Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007
TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu teknologi berbasis pengolahan citra
MATERI 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14.
Introduction: Image Processing Image Model Gray-Scale Transformation Image Statistic Image Enhancement Tranformasi Fourier and Image Spectrum Image Filtering Reduksi Noise Deteksi Tepi Image Feature Extraction (Color, Shape & Texture) Image Segmentation Image Application: Image Searching Image Application: Character Recognition Image Application: Deteksi Obyek Berdasarkan Warna/Bentuk
Materi Prasyarat Matematika Pemrograman Grafis Struktur Data
Pengolahan Citra 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”
Beberapa Judul Proyek Akhir Pengolahan Citra
Content Based Image Retrieval Pengenalan Wajah Tracking Wajah secara Real Time Pengenalan Tulisan dan Tanda Tangan Untuk Cek Bank Mesin Absensi Dengan Sidik Jari Deteksi dan Pengenalan Rambu-Rambu Lalu-Lintas Deteksi Gerakan Badan Untuk Kendali Game Kendali Game Dengan Gerakan Mata Filter Gambar Porno Pengenalan Buah dan Produk Menggunakan Fitur Warna Deteksi Jumlah Obyek Gambar Video Panorama Menggunakan Image Mosaic 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 Dll.
Referensi Gonzales, Rafael C, Woods, Richard E, “Digital Image Processing”, Prentice-Hall Inc., 2nd Edition, 2002 Nixon Mark, Aguando, Alberto, “Feature Extraction and Image Processing”, 1st Edition, 2002 Awcock GJ., Thomas R., “Applied Image Processing”, McGraw-Hill, 2001 Parker JR., “Algorithm For Image Processing and Computer Vision”, John Wiley & Sons, 1997. Achmad Basuki, Fathurrochman, Joshua F Palandi, “Pengolahan Citra Digital Menggunakan Visual Basic 6”, Graha Ilmu, 2005 Riyanto Sigit, Achmad Basuki, Nana Ramadijanti, Dadet Pramadihanto, “Step by step Pengolahan Citra Digital”, Penerbit Andi, Jogjakarta, 2006
Pengolahan Data Berdasarkan Input/Output
OUTPUT
INPUT
IMAGE IMAGE DESKRIPSI
DESKRIPSI
Image Processing
Computer Vision
Grafika Komputer
Data Mining dll.
Image Processing Image processing adalah suatu pengolahan data yang masukannya berupa gambar dan luarannya juga gambar Tujuan dari image processing adalah memperbaiki informasi pada gambar sehingga mudah terbaca atau memperbaiki kualitas dari gambar itu sendiri
Image Enhancement Color Image Processing Image Feature Extraction Image Segmentation Image Compression
Computer Vision
Model Image Sampling
Kuantisasi
Sampling menunjukkan banyaknya pixel (blok) untuk mendefinisikan suatu gambar Kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah bit pada gambar digital Æ b/w dengan 2bit, grayscale dengan 8 bit, true color dengan 24 bit
Image Enhancement Proses untuk memperbaiki gambar seperti brightness, contrast, mengubah gambar menjadi gray-scale, inversi, reduksi noise,deteksi tepi dan sharpness Masukan
Image Enhancement Brightness & Contrast
Gray Scale
Sharpness
Luaran
Image Segmentation Proses untuk mengelompokkan gambar sesuai dengan onyek gambarnya
Persoalan di dalam Image Processing
Capture Modeling Feature Extraction Image Segmentation
Permasalahan Capture 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-Alat Capture Sesuai Frekwensinya
Diambil dari modul pelatihan image processing yang disusun oleh bapak Dadet Pramadihanto
Hasil Capture
Hasil Capture
Hasil Capture
Hasil Capture
Hasil Capture
Permasalahan Modeling
Dalam modeling diperlukan analisa matematika yang cukup rumit, khususnya pemakaian kalkulus, dan transformasi geometri. (inilah sebabnya di jurusan TI mata kuliah matematika menjadi sangat penting!!)
Permasalahan Feature Extraction Setiap gambar mempunyai karakteristik tersendiri, sehingga fitur tidak dapat bersifat general tetapi sangat tergantung pada model dan obyek gambar 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 di sini.
Fitur Warna Fitur ini digunakan bila setiap obyek gambar mempunyai warna yang spesifik Color Thresholding Merah Color Histogram
Color Thresholding Hijau
Gray-scale Histogram
Fitur Bentuk Fitur ini digunakan bila gambar setiap obyek mempunyai bentuk yang spesifik Deteksi Tepi
Kuantisasi Rata-rata
Integral Proyeksi
Fitur Tekstur Beberapa algoritma untuk mendapatkan fitur tekstur: (1) FFT (2) Wavelets (3) Image Filter (4) Filter Gabor
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
APLIKASI IMAGE PROCESSING Biometric Medical Image Image Databases Robot Vision Motion Capture Document Analysis
Biometric
Medical Image
Image Databases
Robot Vision
Motion Capture
Document Analysis
