KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Allah Yang Maha Esa yang telah memberikan Rahmat dan karunia-Nya sehingga kami dapat menyelesaikan makalah Pengolahan Citra Digital ini dengan judul “UNSHARP MASKING DAN FILTER ROBERT“. Makalah ini di susun dalam rangka memenuhi tugas kelompok mata kuliah Pengolahan Citra Digital Program Studi Pendidikan Teknik Informatika dan Komputer.

Dalam menyusun makalah ini, kami banyak memperoleh bantuan serta bimbingan dari berbagai pihak.

Kami menyadari bahwa dalam menyusun makalah ini masih jauh dari sempurna, untuk itu kami sangat mengharapkan kritik dan saran yang sifatnya membangun guna sempurnanya makalah ini. Kami berharap semoga makalah ini dapat bermanfaat bagi kami khususnya dan bagi pembaca umumnya.

Maret 2012

Pemakalah

DAFTAR ISI

1

I. Judul......................................................................................................... 1II. Kata Pengantar......................................................................................... 2III. Daftar Isi................................................................................................... 3IV. BAB I Pendahuluan................................................................................... 4

a. Latar Belakang.............................................................................. 4b. Rumusan Masalah........................................................................ 6c. Tujuan Penulisan Makalah........................................................... 6d. Manfaat........................................................................................ 6

V. BAB II Pembahasan.................................................................................. 7VI. BAB III Penutup........................................................................................ 15VII. Daftar Pustaka.......................................................................................... 16

BAB I PENDAHULUAN

2

a. Latar Belakang

DefinisidanTujuan PengolahanCitra

Pengolahan Citra / Image Processing : Prosesmemperbaikikualitascitraagarmudahdiinterpretasi

olehmanusiaataukomputer Teknikpengolahancitradenganmentrasfor-masikan

citramenjadicitralain,contoh: pemampatancitra(imagecompression) Pengolahancitramerupakanprosesawal (preprocessing) darikomputervisi.

Pengenalan pola (pattern recognition) : Pengelompokkandatanumerikdansimbolik(termasuk

citra)secaraotomatisolehkomputer agar suatuobjekdalamcitradapatdikenalidandiinterpreasi.

Pengenalanpolaadalahtahapanselanjutnyaatau analisisdaripengolahancitra

Proses UmumKomputerVisi(Pengolahan Citra dan Pengenalan Pola)

Hirarki Pemorsesan Contoh Algoritma

Preprocessing

Lowest-level feature exctraction

Intermediate-level feature extraction

High –level scene interpretaion via images

Noise removalContrast enhacement

Edge detectionTexture detection

Connectivity Pattern matching Boundary coding

Model-base recognition

Operasi PengolahanCitra

1. Perbaikankualitascitra(imageenhacement)

3

Tujuan : memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra.Operasi perbaikan citra : Perbaikan kontras gelap/terang Perbaikan tepian objek (edge enhancement) Penajaman (sharpening) Pemberian warna semu(pseudocoloring) Penapisan derau (noise filtering)

2. Pemugarancitra(imagerestoration)Tujuan : menghilangkan cacat pada citra. Perbedaannya dengan perbaikan citra : penyebabdegradasi citra diketahui.Operasi pemugaran citra : Penghilangan kesamaran (deblurring) Penghilangan derau (noise)

3. Pemampatancitra(imagecompression)Tujuan : citra direpresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan kualitas gambar (misal dari .BMP menjadi .JPG)

4. Segmentasicitra(imagesegmentation)Tujuan : memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu.Berkaitan erat dengan pengenalan pola.

5. Pengorakancitra(imageanalysis)Tujuan : menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya. Diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnyaOperasi pengorakan citra : Pendeteksian tepi objek (edge detection) Ekstraksi batas (boundary) Represenasi daerah (region)

6. Rekonstruksicitra(Imagerecontruction)Tujuan : membentuk ulang objek dari beberapa citra hasil proyeksi.

b. Rumusan Masalah1. Apa itu Unsharp Masking dan Filter Robert?

4

2. Bagaimana konsep Unsharp Masking dan Filter Robert?

c. Tujuan Penulisan Makalah1. Mengetahui pengertian Unsharp Masking dan Filter Robert2. Mengetahui konsepUnsharp Masking dan Filter Robert

d. ManfaatMahasiswa mampu menjelaskan konsep dasar dari Unsharp Masking dan Filter Robert

Bab II Pembahasan

5

Unsharp Masking

Idedasardariunsharpmaskingadalahuntukmengurangkanversikaburterskala (scaled unsharpversion)darisebuahcitraterhadapcitraaslinya.Secarapraktis,dapat dilakukandenganmengurangkancitrayangtelahdikaburkandandiskala(scaledblurred image) terhadap citra aslinya. Perhatikan skemaunsharp masking berikut.

Citraasli (original) Citra kabur (blur)

Misalkan ada sebuah citra, maka unsharp masking dapat diterapkan menggunakan perintah-perintahberikut.

>>f = fspecial (‘average’);

>>xf = filter2 (f, x);

>>xu = double (x) – xf/1.5;

>>imshow(xu/70);

Perintahpadabaristerakhirdigunakanuntukscallinghasilsehinggafungsiimshow.m dapat menampilkan citra; nilai skala mungkin harus diubah bergantung citra input.

6

Contohimplementasi.

clearall;clc;I= imread ('mandrill2.jpg');f= fspecial('average');If= filter2(f,I);Iu= double(I)-If/1.25figure,imshow (I)title('citra input')figure,imshow (mat2gray(If))title('citra blurred')figure,imshow (Iu/65)title('citra unsharp masking')

citrainput citrablurred

citraunsharpmasking

Gambaran secara grafis proses unsharp maskingdiperlihatkan pada gambar berikut.

7

Operasi filtering dan pengurangan dapat dilakukan sekaligus dengan menggunakan linearitas filter 3 x 3 berikut, yang disebut filter identitas.

Dengandemikian,unsharpmasking dapatditerapkanmenggunakanfiltertersebutdengan formula sbb.

Dengankadalahkonstantayangdipilihuntukmemperolehhasilyangterbaik.Alternatif lain adalah dengan mendefinisikan filter unsharpmasking sebagai berikut.

8

Padaformulayangkeduatsb,dilakukanpengurangancitrayangdikaburkanterhadap versiterskalacitraaslinya.Faktorskalajugadapatdipecahdiantarafilteridentitasdan filter blurring (kabur).

Pilihanunsharp pada fungsi matlab fspecial, dibuat menggunakan formula

Denganαadalahparameteropsionaldengandefault0,2.Jikaα=0,5makafilteryang terbentuk menjadi

Meskipunpadapembahasaninidigunakanfilterpererata,namunpadadasarnyadapat digunakan sebarang LPF untuk proses unsharpmasking.

Matlabmenyediakan opsi atau pilihan unsharp pada fungsi fspecial untuk unsharp filtering.Sintaks: H = FSPECIAL ('unsharp', ALPHA)

FSPECIAL membuatunsharpfiltermenggunakanLaplacianfilterdengan parameter ALPHA beradapadajangkauan0.0hingga1.0.Defaultnilai ALPHA adalah 0.2.

Contohimplementasi.

9

clearall;clc;I= imread ('mandrill2.jpg');f= fspecial('unsharp');If= filter2(f,I); figure, imshow (I) title ('citra input')figure,imshow (If/255)title('citra unsharp masking')

citrainput citraunsharpmasking

METODE ROBERT

10

Metode Robert adalah nama lain dari teknik differensial pada arah horisontal dan differensial pada arah vertikal, dengan ditambahkan proses konversi biner setelah dilakukan differensial. Teknik konversi biner yang disarankan adalah konversi biner dengan meratakan distribusi warna hitam dan putih.. Metode Robert ini juga disamakan dengan teknik DPCM (Differential Pulse Code Modulation). Operator Robert menggunakanoperator gradient berukuran2 x 2 :

Gradient magnitude dari operator Robert adalah sebagai berikut :

Karena operator Robert hanya menggunakan convolution mask berukuran 2 x 2, maka operator Robert sangat sensitive terhadap noise.

Contoh

RobertsDiagonal1 = K1(x,y) = | (1*160) + (0*150) + (0*120) + (–1*120) | = 40

atau pakai cara praktis |160 – 120 | = 40 Diagonal2 = K2(x,y) = | (0*160) + (1*150) + (–1*120) + (0*120) | = 30

atau pakai cara praktis |150 – 120 | = 30

Maka h(2,2) bila menggunakan : K0(x,y) = ( | K1(x,y) | + | K2(x,y) | ) = 40 + 30 = 70 K0(x,y) = max ( | K1(x,y) | , | K2(x,y) | ) = 40 K0(x,y) = ( | K1(x,y) | + | K2(x,y) | ) / 2 = (40 + 30)/2 = 35 K0(x,y) = √ K1(x,y)* K1(x,y) + K2(x,y) * K2(x,y) = √ (40*40)+(30*30)

= 50

Contoh perintah dengan Matlab

11

g = imread(‘arif.jpg’);gray=rgb2gray(g);x = edge(gray,’canny’);imshow(x);

hasilnya :

Gambar Asli Metode Robert

Hasil

Listing Program:

% — Executes on button press in pushbutton3.function pushbutton3_Callback(hObject, eventdata, handles)robert=guidata(gcbo);i=get(robert.axes1,’Userdata’);if isequal(i,[])warndlg(‘Belum ada gambar !’,'robert prcess error’);elsegray=rgb2gray(i);bw=edge(gray,’robert’);px=[0 1;-1 0];grayx=filter2(px,gray);py=px’;grayy=filter2(py,gray);

12

edge_p=sqrt(grayx.^2+grayy.^2);edge_t=im2bw(edge_p/255,0.3);set(robert.figure1,’CurrentAxes’,robert.axes3);set(imshow(edge_t));set(robert.axes3,’Userdata’,edge_t);end% hObject handle to pushbutton3 (see GCBO)% eventdata reserved – to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA

Hasil

Bab III Penutup

13

Kesimpulan

Unsharpmaskingadalahuntukmengurangkanversikaburterskala (scaled unsharpversion)darisebuahcitraterhadapcitraaslinya.Secarapraktis,dapat dilakukandenganmengurangkancitrayangtelahdikaburkandandiskala(scaledblurred image) terhadap citra aslinya.

Metode Robert adalah nama lain dari teknik differensial pada arah horisontal dan differensial pada arah vertikal, dengan ditambahkan proses konversi biner setelah dilakukan differensial.

Daftar Pustaka

14

http://meandmyheart.files.wordpress.com/2009/09/kuliah-5-edge-sharpening.pdf

http://www.cambridgeincolour.com/tutorials/unsharp-mask.htm

http://ussie.staff.gunadarma.ac.id/Downloads/files/13436/PENGOLAHAN+CITRA.pdf

http://yaniasiah.wordpress.com/2011/10/05/beberapa-metode-deteksi-tepi-mata-uang-logam-dengan-menggunakan-software-matlab/

15