetaan gray level pada citra juga berubah
Ic. Histogram Equalization in all grey level and all area (1)
• Ide: mengubah pemetaan greylevel agar sebarannya (kontrasnya) lebih menyebar pada kisaran 0-255
• Sifat:– Grey level yang sering
muncul lebih dijarangkan jaraknya dengan grey level sebelumnya
– Grey level yang jarang muncul bisa lebih dirapatkan jaraknya dengan grey level sebelumnya
– Histogram baru pasti mencapai nilai maksimal keabuan (contoh: 255)
Ic. Histogram Equalization in all grey level and all area (2)
- mengubah pemetaan grey level pada citra, dengan rumus:
citra pada ada yang maksimal levelgrey adalah L1,.....,1,010
)()(0 0
Lkdanr
rpnn
rTs
k
k
j
k
jj
jkk
Ic. Histogram Equalization in all grey level and all area (3)
• Contoh : citra dengan derajat keabuan hanya berkisar 0-10
Citra awal: 3 5 5 5 45 4 5 4 45 3 4 4 44 5 6 6 3
Derajat Keabuan
Kemunculan
Probabilitas Kemunculan
Sk
SK * 10
Derajat keabuan baru
0 1 2 3 4 5 6 7 8 9 100 0 0 3 8 7 2 0 0 0 00 0 0 3 11 18 20 20 20 20 20(0*10)/25 (0*1
0)/25(0*10)/25
(3*10)/25
(11*10)/25
(18*10)/25
(20*10)/25
(20*10)/25
(20*10)/25
(20*10)/25
(20*10)/25
0 0 0 0.15 0.40 0.35 0.1 0 0 0 00 0 0 0.15 0.55 0.90 1 1 1 1 1
0 0 0 1.5 5.5 9 10 10 10 10 100 0 0 1 5 9 10 10 10 10 10
Citra Akhir: 1 9 9 9 59 5 9 5 59 1 5 5 55 9 10 10 1
Ic. Histogram Equalization specific grey level (hist.
specification)
• Histogram equalization tidak dilakukan pada seluruh bagian dari histrogram tapi hanya pada bagian tertentu saja
Ic. Histogram Equalization specific area (local
enhancement)• Histogram equalization hanya dilakukan pada
bagian tertentu dari citra