Citra Anaglyph untuk Tampakan 3-Dimensi

Melihat tampakan 3-D pada citra anaglyph menggunakan "kacamata" 3-D biru-merah.

Tampakan 3-Dimensi adalah hal yang menarik dalam dunia spasial. Citra anaglyph dapat menghasilkan tampakan 3-D dan membuatnya pun ternyata tidak sulit. Mau mencoba..?

Bahan yang diperlukan semua “gratis” dan dengan mudah kita dapatkan. Apa yang harus disiapkan..?

Data:

• Data citra (satelit) ter-georeferensi, didapatkan dari citra pada Google Earth, dapat di-capture menggunakan perlun SIG free.
• Data DEM/DTM, untuk data ini bisa didapatkan dari data DEM SRTM.

Perangkat lunak dan peralatan:

• Gunakan perangkat lunak ILWIS, yang merupakan keluarga open source dan juga free, dapat diunduh dari situs ilwis.org atau di laman unduh.
• Kacamata 3-Dimensi, digunakan untuk melihat hasil akhir dari proses ini. Kacamata ini dapat diperoleh di Toko Buku atau dapat dibuat sendiri dengan menggunakan mika sampul berwarna (merah-biru).

Proses secara umum adalah sebagai berikut:

• Pilih lokasi yang mempunyai kondisi topografi menarik, ada dataran tinggi dan rendah.
• Gunakan Google Earth untuk mendapatkan citra satelit lokasi tersebut. Manfaatkan perlun free untuk meng-capture-nya dan mendapatkan koordinatnya langsung, seperti perlun SIG Elshayal.
• DEM SRTM di-crop sesuai dengan luasan citra.
• Simpan citra dan SRTM dalam GeoTIFF dengan dimensi spasial yang sama.
• Import dalam format ILWIS dengan menggunakan GDAL.
• Setelah berhasil, pastikan data citra mempunyai domain “image”
• Jika citra masih dalam composite, lakukan “Color Sparation” (Operations -> Image Processing -> Color Sparation). Simpan kanal merah menjadi file citra baru.
• Jalankan fungsi “Stereo Pair from DTM” untuk menghasilkan citra stereo (Operations -> Image Processing -> Stereo Pair from DTM)
• Hasil dari proses ini berupa file data baru, tampilkan dalam citra anaglyph (Operations -> Visualization -> Stereo pair -> as Anaglyph).
• Nikmati tampakan 3-Dimensi pada citra anaglyph dengan menggunakan kacamata 3-D anda.

Gambaran proses dapat dilihat melalui slide berikut ini:

Slide (pdf) dapat diunduh melalui laman unduh.

Contoh citra anaglyph:

Citra Anaglyph Gunung Rinjani (klik untuk memperbesar)

Selamat menikmati… : )

Mencetak tataletak ke TIFF

Menataletak tampilan (layout) pada perangkat lunak ER Mapper sangatlah gampang. Hal ini salah satu yang disukai pemakai dalam “mengakhiri” pekerjaannya dalam menampilkan hasil pemrosesan citra pada media cetak. Sepanjang perangkat lunak penghubung (driver) antara komputer dan mesin pencetak (printer) sudah terpasang dengan baik maka tinggal kirim dokumen yang telah dirangkai dalam “alg” ke mesin pencetak… beres…

Segampang itukah proses pengiriman dokumen ke mesin pencetak..?

Image Fusion, Trik Mengatasi Keterbatasan Citra

Pemanfaatan cita satelit sebagai bahan kajian sumberdaya alam terus berkembang, sejalan dengan semakin majunya teknologi pemrosesan dan adanya peningkatan kemampuan sensor satelit dalam merekam kondisi permukaan bumi. Peningkatan kemampuan sensor ini dapat kita lihat selain dari semakin beragam resolusi spektral juga semakin baiknya resolusi spasial yang hasilkan. Sebagai contoh, pada awal tahun sembilan puluhan satelit Landsat memiliki sensor Thematic Mapper dengan resolusi spasial 30 meter, pada akhir sembilan puluhan Landsat telah memiliki sensor Enhanced Thematic Mapper yang telah dilengkapi sensor pankromatik dengan resolusi spasial 15 meter. Begitu pula dengan satelit SPOT. Pada saat ini sensor multispekstral SPOT telah mampu merekam citra dengan resolusi 10 meter dan sensor pankromatiknya mampu menghasilkan resolusi spasial 5 meter. Ini merupakan kemajuan dimana pada generasi sebelum sensor multispektral SPOT hanya mampu merekam citra beresolusi 20 meter dan pankromatik hanya 10 meter.

Hyperspectral / Imaging Spectroscopy

Imaging spectroscopy adalah suatu teknik yang relatif baru untuk mendapatkan satu spektrum pada tiap posisi dari suatu array yang besar, dari suatu posisi-posisi spasial sehingga suatu panjang gelombang spektral dapat digunakan untuk membuat citra yang koheren (datacube).

Imaging spectroscopy for remote sensing involves the acquisition of image data in many contiguous spectral bands with an ultimate goal of producing laboratory quality reflectance spectra for each pixel in an image (Goetz, 1992)

Dalam komunitas Remote Sensing (Penginderaan Jauh), Imaging spectroscopy mempunyai banyak nama antara lain termasuk imaging spectrometry, hyperspectral imaging dan ultraspectral imaging. Spectroscopy adalah studi tentang radiasi elektromagnet. Spectrometry berasal dari spectro-photometry, pengukuran photon sebagai fungsi dari panjang gelombang, suatu terminologi yang digunakan dalam astronomi (Clarke, 1998).

“Hyper” berarti sangat banyak. Data Hyperspectral biasanya mengandung sekurangnya 16 kanal yang kontinyu dari resolusi spektral tinggi yang melingkup satu daerah spektrum elektromagnet.

Ultraspectral (beyond hyperspectral) digunakan untuk menerangkan data yang mengandung ribuan kanal. Belum ada sensor yang didisain untuk ini tetapi hal ini merupakan masa depan imaging spectroscopy.

NDXI pada data ASTER

NDXI diterapkan pada data ASTER? Dari presentasi ACRS2005 di Hanoi, Vietnam, oleh tim ERSDAC pada tanggal 8 November 2005, formulasi yang mereka gunakan:

NDVI=(NIR(B3)-VIS(B2)) / (NIR(B3)＋VIS(B2))
NDSI=(SWIR(B8)-VIS (B1)) / (SWIR(B8)＋VIS(B1))
NDWI=(VIS(B1)-NIR(B3)) / (VIS(B1)+NIR(B3))

Saat coret-moret ini, gw sendiri belum pernah coba : )

NDXI

Kombinasi dari nilai Index (NDVI, NDWI, dan NDSI) dikenal dengan sebutan NDXI, cukup menarik.

Misal, kombinasi RGB: NDSI – NDVI – NDWI

Perlu diperhatikan rentang nilai yang akan digunakan, untuk menghasilkan nilai yang relatif konsisten.

Lebih asik lagi kalau juga diterapkan Algoritma untuk menghitung Perubahan Magnitud.

Normalized Difference Indices

Selain NDVI, terdapat juga NDWI (untuk air) dan NDSI (tanah)

Normalized Difference Water Index (NDWI)
NDWI = (Red – SWIR)/(Red + SWIR)

Normalized Difference Soil Index (NDSI)
NDSI = (SWIR – NIR)/(SWIR + NIR)