Pendahuluan

1. Pendahuluan Pengolahan Citra Digital: Permasalahan dan Aplikasi

2. Pengantar • Penyajian data • Teks • Gambar • Video • Audio (musik, voice) • Sering disebut dengan multimedia, digunakan pada hiburan, web site • Perkembangan: SMS  MMS

3. Pengolahan Citra • Merupakan bidang yang bersifat multidisiplin • Terdiri dari banyak aspek: fisika (optis, nuklir, gelombang), elektronika, matematika, seni, fotografi, dan teknologi komputer. • Pembahasan pada teknik pengolahan citra digital menggunakan komputer

4. Pengertian Citra • Suatu representasi, kemiripan, atau imitasi/tiruan dari suatu obyek atau benda (Kamus Webster) • foto Anda mewakili entitas diri Anda sendiri di depan kamera • Foto sinar-X mewakili keadaan bagian tubuh seseorang

5. Pengertian Citra • Ditinjau dari sudut pandang matematis, citra merupakan fungsi penerus dari intensitas cahaya pada bidang 2-Dimensi • Pantulan obyek diterima oleh suatu sistem optis, dan kemudian akan menghasilkan suatu citra

6. Klasifikasi Citra • Citra Tampak • foto keluarga, gambar teman Anda, sesuatu yang tampak di layar monitor/TV, hologram (citra optis) • Citra Tak Tampak • citra gambar dalam file (citra digital) • citra yang dinyatakan dalam fungsi matematis • citra fisik tak tampak: peta densitas material, citra distribusi panas bumi, kulit manusia

7. Klasifikasi Citra • Citra tak tampak harus diubah menjadi citra tampak: • menampilkan di monitor • cetak kertas, dll • Citra yang terdapat dalam bidang pengolahan citra semuanya mengacu kepada “citra diam” atau “still image”

8. Klasifikasi Citra • Pengelompokan jenis-jenis citra (Castleman, 1996)

9. Pencitraan (imaging) • Citra digital: satu-satunya yang dapat diolah dengan komputer • citra non-digital  citra digital  diolah dengan komputer • Pencitraan (imaging): kegiatan untuk mengubah informasi citra fisik non-digital menjadi citra digital

10. Pengolahan Citra Digital • Pemrosesan citra dengan menggunakan komputer, sehingga dihasilkan citra dengan kualitas yang lebih baik dan menghasilkan informasi yang lebih berarti

11. Pengolahan Citra Digital • Pengolahan citra dilakukan apabila: • Perbaikan atau modifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung dalam citra • Elemen di dalam citra perlu dikelompokkan, dicocokkan atau diukur • Sebagian citra perlu digabung dengan bagian citra yang lain

12. Pengolahan Citra Digital Urut-urutan pengolahan citra digital

13. Pengolahan Citra Digital • Di bidang komputer, sebenarnya ada 3 bidang yang berkaitan dengan data citra • Grafika Komputer • Pengolahan Citra • Pengenalan Pola

14. Pengolahan Citra citra citra Grafika Komputer Pengenalan Pola deskripsi deskripsi Pengolahan Citra Digital

15. Grafika Komputer • Bertujuan untuk menghasilkan citra dengan primitif-primitif geometri seperti garis, lingkaran, dsb • Primitif-primitif tersebut memerlukan data diskriptif, misalnya koordinat titik, panjang garis, tebal garis, jari-jari lingkaran, dsb • Memainkan peranan dalam bidang virtual reality dan visualisasi

16. Grafika Komputer Citra Data Diskriptif Grafika Komputer

17. Line(0, 0, 0, 40) Line(0, 40, 60, 60) Line(40, 60, 80, 40) Line(0, 40, 80, 40) Line(80, 40, 80, 0) Line(80, 0, 0, 0) Line(20, 0, 25, 25) Line(25, 25, 35, 25) Line(35, 25, 35, 0) Grafika Komputer

18. Pengolahan Citra • Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterprestasikan oleh manusia atau mesin • Mentransformasikan suatu Citra menjadi citra lain • Termasuk pemampatan citra

19. Pengolahan Citra Citra Citra Pengolahan Citra

20. Pengenalan Pola • Pengenalan pola mengelompokkan data numeris dan simbolik (termasuk citra) secara otomatis dengan mesin • Tujuan: untuk mengenali obyek dalam suatu citra • Komputer berusaha menirukan pola pikir manusia untuk mengenali obyek

21. Pengenalan Pola Diskripsi Obyek Citra Pengenalan Pola

22. Aplikasi Pengolahan Citra Digital • penginderaan jarak jauh lewat satelit / pesawat udara: pemetaan geografi, prediksi hasil panen pertanian, perkembangan kota, pengendalian banjir dan pengendalian api • Bidang perdagangan: pembacaan barcode, pengenalan huruf/angka pada formulir secara otomatis

23. Aplikasi Pengolahan Citra Digital • Transimisi citra untuk aplikasi bisnis: televisi, telekonferensi, transmisi fax, komunikasi melalui jaringan komputer, komunikasi militer • Bidang geologi: pengenalan jenis batu-batuan melaui citra satelit/LANDSAT

24. Aplikasi Pengolahan Citra Digital • pengolahan dalam bidang medis: pengolahan foto sinar-X, nuclear magnetic resonance (NMR), rekonstruksi citra janin dengan menggunakan USG • radar: mendeteksi dan mengenali sasaran (dalam sistem missil) • robotika: pengenalan objek (benda) • pemeriksaan dalam industri spare part

25. Aplikasi Pengolahan Citra Digital • Bidang militer: mengenali sasaran peluru kendali, mengidentifikasi pesawat musuh • Bidang biologi: pengenalan jenis kromosom melalui gambar mikroskopik • Bidang komunikasi data: pemampatan data yang akan ditransmisi • Bidang hiburan: pemampatan video • Hukum: pengenalan sidik jari, pengenalan foto narapidana

26. Sistem Pengolahan Citra Digital di Laboratorium Signal and Image Processing, University of California

27. Klasifikasi Pengolahan Citra Digital • Image representation and modelling • Image enhancement • Image restoration • Image analysis • Image reconstruction • Image data compression

28. Image representation and modelling Perception model Local models Global models • Penglihatan visual dari kontras, frekuensi spasial, dan warna • Model image fidelity • Penglihatan temporal • Scene perception • Sampling dan reconstruction • Kuantisasi citra • Model deterministik • Ekspansi deret • Model statistik • Model artificual intelligence • Model sekuensial dan clustering • Model image understanding Image Representation and modelling • Satuan terkecil dari suatu citra adalah picture element (pixel atau pel)

29. Image Enhancement • Tujuan: menonjolkan ciri – ciri tertentu dari citra • Misal: perbaikan kontras, perbaikan tepi (edge), pseudocoloring (pewarnaan semu), noise filtering (penapisan derau), penajaman citra, magnifying (pembesaran citra) • berguna pada ekstraksi (penonjolan) ciri – ciri citra, analisis citra, dan penampilan informasi secara visual

30. Image Enhancement • Salah satu teknik peningkatan citra (misalkan perentangan kontras) akan memetakan tiap gray-scale ke gray-scale yg lain dengan transformasi yang telah ditentukan, misalnya dengan perataan histogram (histogram equalization), dll

31. Image Restoration • Tujuan: mengurangi, meminimisasi atau membuang degradasi derau yang telah diketahui dari suatu citra • Misal: • menghilangkan kekaburan (blurring) dari suatu citra yang disebabkan karena keterbatasan kualitas sensor atau lingkungannya, • penapisan derau, • koreksi bentuk geometris yang disebabkan karena ketidaklinearan sensor

32. Image Restoration • Proses blurring pada proses pencitraan: • Jika sistem pencitraan adalah linear, citra objek dapat dinyatakan sbb:

33. Image Restoration dengan adalah fungsi derau adalah citra yang dihasilkan adalah Point Spread Function (PSF)

34. Image Restoration • Masalah restorasi citra umumnya adalah untuk mencari (citra asli) jika diketahui PSF, fungsi citra dalam keadaan kabur, dan noise secara statistik • digunakan tapis Wiener, maximum likelihood, maximum entropy, dan maximum a posteriori • merupakan tapis non-linear sehingga untuk menyelesaikannya memerlukan teknik iterasi

35. Image analysis • dititikberatkan pada pengukuran kuantitatif dari suatu citra untuk menghasilkan diskripsi dari citra tersebut • Contoh: pembacaan label pada item toko swalayan, penyortiran komponen dalam industri perakitan, atau mengukur ukuran sel darah merah pada citra medis

36. Image analysis • dapat pula diterapkan pada pengendalian lengan robot untuk menggerakkan suatu objek setelah mengidentifikasi objek tersebut • memerlukan ekstraksi dari beberapa ciri yang digunakan untuk mengenali objek tersebut • Salah satu contohnya adalah teknik segmentasi yang dapat digunakan untuk memisahkan objek yang diinginkan dengan citra asalnya

37. Image analysis Contoh terapan pada Quality Control (QC)

38. Image analysis • Contoh: • Pendeteksian tepi obyek (edge detection) • Ekstraksi batas (boundary) • Representasi daerah (region)

39. Image reconstruction • Untuk membentuk citra 2-Dimensi atau lebih jika diketahui beberapa buah proyeksi citra 1-Dimensinya • Secara matematis dapat digunakan dengan teori transformasi Radon

40. Image reconstruction

41. Image data compression • Data yang berhubungan dengan informasi visual akan berukuran sangat besar  memerlukan tempat penyimpanan yang besar pula.  sehingga diperlukan kompresi data citra

42. Image data compression

43. Image data compression • Teknik kompresi data citra difokuskan pada pengurangan jumlah bit yang diperlukan untuk mentransmisikan citra tanpa kehilangan informasi yang berarti • Dua teknik dasar • Lossy Compression • Lossless Compression

44. Tugas 1 – dikumpulkan paling lambat 26 Juni 2011 Buatlahpresentasitentangaplikasi yang berhubungandenganpengolahancitradalamberbagaibidang.