WorksheetsKPCD
Total questions: 40
Worksheet time: 20mins
Digital Image Processing berbeda dari pengolahan citra analog karena
Data diproses dalam bentuk sinyal kontinu
Representasi datanya berupa matriks piksel diskrit
Selalu memerlukan perangkat optik khusus
Tidak memerlukan proses kuantisasi
Tujuan utama Digital Image Processing adalah
Menurunkan ukuran file citra
Meningkatkan kualitas citra serta mengekstraksi informasi
Menambah jumlah warna citra
Mengubah domain warna menjadi HSV
Tahapan pertama dari fundamental steps dalam Digital Image Processing adalah
Segmentation
Preprocessing
Image Acquisition
Recognition
Nilai f(x,y) dalam fungsi citra digital menyatakan
Koordinat spasial
Nilai intensitas atau kecerahan
Ukuran citra
Jumlah kanal warna
Sampling dalam representasi citra digital berarti
Diskritisasi nilai intensitas
Penentuan koordinat x dan y
Transformasi domain frekuensi
Penjumlahan piksel
Quantization dalam representasi citra digital berarti
Penentuan jumlah piksel per dimensi
Konversi nilai intensitas menjadi level diskrit
Transformasi Fourier
Mengubah model warna
Ketika sampling rate terlalu rendah, fenomena yang muncul adalah
Quantization error
Aliasing
Kontras meningkat
Detail bertambah
Resolusi spasial berhubungan dengan
Ukuran bit depth
Jumlah piksel per dimensi
Level warna
Noise sensor
Resolusi intensitas menunjukkan
Ukuran piksel
Jumlah level kecerahan yang dapat dibedakan
Frekuensi spasial
Format penyimpanan
Model warna HSV paling sesuai dengan
Perangkat monitor
Persepsi visual manusia
Perangkat printer
Sensor CCD
Format file PNG memiliki keunggulan utama yaitu
Lossy compression
Lossless compression dan transparansi
Animasi 3D
Konversi otomatis RGB ke CMYK
Proses akuisisi citra bertujuan untuk
Mengubah warna citra
Mendapatkan citra digital dari dunia nyata
Menghapus noise
Menambah kontras
Jenis akuisisi citra “remote sensing” dilakukan menggunakan
Scanner
Drone atau satelit
Kamera mikroskop
Smartphone
Komponen yang berfungsi mengubah sinyal analog menjadi digital adalah
Lensa
Sumber cahaya
Digitizer/ADC
Storage
Faktor yang tidak memengaruhi kualitas citra adalah
Resolusi sensor
Noise cahaya
Ukuran font pada display
Kondisi pencahayaan
Image enhancement bertujuan untuk
Memperbaiki kualitas citra agar sesuai kebutuhan visual atau komputasi
Menurunkan ukuran citra
Menambah jumlah piksel
Menukar warna RGB ke CMYK
Sifat subjektif dalam image enhancement berarti
Hasil peningkatan selalu sama
Berbeda tergantung pada tujuan atau kebutuhan visual
Selalu mengikuti histogram equalization
Otomatis ditentukan algoritma
Domain spasial berarti
Operasi dilakukan langsung pada nilai piksel
Operasi dilakukan di domain frekuensi
Transformasi dilakukan di ruang warna
Proses konversi ke format lain
Persamaan umum transformasi intensitas pada domain spasial adalah
g(x,y)=T[f(x,y)]
f(x,y)=T[g(x,y)]
T(x,y)=F(u,v)
f(x,y)=g(x,y)*h(x,y)
Transformasi negatif menggunakan rumus
s = c·r^γ
s = c·log(1+r)
s = L - 1 - r
s = 1/(1+r)
Transformasi logaritmik digunakan untuk
Menonjolkan detail intensitas rendah
Menghapus noise
Mengonversi ke domain frekuensi
Meningkatkan warna dominan
Dalam power-law transform, nilai γ < 1 menghasilkan citra yang
Semakin terang
Semakin gelap
Tidak berubap
Overexposed
Histogram matching digunakan untuk
Membuat histogram citra input mirip dengan target
Menajamkan tepi
Menurunkan noise
Menghapus warna latar
Contoh aplikasi histogram matching adalah
Normalisasi citra medis
Edge enhancement
Konversi RGB
Thresholding
Filter atau kernel didefinisikan sebagai
Matriks kecil yang digeser ke seluruh citra
Matriks diagonal
Matriks 0-1
Koefisien gamma
Operasi konvolusi menghasilkan
Nilai piksel baru berdasarkan kombinasi tetangga
Transformasi warna
Fourier spectrum
Citra negatif
Mean filter 3×3 dengan semua elemen 1/9 termasuk
High-pass filter
Low-pass filter
Sobel filter
Laplacian filter
Gaussian filter menghasilkan efek
Halus dengan pembobotan berbasis distribusi Gaussian
Kasar dengan noise tinggi
Menghapus warna
Meningkatkan saturasi
Laplacian filter digunakan untuk
Menonjolkan detail halus dan tepi
Mengurangi blur
Meratakan intensitas
Menghapus warna
High-boost filter memiliki parameter A≥1 yang berfungsi untuk
Menambah detail hasil smoothing
Menurunkan kontras
Meningkatkan noise
Menghapus blur
Sobel filter digunakan untuk
Deteksi tepi vertikal dan horizontal
Smoothing lokal
Histogram equalization
Transformasi warna
Median filter bersifat non-linear karena
Nilai piksel diganti median tetangga
Nilai piksel dijumlah
Operasi berbasis rata-rata
Transformasi log
Filter min menonjolkan
Objek gelap
Objek terang
Area tepi
Noise impulsif
Filter max menonjolkan
Objek terang
Objek gelap
Tepi halus
Area kontras rendah
Contrast stretching termasuk jenis transformasi
Non-linear
Point Processing
Histogram equalization
Gamma correction
Histogram citra menunjukkan
Distribusi spasial piksel
Distribusi nilai intensitas piksel
Distribusi tepi
Distribusi kanal warna
Histogram yang menumpuk di sisi kiri menandakan bahwa citra
Memiliki kontras tinggi
Cenderung gelap
Terang sempurna
Overexposed
Histogram equalization bertujuan untuk
Meratakan distribusi intensitas agar kontras meningkat
Menurunkan noise
Menghapus latar belakang
Meningkatkan saturasi warna
Penyebab dead range pada histogram equalization adalah
Nilai piksel berlebih
Distribusi kumulatif melompat karena jumlah piksel kecil
Kontras terlalu tinggi
Resolusi terlalu besar
Solusi untuk menghilangkan dead range adalah
Normalisasi menggunakan CDF pertama yang > 0
Menghapus piksel ekstrem
Menambah bit depth
Menggunakan filter median
