Sistem Visual Manusia dan Pengolahan Citra Digital Nana

Sistem Visual Manusia dan Pengolahan Citra Digital Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2009

Materi • • • Sistem Visual Manusia Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Piksel dan Connectivity Labelling of connected Component Operasi Logika dan Aritmatika pada Citra Jenis-Jenis Citra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Human dan Computer Vision • Mempelajari pengolahan citra tanpa tidak bisa dilakukan tanpa memperhatikan sistem human vision. Sejumlah uji coba dan evaluasi akan diberikan pada citra yang akan diproses oleh sistem visual yang kita miliki. • Tanpa memperhatikan sistem human vision kita mungkin banyak salah dalam menginterpretasikan citra Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 3

Beberapa Pertanyaan Sederhana ? • Apakah perbedaan intesitas dapat diketahui sebagai perbedaan? • Apakah resolusi spatial, dari mata ? • Sebarapa akurat kita dapat menebak dan membandingkan distances dan areas? • Bagaimana kita sensitif terhadap warna? • Fitur-fitur mana yang dapat dideteksi dan membedakan obyek 2? Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 4

Sistem Visual Manusia • Pembentukan Citra oleh Sensor Mata – Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. – Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana fokus lensa terletak antara retina dan lensa mata. – Mata dan syaraf otak dapat menginterpretasi bayangan yang merupakan obyek pada posisi terbalik. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 5

Representasi Penglihatan Representasi penglihatan ini menunjukkan cara kerja kamera dalam meng-capture suatu gambar. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Struktur Mata Manusia • Bentuk seperti sphere • Rata-rata diameter 20 mm • 3 membran • Cornea dan sclera • Choroid • Retina menutup mata A cross section of the human eye (Gonzalez & Woods, 1992) Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 7

Sistem Visual Manusia • Choroid : Lies below the sclera, contains network of blood vessels that serve as the major source of nutrition to the eye. • Choroid coat is heavily pigmented and hence helps to reduce the amount of extraneous light entering the eye and the backscatter within the optical globe. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 8

Sistem Visual Manusia • Fovea di bagian retina terdiri dari dua jenis receptor: – Sejumlah cone receptor, sensitif terhadap warna, visi cone disebut photocopic vision atau bright light vision – Sejumlah rod receptor, memberikan gambar keseluruhan pandangan dan sensitif terhadap iluminasi tingkat rendah, visi rod disebut scotopic vision atau dim-light vision • Blind Spot – adalah bagian retina yang tidak mengandung receptor sehingga tidak dapat menerima dan menginterpretasi informasi Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 9

Sistem Visual Manusia • Subjective brightness – Merupakan tingkat kecemerlangan yang dapat ditangkap sistem visual manusia; – Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke mata manusia; – Mempunyai daerah intensitas yang bergerak dari ambang scotopic (redup) ke ambang photocopic (terang). • Brightness adaption – Merupakan fenomena penyesuaian mata manusia dalam membedakan gradasi tingkat kecemerlangan; – Batas daerah tingkat kecemerlangan yang mampu dibedakan secara sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah tingkat kecemerlangan sebenarnya. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 10

Sistem Visual Manusia • Kepekaan dalam pembedaan tingkat kecemerlangan merupakan fungsi yang tidak sederhana, namun dapat dijelaskan antara lain dengan dua fenomena berikut: • Mach Band (ditemukan oleh Ernst Mach): pita tengah bagian kiri kelihatan lebih terang dari bagian kanan. • Simultaneous Contrast: kotak kecil disebelah kiri kelihatan lebih gelap dari kotak kecil disebelah kanan, padahal intensitasnya sama tapi intensitas latar belakang berbeda. Hal sama terjadi bila kertas putih di meja kelihatan lebih putih daripada kertas sama diarahkan ke sinar matahari. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 11

Pengertian Citra Digital • Citra Digital – Citra digital merupakan fungsi intensitas cahaya f(x, y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x, y) merupakan tingkat kecemerlangan citra pada titik tersebut; – Citra digital adalah citra f(x, y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan (kwantisasi); – Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan tingkat keabuan pada titik tersebut. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 12

Resolusi Spasial dan Kecemerlangan/Brightness • Resolusi Citra – Dikenal: resolusi spasial dan resolusi kecemerlangan, berpengaruh pada besarnya informasi citra yang hilang. – Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinue ke citra digital disebut dijitisasi (sampling). Hasil digitasi dengan jumlah baris 256 dan jumlah kolom 256 - resolusi spasial 256 x 256. – Resolusi kecemerlangan (intensitas / brightness): halus / kasarnya pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat kontinue ke daerah intensitas diskrit disebut kwantisasi. Bila intensitas piksel berkisar antara 0 dan 255 - resolusi kecemerlangan citra adalah 256. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 13

Sampling Proses capture pada kamera melakukan penangkapan besaran intensitas cahaya pada sejumlah titik yang ditentukan oleh besar kecilnya kemampuan resolusi sebuah kamera. Proses pengambilan titik-titik ini dinamakan dengan sampling. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Kuantisasi Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Kuantisasi (Warna) Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Sampling dan Kuantisasi Sampling menunjukkan banyaknya pixel (blok) untuk mendefinisikan suatu gambar Kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah bit pada gambar digital b/w dengan 2 bit, grayscale dengan 8 bit, true color dengan 24 bit Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Resolusi Spasial - Sampling • Sampling Uniform dan Non-uniform – Sampling Uniform mempunyai spasi (interval) baris dan kolom yang sama pada seluruh area sebuah citra. – Sampling Non-uniform bersifat adaptif tergantung karakteristik citra dan bertujuan untuk menghindari adanya informasi yang hilang. Daerah citra yang mengandung detil yang tinggi di-sampling secara lebih halus, sedangkan daerah yang homogen dapat disampling lebih kasar. Kerugian sistem sampling Nonuniform adalah diperlukannya data ukuran spasi atau tanda batas akhir suatu spasi. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 18

Resolusi Kecemerlangan - Kwantisasi • Kwantisasi Uniform, Non-uniform, dan Tapered – Kwantisasi Uniform mempunyai interval pengelompokan tingkat keabuan yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya). – Kwantisasi Non-uniform: Kwantisasi yang lebih halus diperlukan terutama pada bagian citra yang menggambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kwantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek. – Kwantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kwantisasi secara lebih halus dan diluar batas daerah tersebut dapat dikwantisasi secara lebih kasar (local stretching). Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 19

Resolusi Uniform vs Non-Uniform • Tidak perlu resolusi spasial yang non-uniform • Perlu resolusi spasial yang non-uniform • Tidak perlu resolusi kecemerlangan yang nonuniform (untuk warna hitam dan putih) • Perlu resolusi kecemerlangan yang nonuniform (untuk warna kehijauan dan kemerahan) Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 20

Hubungan antara piksel dan pengertian connectivity 4 -tetangga piksel P X X 8 -tetangga piksel P X X X X Connectivity/Konektivitas: 4 -tetangga atau 8 -tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb. nya Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 21

Labelling of connected component Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4 -tetangga dan (b) dengan aturan 8 tetangga: 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 0 ekivalen dengan Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 22

Operasi Aritmetik / Logika pada Citra • Operasi Aritmetik antara dua citra –+ - x / – Band ratio antara citra sensor optik Landsat TM band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya. – Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 23

Operasi Aritmetik / Logika pada Citra • Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah. Jakarta in 1994 Laboratorium Computer Vision Jakarta in 1998 Politeknik Elektronika Negeri Surabaya PENS-ITS (Lapan, 2001) 24

Operasi Aritmetik / Logika pada Citra • Operasi Logika antara dua citra – OR AND NOT – Masking (AND) operation dapat digunakan untuk memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik. Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 25

Komponen Sistem Pengolahan Citra Digital (Gonzalez & Woods, 1992) Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 26

Dasar Radiometri adalah bagian dari image formation yang membahas relasi antara besaran energi dari sumber, besaran refleksi dari permukaan dan besaran yang diterima oleh sensor Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Model Kamera Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Tiga Jenis Citra Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Model Citra Berwarna Dengan RGB Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Representasi Citra Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Format Warna RGB G R B Format warna 24 BIT dinyatakan dengan: 11001001 01011001 00001011 R (8 bit) G (8 bit) B (8 bit) Masing-masing komponen warna RGB mempunyai nilai 0 s/d 255 (8 bit) derajat kecerahan (derajat keabuan) Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Format Warna RGB Warna R G B Merah Hijau Biru 255 0 0 0 255 Kuning Magenta Cyan Putih Hitam Abu-abu 255 0 255 0 128 0 255 255 0 128 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Contoh Warna RGB Dalam Hexa. Decimal Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Fungsi Untuk Membaca Warna RGB void Warna. To. RGB(long int warna, int *Red, int *Green, int *Blue) { *Red = warna & 0 x 000000 FF; *Green = (warna & 0 x 0000 FF 00) >> 8; *Blue = (warna & 0 x 00 FF 0000) >> 16; } Contoh: Warna 0 x 00 F 0 A 122 bila dioperasikan akan menjadi: Red = 0 x 00 F 0 A 122 & 0 x 000000 FF = 22 (Hexa) = 34 Green = 0 x 00 F 0 A 122 & 0 x 0000 FF 00 = A 1 (Hexa) = 161 Blue = 0 x 00 F 0 A 122 & 0 x 00 FF 0000 = F 0 (Hexa) = 240 Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Fungsi Untuk Membuat Warna RGB long int RGBTo. Warna(int Red, int Green, int Blue) { return(Red+(Green<<8)+(Blue<<16)); } Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Membaca dan Menampilkan Citra • Proses untuk membaca citra sama seperti proses membaca matrik, karena citra adalah suatu matrik. Setiap pixel pada citra mempunyai 3 nilai R, G dan B • Proses untuk menampilkan citra sama seperti proses untuk menampilkan citra seperti menampilkan matrik dengan setiap pixelnya diberi nilai (R, G, B) Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Membaca dan Menampilkan Citra pada Bahasa C Membaca Citra pada titik (x, y) : // Membaca citra warna=dc. Mem. Get. Pixel(x, y); // Mengambil warna (R, G, B) Warna. To. RGB(warna, &red, &green, &blue); Memberikan nilai warna pada titik (x, y) warna=RGBTo. Warna(red, green, blue); dc. Mem. Set. Pixel(x, y, warna); Menampilkan citra di layar p. DC->Bit. Blt(0, 0, 150, 100, &dc. Mem, 0, 0, SRCCOPY); Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS

Sekila. S Inf. O Ada beberapa hal yang harus dikuasai sebelum menguasai materi di dalam image processing yaitu: matematika, aljabar, pengolahan sinyal, statistik dan pemrograman.

Berga. Bunglah den. Gan Kami Laboratorium Computer Vision Politeknik Elektronika Negeri Surabaya PENS-ITS 2009