PENGOLAHAN CITRA DAN POLA PERTEMUAN 5 STIKI INDONESIA

  • Slides: 20
Download presentation
PENGOLAHAN CITRA DAN POLA PERTEMUAN 5 STIKI INDONESIA 2012

PENGOLAHAN CITRA DAN POLA PERTEMUAN 5 STIKI INDONESIA 2012

Filter Spasial Linier p Bekerja dengan cara konvolusi p Filter Rata-Rata p Filter Gaussian

Filter Spasial Linier p Bekerja dengan cara konvolusi p Filter Rata-Rata p Filter Gaussian Here comes your footer Page 2

Filter Gaussian p Untuk menentukan nilai-nilai setiap elemen dalam filter Gaussian yang akan dibentuk

Filter Gaussian p Untuk menentukan nilai-nilai setiap elemen dalam filter Gaussian yang akan dibentuk digunakan persamaan berikut : p Elemen-elemen filter Gaussian bisa ditentukan bila nilai σ2 dan ukuran filter N x N ditentukan terlebih dahulu dan nilai pada (0, 0) diseting sama dengan 1 Here comes your footer Page 3

p Contoh : 7 x 7 filter Gaussian dengan σ2 = 2 Here comes

p Contoh : 7 x 7 filter Gaussian dengan σ2 = 2 Here comes your footer Page 4 (x, y) -3 -2 -1 0 1 2 3 -3 0, 011 0, 039 0, 082 0, 105 0, 082 0, 039 0, 011 -2 0, 039 0, 135 0, 287 0, 368 0, 287 0, 135 0, 039 -1 0, 082 0, 287 0, 606 0, 779 0, 606 0, 287 0, 082 0 0, 105 0, 368 0, 779 1 0, 779 0, 368 0, 105 1 0, 082 0, 287 0, 606 0, 779 0, 606 0, 287 0, 082 2 0, 039 0, 135 0, 287 0, 368 0, 287 0, 135 0, 039 3 0, 011 0, 039 0, 082 0, 105 0, 082 0, 039 0, 011

p Dilakukan normalisasi untuk mendapatkan nilai diskrit Here comes your footer Page 5 (x,

p Dilakukan normalisasi untuk mendapatkan nilai diskrit Here comes your footer Page 5 (x, y) -3 -2 -1 0 1 2 3 -3 0, 011 0, 039 0, 082 0, 105 0, 082 0, 039 0, 011 -2 0, 039 0, 135 0, 287 0, 368 0, 287 0, 135 0, 039 -1 0, 082 0, 287 0, 606 0, 779 0, 606 0, 287 0, 082 0 0, 105 0, 368 0, 779 1 0, 779 0, 368 0, 105 1 0, 082 0, 287 0, 606 0, 779 0, 606 0, 287 0, 082 2 0, 039 0, 135 0, 287 0, 368 0, 287 0, 135 0, 039 3 0, 011 0, 039 0, 082 0, 105 0, 082 0, 039 0, 011

p Hasil filter Gaussian Here comes your footer Page 6 1 4 7 10

p Hasil filter Gaussian Here comes your footer Page 6 1 4 7 10 7 4 12 26 33 26 12 4 7 26 55 71 55 26 7 10 33 71 91 71 33 10 7 26 55 71 55 26 7 4 12 26 33 26 12 4 1 33 7 10 7 33 1

Filter Spasial Non Linier p Disebut juga Order-statistic Filters p Didasarkan pada pengurutan dari

Filter Spasial Non Linier p Disebut juga Order-statistic Filters p Didasarkan pada pengurutan dari intensitas pixel-pixel tetangga yang dilingkupi oleh filter-filter tersebut p Filter Maksimum p Filter Minimum p Filter Median Here comes your footer Page 7

Operasi Geometri p Memodifikasi koordinat piksel dalam suatu citra dengan pendekatan tertentu p Operasi

Operasi Geometri p Memodifikasi koordinat piksel dalam suatu citra dengan pendekatan tertentu p Operasi Geometri, antara lain : ü Pencerminan (flipping) ü Rotasi/pemutaran (Rotating) ü Pemotongan (Cropping) ü Penskalaan (Scaling/Zooming)

Operasi Pencerminan (Flipping) • Efek pencerminan horisontal : pencerminan pada sumbu Y vertikal :

Operasi Pencerminan (Flipping) • Efek pencerminan horisontal : pencerminan pada sumbu Y vertikal : pencerminan pada sumbu X kombinasi : pencerminan pada sumbu Y dan X

Operasi Pencerminan (Flipping) • Pencerminan Horizontal x’ = w – 1 – x y’

Operasi Pencerminan (Flipping) • Pencerminan Horizontal x’ = w – 1 – x y’ = y p Pencerminan Vertikal x’ = x y’ = h – 1 - y p Pencerminan Kombinasi x’ = w – 1 – x y’ = h – 1 - y

ROTASI (ROTATING) Ø Operasi rotasi dengan memutar koordinat yang akan dibahas adalah rotasi ¼

ROTASI (ROTATING) Ø Operasi rotasi dengan memutar koordinat yang akan dibahas adalah rotasi ¼ putaran (900) dan ½ putaran (1800). Ø Rotasi ¼ putaran (900) searah jarum jam (CW/clock wise) w’ = h dan h’ = w pertukaran ukuran lebar & tinggi citra x’ = w’ – 1 – y y’ = x Ø Rotasi ½ putaran (1800) searah jarum jam (CW/clock wise) x’ = w’ – 1 – x y’ = h’ – 1 – y

Rotasi (2) Rotasi Bebas Dengan asumsi berlawanan arah jarum jam (CCW/counter clock wise) x’

Rotasi (2) Rotasi Bebas Dengan asumsi berlawanan arah jarum jam (CCW/counter clock wise) x’ = x cos(θ) + y sin(θ) y’ = -x sin(θ) + y cos(θ) w’ = |w cos(θ)| + |h sin(θ)| h’ = |w sin(θ)| + |h cos(θ)|

½ putaran (250 CCW) (1800 CW) 1/4 putaran (900 CW)

½ putaran (250 CCW) (1800 CW) 1/4 putaran (900 CW)

PEMOTONGAN (CROPPING) Adalah pengolahan citra dengan kegiatan memotong satu bagian dari citra. Rumus yang

PEMOTONGAN (CROPPING) Adalah pengolahan citra dengan kegiatan memotong satu bagian dari citra. Rumus yang digunakan : x’ = x – x. L untuk x = x. L sampai x. R y’ = y – y. T untuk y = y. T sampai y. B (x. L, y. T) dan (x. R, y. B) adalah koordinat titik pojok kiri atas dan pojok kanan bawah citra yang akan di-crop Ukuran citra menjadi : w’ = x. R – x. L h’ = y. B –YT h’

0 x. L x. R y. T y. B w’

0 x. L x. R y. T y. B w’

Citra Hasil Cropping Citra di crop

Citra Hasil Cropping Citra di crop

p Memperbesar (Zoom In) atau memperkecil (Zoom Out) citra p Nilai skala: p >

p Memperbesar (Zoom In) atau memperkecil (Zoom Out) citra p Nilai skala: p > 1, memperbesar skala p < 1, memperkecil skala p Scaling : x’ = Sh x w’ = Sh w y’ = Sv y h’ = Sv h Here comes your footer Page 18

Citra Asli Sh = 1 Sv = 2

Citra Asli Sh = 1 Sv = 2

Referensi p Gonzalez, Rafael C. and Woods, Richard E. . Digital Image Processing, 2

Referensi p Gonzalez, Rafael C. and Woods, Richard E. . Digital Image Processing, 2 nd Ed. . 2002. New Jersey : Prentice Hall. p Putra, I Ketut Gede Darma. 2010. Pengolahan Citra Digital. Yogyakarta : Andi Offset. p Sutoyo, T. , dkk. 2009. Teori Pengolahan Citra Digital. Yogyakarta : Andi Offset. Here comes your footer Page 20