Upload
sienny-angelia
View
188
Download
14
Embed Size (px)
DESCRIPTION
Mata Kuliah Semester 4 - Digital Image Processing iSTTS Surabaya
Citation preview
Image Restoration
1
Pendahuluan Hampir semua citra mengalami degradasi dalam akuisisinya Degradasi bisa disebabkan oleh: kamera yang tidak fokus, gerakan kamera atau objek saat pemotretan, noise yang dihasilkan oleh sensor (scanner, CCD) dsb. Tujuan restorasi citra untuk membersihkan citra dari efek degradasi ini Salah satu beda restorasi citra dan perbaikan citra: Restorasi citra memiliki model bagi proses degradasi, sehingga usaha restorasi diorientasikan pada inverse proses ini
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
2
Pendahuluan (Model Degradasi) Degradasi citra dimodelkan sebagai berikut:
Konvolusi pada domain spatial = multiplication pada domain frekuensi
Permasalahan: bagaimana mendapatkan f(m,n) dari g(m,n) ?Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
3
Noise Model Beberapa noise dapat dimodelkan dengan menggunakan berbagai probability density function (PDF) Asumsinya adalah: noise di dunia nyata mirip dengan noise yang dimodelkan, sehingga restorasi citra lebih mudah dilakukan
Image Asli
Histogram Image Asli
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
4
Noise Model (Gaussian Noise) PDF untuk Gaussian Noise adalah:z: graylevel Q: mean W: standar deviasi
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
5
Noise Model (Rayleigh Noise) PDF untuk Rayleigh Noise adalah:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
6
Noise Model (Erlang/Gamma Noise) PDF untuk Erlang (Gamma) Noise adalah:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
7
Noise Model (Exponential Noise) PDF untuk Exponential Noise adalah:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
8
Noise Model (Uniform Noise) PDF untuk Uniform Noise adalah:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
9
Noise Model (Salt-n-Pepper Noise) PDF untuk Salt-n-Pepper (Impulse) noise adalah:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
10
Restorasi dari Noise (1) Bila degradasi hanya berupa noise maka dapat digunakan: Mean filter Arithmetic mean Geometric mean Harmonic mean Contra Harmonic mean
Order statistic filter Median filter Max and min filter Alpha-trimmed mean filter
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
11
Restorasi dari Noise (2)MEAN FILTER
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
12
Restorasi dari Noise (3)ORDER STATISTIC FILTER
Median Filter = di spatial filtering : cocok untuk salt and pepper noise13
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
Restorasi dari Noise (4)
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
14
Periodic Interference/Noise Degradasi jenis ini muncul akibat interferensi magnetik/mekanik saat akuisisi citra Sifat noise spatial dependent Sangat mudah dihilangkan dalam domain frekuensi
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
15
Periodic Interference (Contoh)
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
16
Periodic Interference (Contoh hasil FT-nya)
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
17
Band-reject Filter (1)Ideal band reject:
Butterworth band reject:
Gaussian band reject:
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
18
Band-reject Filter (2)
ideal
butterworth
gaussian
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
19
Restorasi dgn Band-Reject Filter
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
20
Notch Filter (1)Ideal Notch Filter:
Butterworth Notch Filter :
Gaussian Notch Filter :
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
21
Notch Filter (2) Semacam band-reject filter untuk sehimpunan kecil frekuensi
ideal
butterworth gaussian
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
22
Linear Degradation Misalnya blur karena gangguan atmosfer pada foto udara
Atau blur karena gerakan kamera / objek (motion blur)
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
23
Restorasi dgn Inverse Filtering Rentan bila ada noise!
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
24
Restorasi dgn Inverse Filtering (contoh) Contoh hasil restorasi tanpa noise
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
25
Restorasi dgn Inverse Filtering (contoh) Contoh hasil restorasi dengan noise
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
26
Restorasi dgn Wiener Filter (1) Untuk meminimalkan motion blur : by Robert WienerSxx(f1,f2) : spektrum frekuensi image SLL (f1,f2) : spektrum noise Hxx(f1,f2) : spektrum blurring filter
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
27
Restorasi dgn Wiener Filter (2)
Blurred Image
Spectrumnya
Spectrum Wiener Filter
Spectrum image yang sudah di filter
Image yang sudah di filter
Original Image
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
28
Spatial Restoration (geometrik transformation) Melakukan penskalaan terhadap citra Melakukan rotasi terhadap citra Memperbaiki citra yang penceng
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
29
Geometrik Transformation Sederhana Contoh sederhana :x = r(x,y) = x / 2 y = s(x,y) = y / 2
Tapi seringkali kita tidak tahu fungsi transformasinya, sehingga cara berikut yang digunakan
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
30
Geometrik Transformation Agak rumit (1) Menentukan tiepoint
citra input
citra output
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
31
Geometrik Transformation Agak rumit (2) Menentukan fungsi transformasi. Bentuk umumnya : x = r(x,y) = c1x + c2y + c3xy + c4 y = s(x,y) = c5x + c6y + c7xy + c8 Selesaikan persamaan untuk mendapatkan nilai c1 s.d. c8, dengan menggunakan kedelapan nilai koordinat.
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
32
Graylevel Interpolation Transformasi spatial dengan forward mapping membuat posisi-posisi tertentu tidak diketahui gray levelnya, yang harus dicari dengan interpolasi. Macam-macam metodenya : Interpolasi orde nol Interpolasi bilinier
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
33
Graylevel Interpolation (interpolasi orde nol) Interpolasi yang paling sederhana Gray level yang dicari = gray level pixel terdekat
0 1 2 3 4 5 6 0 1 2 3
Posisi (3,5) dan (2,6) = piksel (3,6). Posisi (0,4) dan (0,6) = piksel (0,5).
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
34
Graylevel Interpolation (interpolasi bilinear) Gray level ditentukan berdasar 4 pixel tetangga terdekat Dihitung dari : v(x,y) = ax + by + c xy +d
0 0 50 1 2200
1 2100
Dicari gray level (1,1)v(0,0)=a.0+b.0+c.0.0+d=50 v(0,2)=a.0+b.2+c.0.2+d=200 v(2,0)=a.2+b.0+c.2.0+d=100 d=50 b=75 a=25 c=-60
10 v(2,2)=a.2+b.2+c.2.2+d=10
v(1,1)=25.1+75.1+(-60).1.1+50=90
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
35
Contoh Interpolation ( Orde 0 dan Bilinear )
Pengolahan Citra Digital Sekolah Tinggi Teknik Surabaya, 2011
36