2. CITRA
• Data atau informasi tidak hanya disajikan dalam
bentuk teks, tetapi juga dapat berupa gambar,audio
dan video. Keempat macam data atau informasi ini
sering disebut Multimedia.
• Citra – sebagai salah satu komponen multimedia
yang memegang peranan penting sebagai bentuk
informasi visual. Citra mempunyai karakteristik yang
tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi.
2
3. CITRA
• Citra (image) = gambar pada bidang 2 dimensi.
• Citra (ditinjau dari sudut pandang matematis) = fungsi yang
kontinu dari intensitas cahaya pada bidang 2 dimensi.
• Sumber cahaya menerangi objek,dipantulkan kembali dan
di tangkap oleh alat-alat optik = Citra
(a) Dog
(b) Lena
3
4. CITRA
• Citra sebagai output dari suatu sistem perekaman data dapat
berupa:
1. Still Image
• Citra diam (still image) adalah citra tunggal yang tidak
bergerak.
2. Moving Image
• Citra bergerak (moving image) adalah rangkaian citra diam
yang ditampilkan secara sekuensial sehingga memberi
kesan pada mata kita sebagai gambar bergerak. Setiap citra
di dalam rangkaian itu disebut frame. Gambar-gambar yang
tampak pada film layar lebar atau televisi pada hakikatnya
terdiri dari ratusan sampai ribuan frame.
4
5. 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 (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
5
tingkat keabuan pada titik tersebut.
6. Digitizing an image
Column of samples
Pixel
Black
Line Spacing
Picture
Sample Spacing
Sampling process
Spatial resolution
Gray
128
White
Line
255
0
Brightness Spacing
Proses Kwantisasi
Brightness Resolution
Sumber: Dimodifikasi dari Castlemen, 1996
6
7. Metodologi Pengolahan Citra
• Pembentukan Citra (Data Acquisition): Menentukan data yang
diperlukan dan memilih metode perekaman citra digital.
• Pengolahan Citra Tingkat Awal (Image Preprocessing):
Meningkatkan kontras, menghilangkan gangguan geometrik /
radiometrik, menentukan bagian citra yang akan diobservasi.
• Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge
Detection): Melakukan partisi citra menjadi wilayah-wilayah
obyek (internal properties) atau menentukan garis batas
wilayah obyek (external shape characteristics).
• Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection):
Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang
dapat membedakan kelas-kelas obyek secara baik. Ekstraksi
7
ciri mengukur besaran kwantitatif ciri setiap piksel
8. Metodologi Pengolahan Citra
(Lanjutan)
• Representasi dan Deskripsi: Suatu wilayah dapat
direpresentasi sebagai suatu list titik-titik koordinat dalam
loop yang tertutup, dengan deskripsi luasan / perimeternya
• Pengenalan Pola (Pattern Recognition): Memberikan label
kategori obyek pada setiap piksel citra berdasarkan
informasi yang diberikan oleh deskriptor atau ciri piksel
bersangkutan (pewilayahan jaringan keras dan
pewilayahan berbagai jaringan lunak pada citra biomedik)
• Interpretasi Citra (Image Interpretation): Memberikan arti
pada obyek yang sudah berhasil dikenali (dari citra
klasifikasi biomedik dapat dilihat adanya penyakit tumor)
• Penyusunan Basis Pengetahuan: Basis pengetahuan ini
8
digunakan sebagai referensi pada proses template
matching / object recognition.
9. Pengertian Citra Digital
Sampler
Citra kontinue
Resolusi spasial :
Tinggi (16 x 16)
Citra digital
Rendah (8 x 8)
Matriks citra dengan obyek angka 5
Resolusi kecemerlangan :
Rendah(4)
Tinggi (2)
9
10. Tiga Bidang Berkaitan dengan
Proses Citra atau Gambar (1)
1950 Image Processing
Image
1970 Computer Vision
1970 Computer
Graphics
1960 Pattern Recognition
Artificial Intelligence
Description
(Pavlidis, 1986)
10
12. Definisi Pengolahan Citra
• Pengolahan Citra adalah
memproses suatu citra sehingga menghasilkan citra
yang sesuai dengan keinginan kita atau kualitasnya
menjadi lebih baik.
(a) Citra Lena yang agak
kabur
(b) Citra Lena yang
diperbaiki
12
13. Pengolahan Citra
Digital
• Memperbaiki kualitas gambar, dilihat dari aspek
radiometrik (peningkatan kontras, transformasi warna,
restorasi citra) dan dari aspek geometrik (rotasi,
translasi, skala, transformasi geometrik);
• Melakukan pemilihan citra ciri (feature images) yang
optimal untuk tujuan analisis;
• Melakukan proses penarikan informasi atau deskripsi
obyek atau pengenalan obyek yang terkandung pada
citra;
• Melakukan kompresi atau reduksi data untuk tujuan
penyimpanan data, transmisi data, dan waktu proses
13
data.
14. Definisi Pengolahan Citra
•
Umumnya, operasi-operasi pengolahan citra diterapkan
pada citra bila :
1. Perbaikan atau modifikasi citra untuk meningkatkan
kualitas visual atau menonjolkan beberapa aspek
informasi yang terkandung dalam citra.
2. Elemen di dalam citra perlu di kelompokkan,
dicocokkan atau diukur.
3. Sebagian citra perlu di gabung dengan bagian citra yang
lain.
14
15. Definisi Pengolahan Citra
• Di dalam bidang komputer, ada 3 bidang studi yang
berkaitan dengan citra, namun tujuan ketiganya
berbeda, yaitu :
– Grafika Komputer (Computer Graphics)
– Pengolahan Citra (Image Processing)
– Pengenalan Pola (Pattern Recognition/image interpretation)
Citra
Grafika
Komputer
Deskripsi
Pengolahan Citra
Citra
Pengenalan
Pola
Deskripsi
15
16. Grafika Komputer
• Merupakan proses untuk menciptakan
suatu gambar berdasarkan deskripsi
obyek maupun latar belakang yang
terkandung pada gambar tersebut;
• Merupakan teknik untuk membuat
gambar obyek sesuai dengan obyek
tersebut di alam nyata (realism).
16
18. Visi Komputer
• Pengenalan Pola (Pattern Recognition): Speaker
Recognition, Segmentation and Classification;
• Visi Komputer (Computer Vision) merupakan proses
menyusun deskripsi tentang obyek yang terkandung
pada suatu gambar atau mengenali obyek yang ada
pada gambar, Word and Vowel Recognition, Object
Structure;
• Kecerdasan Buatan (Artificial Intelligence): Speech
Understanding, What is illustrated by this image.
18
20. Computer Vision
• Computer Vision mencoba meniru Human Vision
• Computer Vision = proses otomatis yang
mengintegrasikan sejumlah besar proses untuk
persepsi visual, seperti :
–
–
–
–
–
Akuisisi citra
Pengolahan citra
Klasifikasi
Pengenalan (Recognition)
Membuat Keputusan.
• Vision = Geometry + Measurement + Interpretation
20
21. Computer Vision
•
Proses-proses dalam computer vision dapat dibagi menjadi
3 aktivitas :
1. Memperoleh atau mengakuisisi citra digital
2. Melakukan teknik komputasi untuk memproses atau
memodifikasi data citra (operasi-operasi pengolahan
citra)
3. Menganalisis dan menginterpretasi citra dan
menggunakan hasil pemrosesan untuk tujuan tertentu,
misalnya mengontrol peralatan, memantau proses
manufaktur, memandu robot, dll.
21
24. Operasi Pengolahan Citra
1. Image Enhancement
Image Enhancement bertujuan untuk memperbaiki
kualitas citra dengan cara memanipulasi parameterparameter citra.
Dengan operasi ini, ciri-ciri khusus yang terdapat di
dalam citra lebih ditonjolkan.
Contoh :
–
–
–
Perbaikan contrast, brightness
Penajaman (sharpening)
Noise Filtering
24
26. Operasi Pengolahan Citra
2. Image Restoration
Image Restoration bertujuan untuk menghilangkan/
meminimumkan cacat pada citra. Tujuan image restoration
hampir sama dengan operasi image enhancement. Bedanya,
pada image resoration penyebab degradasi gambar diketahui.
Contoh :
blur
deblurring
27. Operasi Pengolahan Citra
3. Image Compression
Jenis operasi ini dilakukan agar citra memerlukan memori atau
media penyimpanan lebih sedikit, tanpa mengurangi kualitas citra.
Lena.bmp
Lena.jpg
dengan Quality
80
Lena.jpg
dengan Quality
20
27
28. Operasi Pengolahan Citra
4. Image
Segmentation
Jenis operasi ini bertujuan
untuk memecah suatu citra ke
dalam beberapa segmen
dengan suatu kriteria tertentu.
28
29. Operasi Pengolahan Citra
5. Image Analysis
Teknik image analysis mengekstraksi ciri-ciri tertentu
yang membantu dalam identifikasi objek
Contoh Edge Detection
29
30. Operasi Pengolahan Citra
6. Image Reconstruction
Jenis operasi ini bertujuan untuk
membentuk ulang objek dari beberapa
citra hasil proyeksi.
30
32. Aplikasi Pengolahan Citra
1. Bid.Perdagangan
a. Pembacaan barcode
b. Pengenalan huruf/angka pada suatu formulir secara otomatis
2. Bid.Militer
a. Mengenali sasaran peluru kendali melalui sensor visual
b. Mengidentifikasi jenis pesawat musuh
3. Bid.Kedokteran
a. Mammografi
b. Rekontruksi foto janin hasil USG
4. Bid.Biologi
a. Pengenalan jenis kromosom melalui citra mikroskopik
5. Komunikasi Data
a. Kompresi citra yang akan ditransmisikan
32
33. Aplikasi Pengolahan Citra
6. Hiburan
a. Game
b. Kompresi Video
6. Robotika
a. Visualy-Guided autonomous navigation
6. Pemetaan
a. Klasifikasi penggunaan tanah melalui foto udara/LANDSAT
6. Geologi
a. Mengenali jenis batu-batuan melalui foto udara/LANDSAT
6. Hukum
a. Pengenalan sidik jari
b. Pengenalan foto narapidana
33
36. Aplikasi Kedokteran Gigi
• Pada citra cephalometri, dapat dideteksi kurva bentuk
dahi manusia dari landmark Nasion (lekuk dahi ke
hidung) sampai ke Bergman (titik ubun-ubun)
• Dari lengkung bentuk dahi dapat dihitung koefisien
transformasi Fourier dan transformasi Wavelet
• Dari sampel laki2 dan perempuan dapat ditentukan
aturan keputusan berdasarkan analisis diskriminan,
sehingga jenis kelamin dapat ditentukan berdasarkan
bentuk dahi tengkorak manusia
• Eksperimen menunjukkan penggunaan transformasi
Wavelet menghasilkan tingkat pengenalan yang lebih
baik dari transformasi Fourier
36
38. Aplikasi Bahasa Isyarat (Bibir)
(Sumber: MSU, 1990)
Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang disebut sebagai
‘body language’.
38
40. Metodologi OCR – Optical Character Recogniton
(2)
• Prosedur pemrosesan citra
– Data Acquisition – masukan berupa dokumen
teks, perlu cropping lokasi-lokasi karakter yang
akan dikenali;
– Image Preprocessing – proses yang dibutuhkan
adalah deteksi sisi dan thinning atau
skeletonizing untuk mendapatkan obyek
karakter dengan ketebalan 1 piksel;
40
41. Metodologi OCR – Optical Character Recogniton
(3)
• Prosedur pemrosesan citra (Lanjutan)
– Representation & Description – ekstraksi ciri
karakter, misal perhitungan ciri moment atau ciri
lainnya;
– Character Recognition – pengambilan keputusan
karakter apakah itu dengan membandingkan ciri
karakter tersebut dengan knowledge base yang
menyimpan ciri-ciri setiap karakter yang
dibangun dalam tahap pelatihan;
– Recognized Character – merupakan hasil
41
pengenalan.
Citra (image) adalah gambar pada bidang 2 dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi yang kontinu dari intensitas cahaya pada bidang 2 dimensi. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, scanner, dsb, sehingga bayangan objek yang disebut citra tersebut terekam.
Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengandung noise, warnanya terlalu kontras, kurang tajam, kabur, dsb. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang.
Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulkasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah Pengolahan Citra (Image Processing)
Grafika komputer bertujuan menghasilkan citra dengan primitif-primitif geometri.
Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasikan oleh manusia atau mesin (dalam hal ini komputer)
Pengenalan Pola mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin/komputer. Tujuan pengelompokan adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklarifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan memberikan keluaran berupa deskripsi objek dalam citra.
Terminologi lain yang berkaitan erat dengan pengolahan citra adalah computer vision atau machine vision. Pada hakekatnya, computer vision mencoba meniru cara kerja sistem visual manusia (human vision). Human vision sesungguhnya sangat kompleks. Manusia melihat objek dengan indera pengelihatan (mata), lalu citra objek diteruskan ke otak untuk diinterpretasi sehingga manusia mengerti objek apa yang tampak dalam pandangan matanya. Hasil interpretasi ini mungkin digunakan untuk pengambilan keputusan. (misalnya menghindar kalau melihat mobil melaju di depan).
Computer Vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra,pengolahan citra,klasifikasi,pengenalan (Recognition) dan membuat Keputusan.
Computer Vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra, pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasikan informasi geometri tersebut. Mungkin berguna bagi anda untuk mengingat persamaan berikut :
Vision = Geometry + Measurement + Interpretation
Dari penjelasan di atas, dapat kita lihat bahwa pengolahan citra dan pengenalan pola merupakan bagian dari computer vision. Pengolahan citra merupakan preprocessing (proses awal) pada computer vision, sedangkan pengenalan pola merupakan proses untuk menginterpretasikan citra. Teknik-teknik di dalam pengenalan pola memainkan peranan penting dalam computer vision untuk mengenali object.
Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
Image Restoration bertujuan untuk menghilangkan/meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui.
Image Enhancement bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
Image Restoration bertujuan untuk menghilangkan/meminimumkan cacat pada citra. Tujuan image restoration hampir sama dengan operasi image enhancement. Bedanya, pada image resoration penyebab degradasi gambar diketahui.
Image Segmentation
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.
Image Analysis
Jenis operasi ini bertujuan untuk menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya.Teknik image analysis mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadang diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya.
Contoh-contoh operasi image analysis :
Edge Detection
Boundary Extraction
Image Reconstruction
Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh.
Bid.Perdagangan
Pembacaan barcode
Pengenalan huruf/angka pada suatu formulir secara otomatis
Bid.Militer
Mengenali sasaran peluru kendali melalui sensor visual
Mengidentifikasi jenis pesawat musuh
Bid.Kedokteran
Mammografi
Rekontruksi foto janin hasil USG
Bid.Biologi
Pengenalan jenis kromosom melalui citra mikroskopik
Komunikasi Data
Kompresi citra yang akan ditransmisikan
Hiburan
Game
Kompresi Video
Robotika
Visualy-Guided autonomous navigation
Pemetaan
Klasifikasi penggunaan tanah melalui foto udara/LANDSAT
Geologi
Mengenali jenis batu-batuan melalui foto udara/LANDSAT
Hukum
Pengenalan sidik jari
Pengenalan foto narapidana