TugaS PENGOLAHAN CITRA

Perbaikan Citra
Image enhancement dilakukan karena seringkali citra yang dijadikan objek pembahasan mempunyai kualitas yg buruk, misalnya ada noise pd saat transmisi, citra terlalu terang /gelap, kurang tajam, kabur, dsb.
Image enhancement dpt diartikan sbg proses mengubah citra f(x,y) menjadi f’(x,y), sehingga ciri2 yg dilihat pd f(x,y) lebih ditonjolkan.
Proses-proses Perbaikan Citra :
a.    Noise
Noise adalah gangguan-gangguan/bintik-bintik pada gambar yang terjadi pada saat gambar tersebut dikirim dari satu computer ke computer lain nya. Reduksi noise itu sendiri terbagi menajdi dua yaitu Intensity filtering dan frequency filtering.
b.    Memperhalus Gambar
Mean Filtering adalah filter yang digunakan untuk menghaluskan gambar yang terlalu kasar. JIka filter ini dilakukian pada gambar yang sudah halus, maka hasil gambar tersebut akan semakin kabur, Mean filtering ini biasa disebut smoothing filter
c.    Efek Sulaman (Median Filtering)
Median filtering adalah filter yang digunakan untuk memperhalus gambar tetapi tidak sehalu mean filtering. Gambar yang dihasilkan terlihat tidak rapi, karena tidak dilakukan nya proses rata-rata tetapi dilakukan proses mencari nilai tengah dari titik-titik yang direkam dalam matrisk neghbour.
d.    Modus filtering
Modus Filtering adalah termasuk jenis filter spatial filtering yang tidak menggunakan mask. Tujuan utama dari filter ini adalah membuat gambar menjadi berbintil-bintil seperti dicat dengan minyak cat
Peningkatan Kualitas Citra

Peningkatan kualitas citra adalah suatu proses untuk mengubah sebuah citra menjadi citra baru yang sesuai dengan kebutuhan melalui berbagai cara. Tujuan utama untuk memproses citra sehingga citra dihasilkan lebih baik daripada citra aslinya untuk aplikasi tertentu.

Cara-cara yang bisa dilakukan :
•    Fungsi transformasi ( sub III )
•    Operasi matematis
•    Pemfiltran ( sub IV )

Peningkatan Kualitas Citra ada 2 Kategori, yakni :
•    Metode Domain Spasial Metode Domain spasial adalah berdasarkan manipulasi langsung dari piksel dari citra.
•    Metode Domain Frekuensi Metode domain frekuensi adalah berdasarkan perubahan tranformasi fourier pada citra.

Registrasi Citra
Registrasi citra sebagai proses mencari transformasi yang optimal yang sejalan dari data citra yang berbeda ke dalam korespondensi spasial, sehingga setelah pendaftaran, struktur anatomi yang sama menempati lokasi spasial yang sama dalam gambar yang berbeda.
Secara umum metode registrasi citra terdiri dari empat langkah berikut:

Deteksi Fitur
Proses deteksi objek yang menonjol dan merupakan ciri khas (seperti : batas wilayah tertutup, tepian, kontur, persimpangan garis, sudut, dll) baik secara manual, preferably, maupun secara otomatis. Untuk proses lebih lanjut, fitur ini dapat direpresentasikan oleh titik-titik yang dapat mewakilinya (seperti : pusat gravitasi, akhir baris, titik-titik yang khas), yang selanjutnya mari kita sebut dengan Titik Kontrol (Control Points - CPs).

Pencocokan Fitur
Pada langkah ini dilakukan proses membangun korespondensi antara fitur terdeteksi pada IC1 dan fitur yang dideteksi pada IR2. Berbagai fitur deskriptor dan ukuran kesamaan (similarity measures) yang memiliki hubungan spasial antara fitur-fitur digunakan untuk tujuan ini.

Transformasi Model Estimasi
Melakukan estimasi terhadap jenis dan parameter-parameter yang disebut dengan fungsi pemetaan, dan keselarasan IC dengan IR. Parameter dari fungsi pemetaan dihitung dari korespondensi fitur yang telah terbangun pada langkah sebelumnya.

Image Resampling dan Transformasi
IR ditransformasikan dengan cara menggunakan fungsi pemetaan. Nilai citra dalam bentuk koordinat non-integer dihitung dengan teknik interpolasi yang sesuai.

Pemampatan Citra
Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi dari data-data yang terdapat dalam citra sehingga dapat disimpan atauditransmisikan secara efisien.
Kompresi citra bertujuan meminimalkan kebutuhan memori untuk merepresentasikan citra digital dengan mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan menjadi lebih sedikit daripada representasi citra semula.

Teknik Kompresi Citra
Ada beberapa teknik kompresi yang dapat dikategorikan ke dalam Lossless maupun Lossy Compression, antara lain:
1. Kompresi berbasis Statistik (Lossless)
Merepresentasikan citra dengan frekuensi kemunculan nilai intensitas tertentu.
2. Kompresi berbasis Kuantisasi (Lossy)
Mengurangi jumlah intensitas warna.
3. Kompresi berbasis Transformasi (Lossless/Lossy)
Mengoptimalkan kinerja kompresi berbasis statistik dan kuantisasi dengan cara melakukan transformasi terlebih dahulu sebelum menerapkan salah satu teknik tersebut. Sehingga kompresi bersifat lossy atau lossles tergantung teknik mana yang digunakan setelah transformasi apakah itu statistik (lossless) atau kuantisasi (lossy).
4. Kompresi berbasis fraktal (Lossy)
Fraktal merupakan bentuk rekursif yang merepresentasikan komponen dasar objek. Dalam konsep kompresi, data direpresentasikan sebagai pasangan antar elemen fraktal, pola umum konfigurasi yang membentuk objek secara keseluruhan, dan koefisien transformasi spasial (affine) untuk masing-masing fraktal sesuai dengan posisinya dalam konfigurasi pembentuk objek.

Pemilahan Citra

Pemilahan citra digital merupakan proses pengelompokan gambar ke dalam kelas-kelas tertentu.
Berdasarkan cara penyimpanan atau pembentukannya, citra digital dibagi menjadi 2 jenis, yaitu :
•    Gambar Bitmap (raster), yaitu gambar yang terbentuk dari sekumpulan titik penyusun gambar (pixel). Gambar bitmap dipengaruhi oleh banyaknya pixel, sehingga semakin banyak jumlah pixel maka kualitas gambar semakin baik dan halus, begitu pula sebaliknya. Gambar bitmap biasanya diperoleh dari scanner, kamera digital, kamera handphone, dan sebagainya.
•    Gambar vektor, yaitu gambar yang terbentuk dari garis, kurva, dan bidang yang masing-masing merupakan suatu formulasi matematik. Jika gambar vektor diperbesar, maka kualitas gambarnya masih tetap baik dan tidak berubah. Gambar vektor biasanya dibuat dengan menggunakan aplikasi – aplikasi gambar vektor seperti Corel Draw, Adobe Illustrator, Macromedia Freehand, dan sebagainya (Alinurdin, 2006).