Kualitas Citra

       Di samping cacah intensitas kecerahan, jumlah piksel yang digunakan untuk menyusun suatu citra  mempengaruhi kualitas citra. Istilah resolusicitrabiasa dinyatakan jumlah piksel pada arah lebar dan tinggi. Resolusi piksel biasa dinyatakan dengan notasi m x n, dengan m menyatakan tinggi dan n menyatakan lebardalam  jumlah piksel. Contoh pada Gambar 2.5 menunjukkan bahwa kalau gambar apel hanya dinyatakan dalam 8 x 8 piksel,citra yang terbentuk sangat berbeda dengan aslinya.Seandainya jumlah piksel yang digunakan lebih banyak, tentu akan lebih mendekati dengan gambar aslinya. Contoh pada Gambar 2.6 memperlihatkan efek resolusi piksel untuk menampilkan gambar yang sama.

Gambar 2.7Efek resolusi berdasar jumlah piksel pada citra

ketika gambar disajikan dengan ukuran yang sama

Terlihat bahwa pada resolusi tertentu citra menjadi kabur kalau dinyatakan dengan jumlah piksel yang makinsedikit.

            Resolusi spasial ditentukan oleh jumlah piksel per satuan panjang. Istilah seperti dpi (dot per inch) menyatakan jumlah piksel per  inci. Misalnya, citra 300 dpi menyatakan bahwa citraakan dicetak dengan jumlah piksel sebanyak 300 sepanjang satu inci. Berdasarkan hal itu, maka citra dengan resolusi ruang spasial sebesar 300 dpi dicetak di kertas dengan ukuran lebih kecil daripada yang mempunyai resolusi ruang sebesar 150 dpi, meskipun kedua gambar memiliki resolusi piksel yang sama.

Read More

Kuantisasi Citra

 Citra digital sesungguhnya dibentuk melalui pendekatan yang dinamakan kuantisasi.Kuantisasi adalah prosedur yang dipakai untuk membuat suatu isyarat yang bersifat kontinu ke dalam bentuk diskret.Untuk mempermudah pemahaman konsep ini, lihatlah Gambar (a) menyatakan isyarat analog menurut perjalanan waktu t, sedangkan Gambar(b) menyatakan isyarat diskret

Gambar 2.4 Perbandingan isyarat analog dan isyarat diskret

            Pada isyarat digital, nilai intensitas citra dibuat diskret atau terkuantisasi dalam sejumlah nilai bulat. Gambar (a) menunjukkan contoh citra biner  dua nilai intensitas berupa 0 (hitam) dan 1 (putih).Selanjutnya, gambar tersebut ditumpangkan pada grid 8x8 seperti yang diperlihatkan pada Gambar (b).Bagian gambar yang jatuh pada kotak kecil dengan luaslebih kecil dibanding warna putih latarbelakang, seluruh isi kotak dibuat putih.Sebaliknya, jika mayoritas hitam, isi kotak seluruhnya dibuat hitam.Hasil pengubahan ke citra digital tampak pada Gambar (c).Adapun Gambar (d) memperlihatkan bilangan yang mewakili warna hitam (0) dan putih (1).Dengan demikian, citra digital akan lebih baik (lebih sesuai aslinya) apabila ukuran piksel diperkecil atau jumlah piksel diperbanyak.

Gambar 2.5Digitalisasi citra biner 8x8 piksel

untuk memperlihatkan bentuk piksel ideal

            Bagaimana halnya kalau gambar mengandung unsur warna (tidak sekadar hitam dan putih)? Prinsipnya sama saja, tetapi sebagai pengecualian,warna hitam diberikan tiga unsur warna dasar, yaitu merah (R = red), hijau (G = green), dan biru (B = blue). Seperti halnya pada citra monokrom (hitam-putih) standar, dengan variasi intensitas dari 0 hingga 255, pada citra berwarna terdapat 16.777.216 variasi warna apabila setiap komponen R, G, dan B mengandung 256 aras intensitas. Namun, kepekaan mata manusia untuk membedakan macam warna sangat terbatas, yakni jauh di bawah enam belas juta lebih tersebut.

       Untuk beberapa keperluan tertentu, jumlah gradasi intensitas saling berbeda. Tabel 2.1 memberikan lima contoh untuk citra beraras keabuan dan Tabel 2.2 menunjukkan empat contoh penggunaan citra berwarna (RGB). Perhatikan bahwa jumlah gradasi juga bisa dinyatakan dalam jumlah digit biner atau bit 0 dan 1 sebagai sandi digital per piksel.

     

     Dalam pengolahan citra, kuantisasi aras intensitas menentukan kecermatan hasilnya. Dalam praktik, jumlah aras intensitas piksel dapatdinyatakan dengankurang dari 8 bit. Contoh pada Gambar 2.6 menunjukkan citra yang dikuantisasi dengan menggunakan 8, 5, 4, 3, 2, dan 1 bit.

Gambar 2.6Kuantisasi citra dengan menggunakan berbagai bit

       Pada kuantisasi dengan 1 bit, jumlah level sebanyak 2 (2¹).Oleh karena itu, warna yang muncul berupa hitam dan putih saja. Perlu diketahui, penurunan jumlah aras pada tingkat tertentu membuat mata manusia masih bisa menerima citra dengan baik. Sebagai contoh, citra dengan 4 bit (Gambar 2.6(c)) dan citra dengan 8 bit (Gambar 2.6(a))  praktisterlihat sama. Hal seperti itulah yang mendasari gagasan pemampatan data citra, mengingat citra dengan jumlah bit lebih rendah tentu akan membutuhkan tempat dan transmisi yang lebih hemat.

Read More

Representasi Citra Digital

    Citra digital dibentuk oleh kumpulan titik yang dinamakan piksel (pixel atau “picture element”).Setiap piksel digambarkan sebagai satu kotak kecil.Setiap piksel mempunyai koordinat posisi.Sistem koordinat yang dipakai untuk menyatakan citra digital ditunjukkan pada Gambar dibawah

Gambar 2.1Sistem koordinat citra berukuran MxN

(M baris dan N kolom)

       Dengan sistem koordinat yang mengikuti asas pemindaian pada layar TV standar itu, sebuah piksel mempunyai koordinat berupa

       (x, y)

Dalam hal ini,

·        -x menyatakan posisi kolom;

·        -y menyatakan posisi baris;

·     -piksel pojok kiri-atas mempunyai koordinat (0, 0) dan piksel pada pojok kanan-bawah mempunyai koordinat (N-1, M-1).

Dengan menggunakan notasi pada MATLAB, citra dinyatakan dengan

       f(y, x)

Sebagai contoh, citra yang berukuran 12x12 yang  terdapat pada Gambar 2.2(a) memiliki susunan data seperti terlihat pada Gambar 2.2(b).Adapun Gambar 2.3 menunjukkan contoh penotasian f(y,x). Berdasarkan gambar tersebut maka:

·         f(2,1) bernilai 6

·         f(4,7) bernilai 237

Pada citra berskala keabuan, nilai seperti 6 atau 237 dinamakan sebagai intensitas.

Gambar Citra dan nilai penyusun piksel

   

  

   Gambar Notasi piksel dalam citra

Read More

Jenis Citra

Citra Berwarna

       Citra berwarna, atau biasa dinamakan citra RGB, merupakan jenis citra yang menyajikan warna dalam bentuk komponen R (merah), G (hijau), dan B (biru).Setiap komponen warna menggunakan 8 bit (nilainya berkisar antara 0 sampai dengan 255). Dengan demikian, kemungkinan warna yang bisa disajikan mencapai 255 x 255 x 255 atau 16.581.375 warna.      Tabel 2.4 menunjukkan contoh warna dan nilai R,G, dan B.

Tabel  Warna dan nilai penyusun warna

Warna	R	G	B
Merah	255	0	0
Hijau	0	255	0
Biru	0	0	255
Hitam	0	0	0
Putih	255	255	255
Kuning	0	255	255

Gambar dibawah menunjukkan pemetaan warna dalam ruang tiga dimensi.Adapun Gambar dibawah menunjukkan keadaan suatu citra dan representasi warnanya.

Gambar  Warna RGB dalam ruang berdimensi tiga

Gambar Citra berwarna dan representasi warnanya. Setiap piksel dinyatakan dengan nilai R, G, dan B

       Hasilnya menunjukkan bahwaKotaberupa larikberdimensi tiga, dengan dimensi ketiga berisi tiga buah nilai.Hal inilah yang membedakan dengan citra berskala keabuan.Secara umum, larik hasil pembacaan citra berwarna dapat digambarkan seperti berikut.

Gambar Hasil pembacaan citra berwarna

Dimensi ketiga menyatakan komponen R, G, B. Indeks pertama menyatakan komponen R, indeks kedua menyatakan komponen G, dan indeks ketiga menyatakan komponen B.

Citra Berskala Keabuan

            Sesuai dengan nama yang melekat, citra jenis ini menangani gradasi warna hitam dan putih, yang tentu saja menghasilkan efek warna abu-abu.Pada jenis gambar ini, warna dinyatakan dengan intensitas.Dalam hal ini, intensitas berkisar antara 0 sampai dengan 255.Nilai 0 menyatakan hitam dan nilai 255 menyatakan putih

Citra Biner

            Citra biner adalah citra dengan setiap piksel hanya dinyatakan dengan sebuah nilai dari dua buah kemungkinan (yaitu nilai 0 dan 1).Nilai 0 menyatakan warna hitam dan nilai 1 menyatakan warna putih.Citra jenis ini banyak dipakai dalam pemrosesan citra, misalnya untuk kepentingan memperoleh tepi bentuk suatu objek.Sebagai contoh, perhatikan Gambar 2.16.Bagian kiri menyatakan citra beraras keabuan, sedangkan bagian kanan adalah hasil konversi ke citra biner.

Gambar Citra di kanan menyatakan bentuk citra di kiri

dengan mengabaikan komposisi warna

Mengonversi Jenis Citra

       Dalam praktik, seringkali diperlukan utuk mengonversi citra berwarna ke dalam bentuk citra berskala keabuan mengingat banyak pemrosesan citra yang bekerja pada skala keabuan.Namun, terkadang citra berskala keabuan pun perlu dikonversikan ke citra biner, mengingat beberapa operasi dalam pemrosesan citra berjalan pada citra biner.

       Bagaimana cara mengubah citra berwarna ke dalam citra berskala keabuan? Secara umum citra berwarna dapat dikonversikan ke citra berskala keabuan melalui rumus:

dengan R menyatakan nilai komponen merah, G menyatakan nilai komponen hijau, dan B menyatakan nilai komponen biru. Misalnya, sebuah piksel mempunyai komponen R, G,B sebagai berikut:

R = 50

G = 70

B = 61

Jika a, b, dan c pada Persamaan 2.1 dibuat sama, akan diperoleh hasil seperti berikut:

       I = (50 + 70 + 60) / 3 = 60

       Salah satu contoh rumus yang biasa dipakai untuk mengubah ke skala keabuan yaitu:

                        

Bagaimana halnya kalau dikehendaki untuk mengonversikan citra berskala keabuan ke citra biner?Strategi yang dipakai yaitu dengan menerapkan suatu nilai yang dikenal sebagai nilai ambang (threshold). Nilai tersebut dipakai untuk menentukan suatu intensitas akan dikonversikan menjadi 0 atau menjadi 1. Secara matematis, konversi dinyatakan dengan rumus:

 

 

 

 

 

Read More

Membaca Citra

    Untuk kepentingan memudahkan dalam memahami hasil proses pengolahan citra, Anda perlu mengenal perintah yang berguna untuk membaca citra yang tersimpan dalam bentuk file.Octave menyediakan fungsi bernama imread. Bentuk pemanggilannya:

       Img = imread(nama_file_citra)

Dalam hal ini, nama_file_citramenyatakan namafile citra yang hendak dibaca dan Img menyatakan larik (array) yang menampung data citra yang dibaca.Perlu diketahui, format-format gambar yang bisa dibaca oleh imread ditunjukkan pada Tabel dibawah ini

Tabel Daftar formatfile gambar yang bisa dibaca oleh imread

Format Gambar	Ekstensi	Keterangan
TIFF	.tif, .tiff	Tagged Image File Format merupakan format citra yang mula-mula dibuat boleh Aldus. Kemudian, dikembangkan oleh Microsoft dan terakhir oleh Adobe.
JPEG	.jpg, .jpeg	Joint Photographics Expert Group adalah format citra yang dirancang agar bisa memampatkan data dengan rasio 1:16.
GIF	.gif	Graphics Interface Format merupakan format yang memungkinkan pemampatan data hingga 50%. Cocok untuk citra yang memiliki area yang cukup besar dengan warna yang sama.
BMP	.bmp	Windows Bitmap merupakan format bitmap pada Windows.
PNG	.png	Portable Network Graphics biasa dibaca ‘ping’. Asal mulanya dikembangkan sebagai pengganti format GIF karena adanya penerapan lisensi GIF. Mendukung pemampatan data tanpa menghilangkan informasi aslinya.
XWD	.xwd	XWindow Dump

Read More

Prinsip Dasar dalam Pengolahan Citra

     Hal-hal yang diutarakan pada Subbab 1.2 merupakan contoh-contoh aplikasi kegiatan pengolahan citra.Aplikasi-aplikasi seperti itu sesungguhnya menggunakan prinsip dasar dalam pengolahan citra seperti peningkatan kecerahan dan kontras, penghilangan derau pada citra, dan pencarian bentuk objek.Beberapa contoh diberikan berikut ini.

- Peningkatan Kecerahan dan Kontras

           Seringkali dijumpai citra yang tidak jelas akibat sinar yang kurang ketika objek dibidikmelalui kamera digital.Dengan menggunakan pengolahan citra, citra seperti itu bisa diperbaiki melalui peningkatan kecerahan dan kontras.Gambar 1.3 menunjukkan contoh citra yang kurang cerah dan kurang kontras menjadi citra yang lebih kontras.

Gambar Pengolahan citra memungkinkan

pengubahan kontras pada citra

Gambar 1.6(a) kurang jelas, tetapi melalui pengolahan citra yang tepat diperoleh hasil yang jauh lebih jelas (Gambar 1.6(b)).

- Penghilangan Derau

            Citra yang akan diproses seringkali dalam keadaan terdistorsi atau mengandung derau. Untuk kepentingan tertentu, derau tersebut perlu dibersihkan terlebih dulu.Dalam pengolahan citra, terdapat beberapa metode yang bisa dipakai untuk keperluan tersebut. Salah satu caradilaksanakan melalui filter notch. Efek filter tersebut dapat dilihat pada Gambar 1.7

Gambar Pengolahan citra memungkinkan

untukmenghilangkanderau pada citra

Terlihat bahwa derau berbentuk kotak pada Gambar 1.7(a) bisa dihilangkan dan hasilnya seperti yang terlihat pada Gambar 1.7(b).

- Pencarian Bentuk Objek

            Untuk kepentingan  mengenali suatu objek di dalam citra, objek perlu dipisahkan terlebih dulu dari latarbelakangnya. Salah satu pendekatan yang umum dipakai untuk keperluan ini adalah penemuan batas objek.Dalam hal ini, batas objek berupa bagian tepi objek. Setelah tepiobjek diketahui, pencarian ciri terhadap objek bisa dilaksanakan, misalnya berdasar  perbandingan panjang dan lebar daun. Objek daun dan batas daun yang didapatkan melalui pengolahan citra diperlihatkan pada Gambar dibawah. Adapun Gambar dibawah memperlihatkan tahapan penentuan panjang dan lebar daun diperoleh melalui komputasi oleh komputer.

Gambar Pengolahan citra memungkinkan untuk

mendapatkan bentuk objek

Gambar Penentuan panjang dan lebar daun

berdasarkan tepi daun

Read More

Aplikasi Pengolahan Citra

    Pengolahan citra merupakan bagian penting yang mendasari berbagai aplikasi nyata, seperti pengenalan pola, penginderaan jarak-jauh melalui satelit atau pesawat udara, dan machine vision. Pada pengenalan pola, pengolahan citra antara lain berperan untuk memisahkan objek dari latarbelakang secara otomatis. Selanjutnya, objek akan diproses oleh pengklasifikasi pola. Sebagai contoh, sebuah objek buah bisa dikenali sebagai jeruk, apel, atau pepaya.Pada penginderaan jarak jauh, tekstur atau warna pada citra dapat dipakai untuk mengidentifikasi objek-objek yang terdapat di dalam citra. Pada machine vision (sistem yang  dapat“melihat” dan “memahami” yang dilihatnya), pengolahan citra berperan dalam mengenali bentuk-bentuk khusus yang dilihat oleh mesin.Penggunaan kamera pemantau ruangan merupakan contoh bagian aplikasipemrosesan citra.Perubahan gerakan yang ditangkap melalui citra dapat menjadi dasar untuk melakukan pelaporan situasi yang terekam.

        Pengolahan citra juga memungkinkan wajah seseorang dikartunkan.Sebagai contoh ditunjukkan pada Gambar 1.2.Aplikasi seperti itu memungkinkan pembuatan kartun yang didasarkan pada objek-objek nyata. Perangkat lunak seperti Microsoft Word 2010 menyertakan fasilitas pengolah gambar yang memungkinkan setiap gambar asli diubah menjadi gambar seperti hasil goresan pensil, kapur, pastel, dan lain-lain, sebagaimana ditunjukkan pada Gambar dibawah ini.

Aplikasi pengolahan citra untuk mengartunkan wajah orang

Penggunaan efek gambar pada Microsoft Word 2010

memanfaatkan pengolahan citra

            Aplikasi pengolahan citra memang makinmeluas.Di dunia kedokteran, pengolahan citra mempunyai peran yang sangat besar.CT Scan(Computed Tomography Scan) atau kadang disebut CAT Scan (Computerized Axial Tomography Scan) merupakan suatu contoh aplikasi pengolahan citra, yang dapat dipakai untuk melihat potongan atau penampang bagian tubuh manusia. Tomografi  adalah proses untuk menghasilkan citra berdimensi dua dari potongan  objek berdimensi tiga dari sejumlah hasil pemindaian satu-dimensi. Gambar 1.4 memperlihatkan contoh CT Scan dan hasilnya.

Gambar CT Scan

            Pengolahan citra juga dapat dimanfaatkan, misalnya, untuk kepentingan penentuan jenis tanaman hias melalui ciri-ciri citra daun. Seseorang yang ingin tahu mengenai suatu tanaman cukup memasukkan citra daun yang ia miliki dan kemudian memunggahkan ke sistem berbasis web. Selanjutnya, sistem web dapat mencarikan informasi yang sesuai dengan citra tersebut.Gambar 1.5 memperlihatkan contoh hasil pencarian jenis tanaman hias.

Masukan citra dapat digunakan sebagai dasar

pencarianjenis tanaman hias

            Berbagai aplikasi pengolahan citra juga telah dilakukan di Indonesia.Beberapa contoh ditunjukkan berikut ini.

v  Identifikasi sidik jari (Isnanto, dkk., 2007)

v  Pencarian database orang melalui foto orang (Aribowo, 2009)

v  Identifikasi kematangan buah tomat (Noor dan Hariadi, 2009)

v  Identifikasi penyakit Diabetes mellitus melalui citra kelopak mata (Rachmad, 2009)

v  Ekstraksi fitur motif batik (Mulaab, 2010)

Identifikasi telapak tangan (Putra dan Erdiawan, 2010)

Read More