Nama : Moh Shohibul Wafa

NRP : 213210388

Diberikan sebuah citra input yang direpresentasikan dengan tabel sebagai berikut :
100 100 100 100 30
30 100 20 20 40
40 100 100 30 20
50 50 100 20 20
50 50 20 20 40


Jawaban
1. Perbaikan citra menggunakan contrast stretching Area input pada posisi :
r1 = 10, s1 = 75 r2 = 20, s2 = 85
Area input pada : 0 < r r1 (0,0) (30,60)



( )



( )

( )

Area input pada : r1 < r r2 (30,60) (75,150)




( )




( )

( )

( ) ( )

Area input pada : r1 < r r2 (75,150) (1,1) ; 1=255




( )




( )

( )

( ) ( )

CITRA OUTPUT
Area input pada : 0 r < r1 (0,0) (20,40) r = {20,30}
r = 20 = 40
r = 30 = 60
Area input pada : r1 r < r2 (20,30) (40,120) r = {30, 40}
r = 40 40 + 120 = 200
r = 50 2 * 50 + 120 = 220
Area input pada : r2 r < 1 (40,45) (1,1) ; 1=255
r = 100 = 251,33








2. Histogram Equalization dengan Persamaan
()


( )

S0 = T (r0) = ()

()
S1 = T (r1) = ()

() ()
S2 = T (r2) = ()

() () ()

S3 = T (r3) = ()

() () () ()

S4 = T (r4) = ()

() () () ()
()
S5 = T (r5) = ()

() () () ()
() ()
= 0,99 ~ 1

3. Perbaikan citra menggunakan Global Thresholding : Mean
T : Nilai Threshold Global
251 251 251 251 60
60 251 40 40 200
200 251 251 60 40
220 220 251 40 40
220 220 40 40 200
T = ( 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 50 + 50 + 50 + 50 + 40 + 40+
40 + 30 + 30 + 30 + 20 + 20 + 20 + 20 + 20 + 20 + 20 ) / 25
T = ( 800 + 200 + 120 + 90 + 140 ) / 25
T =

Mean = 54

4. Perbaikan citra menggunakan Global Thresholding : Iterative

Nilai T dengan nilai Mean = 54
threshold below=Tb=u1
Tb < T ;
Tb = (50 + 50 + 50 + 50 + 40 + 40+ 40 + 30 + 30 + 30 + 20 + 20 + 20 + 20 + 20 + 20 +
20 ) / 17
Tb = ( 200 + 120 + 90 + 140 ) / 17
Tb =

Threshold over=T=u2
To T ;
To = ( 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 ) / 8
To =

Nilai T yang baru; T0
T0 = ( Tb + To ) / 2
T0 =

Ulangi (step 2) sampai convergence
T0 = 66,17
Threshold below=Tb=u1
Tb < T ;
Tb = (50 + 50 + 50 + 50 + 40 + 40+ 40 + 30 + 30 + 30 + 20 + 20 + 20 + 20 + 20 +
20 + 20 ) / 17
Tb = ( 200 + 120 + 90 + 140 ) / 17
Tb =

Threshold over=T=u2
To T ;
To = ( 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 ) / 8
To =

Nilai T yang baru; T1
T1 = ( Tb + To ) / 2
T1 =

Iterative
Iterasi 0 : T = ? ; u1 = 32,35 ; u2 = 100
Iterasi 1 : T = ? ; u1 = 32,35 ; u2 = 100

5. Perbaikan citra menggunakan Global Thresholding : Two Peaks
Tentukan nilai persentase histogram/frekuensi untuk setiap f(x,y)
Histogram untuk f(x,y) : 100 sebanyak 8 kali 32 %
Histogram untuk f(x,y) : 50 sebanyak 4 kali 16 %
Histogram untuk f(x,y) : 40 sebanyak 3 kali 12 %
Histogram untuk f(x,y) : 30 sebanyak = 3 kali 12 %
Histogram untuk f(x,y) : 20 sebanyak = 7 kali 28 %











Cari Peak Pertama (FP) dengan melihat f(x,y) yang memiliki persentase histogram
tertinggi.
FP = 100, dengan frekuensi sebanyak 8 kali
Cari Peak Kedua (SP) dengan cara: max{(k-j)
2
* h[k]}
Dimana :
k : f(x,y)
j : FP (first peak)
h[k] : persentase histogram untuk f(x,y)

k = f(x,y) = 100
o max{(100-100)
2
* 4} max{(0)
2
* 4}
o 0
32% 32% 32% 32% 32%
12% 32% 28% 28% 12%
12% 32% 32% 12% 28%
16% 16% 32% 28% 28%
16% 16% 28% 28% 12%
k = f(x,y) = 50
o max{(50-100)
2
* 4} max{(-50)
2
* 4}
o 2500 * 4 = 10000
k = f(x,y) = 40
o max{(40-100)
2
* 3} max{(-60)
2
* 3}
o 3600 * 3 = max {10800}
k = f(x,y) = 30
o max{(30-100)
2
* 3} max{(-70)
2
* 3}
o 4900 * 3 = max {14700}
k = f(x,y) = 20
o max{(20-100)
2
* 7} max{(-80)
2
* 7}
o 6400 * 7 = max{914}
Cari nilai T dengan menentukan nilai Low Point diantara kedua peak
FP = 100
SP = 20
Low Point =

6. Perbaikan citra menggunakan Global Thresholding : Otsu
Berdasarkan pemilihan titik terendah diantara 2 kelas, maka dilakukan analisa varians
Lalui seluruh level intensitas dalam histogram

5 level histogram

Hitung nilai between-class variance (

)
100
50
40 30
20
0
1
2
3
4
5
6
7
8
9
F
r
e
k
u
e
n
s
i

Level
0 1 2 3 4
Background :

o Weight

= 0,48
o Mean

=
( ) ( )

= 0,333
o Variance

=
(( )

) (( )

)

( ) ( )

= 0,2222

Hitung nilai between-class variance (

)
Foreground


o Weight

= 0,52
o Mean

=
( ) ( ) ( )

= 3,307
o Variance

=
(( )

)(( )

)(( )

)

( ) ( ) ( )

=
0,6744

Maksimalkan nilai between-class variance

= 0,2222

= 0,6744

Kalkulasi Within-class variance

= (0,48 * 0,2222) + (0,52 * 0,6744)

= 0,1066 + 0.3506 = 0,4572