CONVOLUTION

PEMROGRAMAN MATLAB :

>> gambar=imread('park.jpg');

>> mask = [-1 -1 -1; -1 8 -1;-1 -1 -1];

>> gray=rgb2gray(gambar);

>> thresh=graythresh(gray);

>> imbw=im2bw(gray,thresh);

>> hasil=conv2(double(imbw),mask,'valid');

>> imshow(gambar)

>> figure, imshow(hasil)

________________________

3-by-3 Neighborhoods

Untuk 3-oleh-3 lingkungan, panjang (Lut) adalah 512. Ada sembilan piksel di lingkungan masing-masing, dan dua keadaan yang mungkin untuk setiap pixel, sehingga jumlah total permutasi adalah 29 = 512.

Untuk menghasilkan matriks indeks, applylut convolves gambar BW biner dengan matriks ini.

256    32     4
128    16     2
 64     8     1

Konvolusi yang dihasilkan mengandung nilai integer dalam kisaran [0511]. applylut menggunakan bagian tengah dari konvolusi, dengan ukuran yang sama sebagai BW, dan menambah 1 untuk setiap nilai bergeser kisaran untuk [1.512]. Kemudian membangun A dengan mengganti nilai dalam sel-sel dari matriks indeks dengan nilai-nilai dalam Lut bahwa indeks menunjuk ke.

lut = makelut('sum(x(:)) == 4',2);
BW = imread('text.png');
BW2 = applylut(BW,lut);
imshow(BW), figure, imshow(BW2)

   

CITRA ASAL

Citra asal	Citra filter Mask= [-1 -1 -1; -1 8 -1;-1 -1 -1];	Citra filter Mask= [1 0 0; 0 0 2; 2 2 2];

Binary Citra Asal

Binary citra yg sudah d filter

Penghitungan Convolution Secara manual

Binary Asal	Binary filter

192	193	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255

Rumus: e_procesed = v*e + z*a + y*b + x*c + w*d +        u*e + t*f + j*g + r*h =

Neighbour

eprocesed = 255.193 + 255.192 + 255.193 + 255.198 + 255.192 + 255.198 + 255.192 +255.193 + 255.198 = 49215 + 48960 + 49215 + 50490 + 48960 + 50490 + 48960 + 49215 + 50490 = 445995/255 = 1749

3 titik simple

^ Pixel tengah

192	193	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255

e_procesed = 255.201 + 255.199 + 255.202 + 255.202 + 255.199 + 255.202 + 255.198 +255.201 + 255.201 = 51255 + 50745 + 51510 +  51510 + 50745 + 51510 + 50490 + 51255 + 51255 = 460275/255 = 1805

^Tepi atas

192	1 93	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255

 e_procesed = 255.193 + 255.192 + 255.193 + 255.198 + 255.192 + 255.198 + 255.192 +255.193 + 255.198 = 49215 + 48960 + 49215 + 50490 + 48960 + 50490 + 48960 + 49215 + 50490 = 445995/255 = 1749

^Sudut bawah

192	193	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255

 e_procesed = 255.203 + 255.203 + 255.203 + 255.204 + 255.203 + 255.204 + 255.203 +255.203 + 255.204 = 51765 + 51765 + 51765 + 52020 + 51765 + 52020 + 51765 + 51765 + 52020 = 466650/255 = 1830

Tugas Pengolahan Citra

File  asli : pengolah citra

Pengolahan Citra (Image Processing)

Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit tertentu.

Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan ada pula yang berbentuk segienam) yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh titik tersebut.

Format data citra digital berhubungan erat dengan warna. Pada kebanyakan kasus, terutama untuk keperluan penampilan secara visual, nilai data digital merepresentasikan warna dari citra yang diolah. Format citra digital yang banyak dipakai adalah Citra Biner (monokrom), Citra Skala Keabuan ( gray scale ), Citra Warna ( true color ), dan Citra Warna Berindeks.
Image atau gambar adalah representasi spasial dari suatu objek yang sebenarnya dalam bidang dua

dimensi yang biasanya ditulis dalam koordinat kartesian x-y, dan setiap koordinat

merepresentasikan satu sinyal terkecil dari objek yang biasanya koordinat terkecil ini disebut sebagai

piksel. Karena merupakan sistem koordinat yang memiliki nilai maka biasanya image dianggap

sebagai sebuah matrik x-y yang berisi nilai piksel.

Pembacaan Image

Pada matlab fungsi untuk melakukan pembacaan image standar yaitu:

imread(‘banget.jpg’)

imshow(‘banget.jpg’)

proses

Hasil gambar

Ekstraksi Nilai Piksel Red, Green dan Blue (RGB)

Foto=imread(‘banget.jpg’) Imshow=(foto) Hasil	Red=foto(:,:,1) Imshow(red)	Green=foto(:,:,2) Imshow(green)	Blue=foto(:,:,3) Imshow(blue)

Konversi Gambar dari RGB ke Grayscale

Gambar=imread(‘banget.jpg’)	Red=foto(:,:,1) Imshow(red)	Green=foto(:,:,2) Imshow(green)	Blue=foto(:,:,3) Imshow(blue)	gray2=0.3*red+0.5*green+0.2*blue imshow(gray2)

Membuat Histogram Image

Red=foto(:,:,1) Imhist(red)	Green=foto(:,:,2) Imhist(green)	Blue=foto(:,:,3) Imhist(blue)	Merahgray2=0.3*red+0.5*green+0.2*blue Imhist(gray)

Depth Resilution

24bit bmp

198*256=50688 pixels

File size:

50688*3=152064 bytes

149KB

Actual size 149KB

4 bit bmp  
198*256=50688 pixels
file size:
50688*0.5=25344 byte= 25KB
Actual size 25KB


8 bit bmp
198*256=50688 pixels
file size:
50688*1=50688 byte
actual size KB