Operasi Matematis Pada Citra Dwi Arini2015 Perangkat Matematis

Operasi Matematis Pada Citra Dwi Arini--2015

Perangkat Matematis Perangkat matematis dalam pengolahan citra digital merupakan fungsi atau persamaan matematis yang digunakan untuk mengolah citra

Perangkat Matematis Perangkat matematis dalam pengolahan citra digital merupakan fungsi atau persamaan matematis yang digunakan untuk mengolah citra yang terdiri dari : - Deskripsi Citra - Operasi Titik - Operasi Kelompok

Perangkat Matematis Deskripsi Citra Histogram, Kontras Citra. Operasi Titik Proses histogram, Pemetaan intensitas, Penjumlahan, invers, penyekalaan. Normalisasi intensitas, ekualisasi histogram, dan thresholding Konvolusi template (termasuk domain frekuensi) dan filtering (direct averaging, median dan mode, filter) Operasi Kelompok

Deskripsi Citra Proses penentuan deskripsi citra adalah mencari nilai – nilai statistik dari piksel citra : - Frekuensi Kemunculan nilai piksel - Maksimum dan Minimum dari nilai piksel Citra - Nilai piksel Rata-rata - Sebaran Histogram Citra

Deskripsi Citra Frekuensi Kemunculan nilai piksel merupakan banyaknya piksel pada setiap nilai rentang kecerahan. Nilai Minimum dan maksimum dari nilai piksel merupakan nilai piksel terendah dan tertinggi pada suatu citra Nilai Rata-rata diperoleh dari jumlah frekuensi nilai piksel dibagi jumlah piksel.

Operasi Titik brightness Operasi dasar pada sebuah proses image adalah operasi titik dimana setiap nilai piksel diganti dengan nilai baru yang berisi komponen dari nilai yang lama. Jika kita ingin meningkatkan kecerahan ke strects kontras dapat dengan mudah kita kalikan semua nilai piksel dengan scalar, misalkan 2 dengan range doble, untuk mengurangi kontras (hal yang tidak biasa) kita bisa membagi semua nilai titik dengan skalar.

brightness Jika semua kecerahan adalah control dari sebua level (contoh kecerahan cahaya global) dan range adalag control dari gain. maka k, kecerahan dari titik di sebuah gambar dan N bisa dihubungakan dengan kecerahan pada gambar lama, maka o dengan :

brightness Operator Titik ini mengganti kecerahan pada titik gambar berdasarkan hubungan linear kecerahan. Seluruh level control kecerahan adalah nilai minimum dari keluaran gambar. Gain mengontrol kontras, atau rang dan apabila gain lebih besar dari unity maka output range akan meningkat.

brightness Diproses oleh k = 1. 2 and l = 10 sebuah image dati mata akan menjadi lebih cerah dengan kontras yang lebih baik, walauoun dalam kasusnya titik kecerahan kebanyakan diset mendekati putih. (255)

brightness

brightness Proses stretching dapat ditampilkan sama seperti pemetaan antara range input dan output, berdasarkan hubungan spesifik

brightness

Thresholding Operasi ini memilih piksel yang memiliki nilai particular, atay range spesifik. O >= T = N 1 O < T = N 2 Dapat digunakan untuk menemukan objek didalam sebuah gambar apabila tingkat kecerahan (range) diketahui. Hal ini mengimpilikasikan bahwa kecerahan objek tersebut harus diketahui dengan baik.

Thresholding Diberikan image original mata dengan threshold dimana semua kecerahan piksel diatas 160 dengan level set putih, dan 160 kebawah kecerahan dengan level set hitam.

Thresholding Dengan proses ini, kulit muka dipisahkan dari background, pipi, kening dan area cerah lainnya dipisahkan dar rambut dan mata, hal inidapat mengisolasi point of interestnya. Uniform thresholding dengan jelas membutuhkan derajat keabuan dengan target feauture yang mungkin tidak dipilih dalam proses tresholding

Operasi Kelompok Menghitung citra baru sebagai fungsi dari titik-titik yang bertetangga pada suatu citra masukan. Fungsi tersebut dapat berupa fungsi statistik (termasuk rata-rata, median, dan mode). Proses Konvolusi template (termasuk domain frekuensi) dan filtering (direct averaging, median dan mode, filter)

Image Enhancement in the Spatial Domain It makes all the difference whether one sees darkness through the light or brightness through the shadows. David Lindsay

Preview Prinsip dari penajaman objek adalah untuk memproses sebuah image sehingga menghasilkan image yang lebih baik dari original image untuk aplikasi yang lebih spesifik. Penajaman image menimbulkan dua kategori yaitu metode domain spasial dan metode domain frekuensi. Metode domain spasial berisi tentang image pesawat, dalam kategoti ini adalag manipulasi piksel pada sebuah image Metode domain frekuensi adaalh berdasarkan modifikasi transformasi sebuah image.

Spatial Domain Method Metode domain spasial adalah prosedur dengan mengoperasikan data piksel secara langsung. Dapat diproses dengan rumus sbb : Dimana f (x, y) sebagai masukan image, g (x, y) adalah proses image, dan T adalah opetarof pada f, dan beberapa neighborhood dari (x, y). Pada hal ini T dapat dioperasikan pada input image, tampilan piksel by piksel jumlah dari K image untuk mengurangi nilai noise.

Penggunaan Prinsip Neighborhood Prinsip dari neighborhood mengenai point (x, y) adalah digunakan square atau rectangular sub image area dengan pusat di (x, y). Titik tengah subimage dipindahkan dari piksel ke piksel awal, misalkan ke posisi kiri atas. Operator T diaplikasikan pada masing-masing lokasi (x, y) untuk menghasilkan output, g pada lokasi. Proses utilize ini hanya pada piksel di area image spanned dari neighborhood, walaupun bentuk dari neighborhood seperti lingkaran, kadang digunakan juga bentuk array dari square dan rectangular dengan beberapa implementasi.

Simple form dari T adalah ketika neighborhood dengan ukuran 1 x 1 (single piksel). Pada kasus ini g tergantung pada nilai f (x, y) dan T muncul dengan level keabuan ( intensitas atau mapping) fungsi transformasi. Dimana untuk simple notasi, r dan s adalah variable, derajat keabuan dari f (x, y) dan g (x, y) pada banyak titik (x, y)

# efek dari transformasi ini adalah akan menghasilkan image dengan kontras yang lebih tinggi dibandingkan dengan originalnya dengan level gelap dibawah level m dan kecerahan diatas level m pada image original. Dikenal dengan contrast stretching, nilai r dibawah m dikompres dengan fungsi transformasi ke range narrow dari s, melalui hitam. # kebalikannya menggunakan nilai r dibawah m, T(r) memproduksi dua level (binary) image. Disebut dengan tresholding function, prosesnya dapat diformulasi dengan transformasi derajat keabuan, karena penajaman pada setiap image hanya tergantung oleh derajat keabuat pada titik tersebut, teknik ini disebut point processing

Basic Grey Level Transformation Nilai piksel sebelum dan sesudah processing akan ditampilkan oleh r dan s. nilai ini berhubungan dengan rumus s = T (r), simana T transformasi pada peta, piksel nili r ke piksel nilai s. Digital kuantitas nilai dari fungsi transformasi yang disimpan pada satu dimensi array dan pemeraan dari r dan s yang diimplementasikan dengan table lookups. Untuk nilai 8 bit , lookup dengan nilai T memiliki 256 masukkan. Sebagai pengenalan transformasi dejarat keabuan, dimana ditampilkan tida tipe fungsi dasar menggunakan frekuensi untuk penajaman iamge : linear (ntransformasi negativ dan identitas) logaritma (transformasi log dan inverse log), hokum kekuatan (transformasi nth power dan nth root). Fungsi identitas adalah kasus trivial yang output intensitasnya identic dengan input indensitasnya. Negative pada image dengan derajat keabuan pada range [0, L-1] berisi dengan menggunakan transformasi negative , dengan rumus

Berdasarkan intensitas level dari image pada fungsi ini memproduksi foto negative. Tipe dari proses ini sangat cocok untuk penajaman detail putih dan abu-abu yang tertanam pada region gelap pada sebuah image, khususnya ketika area hitam lebih dominan pada sebuah ukuran image. The original image is a digital mammogram showing a small lesion. In spite of the fact that the visual content is the same in both images, note how much easier it is to analyze the breast tissue in the negative image in this p articular case.

TUGAS BUATLAH MAKALAH KARAKTERISTIK SENSOR AKTIF DALAM PENGOLAHAN CITRA DIGITAL (tulis tangan)