PENGOLAHAN CITRA DAN POLA

1. PENGOLAHAN CITRA DAN POLA PERTEMUAN 6 STIKI INDONESIA 2012

2. Image Restoration • Seperti halnya Image Enhancement, tujuan utama teknik restorasi adalah untuk meningkatkan kualitas suatu citra • Restorasi berupaya untuk merekonstruksi (reconstruct) atau mendapatkan kembali (recover) suatu citra yang telah mengalami penurunan kualitas (degraded) dengan menggunakan pengetahuan mengenai fenomena degradasi • Teknik restorasi  memodelkan degradasi dan menerapkan proses inverse yang bertujuan untuk memulihkan citra asli Here comes your footer Page 2

3. Image Enhancement : memperbaiki kualitas citra untuk tujuan tertentu atau bahkan memberi efek berlebih pada citra • Image Restoration : memperbaiki suatu citra yang terkena noise (model noise sudah diketahui atau diduga sebelumnya) Here comes your footer Page 3

4. Model Degradasi Citra/Proses Restorasi g(x, y) Restoration filter(s) Degradation Function H + f(x, y) Noiseη(x,y) RESTORATION DEGRADATION Here comes your footer  Page 4

5. Model-Model Noise • Gaussian (Normal) Noise z : gray level μ: mean of z σ : standard deviation σ2 : variance of z Here comes your footer Page 5

6. Rayleigh Noise • The mean and variance of this density are given by Here comes your footer Page 6

7. Erlang (Gamma) Noise • The mean and variance of this density are given by Here comes your footer Page 7

8. Exponential Noise where a > 0 • The mean and variance of this density are given by Here comes your footer Page 8

9. Uniform Noise • The mean and variance of this density are given by Here comes your footer Page 9

10. Impulse (salt-and-pepper) Noise Here comes your footer Page 10

11. Model-model noise tersebut digunakan untuk memodelkan situasi kerusakan pada citra yang diakibatkan oleh noise • Contoh: • Noise Gaussian  faktor elektronik (kurang pencahayaan, suhu yang terlalu tinggi) • Noise Rayleigh  pencitraan jarak (range imaging) • Noise Eksponensial dan Gamma  pencitraan laser Here comes your footer Page 11

12. Model-Model Noise Gaussian Rayleigh Gamma Here comes your footer  Page 12

13. Exponential Uniform Salt & Pepper Here comes your footer  Page 13

14. Mean Filters • Arithmetic mean filter • Dapat diimplementasikan dengan menggunakan mask konvolusi yang semua koefisiennya bernilai 1/mn • Noise berkurang sebagai akibat dari blurring Here comes your footer Page 14

15. Geometric mean filter • Tiap pixel yang telah dipulihkan (restored pixel) diperoleh dari hasil perkalian pixel-pixel pada subimage yang kemudian dipangkatkan dengan 1/mn • Lebih mengarah ke smoothing, namun cenderung kehilangan detail citra dalam prosesnya Here comes your footer Page 15

16. Harmonic mean filter • Baik digunakan untuk salt noise, namun buruk digunakan untuk pepper noise • Selain itu baik juga digunakan untuk model noise yang lain, seperti Gaussian noise Here comes your footer Page 16

17. Contraharmonic mean filter Here comes your footer Page 17

18. Q adalah order dari filter • Filter ini sesuai digunakan untuk mengurangi efek salt-and-pepper noise • Q positif, filter mengurangi pepper noise • Q negatif, filter mengurangi salt noise • Q = 0, reduksi noise dengan arithmetic mean filter • Q = -1,reduksi noise dengan harmonic mean filter Here comes your footer Page 18

19. Arithmetic dan geometric mean filters random noise seperti Gaussian atau uniform noise • Contraharmonic filter  impulse noise, seperti salt-and-pepper noise. Namun kekurangannya, harus diketahui apakah noise gelap atau terang agar dapat menentukan nilai Q yang sesuai Here comes your footer Page 19

20. MSE (Mean Square Error) • MSE merupakan salah satu image quality metrics yang digunakan untuk mengevaluasi algoritma noise reduction • Semakin kecil nilai MSE, maka semakin baik algoritma noise reduction yang digunakan untuk merestorasi citra Here comes your footer Page 20