BAB.II

PEMBAHASAN

A. Defenisi Pengolaha Citra

Citra merupakan fungsi menerus (continue) dari intensitas cahaya pada

bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali

sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh

alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan

sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam.

Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat [MUR92]:

1. optik berupa foto,

2. analog berupa sinyal video seperti gambar pada monitor televisi,

3. digital yang dapat langsung disimpan pada suatu pita magnetik.

Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita

miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau

derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan

sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena

informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra

yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun

mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya

lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image

processing). Pengolahan citra adalah pemrosesan citra, khususnya dengan

menggunakan komputer menjadi citra yang kualitasnya lebih baik. Sebagai

contoh, citra burung nuri pada Gambar 1.2 (a) tampak agak gelap, lalu dengan

operasi pengolahan citra kontrasnya diperbaiki sehingga menjadi lebih terang dan

tajam (b). Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra

bila [JAI89]:

1. perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan

kualitas penampakan atau untuk menonjolkan beberapa aspek informasi

yang terkandung di dalam citra,

2. elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur,

3. sebagian citra perlu digabung dengan bagian citra yang lain.

(a) (b)

Gambar 1. 2. (a) Citra burung nuri yang agak gelap, (b) Citra burung yang telah

diperbaiki kontrasnyasehingga terlihat jelas dan tajam

Di dalam bidang komputer, sebenarnya ada tiga bidang studi yang

berkaitan dengan data citra, namun tujuan ketiganya berbeda, yaitu:

1. Grafika Komputer (computer graphics).

2. Pengolahan Citra (image processing).

3. Pengenalan Pola (pattern recognition/image interpretation).

Hubungan antara ketiga bidang (grafika komputer, pengolahan citra,

pengenalan pola) ditunjukkan pada Gambar 1.3.

Gambar 1. 3. Tiga bidang studi yang berkaitan dengan citra

1. Grafika Komputer

Grafika Komputer bertujuan menghasilkan citra (lebih tepat disebut grafik

atau picture) dengan primitif-primitif geometri seperti garis, lingkaran, dan

sebagainya. Primitif-primitif geometri tersebut memerlukan data deskriptif untuk

melukis elemen-elemen gambar. Contoh data deskriptif adalah koordinat titik,

panjang garis, jari-jari lingkaran, tebal garis, warna, dan sebagainya. Grafika

komputer memainkan peranan penting dalam visualisasi dan virtual reality.

Contoh grafika komputer misalnya menggambar sebuah ‘rumah’ yang

dibentuk oleh garis-garis lurus, dengan data masukan berupa koordinat awal dan

koordinat ujung garis (Gambar 1.4).

Gambar 1. 4. (a) Program Grafika Komputer untuk membuat gambar ‘rumah (b)

2. Pengolahan Citra

Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah

diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik

pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya

adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas

lebih baik daripada citra masukan. Termasuk ke dalam bidang ini juga adalah

pemampatan citra (image compression).

Pengubahan kontras citra seperti pada Gambar 1.2 adalah contoh operasi

pengolahan citra. Contoh operasi pengolahan citra lainnya adalah penghilangan

derau (noise) pada citra Lena (Gambar 1.4). Citra Lena yang di sebelah kiri

mengandung derau berupa bintik-bintik putih (derau). Dengan operasi penapisan

(filtering), yang akan dijelaskan di dalam Bab 7, derau pada citra masukan ini

dapat dikurangi sehingga dihasilkan citra Lena yang kualitasnya lebih baik.

Gambar 1. 4. (a) Citra Lena yang mengandung derau, (b) hasil dari

operasi penapisan derau.

3. Pengenalan Pola

Pengenalan Pola mengelompokkan data numerik dan simbolik (termasuk

citra) secara otomatis oleh mesin (dalam hal ini komputer). Tujuan

pengelompokan adalah untuk mengenali suatu objek di dalam citra. Manusia bisa

mengenali objek yang dilihatnya karena otak manusia telah belajar

mengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek

dengan objek lainnya. Kemampuan sistem visual manusia inilah yang dicoba

ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan

diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa

deskripsi objek di dalam citra.

Contoh pengenalan pola misalnya citra pada Gambar 1.5 adalah tulisan

tangan yang digunakan sebagai data masukan untuk mengenali karakter ‘A’.

Dengan menggunakan suatu algoritma pengenalan pola, diharapkan komputer

dapat mengenali bahwa karakter tersebut adalah ‘A’.

Gambar 1. 5. Citra karakter ‘A’ yang digunakan sebagai masukan untuk

pengenalan huruf.

B. Dasar Pengolahan Citra

Dasar dari pengolahan citra adalah pengolahan warna RGB pada posisi

tertentu. Dalam pengolahan citra warna dipresentasikan dengan nilai hexadesimal

dari 0x00000000 sampai 0x00ffffff. Warna hitam adalah 0x00000000 dan warna

putih adalah 0x00ffffff. Definisi nilai warna di atas seperti gambar 2.1, variabel

0x00 menyatakan angka dibelakangnya adalah hexadecimal.

Gambar 2.1 Nilai warna RGB dalam hexadecimal

Terlihat bahwa setiap warna mempunyai range nilai 00 (angka desimalnya

adalah 0) dan ff (angka desimalnya adalah 255), atau mempunyai nilai derajat

keabuan 256 = 28. Dengan demikian range warna yang digunakan adalah (28)(28)

(28) = 224 (atau yang

dikenal dengan istilah True Colour pada Windows). Nilai warna yang

digunakan di atas merupakan gambungan warna cahaya merah, hijau dan biru

seperti yang terlihat pada gambar 2.2. Sehingga untuk menentukan nilai dari suatu

warna yang bukan warna dasar digunakan gabungan skala kecerahan dari setiap

warnanya.

Gambar 2.2 Komposisi warna RGB

Dari definisi diatas untuk menyajikan warna tertentu dapat dengan mudah

dilakukan, yaitu dengan mencampurkan ketiga warna dasar RGB, table 1. berikut

memperlihatkan contoh-contoh warna yang bisa digunakan.

Tabel 1. Contoh-contoh warna dalam hexadesimal

Untuk mengetahui kombinasi warna, perlu dibuat suatu program yang

dapat menampilkan warna sesuai dengan nilai yang dimasukkan sehingga dapat

dicoba berbagai macam kombinasi warna RGB seperti gambar 2.2.

1. Mengubah Citra Berwarna Menjadi Gray-Scale

Proses awal yang banyak dilakukan dalam image processing adalah

mengubah citra berwarna menjadi citra gray-scale, hal ini digunakan untuk

menyederhanakan model citra. Seperti telah dijelaskan di depan, citra berwarna

terdiri dari 3 layer matrik yaitu Rlayer, G-layer dan B-layer. Sehingga untuk

melakukan proses-proses selanjutnya tetap diperhatikan tiga layer di atas. Bila

setiap proses perhitungan dilakukan menggunakan tiga layer, berarti dilakukan

tiga perhitungan yang sama. Sehingga konsep itu diubah dengan mengubah 3

layer di atas menjadi 1 layer matrik gray scale dan hasilnya adalah citra gray-

scale. Dalam citra ini tidak ada lagi warna, yang ada adalah derajat keabuan.

Untuk mengubah citra berwarna yang mempunyai nilai matrik masing-masing r, g

dan b menjadi citra gray scale dengan nilai s, maka konversi dapat dilakukan

dengan mengambil rata-rata dari nilai r, g dan b sehingga dapat dituliskan

menjadi:

2. Thresholding

Thresholding digunakan untuk mengatur jumlah derajat keabuan yang ada

pada citra. Dengan menggunakan thresholding maka derajat keabuan bisa diubah

sesuai keinginan, misalkan diinginkan menggunakan derajat keabuan 16, maka

tinggal membagi nilai derajat keabuan dengan 16. Proses thresholding ini pada

dasarnya adalah proses pengubahan kuantisasi pada citra, sehingga untuk

melakukan thresholding dengan derajat keabuan dapat digunakan rumus:

x = b.int ( wb

)

dimana :

w adalah nilai derajat keabuan sebelum thresholding

x adalah nilai derajat keabuan setelah thresholding

b int (256

a)

Untuk mencoba melakukan proses thresholding, perlu dibuat program

untuk dapat mengubah-ubah nilai tresholding sesuai keinginan. Sehingga perlu

ditampilkan dua citra, yaitu citra asli (gray-scale) dan hasil thresholdingnya

dengan nilai thresholding yang ditentukan melalui input.

C. Operasi Pengolahan Citra

1. Perbaikan kualitas citra(image enhacement)

Tujuannya yaitu memperbaiki kualitas citra dengan memanipulasi parameter-

parameter citra.

Operasi perbaikan citra :

Perbaikan kontras gelap/terang

Perbaikan tepian objek (edge enhancement)

Penajaman (sharpening)

Pemberian warna semu(pseudocoloring)

Penapisan derau (noise filtering)

2. Pemugaran citra(image restoration)

Tujuannya yaitu menghilangkan cacat pada citra. Perbedaannya dengan

perbaikan citra adalah penyebab degradasi citra diketahui.

Operasi pemugaran citra :

Penghilangan kesamaran (deblurring)

Penghilangan derau (noise)

3. Pemampatan citra (image compression)

Tujuannya yaitu citra direpresentasikan dalam bentuk lebih kompak,

sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan

kualitas gambar (misal dari .BMP menjadi .JPG)

4. Segmentasi citra (image segmentation)

Tujuannya yaitu memecah suatu citra ke dalam beberapa segmen dengan

suatu kriteria tertentu. Segmentasi citra berkaitan erat dengan pengenalan pola.

5. Pengorakan citra (image analysis)

Tujuannya yaitu menghitung besaran kuantitatif dari citra untuk menghasilkan

deskripsinya. Diperlukan untuk melokalisasi objek yang diinginkan dari

sekelilingnya

Operasi pengorakan citra :

Pendeteksian tepi objek (edge detection)

Ekstraksi batas (boundary)

Represenasi daerah (region)

6. Rekonstruksi citra (Image recontruction)

Tujuannya yaitu membentuk ulang objek dari beberapa citra hasil

proyeksi.