1. Digital Image
Processing

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

11. Tiga Bidang Berkaitan dengan
Proses Citra atau Gambar (2)
(MSU, 1990)
11

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

17. Computer Graphics
(Hearn and Baker, 1986)
17

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

19. Computer Vision
Garage
Bushes
Roof
Side
(Ballard, 1992)
Grass
House
Roof
Sky
Tree1
Tree2
Side1 Side2
19

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

22. Computer Vision
CITRA
Scene
Alat Input
ex: kamera digital,
scanner
Prepocessing
POLA
Deskripsi
Gambar
Pattern Recognition
Intermediate
Processing
22

23. Proses dalam Computer Vision
23

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

25. Operasi Pengolahan Citra
•
Contoh
– Sharpening
–
Noise Filtering
25

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

31. Aplikasi Pengolahan Citra
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Bid.Perdagangan
Bid.Militer
Bid.Kedokteran
Bid.Biologi
Komunikasi Data
Hiburan
Robotika
Pemetaan
Geologi
Hukum
31

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

34. Human Biometrics & Features
Citra Wajah
Citra Sidik Jari
34

35. Aplikasi Kedokteran Gigi
(Orthodonti)
35

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

37. Aplikasi Industri
Obyek: Jenis Mur, Sekrup dan Pin
Diagram Dua Ciri Pembeda Obyek
37

38. Aplikasi Bahasa Isyarat (Bibir)
(Sumber: MSU, 1990)
Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang disebut sebagai
‘body language’.
38

39. Metodologi OCR – Optical Character Recogniton (1)
(MSU, 1990)
39

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.

42. Aplikasi Pengenalan Karakter
Huruf A hasil scanning
Huruf A setelah ‘thinning’
42

43. Aplikasi Pengenalan Karakter
Huruf hasil scanning
Huruf setelah ‘skeletonizing’
43