19
2.5.1
Distribusi Priori Bayesian dan Energi
Seperti
yang
telah
dijelaskan
sebelumnya,
pilihan
dari
sebuah
prior di
metodologi
bayesian
adalah
subjektif.
Prior
harus
bisa
merepresentasikan citra
yang
bersih
seperti
yang
terlihat. Orang-orang
mengharapkan citra
yang
halus.
Ada
tidaknya
proses
penghalusan
bisa
dilihat
dari
selisih
tingkat
keabuannya.
Semakin
kecil
perbedaan antara tingkat keabuannya maka semakin halus ikatannya.
Ada
interaksi energi
yang
terjadi diantara dua
piksel
yaitu
piksel
yang
saling
bersebelahan. Letak dari pasangan i,j dari piksel yang bersebelahan berinteraksi dengan
energi yang dinotasikan E
i,j
.
Definisikan energi dari gambar
sebagai,
E(?)=
?
?
?,?
?
Ei, j
?
?
?
(2.16)
Simbol
(i,j)
menyatakan
piksel
i
dan
j
yang
saling
bersebelahan dan
jumlahnya
menggantikan semua pasangan piksel
yang bersebelahan di bidang
gambar. Dimodelkan
E
i,j
dalam
cara
ini
yang
berarti
kecil
ketika
tingkat
keabuan
mendekati
satu
sama
lain
dan
besar
ketika
tingkat
keabuannya berbeda
dalam
jumlah
yang
besar.
Lalu,
gambar
yang halus memiliki energi yang lebih kecil. Didefinisikan prior seperti
p(?) =
?
exp[-ß E(?)]
(2.17)
?ß?
p
dimana ßp = 1/T dan T adalah parameter kehalusan yang disebut temperatur prior. Z(ß
p
)
adalah konstanta normalisasi yang diberikan sebagai berikut:
Z(ß
p
)=
?
?
exp
?
ßpE
?
?
??
(2.18)
Prior, seperti yang didefinisikan diatas, disebut distribusi Gibbs.
 |