HISTOGRAM CITRA Desita Ria Yusian TB S ST

HISTOGRAM CITRA Desita Ria Yusian TB, S. ST. , MT Teknik Informatika Universitas Ubudiyah Indonesia 2017

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

Pixel dan Representasinya

Histogram Citra Histogram citra merupakan representasi grafis untuk distribusi warna dan citra digital atau menggambarkan penyebaran nilai-nilai intensitas pixel daru suatu citra atau bagian tertentu didalam citra. Proses Histogram : • 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 Citra #1

Histogram Citra #2

Operasi Pixel Operasi pixel adalah operasi pengolahan citra yang memetakan hubungan seiap piksel yang bergantung pada pixel itu sendiri.

Konversi RGB ke Gray Scale 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

Konversi Gray Scale Ke Biner Setiap pixel mempunyai nilai derajat keabuan x dengan nilai 0 -255 Setiap pixel mempunyai nilai warna xbw dengan nilai 0 dan 1

Konversi Gray Scale Ke m-Bit Setiap pixel mempunyai nilai derajat keabuan x dengan nilai 0 -255 Setiap pixel mempunyai nilai warna xth dengan nilai 0 sampai dengan 2 m-1 Contoh : X=100, gray scale 4 bit (0 -64) Xbaru = 64 x (100/64) = 64 x 1 = 64

Pengaturan Brightness Proses pengaturan brightness adalah proses penambahan nilai derajat keabuan x dengan nilai perubahan brightness tbrightness 0 255 tbrightness bisa positif dan negatif

Pengaturan Contrast Proses pengaturan contrast adalah proses perkalian nilai derajat keabuan x dengan nilai perubahan contrast tcontrast 0 255 0 < tkontras < m , dengan m positif

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.

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 dari suatu distribusi kumulatif C adalah: Cw adalah nilai distribusi kumulatif pada derajat keabuan w t adalah nilai threshold derajat keabuan= 28 atau 256 nx dan ny adalah ukuran gambar.

Perhitungan Histogram Equalization Perhatikan histogram berikut: 2 4 3 1 3 6 4 3 10 3 2 Distribusi Kumulatifnya 2 6 9 10 13 19 23 26 27 27 30 32

Perhitungan Histogram Equalization Distribusi Kumulatif: 2 6 9 10 13 19 23 26 27 27 30 32 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

Histogram Equalization Pada Gambar

Aplikasi Histogram Equalization • Buka project baru • Pada form atur property Scale. Mode=Pixel • Tambahkan 2 picture. Box. Pada setiap picture. Box, atur property Appereance=Flat, Autoredraw=True dan Scale. Mode=Pixel. Buat ukuran kedua picture. Box ini sama. • Pada picture 1, tambahkan gambar pada property picture • Tambahkan 1 command. Button, isikan property Caption=Histogram Equalization. • Atur tampilan seperti gambar di bawah ni.

Aplikasi Histogram Equalization • Click pada Command 1, dan isikan program ‘Inisialisasi variabel berikut: Dim h(256), h 2(256), c(256) As Single For i = 0 To 255 h(i) = 0 h 2(i) = 0 Next i

‘Menghitung distribusi kumulatif For i = 0 To Picture 1. Scale. Width - 1 For j = 0 To Picture 1. Scale. Height - 1 w = Picture 1. Point(i, j) r = w And RGB(255, 0, 0) g = Int((w And RGB(0, 255, 0)) / 256) b = Int((w And RGB(0, 0, 255)) / 256) xg = Int((r + g + b) / 3) xg = Int(0. 6 * xg + 20) Picture 1. PSet (i, j), RGB(xg, xg) h(xg) = h(xg) + 1 Next j Next i c(0) = h(0) For i = 1 To 255 c(i) = c(i - 1) + h(i) Next i

'Histogram Equalization For i = 0 To Picture 1. Scale. Width - 1 For j = 0 To Picture 1. Scale. Height - 1 w = Picture 1. Point(i, j) r = w And RGB(255, 0, 0) g = Int((w And RGB(0, 255, 0)) / 256) b = Int((w And RGB(0, 0, 255)) / 256) xg = Int((r + g + b) / 3) yg = Int(256 * c(xg) / 128) h 2(yg) = h 2(yg) + 1 Picture 2. PSet (i, j), RGB(yg, yg) Next j Next I For i = 0 To 255 MSChart 1. Row = i + 1 MSChart 1. Data = h(i) MSChart 1. Row. Label = Trim(Str(i)) MSChart 2. Row = i + 1 MSChart 2. Data = h 2(i) MSChart 2. Row. Label = Trim(Str(i)) Next i

Lingkup Pembahasan Image Enhancement Spatial Domain I. Point Processing II. Mask Processing Frequency Domain …(next week) a. Image Negative b. Contrast Stretching c. Histogram Equalization - all grey level and all area - specific grey level (histogram specification) - local enhancement (specific part of the image) d. Image Subtracting e. Image Averaging

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

Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Citra Optik Citra SAR (Sumber: Bakosurtanal RI) 32

Ib. Contrast Stretching • Mengubah kontras dari suatu image dengan cara mengubah greylevel piksel-piksel pada citra menurut fungsi s = T(r) tertentu • r 1 ≤ r 2, s 1 ≤ s 2 • r 1 = r 2, s 1 = s 2 tidak ada perubahan • r 1 = r 2, s 1 = 0, s 2 = 255 tresholding menjadi citra biner dengan ambang r 1 255 (r 2, s 2) s T(r) (r 1, s 1) 0 r 255

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 10 x 10 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

Ic. Histogram Equalization in all grey level and all area (2) - mengubah pemetaan grey level pada citra, dengan rumus:

Ic. Histogram Equalization in all grey level and all area (3) Citra Akhir: 19 9 95 95 9 55 91 5 55 5 9 10 10 1 Citra awal: 35554 54544 53444 45663 n n • Contoh : citra dengan derajat keabuan hanya berkisar 0 -10 0 1 2 3 4 5 6 7 8 9 10 Derajat Keabuan 0 0 0 3 8 7 2 0 0 Kemunculan 0 0 0 3 11 18 20 20 20 Probabilitas Kemunculan (0*10)/25 (0*1 0)/25 (3*1 0)/25 (11* 10)/2 5 (18* 10)/2 5 (20* 10)/2 5 (20 10) 5 SK * 10 0 0. 15 0. 40 0. 35 0. 1 0 0 Derajat keabuan baru 0 0. 15 0. 55 0. 90 1 1 1 0 0 0 1. 5 5. 5 9 10 10 10 0 1 5 9 10 10 10 Sk

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