Perbaikan citra pcdm

BAB I. PENDAHULUAN Tujuan Praktikum Mahasiswa mampu memahami pengaruh operasi titik, domain spasial dan transformasi fourier pada citra. Mahasiswa mampu memahami cara pengubahan citra terhadap filter operasi titik, domain spasial dan transformasi fourier. Landasan Teori Pengolahan citra adalah salah satu cabang dari ilmu informatika. Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu . Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan operasi yang dilakukan terhadap citra.Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai berikut Peningkatan Kualitas Citra (Image Enhancement) Operasi peningkatan kualitas citra bertujuan untuk meningkatkan fitur tertentu pada citra. Pemulihan Citra (Image Restoration) Operasi pemulihan citra bertujuan untuk mengembalikan kondisi citra pada kondisi yang diketahui sebelumnya akibat adanya pengganggu yang menyebabkan penurunan kualitas citra. Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen-elemen matriks. Elemen matriks yang dimanipulasi dapat berupa elemen tunggal (sebuah pixel), sekumpulan elemen yang berdekatan, atau keseluruhan elemen matriks. Operasi-operasi yang dilakukan pada pengolahan citra dapat dikelompokkan ke dalam empat level komputasi, yaitu level titik, level lokal, level global, dan level objek. Operasi pada level titik hanya dilakukan pada pixel tunggal di dalam citra. Operasi titik dikenal juga dengan nama operasi pointwise. Operasi titik pada pengolahan citra adalah operasi terhadap citra asal dimana setiap tiitk diolah secara independen terhadap titik-titik yang lain, atau dengan kata lain perubahan intensitas suatu pixel tidak berpengaruh terhadap pixel-pixel yang lainnya dalam sebuah citra. Operasi Titik dalam image enhancement dilakukan dengan memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang diharapkan. Histogram dari suatu citra adalah grafik yang menunjukkan distribusi frekuensi dari nilai intensitas piksel dalam citra tersebut. Intensity adjusment bekerja dengan cara melakukan pemetaan linear terhadap nilai intensitas pada histogram awal menjadi nilai intensitas pada histogram yang baru. Teknik histogram equalization bertujuan untuk menghasilkan suatu citra keluaran yang memiliki nilai histogram yang relatif sama. Operasi spasial dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel konvolusi 2-dimensi. Teknik enhancement berdasarkan operasi titik dibagi tiga, yaitu neighborhood averaging, median filtering dan high-pass filtering. Pada prinsipnya, filter yang digunakan dalam neighborhood averaging merupakan salah satu jenis low-pass filter, yang bekerja dengan cara mengganti nilai suatu piksel pada citra asal dengan nilai rata-rata dari piksel tersebut dan lingkungan tetangganya. Median filter merupakan salah satu jenis low-pass filter, yang bekerja dengan mengganti nilai suatu piksel pada citra asal dengan nilai median dari piksel tersebut dan lingkungan tetangganya. Sebagaimana pada proses pengolahan sinyal satu dimensi, high-pass filter dua dimensi akan melewatkan komponen citra frekuensi tinggi dan meredam komponen citra frekuensi rendah. Pada operasi transformasi, dilakukan dengan cara mentransformasi citra asal ke dalam domain yang sesuai bagi proses enhancement, melakukan proses enhancement pada domain tersebut, mengembalikan citra ke dalam domain spasial untuk ditampilkan/diproses lebih lanjut. Transformasi ini memindahkan informasi citra dari domain spasial ke dalam domain frekuensi, yaitu dengan merepresentasikan citra spasial sebagai suatu penjumlahan eksponensial kompleks dari beragam frekuensi, magnituda, dan fasa. BAB II METODOLOGI PRAKTIKUM 2.1 Landasan Teori Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen-elemen matriks. Elemen matriks yang dimanipulasi dapat berupa elemen tunggal (sebuah pixel), sekumpulan elemen yang berdekatan, atau keseluruhan elemen matriks. Operasi-operasi yang dilakukan pada pengolahan citra dapat dikelompokkan ke dalam empat level komputasi, yaitu level titik, level lokal, level global, dan level objek. Operasi pada level titik hanya dilakukan pada pixel tunggal di dalam citra. Operasi titik dikenal juga dengan nama operasi pointwise. Operasi titik pada pengolahan citra adalah operasi terhadap citra asal dimana setiap tiitk diolah secara independen terhadap titik-titik yang lain, atau dengan kata lain perubahan intensitas suatu pixel tidak berpengaruh terhadap pixel-pixel yang lainnya dalam sebuah citra. Operasi Titik dalam image enhancement dilakukan dengan memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang diharapkan. Histogram dari suatu citra adalah grafik yang menunjukkan distribusi frekuensi dari nilai intensitas piksel dalam citra tersebut. Intensity adjusment bekerja dengan cara melakukan pemetaan linear terhadap nilai intensitas pada histogram awal menjadi nilai intensitas pada histogram yang baru. Teknik histogram equalization bertujuan untuk menghasilkan suatu citra keluaran yang memiliki nilai histogram yang relatif sama. Operasi spasial dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel konvolusi 2-dimensi. Teknik enhancement berdasarkan operasi titik dibagi tiga, yaitu neighborhood averaging, median filtering dan high-pass filtering. Pada prinsipnya, filter yang digunakan dalam neighborhood averaging merupakan salah satu jenis low-pass filter, yang bekerja dengan cara mengganti nilai suatu piksel pada citra asal dengan nilai rata-rata dari piksel tersebut dan lingkungan tetangganya. Median filter merupakan salah satu jenis low-pass filter, yang bekerja dengan mengganti nilai suatu piksel pada citra asal dengan nilai median dari piksel tersebut dan lingkungan tetangganya. Sebagaimana pada proses pengolahan sinyal satu dimensi, high-pass filter dua dimensi akan melewatkan komponen citra frekuensi tinggi dan meredam komponen citra frekuensi rendah. Pada operasi transformasi, dilakukan dengan cara mentransformasi citra asal ke dalam domain yang sesuai bagi proses enhancement, melakukan proses enhancement pada domain tersebut, mengembalikan citra ke dalam domain spasial untuk ditampilkan/diproses lebih lanjut. Transformasi ini memindahkan informasi citra dari domain spasial ke dalam domain frekuensi, yaitu dengan merepresentasikan citra spasial sebagai suatu penjumlahan eksponensial kompleks dari beragam frekuensi, magnituda, dan fasa.  BAB II. METODOLOGI PRAKTIKUM Alat dan Bahan Berikut alat dan bahan yang digunakan untuk praktikum adalah sebagai berikut : 1. Laptop/pc 2. Software Matlab Program Matlab Operasi titik metode intensity adjustment I=imread('rice.png'); J=imadjust(I,[40/255 204/255],[0/255 255/255]); figure,imshow(I); figure,imhist(I); figure,imshow(J); figure,imhist(J); Operasi titik metode decrease contras I=imread('cameraman.tif'); J=imadjust(I,[0 0.2],[0.5 1]); figure,imshow(I); figure,imhist(I); figure,imshow(J); figure,imhist(J); Operasi titik histogram equalization I=imread('mandril_gray.tif'); J=histeq(I); figure,imshow(I); figure,imhist(I); figure,imshow(J); figure,imhist(J); Operasi spasial low-pass filter I=imread('bicycle.tif'); lpf1=[1/16 1/8 1/16;1/8 1/4 1/8;1/16 1/8 1/16]; lpf2=[1/10 1/10 1/10;1/10 1/5 1/10;1/10 1/10 1/10]; lpf3=[1 1 1;1 1 1;1 1 1]/9; J1=uint8(conv2(double(I),lpf1,'same')); J2=uint8(conv2(double(I),lpf2,'same')); J3=uint8(conv2(double(I),lpf3,'same')); figure,imshow(I); figure,imshow(J1); figure,imshow(J2); figure,imshow(J3); Operasi spasial median filter I=imread('eight.tif'); IN=imnoise(I,'salt & pepper',0.02); J1=medfilt2(IN,[3 3]); J2=medfilt2(IN,[5 5]); figure,imshow(I); figure,imshow(IN); figure,imshow(J1); figure,imshow(J2); Operasi spasial high-pass filter I=imread('girl_gray.tif'); hpf1=[-1 -1 -1;-1 8 -1;-1 -1 -1]; hpf2=[ 0 -1 0;-1 5 -1; 0 -1 0]; hpf3=[ 1 -2 1;-2 5 -2; 1 -2 1]; J1=uint8(conv2(double(I),hpf1,'same')); J2=uint8(conv2(double(I),hpf2,'same')); J3=uint8(conv2(double(I),hpf3,'same')); figure,imshow(I); figure,imshow(J1); figure,imshow(J2); figure,imshow(J3); Transformasi fourier I=imread('cameraman.tif'); IF=fft2(double(I)); mask_high=double(imread('maskpojok.bmp')); mask_low=1-mask_high; IFH=(IF.*mask_high); IFL=(IF.*mask_low ); hasil_high=abs(ifft2(IFH)); hasil_low=abs(ifft2(IFL)); figure,imagesc(I),colormap gray,colorbar,axis image; figure,imagesc(log(abs(IF +1)),[0 17]),colormap hot,colorbar,axis image; figure,imagesc(hasil_high),colormap gray,colorbar,axis image; figure,imagesc(log(abs(IFH+1)),[0 17]),colormap hot,colorbar,axis image; figure,imagesc(hasil_low ),colormap gray,colorbar,axis image; figure,imagesc(log(abs(IFL+1)),[0 17]),colormap hot,colorbar,axis image; Prosedur Kerja Berikut adalah prosedur kerja untuk melakukan praktikum adalah sebagai berikut : Membuat script seperti tertera pada modul. Menganalisa citra yang telah diproses pada matlab BAB III. ANALISA DATA DAN PEMBAHASAN Data Hasil Percobaan Tabel Hasil Percobaan Operasi Titik No Metode Gambar Histogram 1 Intensity Adjusment (gambar asli) 2 Intensity Adjusment (gambar hasil) 3 Decrease Contras (gambar asli) 4 Decrease Contras (gambar hasil) Tabel Hasil Percobaan Operasi Spasial No Metode Gambar Asli Hasil 1 LPF, Kernel 1 2 LPF, Kernel 2 3 LPF, Kernel 3 4 Median Filter dengan derau impuls 5 Median filterkernel 3x3 6 Median Filter kernel 5 x 5 7 HPF, Filter Kernel 1 8 HPF, Kernel 2 9 HPF, Kernel 3 Transformasi Fourier No Keterangan Gambar Masking 1 Gambar Asli 2 HPF, domain frekuensi 3 LPF, domain frekuensi Analisa Pembahasan Pada praktikum kali ini akan dibahas mengenai perbaikan citra operasi spasial, namun terlebih dahulu juga dilakukan percobaan mengenai perbaikan citra operasi titik sebagai dasarnya. Perbaikan citra spasial merupakan perbaikan citra dimana citra akan ditransformasi menggunakan koefisien kernel positif, negative dan nol. Tujuan dari perbaikan citra spasial adalah untuk memeproses citra sehingga didapatkan hasil yang lebih sesuai dibandingkan citra aslinya, untuk dipergunakan pada aplikasi tertentu. Metode perbaikan citra spasial dikelompokkan menjadi dua yaitu perbaikan metode spasial dan perbaikan metode frekuensi yang akan diaplikasikan pada praktikum kali ini. Pada percobaan pertama dengan operasi titik yaitu percobaan dengan contras increase, dimana pada percobaan ini ditujukan untuk mengubah citra asli menjadi citra dengan nilai kontras yang lebih tinggi, dari percobaan tersebut mula-mula kita amati perubahan histogram pada citra asli dan citra hasil konversi dimana terdapat kenaikan skala pada histogram citra frekuensi meskipun mengorbankan kerapatan citra yang dapat dilihat pada hasil histogram dimana citra konversi memiliki kerapatan skala yang lebih rendah namun memiliki kekuatan yang lebih besar jika dibandngkan citra asli, sehingga menghasilkan citra konversi yang lebih kuat kontras daripada citra asli. Hasil dari citra konversi ini memiliki ketajaman warna yang lebih kuat dibandingkan dengan citra asli. Pada percobaan kedua, akan dilakukan operasi titik menggunakan contras decrease, pada percobaan ini ditujukan untuk mengurangi kontras dari citra asli untuk mendapatkan hasil gambar konversi yang lebih pudar. Pada percobaan yang telah dilakukan dapat kita lihat pada histrogram dimana terdapat perbandingan skala yang sangat mencolok yaitu pada histogram citra hasil konversi memiliki skala yang relative jauh daripada histogram pada citra asli. Dilihat dari citra dapat kita bandingkan bahwa citra hasil konversi nyaris semua gambar belakang menjadi putih karena kehilangan nilai kontras warna sementara itu gambar cameramen di depan terlihat menjadi abu-abu karena intensitas warnanya jauh berkurang seperti ditunjukkan pada histogram yang telah dianalisa tadi. Pada percobaan ketiga dari operasi titik kita menggunakan histogram equalization dimana metode ini bertujuan untuk menajamkan citra tanpa harus mengurangi bit warna pada citra dengan mengoptimalkan perataan pada histogram. Dari hasil histogram dapat kita lihat pada histogram citra konversi memiliki skala yang nyaris sama jika dibandingkan dengan histogram citra asli meskipun nilai kerapatan cenderung lebih berkurang jika dibandingkan dengan histogram citra asli. Pada gambar dapat kita lihat perbedaan ketajaman warna yang diakibatkan oleh perataan histogram pada citra konversi, dimana menghasilkan gambar hasil konversi yang lebih kontras daripada citra asli. Pada percobaan keempat kita melakukan percobaan menggunakan opersai spasial dimana pada percobaan pertama, metode yang akan digunakan adalah low-pass filtering, pada percobaan ini dimaksudkan untuk meredam komponen citra dengan nilai tinggi dan melewatkan komponen citra dengan nilai rendah yang akan menyebabkan citra hasil konversi menjadi blur. Pada percobaan ini akan dilakukan menggunakan tiga kernel yaitu kernel 1/16 kernel 1/10 dan kernel 1/9 dimana kernel sendiri merupakan skala ketelitian dalam memfilter citra. Dari ketiga kernel yang digunakan dapat kita lihat terjadi penurunana ketajaman citra yang berturut turut dari yang tertajam yaitu kernel 2, kernel 2 dan kernel 3. Pada percobaan kelima dilakukan percobaan operasi spasial menggunakan median filtering, pada percobaan ini juga akan digunakan penambahan derau guna mengetahui efisiensi filter, penggunaan kernel 3x3 dan penggunaan kernel 5x5. Dari hasil gambar percobaan dapat kita amati pada citra dengan noise memiliki kualitas citra yang sama dengan citra asli namun memiliki noise buatan dengan kerapatan 0,02. Kemudian pada filter 3x3 dapat kita amati bahwa noise yang tadi diberikan berhasil difilter dengan filter ini namun kualitas gambar menjadi sedikit lebih blur daripada citra asli. Pada filter 5x5 dapat kita lihat juga dapat mengatasi noise yang tadi ditambahkan namun begitupula pada filter ini gambar menjadi lebih blur. Blur yang terjadi pada kernel 3x3 dan 5x5 diakibatkan oleh toleransi intensitas warna yang difilter, sehingga intensitas warna rendah akan diabaikan dan intensitas warna tinggi akan direduksi. Pada percobaan keenam dilakukan percobaan operasi spasial menggunakan metode high-pass filtering. Pada metode filter ini dilakukan peredaman pada komponen citra dengan intensitas rendah sedangkan komponen citra dengan intensitas tinggi diabaikan. Hal ini akan menyebabkan tepi objek akan terlihat lebih tajam disbanding objek sekitarnya. Pada percobaan ini digunakan tiga kernel yaitu kernel -1, kernel 0 dan kernel 1. Dari hasil percobaan dapat dilihat pada kernel -1 gambar mnejadi cenderung hitam dengan tepian putih karena mengabaikan keseluruhan komponen citra dengan intensitas tinggi. Pada percobaan dengan kernel 0 gambar menjadi lebih tajam dan cenderung gelap dengan tepian gambar yang terlihat lebih kuat. Pada percobaan dengan kernel 1 gambar relative sama dengan gambar asli namun dengan kontras yang lebih tinggi. Pada percobaan ketujuh sebagai percobaan terakhir dilakukan operasi transformasi sebagai pengaplikasian dari operasi titik dan operasi spasil. Pada percobaan ini digunakan operasi transformasi fourier dengan high and low-pass filter pada frekuensi dan high and low-pass filter pada domain spasial. Pada percobaan transformasi ini dibutuhkan sebuah masking sebagai pentransformasi citra. Dari hasil percobaan dapat dilihat pada hasil high-pass filter domain frekuensi menjadi hitam dengan tepian putih pada sisi gambar dikarenakan diakibatkan oleh masking pada citra menggunakan warna hitam sebagai warna pembanding paling mudah. Kemudian pada low-pass filter dapat dilihat gambar kehilangan ketajaman karena efek masking, dimana warna dengan intensitas rendah diabaikan yaitu warna putih dan warna dengan intensitas kuat yaitu warna hitam direduksi. BAB IV PENUTUP Kesimpulan Dari ketujuh percobaan yang telah dilakukan dapat diambil kesimpulan sebagai berikut : Peningkatan kontras pada operasi titik menurunkan skala kerapatan pada histogram namun meningkatkan skala intensitasnya. Penurunan kontras pada operasi titik meningkatkan detail pada warna dengan intensitas tinggi. Histogram equalization mengkonversi gambar dengan meratakan nilai intensitas pada histogram. Semakin kecil besar skala kernel pada low-pass filtering menghasilkan citra yang semakin blur. Median filtering menggantikan pixel citra asal dengan pixel sekitar sebagai filter. High-pass filter menyebabkan objek nampak lebih tajam dari objek sekitarnya. Pada transformasi fourier, masking digunakan sebagai filter untuk mengganti pixel citra asli yang dikonversi.