Aplikasi ketetanggaan Piksel



Aplikasi ketetanggaan Piksel

Ada tiga jenis filter yang menggunakan operasi ketetanggaan piksel yang akan dibahas sebagai pengantar pada bab ini. Ketiga filter tersebut adalah filter batas, filter pererataan, dan filter median. Sebagai filter atau tapis, operasi ketetanggaan piksel berfungsi untuk menyaring atau paling tidak mengurangi gangguan atau penyimpangan pada citra.
1.     Filter Batas
Filter batas adalah filter yang dikemukakan dalam Davies (1990). Idenya adalah mencegah piksel yang intensitasnya di luar intensitas piksel-piksel tetangga.
Algoritma yang digunakan untuk keperluan ini dapat dilihat berikut ini.

Metode Filter Batas
 
 
Berdasarkan keadaan tersebut,
 
minInt = minimum(5, 7, 7, 5, 4, 6, 7, 8) = 4;
maksInt = maksimum(5, 7, 7, 5, 4, 6, 7, 8) = 8;
mengingat f(y, x) bernilai 9 dan lebih besar daripada 8 (maksInt) maka g(y, x) bernilai 8;
seandainya f(y, x) pada keadaan di atas bernilai 2 (bukan 9), g(y,x) akan bernilai 4.

Algoritma Menghitung piksel dengan filter batas


mm


Program Filter Batas

f = imread('c:\image\mobil.tif');
[jum_baris, jum_kolom] = size(f);
g = f;
for baris=2 : jum_baris-1
    for kolom=2 : jum_kolom-1
        minpiksel = min([f(baris-1, kolom-1)       ...
            f(baris-1, kolom) f(baris, kolom+1)    ...
            f(baris, kolom-1)                      ...
            f(baris, kolom+1) f(baris+1, kolom-1)  ...
            f(baris+1, kolom) f(baris+1, kolom+1)]);
        makspiksel = min([f(baris-1, kolom-1)       ...
            f(baris-1, kolom) f(baris, kolom+1)    ...
            f(baris, kolom-1)                      ...
            f(baris, kolom+1) f(baris+1, kolom-1)  ...
            f(baris+1, kolom) f(baris+1, kolom+1)]);   
           
        if f(baris, kolom) < minpiksel
           g(baris, kolom) = minpiksel;
        else
            if f(baris, kolom) > makspiksel
                g(baris, kolom) = makspiksel;
            else
                g(baris, kolom) = F(baris, kolom);
            end
        end   
    end
end


Output program filter batas
 
 
      2.Filter pererataan


.  Pada contoh di atas, yang diarsir (yaitu yang bernilai 68) merupakan nilai pada f(y, x). Nilai rerata pengganti untuk g(y, x) dihitung dengan cara seperti berikut:
                g(y, x) = 1/9 x (65+50+55+78+68+60+60+60+62) = 61,7778
                            ≅62
Jadi, nilai 68 pada f(y, x) diubah menjadi 62 pada g(y, x).
Implementasi dalam program dapat dilihat berikut ini


.
 
Program pererataan

f = imread('c:\image\mobil.tif');
[jum_baris, jum_kolom] = size(f);
f2=double(f);
for baris=2 : jum_baris - 1
      for kolom=2 : jum_kolom - 1
jumlah= f2 (baris - 1, kolom - 1) + ...
f2(baris - 1 , kolom) + ...
f2(baris - 1, kolom - 1) +  ...
f2(baris, kolom - 1) +  ...
f2(baris, kolom) +  ...
f2(baris, kolom + 1) +  ...
f2(baris +1, kolom - 1) +  ...
f2(baris+1, kolom) +  ...
f2(baris+1, kolom + 1) ;
g(baris, kolom) = uint8 ( 1/9  *  jumlah);
     end
end

Filter Median

Filter median sangat populer dalam pengolahan citra. Filter ini dapat dipakai untuk menghilangkan derau bintik-bintik. Nilai yang lebih baik digunakan untuk suatu piksel ditentukan oleh nilai median dari setiap piksel dan kedelapan piksel tetangga pada 8-ketetanggaan. Secara matematis, filter dapat dinotasikan seperti berikut:
g(y,x)=median(f(y-1,x-1),f(y-1,x),f(y-1,x+1),f(y,x-1),f(y,x),f(y,x+1),f(y+1,x-1),f(y+1,x),f(y+1,x+1))

Program filter median

f = imread('c:\image\mobil.tif');
[jum_baris, jum_kolom] = size(f);
for baris=2 : jum_baris - 1
      for kolom=2 : jum_kolom - 1
data= [f(baris-1, kolom-1) ...
f(baris-1, kolom) ...
f(baris-1, kolom+1) ...
f(baris, kolom-1) ...
f(baris, kolom) ...
f(baris, kolom+1) ...
f(baris+1, kolom-1) ...
f(baris+1, kolom) ...
f(baris+1, kolom-1)];
%urutkan
for i=1 : 8
   for j=i+1 : 9
      if data(i) > data(j)
temp =data(i);
data(i)=data(j);
data(j)=temp;
     end
  end
end
%ambil nilai median
g(baris,kolom)=data(5);
end
end


Comments

Post a Comment

Popular posts from this blog

Operasi Geometrik dan Pengolahan citra di kawasan Frekuensi

Image
Efek Ripple Efek ripple (riak) adalah aplikasi transformasi citra yang membuat gambar terlihat bergelombang. Efek riak dapaat dibuat baik pada arah x maupun y. Transformasinya seperti berikut:   Interpolasi piksel Hasil pemutaran citra  menimbulkan efek bergerigi pada objek citra. Hal itu diakibatkan oleh penggunaan  nilai intensitas didasarkan pada piksel tetangga terdekat, yang dilakukan melalui:     x2 = round(x * cosa + y * sina);            y2 = round(y * cosa - x * sina);        Penggunaan fungsi round (pembulatan ke atas) merupakan upaya untuk menggunakan intensitas piksel terdekat. Alternatif  lain dilakukan dengan menggunakan floor (pembulatan ke bawah). Misalnya, hasil perhitungan menghasilkan     xlama = 47,09     ylama = 59,85   contoh efek ripple Penerapan dalam bentuk Program  ...
Keep reading

Membalik Citra

Image
Membalik Citra           Bila pernah melihat film hasil kamera analog, gambar yang terekam dalam film tersebut berkebalikan dengan foto saat dicetak, yang dikenal sebagai film negatif.Citra seperti ini biasa digunakan pada rekam medis; misalnya hasil fotografi rontgen.Hubungan antara citra dan negatifnya untuk yang beraras keabuan dapat dinyatakan dengan rumus:             G(y,x)=255-f(y,x)  ------Rumus membalik citra           x=imread(‘c:/lmage/lena128.tif’);           y=255 – x;           subplot(1,2,1);imshow(x)     subplot(1,2,2);imshow(z)                  Hasil membalik citra   Pemotongan Aras Keabuan pada citra Efek ...
Keep reading

Pengertian operasi Geometrik

Image
Pengertian operasi Geometrik Operasi geometrik adalah operasi pada citra yang dilakukan secara geometris seperti translasi (pergeseran) , rotasi (perputaran) , Flipping (pencerminan) dan penyekalaan (mengubah bentuk) . Pada operasi seperti ini terdapat pemetaan geometrik, yang menyatakan hubungan pemetaan antara piksel pada citra masukan dan piksel pada citra keluaran.     Secara prinsip, terdapat dua cara yang dapat dipakai. Pertama yaitu pemetaan ke depan dan kedua berupa pemetaan ke belakang. Perbedaan secara visual kedua cara tersebut diperlihatkan pada Gambar berikut  Gambar di atas menjelaskan bahwa pada cara pemetaan ke depan, posisi pada citra keluaran ditentukan dengan acuan pemrosesan pada citra masukan. Pada gambar tersebut terlihat bahwa kalau piksel keluaran berada pada posisi yang tidak tepat (tidak berupa bilangan bulat), penempatannya dapat berada pada salah satu dari empat kemungkinan. Pada pemetaan ke belakang, menging...
Keep reading