Deskripsi Mata kuliah ini mempelajari : • Konsep Pengolahan Citra • Point Operation • Neighbourhood operation • Intro Morfology Operation • File Storage • Topik Khusus (Kompresi Citra, Enkripsi Citra, Watermarking, steganografi, Fidelity Criteria)
Pengantar Pengolahan Citra Dosen Pembina : Sriyani Violina Danang Junaedi IF-UTAMA
1 2
IF-UTAMA
Tujuan
Urutan Bahasan
• Tujuan Instruksional – tingkat pemahaman : tentang konsep-konsep dan teknik pengolahan citra dan – tingkat aplikasi : tentang membuat penyelesaian masalah dalam pengolahan citra.
• Kaitan Materi Terkait dengan Mata Kuliah Matriks & Ruang Vektor, serta Grafika Komputer.
IF-UTAMA
IF-UTAMA
3
Pertemuan
Materi
1
Pendahuluan (Susunan Materi, Aturan Perkuliahan, Aturan Penilaian, grade nilai, referensi); Intro Pengolahan Citra; Konsep Warna
2
Point Operation
3
Point Operation
4
Neighbourhood Operation
5
Neighbourhood Operation
6
Neighbourhood Operation
7
Intro Morfology Operation
8
UTS
IF-UTAMA
4
1
Urutan Bahasan
Penilaian & Grade Nilai
Pertemuan
9 10 11 12 13 14 15 16
• Grade
• Penilaian
Materi
File Storage --> BMP Topik Khusus : Kompresi Topik Khusus : Enkripsi Citra Topik Khusus : Watermarking Topik Khusus : Steganografi Topik Khusus : Fidelity Criteria Studi Kasus/Presentasi UAS
Presentasi/ Quiz
10%
Tugas
15%
Praktikum
20%
UTS
25%
UAS
30%
Kehadiran
5% (>80%)
5
Range Nilai
A
≥ 85
B
70 - 85
C
55 - 70
D
40 - 55
E
< 40
Atau tergantung performansi dikelas
Jumlah 105%
IF-UTAMA
Grade
IF-UTAMA
6
Pendahuluan [1] • Pengolahan citra adalah salah satu aplikasi yang dapat mengubah gambar menjadi suatu informasi • Tujuan lebih jauh dari pengolahan citra adalah “membuat suatu sistem yang bisa melihat” • Image processing adalah suatu pengolahan data yang masukannya berupa gambar dan keluarannya juga gambar • Tujuan dari image processing adalah memperbaiki informasi pada gambar sehingga mudah terbaca atau memperbaiki kualitas dari gambar itu sendiri
Pengantar Pengolahan Citra
IF-UTAMA
7 IF-UTAMA
IF-UTAMA
8
2
Pengolahan Data Berdasarkan InputOutput [1]
IF-UTAMA
Proses dalam Image Processing [1]
9
IF-UTAMA
Image Enhancement [1]
Image Segmentation [1]
• Proses untuk memperbaiki gambar seperti brightness, contrast, mengubah gambar menjadi gray-scale, inversi, reduksi noise, deteksi tepi dan sharpness
• Proses untuk mengelompokkan gambar sesuai dengan obyek gambarnya
10
Brigthness
Gray Scale Image Awal Sharpness
IF-UTAMA
IF-UTAMA
11
IF-UTAMA
12
3
Persoalan Image Processing [1]
Permasalahan Capture[1]
• • • •
• Capture (Menangkap Gambar) merupakan proses awal dari image processing untuk mendapatkan gambar. • Proses capture membutuhkan alat-alat capture yang baik seperti kamera, scanner, light-pen dan lainnya, agar diperoleh gambar yang baik. • Gambar yang baik akan banyak membantu dalam proses selanjutnya. • Alat Capture Sesuai Frekuensinya
Capture Modeling Feature Extraction Image Segmentation
IF-UTAMA
13
Hasil Capture[1]
IF-UTAMA
IF-UTAMA
IF-UTAMA
14
Hasil Capture[1]
15
IF-UTAMA
16
4
Hasil Capture[1]
IF-UTAMA
Hasil Capture[1]
17
Hasil Capture[1]
IF-UTAMA
18
Permasalahan – contd [1] • Permasalahan Modelling Diperlukan analisa matematika yang cukup rumit, khususnya pemakaian kalkulus, dan transformasi geometri. Inilah sebabnya dijurusan Teknik Informatika mata kuliah matematika menjadi sangat penting…!!! bad news isn’t it hehehe…
• Permasalahan Feature Extraction – Setiap gambar mempunyai karakteristik tersendiri, sehingga fitur tidak dapat bersifat general tetapi sangat tergantung pada model dan obyekgambar yang digunakan. – Fitur dasar yang bisa diambil adalah warna, bentuk dan tekstur. Fitur yang lebih kompleks menggunakan segmentasi, clustering dan motion estimation. – Pemakaian statistik dan probabilitas, pengolahan sinyal sampai pada machine learning diperlukan disini. • Permasalahan Image Segmentation – Bagaimana memisahkan obyek gambar dengan backgroundnya? – Bagaimana memisahkan setiap obyek gambar? – Teknik clustering apa yang sesuai dengan model dan obyek gambar yang digunakan? IF-UTAMA
IF-UTAMA
19
IF-UTAMA
20
5
Aplikasi Image Processing[1]
Aplikasi Image Processing[1]
• Biometric
• Medical Image
IF-UTAMA
IF-UTAMA
Aplikasi Image Processing[1]
Aplikasi Image Processing[1]
• Image Databases
• Robot Vision
IF-UTAMA
IF-UTAMA
21
23
IF-UTAMA
22
24
6
Aplikasi Image Processing[1]
Aplikasi Image Processing[1]
• Motion Capture
• Document Analysis
IF-UTAMA
25
26
IF-UTAMA
Judul Tugas Akhir Pengolahan Citra [1] • • • • • • • • • • •
PengenalanWajah Tracking Wajah secara Real Time Pengenalan Tulisan dan Tanda TanganUntuk Cek Bank Mesin Absensi Dengan Sidik Jari Deteksi Gerakan Badan Untuk Kendali Game Filter Gambar Porno Pengenalan Buah dan Produk Menggunakan Fitur Warna Deteksi Jumlah Obyek Gambar Mesin Pembaca Not Jawa Sistem Keamanan Terpadu Dengan Deteksi Gerakan Pengenalan Wajah Untuk Pencarian Data Buron Melalui Gambar Sketsa • Navigasi Cerdas Pada Robot • Pengenalan Golongan Darah
Colour Model
IF-UTAMA IF-UTAMA
IF-UTAMA
28
27
7
Color Associations [6]
Cultural Variations in the Meaning of Colors [6]
IF-UTAMA
These associations are valid for western cultures only (see table above for differences). (from Jackson et al.) The Achromatics • White – Positive: Snow, Purity, Innocence, Peace, Lightness, Cleanliness – Negative: Cold, Clinical, Vulnerability, Deathly pallor, Surrender, Sterility • Black – Positive: Night, Coal, Power, Stability, Formality, Solidity – Negative: Fear, Void, Death, Secrecy, Anonymity, Evil • Gray – Positive: Intelligence, Maturity, Wealth, Dignity, Dedication, Restraint – Negative: Confusion, Decay, Concrete, Shadow, Depression, Boredom The Chromatic Primaries • Red – Positive: Victory, Passion, Love, Strength, Energy, Sexuality – Negative: Blood, War, Fire, Danger, Anger, Satan • Yellow – Positive: Sun, Summer, Serenity, Gold, Harvest, Innovation – Negative: Cowardice, Treason, Jealousy, Hazard, Illness, Folly • Green – Positive: Vegetation, Nature, Spring, Fertility, Hope, Safety – Negative: Decay, Inexperience, Envy, Greed, Escapism, Bad luck • Blue – Positive: Sky, Sea, Spirituality, Stability, Peace, Unity – Negative: Cold, Depression, Melancholy, Obscenity, Mystery, Conservatism IF-UTAMA
29
Colour Circle[2 & 3]
Format Warna Pada Gambar [1] •
• Gambar (Digital) adalah sekumpulan titik yang disusun dalam bentuk matriks, dan nilainya menyatakan suatu derajat kecerahan (derajat keabuan/gray-scale). Derajat keabuan 8 bit menyatakan 256 derajat kecerahan. • Pada gambar berwarna nilai setiap titiknya adalah nilai derajat keabuan pada setiap kompoen warna RGB. Bila masing-masing komponen R,G dan B mempunyai 8 bit, maka satu titik dinyatakan dengan(8+8+8)=24 bit atau 224 derajat keabuan IF-UTAMA
IF-UTAMA
30
•
31
Newton's colour circle is a convenient way to summarize the additive mixing properties of colors (see second figure below). R, G, B are thought of as the additive primary colors, and their complementary colors are placed across from them on the circle. The colors then fall on the circle in the order of the wavelengths of the corresponding spectral colors. Magenta (purple) is not a spectral color. Maxwell Triangle
IF-UTAMA
32
8
Colour Wheel Color Space[3] • What is color space? A 3D model used to define a specified color • The difference between color spaces: The choice of axes • Colour Space – RGB – Normalized RGB – HIS, HSV, HSL • Fleck HSV – TSL – YcrCb – Perceptually uniform colors • CIELAB, CIELUV – Others • YES, YUV, YIQ, CIE-xyz IF-UTAMA
33
IF-UTAMA
34
IF-UTAMA
36
RGB [1 & 3] •
•
•
IF-UTAMA
IF-UTAMA
Format RGB [1]
Format RGB (Red, Green & Blue) adalah format dasar yang digunakan oleh banyak peralatan elektronik seperti monitor, LCD atau TV untuk menampilkan sebuah gambar. Pada format RGB, suatu warna didefinisikan sebagai kombinasi (campuran) dari komponen warna R, G danB. The simplest color space Axes: Red, green, blue Advantages: simple
• Pada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255
35
9
HSV, HSI, HSL (hue, saturation, value/intensity/luminance) [4]
Normalized RGB – rg space [4]
• 2D color space as ‘b’ component is redundant – b=1–g–r
• • •
• Invariant to changes of surface orientation relatively to the light source
• •
IF-UTAMA
37
• • •
• YCbCr & YPbPr Used for: digital video encoding, digital camera • Axes: Y: luma Cb: blue chroma Cr: red chroma • Conversion from RGB: Y=0.299(R-G) + G + 0.114(B-G) Cb=0.564(B-Y) Cr=0.713(R-Y) • The Matrix form: Y 0.299 0.587 0.114 R Cb = − − 0.168636 0.232932 0.064296 G Cr 0.499813 −0.418531 −0.081282 B
IF-UTAMA
IF-UTAMA
38
CMYK [3 & 6]
YCbCr &YPbPr [3]
IF-UTAMA
High cost of conversion Based on intuitive values Invariant to highlight at white light sources Pixel with large and small intensities are discarded as HS becomes unstable. Can be 2D by removing the illumination component
•
39
Used for: printer printing Use the subtractive color mixing Axes: Cyan Magenta Yellow K: black Conversion from RGB: – The ideal general equation (with normalized vector components) for translating between CMY and RGB is the following: • C=1–R • M=1–G • Y=1-B – There is also a very closely related color space known as CMYK, for which there exists the fourth component K, which is pure black. This color space is useful in printing, where K can be mixed into the CMY inks to produce a much darker black than could be produced by saturating the paper with ridiculous amounts of cyan, magenta, and yellow. The mixing function is: • K = minimum(C,M,Y) • C=C–K • M=M–K or • Y=Y-K IF-UTAMA
40
10
YUV [3]
YIQ [3]
• YUV Used for: video encoding for some standard such as NTSC, PAL, SECAM • Axes: Y: luma U: blue chroma V: red chroma • Conversion from RGB: Y=0.299R+0.587G+0.114B U=0.436(B-Y)/(1-0.114) V=0.615(R-Y)/(1-0.299) • The Matrix form: Y 0 .2 9 9 0 .5 8 7 0 .1 1 4 R
• YIQ
U V
= − 0 .1 4 7 1 3 0 .6 1 5
− 0 .2 8 8 8 6 − 0 .5 1 4 9 9
G − 0 .1 0 0 0 1 B 0 .4 3 6
Used for: video encoding for some standard such as NTSC
• Axes: Y: luma I: blue chroma Q: red chroma
• I-Q channels are rotated from the U-V channels in YUV • Conversion from RGB:
Y I Q
0 .5 8 7 − 0 .2 7 4 4 5 3 − 0 .5 2 2 5 9 1
0 .1 1 4 R − 0 .3 2 1 2 6 3 G 0 .3 1 1 1 3 5 B
41
IF-UTAMA
Comparison [3]
IF-UTAMA
42
Referensi
Color space
Color mixing
Primary parameters
RGB
Additive
Red, Green, Blue
CMYK
Subtractive
Cyan, Magenta, Yellow, Black
Printer
Works in pigment mixing
YCbCr YPbPr
additive
Y(luminance), Cb(blue chroma), Cr(red chroma)
Video encoding, digital camera
Bandwidth efficient
YUV
additive
Y(luminance), U(blue chroma), V(red chroma)
Video encoding for NTSC, PAL, SECAM
Bandwidth efficient
YIQ
additive
Y(luminance), I(rotated from U), Q(rotated from V)
Video encoding for NTSC
Bandwidth efficient
IF-UTAMA
IF-UTAMA
0 .2 9 9 = 0 .5 9 5 7 1 6 0 .2 1 1 4 5 6
Used for
Pros and cons
1. 2.
Easy but wasting bandwidth
3.
4. 5. 6.
43
Achmad Basuki, Pengolahan Citra, PENS-ITS, Surabaya, 2007 http://www.sapdesignguild.org/resources/glossary_color/, Tanggal Akses : 22 Agustus 2008 Cheng-Jin Kuo, Color and Color Space, Digital Image & Signal Processing Lab, Graduate Institute of Communication Engineering National Taiwan University, Taipei, Taiwan, ROC Nikhil Rasiwasia, Color Space for Skin Detection – A Review, Fondazione Graphitech, University of Trento, (TN) Italy http://www.cs.wpi.edu/%7Ematt/courses/cs563/talks99.html, Tanggal Akses : 22 Agustus 2008 http://www.sapdesignguild.org/resources/glossary_color/index.ht m, Tanggal Akses : 22 Agustus 2008
IF-UTAMA
44
11
