Sistem Visual Manusia dan Pengolahan Citra Digital

1
Sistem Visual Manusia dan Pengolahan Citra
Digital

• Nana Ramadijanti
• Laboratorium Computer Vision
• Politeknik Elekltronika Negeri Surabaya PENS-ITS
• 2009

2
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

3
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

4
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 obyek2?

5
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.

6
Representasi Penglihatan
Representasi penglihatan ini menunjukkan cara
kerja kamera dalam meng-capture suatu gambar.
7
Struktur Mata Manusia

• Bentuk seperti sphere
• Rata-rata diameter 20mm
• 3 membran
• Cornea dan sclera
• Choroid
• Retina menutup mata

A cross section of the human eye (Gonzalez
Woods, 1992)
8
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.

9
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

10
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.

11
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.

12
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.

13
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.

14
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.
15
Kuantisasi
16
Kuantisasi (Warna)
17
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
18
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 di-sampling lebih kasar.
  Kerugian sistem sampling Non-uniform adalah
  diperlukannya data ukuran spasi atau tanda batas
  akhir suatu spasi.

19
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
  meng-gambarkan 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 di-kwantisasi secara lebih
  kasar (local stretching).

20
Resolusi Uniform vs Non-Uniform

• Tidak perlu resolusi spasial yang non-uniform
• Perlu resolusi spasial yang non-uniform
• Tidak perlu resolusi kecemerlangan yang
  non-uniform (untuk warna hitam dan putih)
• Perlu resolusi kecemerlangan yang non-uniform
  (untuk warna kehijauan dan kemerahan)

21
Hubungan antara piksel dan pengertian connectivity
4-tetangga piksel P 8-tetangga
piksel P X
X X X X P X
X P X X
X X
X Connectivity/Konektivitas 4-tetangga atau
8-tetangga dengan kriteria gray level yang sama,
misal sama-sama 0 atau sama-sama 1 atau
sama-sama bedanya tidak lebih dari 5 tingkat
keabuan, dlsb.nya
22
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 0 0
0 0 0 0 0 0 0 0 1 1 0 0
0 0 1 1 0 0 0 1 1
0 0 0 0 1 1 0 0 0 0 1
1 0 1 1 0 1 1
0 1 1 0 0 0 1 1 1
0 0 0 1 1 1 0 0 0 0 0 0
0 0 0 0 0 0
ekivalen dengan
ekivalen dengan

23
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.

24
Operasi Aritmetik / Logika pada Citra

• Operasi selisih antara dua citra temporal dapat
  digunakan untuk deteksi perubahan wilayah.

Jakarta in 1994
Jakarta in 1998
(Lapan, 2001)
25
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.

26
Komponen Sistem Pengolahan Citra Digital
(Gonzalez Woods, 1992)
27
Dasar Radiometri
Radiometri adalah bagian dari image formation
yang membahas relasi antara besaran energi dari
sumber, besaran refleksi dari permukaan dan
besaran yang diterima oleh sensor
28
Model Kamera
29
Tiga Jenis Citra
30
Model Citra Berwarna Dengan RGB
31
Representasi Citra
32
Format Warna RGB
Format warna 24 BIT dinyatakan dengan
11001001 01011001 00001011

G (8 bit)
R (8 bit)
B (8 bit)
Masing-masing komponen warna RGB mempunyai nilai
0 s/d 255 (8 bit) derajat kecerahan (derajat
keabuan)
33
Format Warna RGB
Warna Warna R G B
Merah   255 0 0
Hijau   0 255 0
Biru   0 0 255
Kuning   255 255 0
Magenta   255 0 255
Cyan   0 255 255
Putih   255 255 255
Hitam   0 0 0
Abu-abu   128 128 128
34
Contoh Warna RGB Dalam HexaDecimal
35
Fungsi Untuk Membaca Warna RGB
void WarnaToRGB(long int warna,int Red, int
Green, int Blue) Red warna
0x000000FF Green (warna 0x0000FF00) gtgt
8 Blue (warna 0x00FF0000) gtgt 16
Contoh Warna 0x00F0A122 bila dioperasikan akan
menjadi Red 0x00F0A122 0x000000FF 22
(Hexa) 34 Green 0x00F0A122 0x0000FF00 A1
(Hexa) 161 Blue 0x00F0A122 0x00FF0000 F0
(Hexa) 240
36
Fungsi Untuk Membuat Warna RGB
long int RGBToWarna(int Red, int Green, int
Blue) return(Red(Greenltlt8)(Blueltlt16))
37
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)

38
Membaca dan Menampilkan Citra pada Bahasa C
Membaca Citra pada titik (x,y)
// Membaca citra warnadcMem.GetPixel(x,y) //
Mengambil warna (R,G,B) WarnaToRGB(warna,red,gre
en,blue)
Memberikan nilai warna pada titik (x,y)
warnaRGBToWarna(red,green,blue) dcMem.SetPixel(x
,y,warna)
Menampilkan citra di layar
pDC-gtBitBlt(0,0,150,100,dcMem,0,0,SRCCOPY)
39
SekilaS InfO

• Ada beberapa hal yang harus dikuasai sebelum
  menguasai materi di dalam image processing yaitu
  matematika, aljabar, pengolahan sinyal, statistik
  dan pemrograman.

40
BergaBunglah denGan Kami

• Laboratorium Computer Vision
• Politeknik Elektronika Negeri Surabaya
• PENS-ITS 2009