Sistem Visual Manusia dan Pengolahan Citra Dijital (Sumber: Gonzalez & Woods, 1992)

Ir H Iyus Rusmana MTJurusan Teknik Elektro

Sekolah Tinggi Teknologi Yogyakarta

2

A cross section of the human eye

(Gonzalez & Woods, 1992)

Retina

Blind SpotFovea

Iris

Lens

Visual Axis

Cornea

STRUKTUR & FUNGSI - 1

3

Sklera (bagian putih mata) : merupakan lapisan luar mata yang berwarna putih dan relatif kuat.

Konjungtiva :

selaput tipis yang melapisi bagian dalam kelopak mata dan bagian luar sklera.

STRUKTUR & FUNGSI - 2

4

Kornea :

struktur transparan yang menyerupai kubah, merupakan pembungkus dari iris, pupil dan bilik anterior serta membantu memfokuskan cahaya.

STRUKTUR & FUNGSI - 3

5

Pupil :

daerah hitam di tengah-tengah iris. Iris :

jaringan berwarna yang berbentuk cincin, menggantung di belakang kornea dan di depan lensa; berfungsi mengatur jumlah cahaya yang masuk ke mata dengan cara merubah ukuran pupil.

STRUKTUR & FUNGSI - 4

6

Lensa :

struktur cembung ganda yang tergantung diantara humor aqueus dan vitreus; berfungsi membantu memfokuskan cahaya ke retina.

Retina :

lapisan jaringan peka cahaya yang terletak di bagian belakang bola mata; berfungsi mengirimkan pesan visuil melalui saraf optikus ke otak.

STRUKTUR & FUNGSI - 5

7

Saraf optikus :

kumpulan jutaan serat saraf yang membawa pesan visuil dari retina ke otak.

STRUKTUR & FUNGSI - 6

8

Humor aqueus :

cairan jernih dan encer yang mengalir diantara lensa dan kornea (mengisi segmen anterior mata), serta merupakan sumber makanan bagi lensa dan kornea; dihasilkan oleh prosesus siliaris.

Humor vitreus :

gel transparan yang terdapat di belakang lensa dan di depan retina (mengisi segmen posterior mata).

SISTEM KERJA - 1 Cahaya yang masuk melalui kornea

diteruskan ke pupil. Iris mengatur jumlah cahaya yang

masuk dengan cara membuka dan menutup, seperti halnya celah pada lensa kamera.

9

SISTEM KERJA - 2 Jika lingkungan di sekitar gelap, maka

cahaya yang masuk akan lebih banyak; jika lingkungan di sekitar terang, maka cahaya yang masuk menjadi lebih sedikit.

Ukuran pupil dikontrol oleh otot sfingter pupil, yang membuka dan menutup iris.

10

SISTEM KERJA - 3 Lensa terdapat di belakang iris.

Dengan merubah bentuknya, lensa memfokuskan cahaya ke retina.

Jika mata memfokuskan pada objek yang dekat, maka otot silier akan berkontraksi, sehingga lensa menjadi lebih tebal dan lebih kuat.

Jika mata memfokuskan pada objek yang jauh, maka otot silier akan mengendur dan lensa menjadi lebih tipis dan lebih lemah.

11

SISTEM KERJA - 4 Retina mengandung saraf-saraf cahaya

dan pembuluh darah. Bagian retina yang paling sensitif adalah

makula, yang memiliki jutaan ujung saraf.

12

Banyaknya ujung saraf ini menyebabkan gambaran visuil yang tajam.

Retina mengubah gambaran tersebut menjadi gelombang listrik yang oleh saraf optikus dibawa ke otak.

Sistem Visual ManusiaSistem Visual Manusia

Fovea di bagian retina terdiri dari dua jenis receptor:Sejumlah cone receptor, sensitif terhadap warna, visi cone

disebut photocopic vision atau bright light visionSejumlah rod receptor, memberikan gambar keseluruhan

pandangan dan sensitif terhadap iluminasi tingkat rendah, visi rod disebut scotopic vision atau dim-light vision

Blind Spotadalah bagian retina yang tidak mengandung receptor

sehingga tidak dapat menerima dan menginterpretasi informasi

13

Sistem Visual ManusiaSistem Visual Manusia

Subjective brightness Merupakan tingkat kecemerlangan yang dapat ditangkap sistem

visual manusia; Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke

mata manusia; Mempunyai daerah intensitas yang bergerak dari ambang scotopic

(redup) ke ambang photocopic (terang).

Brightness adaption Merupakan fenomena penyesuaian mata manusia dalam

membedakan gradasi tingkat kecemerlangan; Batas daerah tingkat kecemerlangan yang mampu dibedakan secara

sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah tingkat kecemerlangan sebenarnya.

14

Sistem Visual ManusiaSistem Visual Manusia Kepekaan dalam pembedaan tingkat kecemerlangan

merupakan fungsi yang tidak sederhana, namun dapat dijelaskan antara lain dengan dua fenomena berikut:

Mach Band (ditemukan oleh Ernst Mach):

pita tengah bagian kiri kelihatan lebih terang dari bagian kanan.

15

Sistem Visual ManusiaSistem Visual Manusia Simultaneous Contrast:

kotak kecil disebelah kiri kelihatan lebih gelap dari kotak kecil disebelah kanan, padahal intensitasnya sama tapi intensitas latar belakang berbeda. Hal sama terjadi bila kertas putih di meja kelihatan lebih putih daripada kertas sama diarahkan ke sinar matahari.

16

Data AcquisitionData Acquisition

Sistem Perekaman Citra Citra yang diperoleh tergantung:

○ karakteristik dari obyek yang direkam;○ kondisi variabel dari sistem perekaman;

Citra merupakan gambaran tentang karakteristik suatu obyek menurut kondisi variabel tertentu;

Contoh: ○ bandingkan hasil foto manusia dengan kamera / sensor optik dan

dengan sensor sinar X (kondisi variabel sistem berbeda);○ bandingkan hasil foto pemandangan di tepi laut dan di daerah

pegunungan (karakteristik obyek berbeda).

17

Pengertian Sensor Aktif dan PasifPengertian Sensor Aktif dan Pasif

Sensor PasifSistem sensor yang merekam data obyek tanpa

mengirimkan enersi, sumber enersi bisa dalam bentuk sinar matahari, sinar lampu, dlsb.nya;

Contoh: sensor optik dari kamera foto, sensor optik pada sistem inderaja.

Sensor AktifSistem sensor yang merekam data obyek mengirimkan

dan menerima pantulan dari enersi yang dikirim ke arah obyek, enersi yang dikirim bisa berupa gelombang pendek, sinar X, dlsb.nya;

Contoh: sensor Rontgen untuk foto thorax, sensor gelombang pendek pada sistem radar, sensor ultrasound pada sistem USG.

18

Sensor Pasif Optik dan Sensor Aktif RadarSensor Pasif Optik dan Sensor Aktif Radar

19

Optical Sensor / Passive Sensor:

Landsat TM (Land Satellite) - USA, 1982

Landsat MSS - USA, 1984

SPOT (Systeme Probatoire d’Observation de la Terre) - French, 1986/1990

Radar Sensor / Active Sensor:

ERS-1 (First European Remote Sensing Satellite) - ESA, 1991

FUYO-1 (JERS-1) - Japan, 1992

Radarsat (Radar Satellite) - Canada, 1995

Pengertian Citra DijitalPengertian Citra Dijital

20

Sampler

Citra kontinue Citra dijital Matriks citra dengan obyek angka 5

Resolusi spasial : Resolusi kecemerlangan :

Tinggi (16 x 16) Rendah (8 x 8) Tinggi (4) Rendah (2)

Resolusi Spasial dan Kecemerlangan/Brightness -1Resolusi Spasial dan Kecemerlangan/Brightness -1

Resolusi CitraDikenal: resolusi spasial dan resolusi

kecemerlangan, berpengaruh pada besarnya informasi citra yang hilang.

Resolusi spasial: halus / kasarnya pembagian kisi-kisi baris dan kolom. Transformasi citra kontinue ke citra dijital disebut dijitisasi (sampling). Hasil dijitisasi dengan jumlah baris 256 dan jumlah kolom 256 - resolusi spasial 256 x 256.

21

Resolusi Spasial dan Kecemerlangan/Brightness -2Resolusi Spasial dan Kecemerlangan/Brightness -2

Resolusi CitraResolusi kecemerlangan (intensitas / brightness):

halus / kasarnya pembagian tingkat kecemerlangan. Transformasi data analog yang bersifat kontinue ke daerah intensitas diskrit disebut kwantisasi.

Bila intensitas piksel berkisar antara 0 dan 255 - resolusi kecemerlangan citra adalah 256.

22

Resolusi Spasial - SamplingResolusi Spasial - Sampling Sampling Uniform dan Non-uniform

Sampling Uniform mempunyai spasi (interval) baris dan kolom yang sama pada seluruh area sebuah citra.

Sampling Non-uniform bersifat adaptif tergantung karakteristik citra dan bertujuan untuk menghindari adanya informasi yang hilang. Daerah citra yang mengandung detil yang tinggi di-sampling secara lebih halus, sedangkan daerah yang homogen dapat di-sampling lebih kasar. Kerugian sistem sampling Non-uniform adalah diperlukannya data ukuran spasi atau tanda batas akhir suatu spasi.

23

Digitizing an imageDigitizing an image

24

Line

Column of samples

Picture

Pixel

Sample Spacing

Sampling process

Spatial resolution

Line Spacing

Black

Gray

White

255

128

0

Sumber: Dimodifikasi dari Castlemen, 1996

Brightness Spacing

Proses Kwantisasi

Brightness Resolution

Resolusi Kecemerlangan - KwantisasiResolusi Kecemerlangan - Kwantisasi

Kwantisasi Uniform, Non-uniform, dan TaperedKwantisasi Uniform mempunyai interval pengelompokan

tingkat keabuan yang sama (misal: intensitas 1 s/d 10 diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya).

Kwantisasi Non-uniform: Kwantisasi yang lebih halus diperlukan terutama pada bagian citra yang meng-gambarkan detil atau tekstur atau batas suatu wilayah obyek, dan kwantisasi yang lebih kasar diberlakukan pada wilayah yang sama pada bagian obyek.

Kwantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul sebaiknya di-kwantisasi secara lebih halus dan diluar batas daerah tersebut dapat di-kwantisasi secara lebih kasar (local stretching).

25

Resolusi Uniform vs Non-UniformResolusi Uniform vs Non-Uniform

Tidak perlu resolusi spasial yang non-uniform

Perlu resolusi spasial yang non-uniform

Tidak perlu resolusi kecemerlangan yang non-uniform (untuk warna hitam dan putih)

Perlu resolusi kecemerlangan yang non-uniform (untuk warna kehijauan dan kemerahan)

26

Hubungan antara piksel dan pengertian connectivityHubungan antara piksel dan pengertian connectivity

27

4-tetangga piksel P 8-tetangga piksel P

X X X X

X P X X P X

X X X X

Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan kriteria gray level yang sama, misal: sama-sama 0 atau sama-sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat keabuan, dlsb.nya

Labelling of connected componentLabelling of connected component

28

Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan 4-tetangga dan (b) dengan aturan 8 tetangga:

0 0 0 0 0 0 0 0 0 0 0 0

0 0 1 1 0 0 0 0 1 1 0 0

0 1 1 0 0 0 0 1 1 0 0 0

0 1 1 0 1 1 0 1 1 0 1 1

0 0 0 1 1 1 0 0 0 1 1 1

0 0 0 0 0 0 0 0 0 0 0 0 ekivalen dengan ekivalen dengan

Operasi Aritmetik / Lojik pada CitraOperasi Aritmetik / Lojik pada Citra

Operasi Aritmetik antara dua citra+ - x /Band ratio antara citra sensor optik Landsat TM

band 3 dan band 4 dapat digunakan untuk analisis vegetasi, begitu juga ratio antara selisih dan jumlahnya.

Operasi selisih antara dua citra temporal dapat digunakan untuk deteksi perubahan wilayah.

29

Operasi Aritmetik / Lojik pada CitraOperasi Aritmetik / Lojik pada Citra Operasi selisih antara dua citra temporal dapat digunakan

untuk deteksi perubahan wilayah.

30

Jakarta in 1994 Jakarta in 1998 (Lapan, 2001)

Operasi Aritmetik / Lojik pada CitraOperasi Aritmetik / Lojik pada Citra

Operasi Lojik antara dua citraOR AND NOTMasking (AND) operation dapat digunakan untuk

memisahkan antara bagian obyek dan bagian latar belakang pada citra biomedik.

31

Object of interest

‘jaringan paru’

Mask dengan operasi AND

32

Komponen Sistem Pengolahan Citra Dijital

(Gonzalez & Woods, 1992)

Elemen Fungsi Dasar Sistem Pengolahan CitraElemen Fungsi Dasar Sistem Pengolahan Citra

Pembentukan CitraSensor yang sensitif terhadap gelombang EM

menghasilkan sinyal listrik sesuai dengan enersi yang diterima. Analog-to-Digital Converter / Digitizer akan mengubah sinyal listrik tersebut menjadi bentuk dijital.

Scanner yang menerima masukan dalam bentuk analog (dokumen, peta, foto) akan mengubah menjadi data dalam bentuk dijital.

Penyimpanan CitraPenyimpanan jangka pendek (sedang diproses): memoryPenyimpanan on-line (siap dipakai): disk magnetikPenyimpanan arsip: pita atau disk magnetik, CD

33

Elemen Fungsi Dasar Sistem Pengolahan Citra (Lanjutan)Elemen Fungsi Dasar Sistem Pengolahan Citra (Lanjutan)

Pemrosesan Citra dan KomunikasiData citra berukuran besar (perlu tempat simpan yang

besar serta waktu proses yang lama). Issue penting pada komunikasi: kompresi citra.Issue penting pada pemrosesan citra: proses paralel.

Peragaan CitraDalam bentuk softcopy (layar peraga / monitor).Dalam bentuk hardcopy (printer, film writer, plotter).

34

Elemen-elemen Sistem Analisis CitraElemen-elemen Sistem Analisis Citra

35

(Gonzalez & Woods, 1992)

Metodologi Pengolahan CitraMetodologi Pengolahan Citra

Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra dijital.

Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra yang akan diobservasi.

Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics).

Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel

36

Metodologi Pengolahan Citra (Lanjutan)Metodologi Pengolahan Citra (Lanjutan)

Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi sebagai suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi luasan / perimeternya

Pengenalan Pola (Pattern Recognition): Memberikan label kategori obyek pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor atau ciri piksel bersangkutan (pewilayahan jaringan keras dan pewilayahan berbagai jaringan lunak pada citra biomedik)

Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya penyakit tumor)

Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai referensi pada proses template matching / object recognition.

37

Beberapa AplikasiBeberapa Aplikasi Pembahasan dibatasi pada 4 contoh aplikasi

Pengembangan Sistem Aplikasi BiomedikPengembangan Sistem Optical Character

Recognition (OCR)Pengembangan Sistem Aplikasi Indera

jarak jauhPengembangan Sistem Multitemporal

Multisensor Image Classification and Fusion

38

Metodologi Sistem Aplikasi Kedokteran (1)Metodologi Sistem Aplikasi Kedokteran (1)

39

Image Acquisition

Image Preprocessing

Image Segmentation

Object Representation & Description

Knowledge Base

Object Recognition Analysis Result

Metodologi Sistem Aplikasi Kedokteran (2)Metodologi Sistem Aplikasi Kedokteran (2)

Prosedur pemrosesan citraData Acquisition – sistem perekaman citra X-Ray paru

yang akan dideteksi apakah mengandung jaringan tumor atau kanker;

Image Preprocessing – eliminasi gangguan atau proses deteksi sisi untuk menentukan batas wilayah obyek-obyek yang ada pada citra (jaringan paru, jaringan tumor, dan jaringan keras);

Image Segmentation – menentukan wilayah setiap obyek yang ada pada citra, bisa menggunakan metode gabungan dengan deteksi sisi atau metode lainnya seperti metode clustering;

40

Metodologi Sistem Aplikasi Kedokteran (3)Obyek yang akan dikenali: Tumor

Metodologi Sistem Aplikasi Kedokteran (3)Obyek yang akan dikenali: Tumor

41

Metodologi Sistem Aplikasi Kedokteran (4)Metodologi Sistem Aplikasi Kedokteran (4)

Prosedur pemrosesan citra (Lanjutan)Object Representation and Description –

menyiapkan informasi object of interest untuk analisis. Representasi obyek dapat dinyatakan dalam Freeman chain code yang berisi informasi garis batas jaringan tumor dengan deskripsi ciri bentuk wilayah tumor (misal dengan ciri Hough transform) atau representasi dalam bentuk citra wilayah dengan deskripsi sifat tonal atau ciri tekstur setiap wilayah;

42

Metodologi Sistem Aplikasi Kedokteran (5)Metodologi Sistem Aplikasi Kedokteran (5)

Prosedur pemrosesan citra (Lanjutan)Object Recognition – membandingkan (object / template

matching) wilayah obyek pada citra apakah ada yang sama dengan informasi yang ada pada Knowledge Base yang dibentuk pada tahap pelatihan sistem, misal: apakah ada wilayah dengan intensitas rata-rata yang tinggi {putih) dan bentuk wilayahnya mendekati bulat atau ellips;

Analysis Result – merupakan suatu keputusan apakah pada jaringan paru tersebut terdapat jaringan tumor atau kanker.

43

Metodologi OCR – Optical Character Recogniton (1)Metodologi OCR – Optical Character Recogniton (1)

44(MSU, 1990)

Metodologi OCR – Optical Character Recogniton (2)Metodologi OCR – Optical Character Recogniton (2)

Prosedur pemrosesan citraData Acquisition – masukan berupa dokumen teks,

perlu cropping lokasi-lokasi karakter yang akan dikenali;

Image Preprocessing – proses yang dibutuhkan adalah deteksi sisi dan thinning atau skeletonizing untuk mendapatkan obyek karakter dengan ketebalan 1 piksel;

45

Metodologi OCR – Optical Character Recogniton (3)Metodologi OCR – Optical Character Recogniton (3)

Prosedur pemrosesan citra (Lanjutan)Representation & Description – ekstraksi ciri

karakter, misal perhitungan ciri moment atau ciri lainnya;

Character Recognition – pengambilan keputusan karakter apakah itu dengan membandingkan ciri karakter tersebut dengan knowledge base yang menyimpan ciri-ciri setiap karakter yang dibangun dalam tahap pelatihan;

Recognized Character – merupakan hasil pengenalan.

46

Metodologi OCR – Optical Character Recogniton (4)Preprocessing atau intermediate processing

Metodologi OCR – Optical Character Recogniton (4)Preprocessing atau intermediate processing

47

Huruf hasil scanning Huruf setelah ‘skeletonizing’

(Edi, 2002)

Aplikasi Pengenalan Karakter(Sumber: Skripsi S1 Juanita Rohali)Hasil Pengenalan Obyek

Aplikasi Pengenalan Karakter(Sumber: Skripsi S1 Juanita Rohali)Hasil Pengenalan Obyek

48

BAP AK BER UANG YANG J AH AT

PAD A ZAMAN DAHU L U KALA ADA SE E KOR BER UANG YANG NAKAL DA N JA HAT

BER UA NG I TU BE RN AMA XAM I N

DIA S UKA ME M AKAN AN AK AN AK YANG TI DAK D I SU KAI OLEH I BUN YA

SEHINGG A LA M A KELAMAAN ANAK AN AK DI D UNIA ME NJADI MU SNAH B I NASA KAR EN A

DI MAKAN OLEH BAPAK BE RUAN G TERS EBUT

Metodologi Sistem Aplikasi Inderaja (1)Metodologi Sistem Aplikasi Inderaja (1)

49

Image Acquisition

Image Preprocessing

Image Classification

Image Postprocessing

Thematic Image

Metodologi Sistem Aplikasi Inderaja (2)Metodologi Sistem Aplikasi Inderaja (2)

Prosedur pemrosesan citraData Acquisition – apakah akan menggunakan citra

sensor optik atau citra sensor Synthetic Aperture Radar (SAR) tergantung masalah;

Image Preprocessing – apakah perlu filtering untuk eliminasi gangguan, apakah perlu registration dengan peta yang ada, apakah perlu dilakukan pemilihan ciri atau band atau panjang gelombang sensor yang paling cocok untuk identifikasi obyek penutup lahan yang diinginkan;

50

Metodologi Sistem Aplikasi Inderaja (3)Metodologi Sistem Aplikasi Inderaja (3)

Prosedur pemrosesan citra (Lanjutan)Image Classification – membagi citra menjadi

wilayah-wilayah obyek penutup lahan sesuai dengan kategori obyek yang ditentukan;

Image Postprocessing – karena adanya noise / bentuk gangguan pada citra, sering terjadi wilayah-wilayah dalam ukuran kecil (single-pixel) yang perlu dihilangkan;

Thematic Image – merupakan hasil analisis yang diperoleh.

51

Topik-topik Penelitian Akhir (2000-2003):Multisensor Multitemporal Image Preprocessing Module

Topik-topik Penelitian Akhir (2000-2003):Multisensor Multitemporal Image Preprocessing Module

52

Topik-topik Penelitian Akhir (2000-2003):Multisensor Multitemporal Image Classification & Fusion ModuleTopik-topik Penelitian Akhir (2000-2003):Multisensor Multitemporal Image Classification & Fusion Module

53

Preprocessed Images & Classification Control Parameters

Labelled Training Samples

Classification and Fusion

High-Level High-Level Augmented Multiple

Cloud Cover Data Vector Classifier

Elimination Fusion ApproachApproach

Mosaic Image Fused Image Classified Image

Cloud cover elimination(Sumber: Murni, 1997)Masukan dan Keluaran Pengolahan Citra Digital

Cloud cover elimination(Sumber: Murni, 1997)Masukan dan Keluaran Pengolahan Citra Digital

54

Mosaic image

Fused image