KONVOLUSI CITRA
 |
| Image by Canva.com |
Citra
atau gambar dalam bahasa latin imago adalah suatu representasi, kemiripan, atau
imitasi dari suatu obyek atau benda. Citra dapat dikelompokkan menjadi citra
tampak dan citra tidak tampak. Contoh citra tampak dalam kehidupan sehari-hari:
foto, gambar, dan lukisan, sedangkan citra tidak tampak misalnya: data gambar
dalam file (citra digital), dan citra yang direpresentasikan menjadi fungsi
matematis.
Di
antara jenis citra tersebut, hanya citra digital yang dapat diolah menggunakan
komputer. Jenis citra lain, jika hendak diolah dengan komputer, harus diubah
dulu menjadi citra digital, misalnya foto discan dengan scanner, persebaran
panas tubuh foto ditangkap dengan kamera infra merah dan diubah menjadi
informasi numeris, informasi densitas dan komposisi bagian dalam tubuh manusia
ditangkap dengan bantuan pesawat sinar–x dan sistem deteksi radiasi menjadi
informasi digital. Kegiatan untuk mengubah informasi citra fisik non digital
menjadi digital disebut sebagai pencitraan (imaging).
Konvolusi citra adalah tehnik
untuk menghaluskan suatu citra atau memperjelas citra dengan menggantikan nilai
piksel dengan sejumlah nilai piksel yang sesuai atau berdekatan dengan piksel
aslinya. Tetapi dengan adanya konvolusi, ukuran dari citra tetap sama, tidak
berubah.
Konvolusi
memiliki dua buah fungsi f(x) dan g(x) yang didefinisikan sebagai berikut:
h(x)=f(x)*g(x)=
yang
dalam hal ini, tanda (*) menyatakan operator konvolusi dan peubah
(variable) adalah peubah bantu.
Untuk pengolahan citra, operasi
yang dilakukan adalah diskrit karena nilai koordinat piksel merupakan nilai
yang diskrit. Selanjutnya filter atau mask yang digunakan pada pengolahan citra
biasanya berukuran terbatas, dalam artian bobot atau pengaruh dari titik-titik
yang cukup jauh sudah tidak signifikan, sehingga dapat diabaikan (dianggap
nol).
Bentuk
diskrit dari operasi konvolusi satu dimensi pada pengolahan citra adalah:
h(x)=f(x)*g(x)=
Untuk fungsi dengan dua dimensi, operasi konvolusi
didefinisikan sebagai berikut:
Untuk fungsi integral:
h(x,y) = f(x,y)*g(x,y) =
Untuk
fungsi diskrit:
h(x,y) = f(x,y)*g(x,y) =
Fungsi penapis g(x,y) disebut juga konvolusi filter,
konvolusi mask, konvolusi kernel, atau template. Dalam bentuk diskrit konvolusi
kernel dinyatakan dalam bentuk matriks (umumnya matriks 3x3). Ukuran matriks
ini biasanya lebih kecil dari ukuran citra. Setiap elemen matriks disebut
koefisien konvolusi
Metode Filtering Konvolusi
1. Metode Gaussian Blur atau Gaussian Filter
a. Konsep Gaussian Filter
Pengertian
Filter Gaussian Menurut Usman (2005:70), filter Gaussian sangat baik untuk
menghilangkan noise yang bersifat sebaran nomal, yang banyak di jumpai pada
sebaran citra hasil proses digitasi menggunakan kamera karena merupakan
fenomena alamiah akibat sifat pantulan cahaya dan kepekaan sensor cahaya pada
kamera itu sendiri. Gaussian Blur adalah Filter blur yang menempatkan warna
transisi yang signifikan dalam sebuah image, kemudian membuat warna-warna
pertengahan untuk menciptakan efek lembut pada sisi-sisi sebuah image. Gaussian
blur adalah salah satu filter blur yang menggunakan rumus matematika untuk
menciptakan efek autofocus untuk mengurangi detail dan menciptakan efek
berkabut.
b. Tujuan Metode Gaussian Filter
Gaussian Filter merupakan
metode yang menggunakan tranformasi linear. Maksudnya Gaussian Filter
menggunakan kombinasi linier dari nilai pixel yang berada dalam lingkup
lokal.Dalam metode ini setiap pixel memiliki berat sendiri-sendiri. Nilai berat
dari tiap pixel ditentukan dengan menggunakan Gaussian Distribution.Gaussian
Distribution adalah cara agar kita dapat menentukan nilai mana yang paling
berpengaruh (memiliki berat paling besar) dalam kumpulan data. Kumpulan data
yang dimaksud dalam makalah ini adalah nilai dari pixel.
https://core.ac.uk/download/pdf/79435098.pdf
c. Penjelasan input-proses-output metode
Gaussian Filter
Pada
subbab ini akan dibahas mengenai proses filtering dengan metode Gaussian.
Berikut
potongan kode program filter Gaussian:
for
x := M to w-1-M do
for
y := N to h-1-N do
begin
jumlah
:= 0;
for
u := -M to M do
for
v := -N to N do
jumlah
:= jumlah+Mask[u,v]*Ki[x-u,y-v];
Ko[x,y]
:= Round(jumlah);
end;
Dengan
menentukan maks yang digunakan yaitu konstanta M dan N, operasi filter Gaussian
dilakukan dengan perhitungan sum of producst.
d. Tuliskan Algoritma dan Flowchart dari
masing-masing metode Gaussian Filter
Pada proses ini dilakukan
konvolusi antara matriks input dengan koefisien filter Gaussian. Proses
konvolusi yang dilakukan adalah konvolusi 1 dimensi. Proses konvolusi ini akan
dilakukan pada setiap kolom dari matriks citra 2D. Proses konvolusi merupakan
salah satu proses yang penting karena proses ini juga merupakan proses yang
mendasari perhitungan koefisien filter yang menjadi kunci utama dalam perbaikan
citra ber-noise. Data yang dihasilkan dari proses konvolusi ini adalah matriks
1 dimensi (1 kolom, n baris). Urutan prosesnya dapat didefinisikan sebagai
berikut :
1.Deklarasikan
matrik masukan 1 dimensi dari proses sebelumnya.
2.Tentukan
konstanta M dan N untuk menentukan batas konvolusi
3.Tentukan
deviasi standar dengan menggunakan persamaan
4.Simpan
matrik input pada memori sementara
5.Lakukan
proses konvolusi matrik masukan
6.Simpan
matrik hasil pada memori bitmap citra hasil
7.Dihasilkan
matrik hasil filter Gaussian
1. METODE SHARPEN
a. Konsep Metode Sharpen
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.
b. Tujuan Metode Sharpen
Proses
penajaman berhubungan dengan deteksi tepi - perubahan warna yang dilemahkan
untuk menciptakan efek tepi tajam. Menggunakan fspecial yang akan membuat
filter untuk menajamkan (sharpening) gambar. Filter khususnya bernama
'unsharp'.
c. Penjelasan input-proses-output
metode Gaussian Filter
Sistem
image sharpening pada citra dibangun menggunakan Matlab berbasis GUI yang dapat
dijalankan langsung pada GUI Matlab. Sistem ini terdiri dari interface dan
fungsi-fungsi filter yang dipanggil pada saat memilih filter.Output yang
ditampilkan citra asli beserta histogramnya, citra blur berserta nilai PSNR,
MSE, dan histogramnya dan citra yang telah diperbaiki atau di sharpening
beserta nilai PSNR, MSE dan histogramnya.
Pengamatan
kualitatif dilakukan dengan membandingkan citra secara berjajar sehingga dapat
dilihat seberapa baik kualitas output filter yang dihasilkan. Sedangkan
pengamatan kuantitatif dilakukan dengan menganalisa nilai MSE dalam suatu
grafik.
· SistemKeseluruhan
Sesuai dengan flowchart pada gambar 4.2 rancangan alur
program utama adalah
sebagai berikut :
1. Inputkan citra yang akan diuji.
2. Tampilkan citra asli dan histogramnya
3. Citra asli diblur
4. Tampilkan citra asli yg telah di blur beserta PSNR,
MSE, dan histogramnya
5. Pilih proses sharpening yang akan digunakan yang
terdiri dari mask 3x3 yang
nilainya berbeda-beda
6. Tampil citra hasilsharpening beserta nilai PSNR, MSE
dan histogramnya.
Tahapan-tahapan pada program utama
· Tahap Input Citra
Pada tahap
ini merupakan awal proses penelitian dengan melakukan pengambilan citra. Ada
beberapa file citra yang didukung oleh Matlab, yaitu citra dengan format bitmap
(*.bmp), JPEG (*.jpg), png (*.png) dan tif (*.tif). Citra original dan
informasi citra ditampilkan beserta histogramnya.
· Tahap Proses Sharpening
Tahap ini
merupakan tindak lanjut dari tahap bluring pada citra dimana citra yang sudah
mengalami proses blur diproses dengan filter laplaciandengan mask 3x3, dimana
|
0 |
1 |
0 |
|
1 |
-4 |
1 |
|
0 |
1 |
0 |
Mask 1
|
1 |
1 |
1 |
|
1 |
-8 |
1 |
|
1 |
1 |
1 |
Mask 2
Dan filter sobel
|
-1 |
-2 |
-1 |
|
0 |
0 |
0 |
|
1 |
2 |
1 |
Mask 1
|
-1 |
0 |
1 |
|
2 |
0 |
2 |
|
-1 |
0 |
1 |
Mask 2
Dalam
penelitian ini kita dapat memilih limapilihan sharpening yang diinginkan untuk
menajamkan detil-detil citra yang kurang jelas.
· Simulasi Perhitungan Manual
Proses penajaman citra adalah dengan melakukan
pengurangan smoothed dari citra asli (unsharp masking) proses ini terdiri dari
langkah-langkah berikut :
1. Proses Degradasi Gambar
Asli:
a.
Mengaburkan gambar (blurred image) dengan memberikan efek blur pada Matlab
2. Proses Restorasi (Enhancement):
a.
Mengurangi citra yang kabur, yaitu proses konvolusi menggunakan
filter laplacian dan filter gradien.
b.
Tambahkan mask ke citra, citra hasil konvolusi ditambahkan ke citra blur
Referensi
http://arpanimaulana.blogspot.com/2016/10/pengertian-teori-konvolusi.html
http://dsrjaringan.blogspot.com/2016/10/konvolusi-pada-pengolahan-citra.html
http://catatankuliah-tese.blogspot.com/2012/09/filter-blurring-dan-sharpening.html
https://core.ac.uk/download/pdf/79435098.pdf
https://docplayer.info/31125079-Penerapan-metode-konvolusi-dalam-pengolahan-citra-digital.html
