Image Restoration

1
Image Restoration

• Kelompok 12

2
Kelompok 12

• Dipo FIM (120200037Y)
• Eko Budi P (1202000397)
• Retno Amelia (1202000834)
• Sutia Handayani (1202001008)
• Gst Agus K Lastrawan (1202007049)

3
Definisi

• Merekonstruksi atau mengembalikan gambar yang
  telah di-degradasi.

4
Tujuan

• Menerapkan proses inversi untuk mengembalikan
  gambar sebenarnya

5
Image Restoration Process

• g(x,y) ƒ(x,y)
• Spacial Domain
• g(x,y) h(x,y)f(x,y) n(x,y)
• Frequency Domain
• G(x,y) H(x,y)F(x,y) N(x,y)

6
Noise Models

• Noise dalam gambar digital terjadi ketika image
  acquisition(digitalization) dan/atau ketika
  transmisi.
• Contoh dari noise
• Gaussian Noise
• Rayleigh Noise
• Erlang (Gamma) Noise
• Exponential Noise
• Uniform Noise
• Salt and Pepper Noise

7
Perbandingan probabilitas densitas fungsi
8
Gambar Asli
9
Gaussian Noise
Gaussian noise disebabkan oleh beberapa faktor,
antara lain elektronic sircuit noise dan sensor
noise karena illumination yang buruk dan/atau
suhu yang tinggi.
10
Rayleigh Noise
Rayleigh noise sangat berguna untuk
mengkarakterisasi phenomena noise yang terjadi
pada beberapa image.
11
Erlang (Gamma Noise)
12
Exponential Noise
13
Uniform Noise
Uniform noise digunakan sebagai basis dalam
men-generate random number untuk digunakan pada
simulasi
14
Salt and Pepper Noise
Salt and Pepper Noise ditemukan dalam situasi
dimana terjadi transisi yang cepat atau
pergeseran dalam imaging gambar
15
Restoration in Spatial Filtering

• Mean Filter
• Arithmetic Mean Filter
• Geometric Mean Filter
• Harmonic Mean Filter
• Contraharmonic Mean Filter
• Order-Statistics Filter
• Adaptive Filter
• Adaptive Median Filter

16
Contoh Arithmetic Mean Filter
17
Contoh Contraharmonic Filter
18
Contoh Contraharmonic Filter (cont)
19
Restoration in Frequency Domain Filtering

• Bandreject Filters
• Bandpass Filters
• Notch Filters
• Optimum Notch Filtering

20
Bandreject Filter
21
Estimating the Degradation Function

• Estimation by Image Observation
• Estimating by Experimentation
• Estimating by Modeling

22
Inverse Filtering

• Cara yang paling sederhana dengan menggunakan
  fungsi invers

• Kelemahannya adalah jika degradasinya memiliki
  nilai 0 atau sangat kecil, rationya akan
  mendominasi perkiraan F

23
Wiener Filtering

• Dalam prosesnya melibatkan fungsi degradasi dan
  karakteristik dari noise

24
Inverse vs Wiener Filtering
25
Constrained Least Square Filtering

• Hanya membutuhkan mean dan variance dari noise

26
Geometric Transformation

• Spatial Transformation
• Gray-level Interpolation

27
Spatial Tranformation
28
Gray-level Interpolation
29
Contoh Geometric Transf.