Pengolahan Citra (Tugas 2)

KONVOLUSI

Konvolusi (convolution) adalah sebuah proses dimana citra dimanipulasi dengan menggunakan eksternal mask / subwindows untuk menghasilkan citra yang baru. Sedangkan Filtering tanpa menggunakan ekternal mask tetapi hanya menggunakan pixel tetangga untuk mendapatkan pixel yang baru.

Konvolusi sangat banyak dipergunakan dalam pengolahan citra untuk memperhalus (smoothing), menajamkan (crispening), mendeteksi tepi (edge detection), serta efek lainnya. Seperti:

A. Embossing

Embossing yaitu membuat citra seolah diukir pada permukaaan selembar nikel. Koefisien jendela konvolusi memiliki bobot tengah bernilai 0 & jumlah seluruh bobot = 0.

B. Blurring

Blurring (Pengaburan) yaitu filter spasial low-pass yang melenyapkan detil halus dari suatu citra. Pengaburan dicapai melalui konvolusi dari seluruh koefisien mask bernilai sama. Blurring ini perataan nilai pixel-pixel tetangga, makin besar ukuran mask maka makin besar efek pengaburan

C. Sharpening

Sharpening (Penajaman) yaitu memperjelas detil suatu citra(menambah kontras) dengan penjumlahan atas citra tepi dengan citra aslinya maka bagian tepi objek akan terlihat berbeda dengan latarnya, sehingga citra terkesan lebih tajam.

D. Edge Detection

Deteksi tepi yaitu proses menentukan lokasi titik-titik yang merupakan tepi objek.

Berikut ini adalah contoh dari implementasi konvolusi dengan menggunakan MATLAB:

gambar=imread(‘konvolusi.jpg’);
mask = [-1 -1 -1; -1 8 -1; -1 -1 -1];
gray=rgb2gray(gambar);
thresh=graythresh(gray);
imbw=im2bw(gray,thresh);
hasil=conv2(double(imbw),mask,’valid’);
imshow(gambar)
figure, imshow(hasil)

Gambar sebelum di konvolusi

Gambar setelah di konvolusi

Untuk perhitungan proses konvolusi secara manual:

Rumus : 

kali ini kita akan mencoba menghitung secara manual proses konvolusi dari gambar di atas.

matrik dari gambar asli                  matrik filter

e = (8*0)+(-1*0)+(-1*0)+(-1*255)+(-1*0)+(-1*255)+(-1*0)+(-1*0)+(-1*255)

e = (0)+(0)+(0)+(-255)+(0)+(-255)+(0)+(0)+(-255)

e = – 765

maka nilai -765 di ubah menjadi -255.

lakukan hingga semua kolom memiliki nilai baru dari hasil konvolusi.

Pengolahan Citra (Tugas 1)

Berikut ini adalah contoh dari dasar-dasar Pengolahan Citra yang bisa dibuat menggunakan MATLAB:

1. Ekstraksi Nilai Pixel Red Green Blue (RBG)

gambar=imread(‘IMG_9415.jpg’); %——–membaca file gambar
red=gambar(:,:,1); %memanggil matriks gambar yang hanya berisi piksel warna merah
green=gambar(:,:,2);% memanggil matriks gambar yang hanya berisi piksel warna merah
blue=gambar(:,:,3); %memanggil matriks gambar yang hanya berisi piksel warna merah
%———-menampilkan gambar———————
imshow(gambar)
imshow(red)
imshow(green)
imshow(blue)

 

 

2. Histogram

gambar=imread(‘IMG_9415.jpg’); %——–membaca file gambar
red=gambar(:,:,1); %memanggil matriks gambar yang hanya berisi piksel warna merah
green=gambar(:,:,2);% memanggil matriks gambar yang hanya berisi piksel warna merah
blue=gambar(:,:,3); %memanggil matriks gambar yang hanya berisi piksel warna merah
gray=0.3*red+0.5*green+0.2*blue ;
imhist(red)
imhist(green)
imhist(blue)
imhist(gray)

 

3. Region Of Interest (ROI)

gambar=imread(‘IMG_9415.jpg’);
I=gambar(:,:,1);
c = [625 685 733 798 816 753 667];
r = [327 282 247 288 221 402 427];
BW = roipoly(I,c,r);
j = roifill(I,c,r);
figure, imshow(gambar)
figure, imshow(I)
figure, imshow(BW)
figure, imshow(j)

 

4. Konversi Citra ke Biner

gambar=imread(‘IMG_9415.jpg’);
gray=rgb2gray(gambar);
thresh=graythresh(gray);
imbw=im2bw(gray,thresh);
imshow(gambar)
figure, imshow(imbw)

 

5. Morphological Image Processing

gambar=imread(‘IMG_9415.jpg’);
gray=rgb2gray(gambar);
se = strel(‘ball’,5,5);
dilat=imdilate(gray,se);
imshow(gambar)
figure, imshow(gray)
figure, imshow(dilat)

 

6. Erosi

gambar=imread(‘IMG_9415.jpg’);
gray=rgb2gray(gambar);
se = strel(‘ball’,5,5);
dilat=imerode(gray,se);
imshow(gambar)
figure, imshow(gray)
figure, imshow(dilat)

 

7. Konvolusi Image

gambar=imread(‘IMG_9415.jpg’);
mask = [-1 -1 -1; -1 8 -1; -1 -1 -1];
gray=rgb2gray(gambar);
thresh=graythresh(gray);
imbw=im2bw(gray,thresh);
hasil=conv2(double(imbw),mask,’valid’);
imshow(gambar)
figure, imshow(hasil)

 

8. Deteksi Tepi

I = imread(‘IMG_9415.jpg’);
gray=rgb2gray(I);
BW1 = edge(gray,’prewitt’);
BW2 = edge(gray,’canny’);
BW3 = edge(gray,’sobel’);
BW4 = edge(gray,’roberts’);
imshow(BW1);
figure, imshow(BW2)
figure, imshow(BW3)
figure, imshow(BW4)

 

9. Image Reconstruction

gambar = imread(‘IMG_9415.jpg’);
[X,map] = rgb2ind(gambar, 128);
I = ind2gray(X,map);
thresh=graythresh(gray);
imbw=im2bw(gray,thresh);
Ifill = imfill(imbw,’holes’);
figure, imshow(imbw);figure, imshow(Ifill)

Hello world!

Welcome to WordPress.com. After you read this, you should delete and write your own post, with a new title above. Or hit Add New on the left (of the admin dashboard) to start a fresh post.

Here are some suggestions for your first post.

1. You can find new ideas for what to blog about by reading the Daily Post.
2. Add PressThis to your browser. It creates a new blog post for you about any interesting  page you read on the web.
3. Make some changes to this page, and then hit preview on the right. You can always preview any post or edit it before you share it to the world.