Materi Kuliah Pengolahan Citra

Materi Kuliah Pengolahan Citra

Bab 1 Pengantar Pengolahan Citra
Pengolahan citra adalah pemrosesan citra, khususnya menggunakan computer, menjadi citra yang kualitasnya lebih baik.
Pengolahan citra dilakukan, jika:
a. perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau menonjolkan beberapa aspek informasi yang terkandung di dalam citra.
b. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur.
c. Sebagian citra perlu digabung dengan bagian citra yang lain.
PDF PRVW | DWNLD

Bab 2 Pembentukan Citra 
Citra ada dua macam, citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi sehingga ia mampu menghasilkan citra diskrit, misalnya kamera digital dan scanner. Citra diskrit disebut juga citra digital. Komputer digital yang umum dipakai saat ini hanya mengolah citra digital.
PDF PRVW | DWNLD

Bab 3 Landasan matematis
Dua operasi matematis penting yang perlu dipahami dalam mempelajari pengolahan citra digital adalah operasi konvolusi dan Transformasi Fourier Konvolusi terdapat pada operasi pengolahan citra yang mengalikan sebuah citra dengan sebuah mask atau kernel, sedangkan Transformasi Fourier dilakukan bila citra dimanipulasi dalam ranah (domain) frekuensi.
PDF PRVW | DWNLD

Bab 4 Operasi Dasar
Citra digital dipresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen-elemen matriks. Elemen matriks yang dimanipulasi dapat berupa elemen tunggal (sebuah pixel), sekumpulan elemen yang berdekatan, atau keseluruhan elemen matriks.
PDF PRVW | DWNLD

Bab 5 Peningkatan Kualitas Citra
Perbaikan kualitas citra (image enhancement) merupakan salah satu proses dalam pengolahan citra (image preprocessing). Perbaikan kualitas diperlukan karena seringkali citra yang dijadikan obiek pembahasan mempunyai kualitas yang buruk, misalnya citra mengalami derau (noise) pada saat pengiriman melalui saluran transmisi, citra terlalu terang/gelap, citra kurang tajam, kabur, dan sebagainya. Melalui operasi pemrosesan awal inilah kualitas citra diperbaiki sehingga citra dapat digunakan untuk aplikasi lebih lanjut, misalnya untuk aplikasi pengenalan (recognition) objek di dalam citra
PDF PRVW | DWNLD

Bab 6 Warna
Persepsi visual citra berwarna (color images) umumnya lebih kaya dibandingkan dengan citra hitam putih (gray scale), karena itu citra berwarna lebih disenangi dari citra hitam putih. Citra berwarna menampilkan warna objek seperti warna aslinya (meskipun tidak terlalutepat demikian). Bab ini akan menguraikan konsep warna, model warna, dan transformasi warna dari satu model ke model lainnya.
PDF PRVW | DWNLD

Bab 7 Deteksi Tepi
Analisis citra pada dasarnya terdiri dari tiga tahapan : ekstraksi ciri (feature extraction), segmentasi, dan klasifikasi. Faktor kunci dalam mengekstraksi ciri adalah kemampuan mendeteksi keberadaan tepi (edge) dari objek di dalam citra. Setelah tepi objek diketahui, langkah lanjutnya dalam analisis citra adalah segmentasi, yaitu mereduksi citra menjadi objek atau region, misalnya memisahkan objek-objek yang berbeda dengan mengekstraksi batas-batas objek (boundary). Langkah terakhir dari analisis citra adalah klasifikasi, yaitu memetakan segmen-segmen yang berbeda ke dalam kelas objek yang berbeda pula.
PDF PRVW | DWNLD

Bab 8 Citra Biner
Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan: hitam dan putih. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lehih kaya daripada citra biner, namun tidak membuat citra biner mati. Pada beberapa aplikasi citra biner masih tetap dibutuhkan, misalnya citra logo instansi (yang hanya terdiri atas warna hitam dan putih), citra kode batang (bar code) yang tertera pada label barang, citra hasil pemindaian dokumen teks, dan sebagainya.
PDF PRVW | DWNLD

Bab 9 Pemampatan Citra
Pemampatan citra atau kompresi citra (image compression) bertujuan meminimalkan kebutuhan memori untuk merepresentasikan citra digital. Prinsip umum yang digunakan pada proses pemampatan citra adalah mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra, menjadi lebih sedikit daripada representasi citra semula.
PDF PRVW | DWNLD

Bab 10 Pengenalan Pola
Pola adalah suatu entitas yang dapat didefinisikan (mungkin secara samar) dan dapat diberi suatu identifikasi atau nama. Contoh: gelombang suara, sidik jari, raut wajah, penutup lahan dll. Sedangkan object descriptors / features / cirri adalah suatu ukuran yang bersifat kwantitatif yang merupakan deskriptor suatu obyek tertentu pada citra dan merupakan kumpulan deskriptor (features / ciri) suatu obyek pada citra. Kelas pola (kategori obyek) adalah sekumpulan pola yang mempunyai sifat / properties / ciri yang sama. Contoh: pola-pola pada kelas hutan, pola-pola pada kelas air dst.nya.
PDF PRVW | DWNLD