Image Enhancement Spatial Filtering

Spatial filtering adalah suatu proses filtering

yang dilakukan secara langsung pada pixels dari
suatu gambar.
Proses ini terdiri dari sebuah filter mask yang
diproses dari satu titik ke titik yang lain dalam
gambar.
Pada setiap titik (x,y) akan dikalikan dengan
menggunakan filter mask yang telah ditetapkan.
Operasi Neighbourhood hanya beroperasi pada lingkungan yang
lebih besar dari operasi titik pixel dan sebagian besar merupakan
segi empat di sekitar pixel pusat.
Origin x

(x, y)
Neighbourhood

y Image f (x, y)
Some simple neighbourhood operations include:
Min: Set nilai pixel untuk minimum in the neighbourhood.
Max: Set nilai pixel untuk maximum in the neighbourhood.
Median: Nilai median dari himpunan bilangan adalah nilai titik
tengah (contoh dari set[1, 7, 15, 18, 24] 15 is the median).
 Smoothing filters digunakan untuk mengaburkan
dan untuk mengurangi noise.
Blurring digunakan dalam langkah preprocessing,
seperti penghapusan detil kecil dari objek
gambar sebelum ekstraksi.
Pengurangan noise dapat dicapai dengan mengaburkan
suatu image.
 Linear spatial filter adalah rata - rata dari
pixel yang terdapat di sekitar filter mask.
Kadang-kadang disebut "filter rata-rata".
Idenya adalah mengganti nilai setiap pixel gambar
dengan rata-rata gray level yang telah
didefinisikan oleh filter mask.
 1 1 1 1 2 1
1 1
1 1 1 2 4 2
9 16
1 1 1 1 2 1

Standard average Weighted average

 Salah satu operasi spatial filtering yang
paling sederhana adalah smoothing
operation dengan menggunankan simple 1/ 1/ 1/
9 9 9
averaging filter.
1/ 1/ 1/
Rata-rata semua pixel di sekitar nilai pusat. 9 9 9

1/ 1/ 1/
9 9 9
Simple averaging filter
 a b c r s t
Original image x
d
g
e
h
f
i
* u
x
v
y
w
z
Original Image Filter
Simple 3*3 e Pixels
Neighbourhood
3*3 Filter eprocessed = v*e +
r*a + s*b + t*c +
u*d + w*f +
y Image f (x, y) x*g + y*h + z*i
Proses di atas diulang untuk setiap pixel dalam gambar asli untuk
menghasilkan filtering image.
 1/ 1/ 1/
Original image x 104 100 108 9 9 9
1/ 1/ 1/
99 106 98

95 90 85
* 1/
9

9
1/
9

9
1/
9

1/ 100
9 /9 108
104 1 1/ Original Image Filter
Simple 3*3 1/
9

/9 198
999 1106 /9
3*3 Smoothing Pixels
Neighbourhood /9 190
195 /9 185
/9
Filter
e = 1/9*106 +
1/ *104 + 1/ *100 + 1/ *108 +
9 9 9
1/ *99 + 1/ *98 +
9 9
y Image f (x, y) 1/ *95 + 1/ *90 + 1/ *85
9 9 9
= 98.3333
Proses di atas diulang untuk setiap pixel untuk menghasilkan smooth image.
Original Image Smoothed Image
Histograms of pixels in an image
Histogram dapat digunakan untuk:
Mencapai kecerahan yang diinginkan and contrast
range yang diinginkan.
Dapat menentukan apakah pencahayaan atau bayangan
kehilangan detail pixel value.
Mengidentifikasi dan memperbaiki pergeseran warna.
Misalnya: Histogram Equalization.
The histogram is a graphical representation of the
brightness levels (from pure black to pure white), and the
relative count of pixels within each brightness level.

The horizontal axis represents tonal values from 0 to 255. Eight-bit files have 256
tonal values. 12-bit, 4096. 16-bit, 65536.
 im=imread('lena512.bmp');
im=rgb2gray(im);
figure(1);
imshow(im);
figure(2);
imhist(im);
image=histeq(im);
figure(3);
imshow(image);
figure(4);
imhist(image);
Red Green Blue
Contoh Histogram

Mid-tone
118 R
124 G

Shadow 136 B

24 R
23 G
18 B Highlights
238 R

Pixel count 232 G

high for sky 220 B
 We have already looked at different kinds of point
processing image enhancement

Next time we start to look Image Enhancement in the

frequency domain.