BAB II

LANDASAN TEORI

2.1 Definisi Digital Image Processing

Digital Image Processing adalah proses pengolahan gambar dua dimensi oleh

perangkat komputer digital (Jain, 1989, p1). Ada pun menurut Gonzalez dan Woods

(2001,p2-3), digital image processing merupakan proses pengambilan atribut-atribut

pada gambar dengan input dan output yang berupa gambar.

Digital image processing mempunyai banyak macam aplikasi pada berbagai

bidang, seperti: penajaman gambar, pendeteksian objek pada gambar, pengurangan

noise, konversi gambar berwarna ke grayscale dan sebaliknya, kompresi data pada

gambar, dan sebagainya.

2.1.1 Macam-Macam Penerapan Digital Image Processing

Terlepas dari banyak dan luasnya penerapan dari image processing,

penerapannya dapat dibagi menjadi beberapa bagian.

a. Representasi dan Pemodelan Gambar

Dalam representasi dan pemodelan gambar (image representation and

modelling), gambar yang dihasilkan dari proses akan memberikan gambaran tentang

objek dari suatu lokasi (hasil foto dari kamera), karakteristik dari tubuh manusia

(gambar X-Ray), suhu dari suatu area (gambar infrared) atau gambaran posisi dari

target di sebuah radar.

9

Hasil yang dapat dimengerti dan akurat merupakan hal yang paling penting

dalam image representation. Dalam proses representasi dan pemodelan gambar,

kuantitas dan karakter dari picture-element (pixel) menggambarkan suatu objek.

b. Restorasi Gambar

Image restoration atau restorasi gambar adalah proses penghilangan atau

minimalisasi degradasi kualitas yang terdapat pada suatu gambar. Hal ini termasuk

perbaikan gambar atau foto yang buram, yang disebabkan oleh banyak hal, seperti

keterbatasan kualitas sensor, usia gambar yang sudah tua, atau pun banyaknya noise

pada gambar.

c. Analisis Gambar

Proses analisis gambar (image analysis) mempunyai tujuan melakukan

pengukuran dan perhitungan pada sebuah image untuk menghasilkan penjelasan dan

deskripsi dari gambar tersebut.

Proses analisis gambar dapat diaplikasikan dalam bermacam-macam hal, mulai

dari membaca barcode pada barang-barang di toko, menyortir suku cadang yang

berbeda pada alur pabrik, sampai analisis orientasi dan besarnya sel darah pada

gambar medis. Teknik analisis gambar melakukan pemgambilan dari fitur-fitur

tertentu dari gambar untuk membantu mengidentifikasi objek yang diteliti.

10

d. Rekonstruksi Gambar

Bidang rekonstruksi gambar atau image reconstruction bertujuan untuk

membuat sebuah objek dua dimensi atau lebih yang di buat berdasarkan beberapa

proyeksi satu dimensi. Setiap proyeksi didapatkan dengan memproyeksikan X-Ray

(atau radiasi lainnya) melalui objek yang akan direkonstruksi.

Contoh aplikasi dari rekonsruksi gambar adalah penggunaan Computer

Topographic Scan (CT Scan) dan Magnetic Resonance Imaging (MRI) untuk

memproyeksikan gambar 2 dan 3 dimensi dari bagian tubuh manusia.

e. Kompresi Data Pada Gambar

Data yang menyangkut informasi yang bersifat visual sangatlah besar sehingga

memerlukan kapasitas penyimpanan yang sangat besar. Walaupun kemampuan

beberapa media penyimpanan digital dapat memenuhi kebutuhan penyimpanan yang

besar, umumnya kecepatan mengakses data pada media tersebut semakin lambat

sebanding dengan makin besarnya kapasitas penyimpanan.

Kompresi data pada gambar (image data compression) bertujuan untuk

mengurangi jumlah dari bit (satuan terkecil dari data) yang diperlukan untuk

menyimpan gambar tanpa mengurangi informasi yang benar-benar diperlukan.

Aplikasi kompresi data untuk gambar banyak digunakan terutama pada industri

televisi dan media, karena banyak gambar yang harus dikirim antara dua tempat

berjauhan. Karena itu dibutuhkan ukuran gambar yang relatif kecil dengan kualitas

yang tetap terjaga.

11

f. Perbaikan Kualitas Gambar

Image Enhancement atau perbaikan kualitas gambar adalah aksentuasi atau

penajaman elemen-elemen dari sebuah gambar seperti garis pemisah atau pembatas

(edge and boundaries) atau tingkat kontras yang dapat membuat tampilan grafik dari

gambar tersebut lebih berguna untuk dianalisis dan ditampilkan (Jain, 1989, p233).

Proses image enhancement tidak memperbaiki atau meningkatkan kualitas dari

informasi dan data yang sudah ada pada gambar. Proses tersebut meningkatkan

rentang dinamis (dynamic range) dari elemen yang dikehendaki pada gambar

sehingga elemen tersebut dapat diperhatikan atau dilihat lebih jelas.

Image enhancement mencakup berbagai hal seperti: manipulasi kontras,

pengurangan noise, penajaman garis batas (edge crispening and sharpening),

interpolasi dan pembesaran gambar.

Kesulitan terbesar yang sering dialami dalam proses image enhancement adalah

menentukan besaran nilai yang akan diterapkan dalam proses tersebut. Karena itu

banyak teknik-teknik image enhancement yang bersifat empirikal (berdasarkan trial

and error) dan memerlukan prosedur yang interaktif untuk mendapatkan hasil yang

diinginkan.

12

Gambar 2.1: Macam-macam aplikasi dari Image Enhancement (Sumber: Jain, 1989, p233)

Secara garis besar, image enhancement terbagi menjadi empat macam teknik

operasi yang umum digunakan seperti yang terlihat pada gambar 2.1 di atas.

1) Operasi Titik (point operation)

Pada point operation terdapat empat buah operasi yaitu contrast streching,

noise clipping, window slicing dan histogram modelling. Persamaan di antara

point operation adalah masing-masing teknik menggunakan filter dengan memori

nol (zero memory filter).

Pada bidang fotografi contrast streching dan histogram modelling banyak

digunakan. Contrast streching berguna untuk meningkatkan kekontrasan gambar

yang kurang baik diakibatkan oleh pencahayaan yang buruk atau sensor kamera

yang kurang luas daya tangkapnya. Sedangkan histogram modelling digunakan

13

untuk memperlihatkan frekuensi tingkatan warna abu-abu (gray level) pada suatu

gambar yang terdiri dari tiga tingkatan.

2) Operasi Transformasi (transform operation)

Operasi transformasi mempunyai sifat yang mirip dengan operasi titik.

Operasi tranformasi ini juga menggunakan zero memory filter namun dengan

tambahan fungsi transformasi invers setelahnya.

Beberapa teknik image enhancement yang termasuk dalam operasi

transformasi menggunakan fungsi dari DFT (Discrete Fourier Transform). Salah

satu aplikasi dari operasi transformasi adalah homomorphic filtering yang berguna

untuk memperjelas detil yang terlihat gelap dan kurang jelas pada gambar.

3) Operasi Pewarnaan (pseudocoloring)

Jenis operasi ini digunakan untuk melakukan proses pada elemen warna

pada sebuah gambar. Yang termasuk operasi pengolahan warna antara lain adalah

peningkatan kontras warna, pengoreksian warna yang salah akibat keterbatasan

sensor kamera atau proses scanning yang buruk, serta konversi gambar berwarna

menjadi gambar hitam putih serta kebalikannya, dan pewarnaan gambar hitam

putih menjadi berwarna.

14

4) Operasi Spasial (spatial operation)

Operasi spasial menggunakan teknik mengolah pixel yang letaknya

bersebelahan dengan pixel yang dijadikan input. Aplikasi image enhancement

yang menggunakan operasi spatial mencakup interpolasi (pembesaran) gambar,

pengurangan noise pada gambar, sampai peningkatan ketajaman gambar.

Gambar 2.2: Salah satu aplikasi dari operasi spasial: noise reduction (Sumber: Rony Zakaria, 2007)

15

2.2 Metode Unsharp Masking

Unsharp masking adalah sebuah metode yang meningkatkan kualitas ketajaman

garis (edge) dan elemen gambar dengan frekuensi tinggi lainnya melalui suatu prosedur

yang mengurangi (substract) gambar asli dengan versi gambar asli yang kurang tajam

atau telah dihaluskan untuk mendapatkan hasil gambar yang tajam (Fisher, Perkins,

Walker, Wolfart, 1994)

.

Gambar 2.3: Contoh penajaman gambar dengan unsharp masking (Sumber: http://www.cambridgeincolour.com/tutorials/unsharp-mask.htm)

Kata unsharp berasal dari fakta bahwa metode unsharp masking ini menggunakan

image positif yang sudah smoothened (dihaluskan) atau di-unsharp dari image original

untuk kemudian digabungkan dengan image negatif untuk menghasilkan ilusi bahwa

hasil gambar lebih tajam daripada aslinya.

Proses unsharp masking merupakan cara yang sangat efektif untuk meningkatkan

ketajaman terutama untuk gambar hasil scanning yang terkadang ketajamannya kurang.

Namun proses ini dapat menghasilkan efek-efek yang menganggu dan tidak diinginkan,

efek yang dihasilkan akibat oversharpen disebut efek halo.

16

Gambar 2.4: Gambar asli, setelah di-unsharp mask, dan yang oversharpen (Sumber: http://www.pages.drexel.edu)

2.2.1 Cara Kerja Metode Unsharp Masking

Metode unsharp masking menghasilkan gambar dengan tingkat ketajaman

yang lebih baik dibandingkan dengan gambar aslinya. Proses unsharp masking secara

umum terbagi menjadi dua langkah, yaitu: pertama membuat gambar yang blur yang

didapatkan dari hasil pengurangan gambar yang asli dengan gambar yang sudah

dihaluskan, kemudian kedua gambar blur tersebut digabungkan dengan gambar asli.

Hasil proses tersebut adalah gambar yang sudah terlihat lebih tajam daripada gambar

aslinya.

Gambar 2.5: Langkah-langkah proses unsharp masking (Sumber: http://www.cambridgeincolour.com/tutorials/unsharp-mask.htm)

17

Untuk mengerti lebih jelas mengenai cara kerja dan operasi unsharp masking

diperlukan melihat dan mengamati karakteristik frekuensi dari gambar dalam proses

tersebut.

Gambar 2.6: Mencari gambar edge pada proses unsharp masking (Sumber: http://www.cee.hw.ac.uk)

Pada gambar diatas terlihat tiga buah signal. Signal pertama (a)

menggambarkan signal dari gambar yang asli (original), signal kedua (b) merupakan

signal yang merepresentasikan gambar yang sudah di smoothed atau dihaluskan.

Pengurangan dari signal asli pada gambar dengan lowpass signal menghasilkan signal

ketiga (c) yaitu highpass signal yang merupakan representasi edge atau garis-garis

pemisah pada gambar asli.

Gambar representasi edge ini dapat digunakan untuk proses penajaman

gambar apabila signal ini ditambahkan pada signal dari gambar yang asli, seperti yang

terlihat pada gambar 2.7.

18

Gambar 2.7: Signal dari gambar yang sudah mengalami proses sharpening (Sumber: http://www.cee.hw.ac.uk)

Setelah dijelaskan mengenai cara kerja proses unsharp masking, maka proses

ini dapat dirumuskan sebagai berikut:

Adapun fsharp(x,y) merupakan hasil gambar yang sudah ditajamkan yang

didapat dari penambahan gambar asli yaitu f(x,y) dengan gambar representasi edge

g(x,y) yang terlebih dahulu dikali dengan skala konstan k yang bernilai antara 0.2

sampai 0.7. Semakin besar nilainya semakin besar tingkat penajaman gambarnya. Pada

setiap fungsi, x dan y merepresentasikan koordinat pixel horizontal dan vertikal secara

berurutan.

Sedangkan untuk mendapatkan gambar representasi edge g(x,y), dapat di

rumuskan sebagai berikut:

Adapun f(x,y) merupakan gambar asli yang dikurangi oleh fsmooth(x,y), yang

merupakan versi gambar asli yang sudah dihaluskan. Hasil pengurangan tersebut

mendapatkan gambar reprentasi edge g(x,y). Operasi proses unsharp masking secara

lengkap dapat ditunjukkan seperti pada gambar 2.7.

19

Gambar 2.8: Operator pada proses lengkap unsharp masking (Sumber: http://www.cee.hw.ac.uk)

2.2.2 Mengubah Menjadi Gambar Unsharp Mask (Edge)

Pada gambar 2.3 telah diilustrasikan tahapan-tahapan bagaiman proses

penajaman gambar unsharp masking dilakukan. Tahap pertama proses unsharp

masking adalah menbuat gambar unsharp mask yaitu gambar yang merupakan

representasi edge atau garis-garis tegas pembatas pada gambar asli.

Untuk mendapatkan gambar unsharp mask, maka gambar asli di blur atau di

kaburkan. Gambar tersebut akan digunakan untuk mengurangi gambar yang asli untuk

menghasilkan gambar unsharp mask.

Gambar yang sudah di blur atau smoothened image didapat dengan cara

menggunakan filter Gaussian. Filter ini sering digunakan untuk mengaburkan serta

mengurangi detail dan noise yang ada pada gambar. Filter Gaussian mempunyai bentuk

sebagai berikut.

G(x,y) merepresentasikan gambar yang sudah di blur pada koordinat pixel x dan

y pada gambar. Besarnya standar deviasi σ pada filter gaussian menentukan besarnya

frekuensi yang dibuang oleh filter tersebut. Makin besar nilai σ,makin besar pula

frekuensi yang terbuang sehingga gambar akan terlihat lebih kabur.

20

Gambar unsharp mask kemudian didapatkan dengan cara gambar asli dikurangi

dengan gambar yang sudah diblurkan, menggunakan persamaan berikut ini.

Pada persamaan diatas F(x,y) merepresentasikan gambar unsharp mask (edge)

pada koordinat pixel x dan y. Sedangkan l(x,y) dan G(x,y) masing-masing

merepresentasikan koordinat pixel pada gambar asli dan gambar yang sudah di blur.

Konstanta c pada persamaan merupakan weighting value yang menentukan ketegasan

gambar edge yang dihasilkan.

2.2.3 Operasi Pertambahan Pixel

Pixel addition atau operasi pertambahan pixel digunakan pada tahap kedua

proses unsharp masking. Setelah gambar edge didapat pada tahap pertama, maka

gambar tersebut ditambahkan dengan gambar asli untuk mendapatkan hasil gambar

yang lebih tajam. Untuk melakukan pertambahan antara dua gambar digunakan operasi

pertambahan pixel yang dirumuskan secara sederhana sebagai berikut.

Pada operasi tersebut pixel pada koordinat i,j gambar P1 ditambahkan dengan

pixel dengan koordinat sama pada gambar P2 sehingga menghasilkan nilai pixel baru

pada gambar Q(I,j) yang merupakan output dari operasi tersebut. Pada penjumlahan

pixel, apabila hasil dari penjumlahan melebihi dari nilai maksimal pixel maka nilai akan

mengalami operasi modulus.

Operasi penjumlahan pixel dari gambar unsharp mask (edge) dengan gambar

asli akan menghasilkan gambar output yang lebih tajam daripada gambar aslinya.

21

2.3 Pixel (Picture Element)

Picture Element atau Pixel merupakan satuan titik (dot) kecil yang menyusun

sebuah gambar. Setiap pixel pada gambar menyimpan informasi warna yang

direpresentasikan oleh pixel tersebut. Warna tersebut merupakan campuran dari tiga

atau empat jenis dimensi warna tergantung dengan sistem warna yang digunakan (red,

green, blue atau cyan, magenta, yellow and black).

Gambar 2.9: Ilustrasi representasi pixel pada sebuah gambar (Sumber: www.wikipedia.org/Pixel)

Banyaknya pixel yang menyusun suatu gambar tergantung pada resolusi

gambar. Sedangkan banyaknya variasi warna yang dapat direpresentasikan oleh sebuah

pixel tergantung pada bit depth (kedalaman warna) yang digunakan. Bit depth yang

umumnya digunakan pada format foto digital adalah 24 bpp (bits per pixel) yang dapat

merepresentasikan 224 = 16,777,216 warna.

22

2.4 Metode Rekayasa Piranti Lunak

Menurut Pressman (1992, p24), rekayasa piranti lunak mencakup tiga elemen

yang mampu mengontrol proses pengembagan piranti lunak, yaitu sebagai berikut.

a. Methods

Menyediakan cara-cara teknis untuk membangun piranti lunak.

b. Tools

Menyatakan dukungan otomatis atau semi otomatis yang mengkombinasikan

software, hardware, dan software engineering database.

c. Procedures

Merupakan pengembangan metode dan alat bantu.

Dalam skripsi ini digunakan perancangan software dengan model Classic Life

Cycle (Waterfall Model). Serangkaian kegiatan yang dilakukan selama perancangan

software, antara lain sebagai berikut.

a. Rekayasa dan analisis sistem. Pada tahap ini dilakukan analisis kebutuhan secara

umum yang berkaitan dengan hardware, user, dan database.

b. Analisis kebutuhan software. Analisis kebutuhan dengan memfokuskan pada

spesialisasi software. Semua kebutuhan, baik sistem mau pun software harus

didokumentasikan dan harus dikaji oleh user.

c. Perancangan. Pada tahap ini, ada tiga hal yang harus difokuskan dalam program,

yaitu struktur data, arsitektur software, dan prosedur detil. Pada tahap proses ini,

kebutuhan dituangkan menjadi software yang layak dari segi kualitas, sebelum

masuk pada proses pengkodean.

23

d. Pengkodean. Difokuskan pada penerjemahan hasil rancangan ke bahasa mekanik

yang dimengerti oleh mesin dalam bentuk program.

e. Pemeliharaan. Perubahan-perubahan yang dilakukan pada software untuk

mengantisipasi peningkatan kebutuhan user atas fungsi-fungsi baru.

2.5 DFD (Data Flow Diagram)

DFD adalah alat bantu dalam melakukan analisis sistem. DFD terdiri dari

simbol-simbol yang menggambarkan komponen-komponen, yang antara lain sebagai

berikut.

a. Proses

Proses menunjukkan apa yang dikerjakan sistem. Setiap proses

memiliki satu atau lebih data masukan dan memiliki satu atau lebih

data keluaran.

b. Data store

Data store adalah tempat menyimpan data; berisi data yang akan

dipakai oleh sistem. Proses dapat memasukkan data ke dalam data

share atau mendapatkan kembali datanya. Setiap data store memiliki

nama yang unik.

c Eksternal entitas

Eksternal entitas berada di luar sistem, tetapi dapat memasok data ke

sistem atau menerima keluaran dari sistem. Eksternal entitas yang

memasok data ke sistem disebut source.

24

d. Aliran data (Data flow)

Menggambarkan arah ke aliran data.

Diagram aliran data dapat dibagi menjadi tiga tingkatan, sebagai

berikut.

1) Diagram konteks, merupakan level tertinggi yang menggambarkan

batas-batas dari sistem informasi secara global.

2) Diagram nol, merupakan diagram yang memaparkan proses-proses

penting dalam sistem.

3) Diagram rinci, merupakan penjelasan dari setiap proses secara

rinci, yang terdapat dalam diagram nol, yang tidak dapat dipecah

lagi ke dalam proses-proses yang lebih rinci.