Berikut ini beberapa materi digital image processing yang sudah saya pelajari dan beberapa implementasi dasarnya menggunakan Matlab :
1. Histogram analysis, color tone dan dasar pemrosesan citra
Materi ini berkisar tentang pengukuran kadar gray level (intensitas) pada sebuah gambar. Untuk percobaan pertama, lebih banyak menggunakan gambar gray level yang sudah dinormalisasi menggunakan fungsi im2double(). Dengan histogram kita bisa mengetahui seberapa besar kadar hitam dan putih, serta perpaduan keduanya pada sebuah gambar gray level. Selain itu dibahas pula beberapa materi tentang pengubahan gambar warna (RGB, HSV, HSI, CMYK) dan pemrosesan kadar intensitas dari gambar tersebut.
2. Linear Transform
Berangkat dari histogram, kita bisa memanipulasi sebuah gambar gray level menggunakan beberapa cara. Linear transform di sini berarti kita memanipulasi sebuah citra pada domain spatial (2D atau x,y). Transformasi ini meliputi :
a. Contrast Enhancement (Stretching)
b. Clipping
c. Tresholding
3. Filtering
Materi ini berkisar tentang penerapan filter/mask pada sebuah citra. Sebuah citra bisa diperbaiki dengan menerapkan fungsi-fungsi tertentu pada citra tersebut. Filtering bermanfaat untuk noise reduction pada sebuah citra. Beberapa jenis noise bisa dihilangkan dengan konsep filtering yang berbeda. Prinsip filtering ini pada dasarnya menerapkan konsep konvolusi (dipelajari di sinyal dan sistem, teknik elektro). Beberapa teknik filtering yang sudah dipelajari antara lain :
a. Mean filter (Averaging filter)
b. Median Filter
c. Edge Detection
4. Pattern Recognition
Dasar dari pengenalan pola adalah penggunaan tempate matching. Pada tema ini, kita diminta untuk melakukan pencarian sebuah pola (template) pada sebuah gambar asal. Jika pola tersebut sesuai (dengan kata lain, error antara pola dan area tertentu dalam gambar tersebut = 0), maka kita sudah menemukan lokasi template tersebut dari gambar awal.