KONSEP DASAR PENGOLAHAN CITRA

Oleh:HADI MULYA (1257301055)HARI FITRIADI (1257301007)

PROGRAM STUDI TEKNIK INFORMATIKAJURUSAN TEKNOLOGI INFORMASI DAN KOMPUTERPOLITEKNIK NEGERI LHOKSEUMAWE1

20151

KATA PENGANTAR

Puji syukur kami panjatkan ke hadirat Allah SWT, atas limpahan rahmat dan hidayahnya penulis dapat menyelesaikan penyusunan makalah ini dalam bentuk maupun isinya yang sangat sederhana. Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk maupun pedoman bagi pembaca dalam memahami dasar-dasar dari pengoahan citra digital.Harapan penulis semoga makalah ini membantu menambah pengetahuan dan pengalaman bagi para pembaca, sehingga penulis dapat memperbaiki bentuk maupun isi makalah ini sehingga kedepannya dapat lebih baik.Penulis mengakui bahwa makalah ini masih banyak kekurangan karena pengalaman yang sangat kurang. Oleh kerena itu penulis harapkan kepada para pembaca untuk memberikan masukan-masukan yang bersifat membangun untuk kesempurnaan makalah ini.

Buketrata, 12 Mei 2015

Penulis

DAFTAR ISI

KATA PENGANTARiDAFTAR ISIiiDAFTAR GAMBARiiiDAFTAR TABELvPRAKATAviBAB I PENGANTAR PENGOLAHAN CITRA11.2Dasar Teori21.2.1Citra Digital21.2.2 Pengolahan Citra Digital41.2.3Operasi-operasi Pengolahan Citra Digital141.2.4Peralatan Pengolahan Citra Digital191.2.5Aplikasi Pengolahan Citra Digital201.3 Contoh Soal291.3.1 Mengubah citra menjadi grayscale291.3.3 Implementasi Pengolahan Citra dalam Kehidupan Sehari-hari312.4Latihan322.5Rangkuman34GLOSSARY35DAFTAR PUSTAKA36

DAFTAR GAMBAR

Gambar 1.7. (a) Citra Lena yang mengandung derau, (b) hasil dari operasi penapisan derau.15Gambar 1.8 (a) Citra Lena asli, (b) Citra Lena setelah ditajamkan16Gambar 1.9 (a) Citra Lena yang kabur (blur), (b) citra Lena setelah deblurring17Gambar 1.10. (a) Citra boat.bmp (258 KB) sebelum dimampatkan, (b) citra boat.jpg (49 KB) sesudah dimampatkan.18Gambar 1.11. (a) Citra camera, (b) citra hasil pendeteksian seluruh tepi19Gambar 1.12 Barcode20Gambar 1.13 Visual untuk kendali peluru21Gambar 1.14 Radar untuk mengidentifikasi pesawat musuh22Gambar 1.15 Tampilan night vision22Gambar 1.15 Hasil dari Nuclear Magnetic Resonance (NMR)23Gambar 1.16 Hasil Roatgen sinar-X24Gambar 1.17 Foto janin hasil USG24Gambar 1.18 Interface chat webcam25Gambar 1.19 Navigasi flight automatic26Gambar 1.20. Peta Citra Landsat TM (A : KompositRGB 321dan B : KlasifikasiCitra Unsupervised isodata )27Gambar 1.21 Tampilan lanscape permukaan bumi27Gambar 1.22 Fingerprint28Gambar 1.23 Face recognition28Gambar 1.24 Hasil grayscale citra29Gambar 1.25 Hasil grayscale citra30

DAFTAR TABEL

Tabel 1.1. Hubungan antara skala keabuan dengan pixel depth12

PRAKATA

Bidang multimedia tidak dapat dipisahkan pada era modern ini, segalanya selalu berkaitan dengan multimedia. Salah satu hal yang berpengaruh di multimedia ialah citra. Citra membawa kontribusi yang besar dlam menarik minat seorang pengguna. Dari citra, tingkat pemahaman pengguna lebih tinggi dibandingkan dengan teks. Namun dalam hal penyajiannya, citra dapat diolah sedemikian rupa sesuai dengan kebutuhan yang ada. Sebuah citra dapat diperbaiki kualitasnya agar keterangan pada citra menjadi lebih jelas. Oleh karena itu adanya pengolahan citra yang dapat mengatur tampilan suatu citra berdasarkan kebutuhannya.Dari makalah ini, penulis memaparkan hal-hal yang menjadi dasar dari pengolahan citra, baik itu pengertian ,tujuan dan penggunaanya. Pengolahan citra juga memiliki banyak operasi yang berkenaan dengan penggunaan citra digital dalam multimedia.Pemahaman akan pengolahan citra digital harus didasari dengan disiplin ilmu aljabar numerik dan matematika diskrit. Dikarenakan pengolahan pada citra merupakan pengolahan atau perombakan data-data digital pada suatu citra untuk mencapai suatu maksud yang diinginkan.Pembahasan makalah ini berupa hal yang berkenaan dengan pengolahan citra sehingga penulis menjelaskan yang berkenaan dengan citra, citra digital dan pengolahan citra digital. Penulis juga menjelaskan penggunaan pengolahan citra digital yang diimplementasikan dalam kehidupan serta peralatan-peralatan yang berhubungan dengan citra digital. Demikianlah paparan rinnkas makalah ini. Sehingga dapat memberikan pemahaman tentang dasar-dasar pengolahan citra digital kepada pembaca dalam memahami setiap perubahan suatu citra dan kegunaannya.

vi

vi

BAB IPENGANTAR PENGOLAHAN CITRA

1.1 PendahuluanData atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar, audio dan video. Keempat macam data atau informasi ini sering disebut multimedia. Pada era modern ini, semuanya berkaitan dengan multimedia. Adanya multimedia dapat meningkatkan kepahaman pengguna untuk mengerti dan menarik minat pengguna. Seperti halnya situs web (website) di Internet yang dibuat semenarik mungkin dengan menyertakan visualisasi berupa gambar atau video yang dapat diputar. Beberapa waktu lalu istilah SMS (Short Message Service) begitu populer bagi pengguna telepon genggam (handphone atau HP). Tetapi, saat ini orang tidak hanya dapat mengirim pesan dalam bentuk teks, tetapi juga dapat mengirim pesan berupa gambar maupun video, yang dikenal dengan layanan MMS (Multimedia Message Service).Citra (image) sebagai salah satu komponen multimedia yang memegang peranan penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Ada sebuah peribahasa yang berbunyi sebuah gambar bermakna lebih dari seribu kata (a picture is more than a thousand words). Maksudnya dari sebuah gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut disajikan dalam bentuk kata-kata (tekstual).

1.1.1Tujuan Khusus Adapun tujuan khusus dari makalah ini adalah:1. Mahasiswa memahami konsep dasar citra digital2. Mahasiswa memahami pengertian cara pengolahan citra digital3. Mahasiswa mengetahui peralatan yang digunakan untuk mengolah citra4. Mahasiswa mengetahui aplikasi pengolahan citra

1.2 Dasar Teori1.2.1 Citra DigitalPengertian citra secara umum merupakan suatu gambar, foto ataupun berbagai tampilan dua dimensi yang menggambarkan suatu visualisasi objek. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi. Sumber cahaya menerangi objek, dan objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dsb, sehingga bayangan objek yang disebut citra tersebut terekam.

Gambar 1.1 Citra ke dalam bentuk piksel

Citra juga dapat dikelompokkan menjadi 2 yaitu :a. Citra tidak tampak (data foto/gambar dalam file, citra yang direpresentasikan dalam fungsi matematis)b. Citra tampak (foto, gambar, lukisan, apa yang nampak di layar monitor/televisi , hologram, dll)

Gambar 1.2 Pengelompokan jenis-jenis citra

Citra dapat diwujudkan dalam bentuk tercetak ataupun digital. Citra digital adalah larik angka-angka secara dua dimensional (Liu and Mason, 2009). Citra digital tersimpan dalam suatu bentuk larik (array) angka digital yang merupakan hasil kuantifikasi dari tingkat kecerahan masing-masing piksel penyusun citra tersebut.Citra digital yang tersimpan dalam larik dua dimensi tersusun atas unsur-unsur kecil yang disebut dengan piksel. Masing-masing piksel terkait secara spasial dengan area di permukaan bumi. Struktur array ini tersusun dalam baris horisontal yang disebut baris (Lines) dan kolom vertikal (Samples). Masing-masing piksel dalam raster citra menyimpan nilai tingkat kecerahan piksel yang diwujudkan sebagai suatu angka digital. Susunan piksel dalam struktur array citra digital yang tersebut disebut dengan data raster. Sebagai suatu susunan dari angka digital, beberapa bentuk operasi matematis dapat diberlakukan terhadap citra digital tersebut. Operasi matematis atas suatu citra digital disebut dengan pengolahan citra digital.

Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel, sehingga ukuran citra selalu bernilai bulat. Ukuran citra dapat juga dinyatakan secara fisik dalam satuan panjang. Dalam hal ini tentu saja harus ada hubungan antara ukuran titik penyusunan citra dengan satuan panjang. Hal tersebut dinyatakan dengan resolusi yang merupakan ukuran banyaknya titik untuk setiap satuan panjang. Biasanya satuan yang digunakan adalah dpi. Makin besar resolusi makin banyak titik yang terkandung dalam citra dengan ukuran fisik yang sama, sehingga hal ini memberikan efek pemampatan citra menjadi semakin halus.

1.2.2 Pengolahan Citra DigitalPengolahan Citra Digital adalah pemrosesan citra digital dengan menggunakan komputer digital. 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. Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila: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.Karena berbentuk data numeris, maka citra digital dapat diolah dengan komputer. Dalam bidang computer vision, secara umum proses yang terjadi seperti terlihat di Gambar 1.3. Suatu citra digital melalui pengolahan citra digital (image processing) menghasilkan citra digital yang baru, termasuk di dalamnya adalah perbaikan citra (image restoration) dan peningkatan kualitas citra (image enhancement). Sedangkan analisis citra digital (image analysis) menghasilkan suatu keputusan atau suatu data, termasuk di dalamnya adalah pengenalan pola (pattern recognition).

Gambar 1.3 Urutan pengolahan citra

Agar dapat diolah dengan komputer, maka suatu citra harus direpresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari fungsi kontinu menjadi nilai-nilai diskrit disebut digitalisasi. Pada umumnya citra digital berbentuk empat persegi panjang, dan dimensi ukurannya dinyatakan sebagai tinggi * lebar.Citra digital yang tingginya N, lebarnya M, dan memiliki L derajat kebuan dapat dianggap sebagai fungsi :

..................................................(1.1) Citra digital yang berukuran N x M lazim dinyatakan dengan matriks yang berukuran N baris dan M kolom sebagai berikut :

...................(1.2)Indeks baris (i) dan indeks kolom (j) menyatakan suatu koordinat titik pada citra, sedangkan f(i, j) merupakan intensitas derajat keabuan pada titik (i, j).Masing-masing elemen pada citra digital (berarti elemen matriks) disebut image element, picture element atau pixel. Jadi citra yang berukuran N x M mempunyai NM buah pixel. Sebagai contoh, sebuah citra yang berukuran 256 x 256 pixel yang memiliki 65536 buah pixel direpresentasikan secara numerik dengan matriks yang terdiri dari 256 baris (diindeks dari 0 sampai 255) dan 256 kolom (diindeks dari 0 sampai 255) seperti contoh berikut :

.................................(1.3)Pixel pertama pada koordinat (0, 0) mempunyai nilai intensitas 0 yang berarti warna pixel tersebut hitam, pixel kedua pada koordinat (0, 1) mempunyai intensitas 134 yang berarti warnanya antara hitam dan putih, dst.Proses digitalisasi citra ada 2 tahap, yaitu :1. Digitalisasi spasial (x, y), sering disebut sampling2. Digitalisasi intensitas f (x, y), sering disebut kuantisasi.Sampling menyatakan besarnya kotak-kotak yang disusun dalam baris dan kolom. Dengan kata lain, sampling pada citra menyatakan besar kecilnya ukuran titik (pixel) pada citra, dan kuantisasi menyatakan besarnya nilai tingkat kecerahan yang dinyatakan dalam nilai tingkat keabuan (grayscale) sesuai dengan jumlah bit biner yang digunakan oleh mesin. Dengan kata lain, kuantisasi pada citra menyatakan jumlah warna yang ada pada citra.

1.2.2.1 Digitalisasi Spasial (Sampling)

Citra kontinu di-sampling pada grid-grid yang berbentuk bujursangkar (kisi-kisi dalam arah horizontal dan vertikal) seperti yang ditampilkan pada gambar 1.4

Gambar 1.4 Digitalisasi secara spasial (sampling)Terdapat perbedaan antara koordinat gambar yang di-sampling dengan koordinat matriks (hasil digitalisasi). Titik asal (0, 0) pada citra dan elemen (0, 0) pada matriks tidak sama. Koordinat x dan y pada citra dimulai dari sudut kiri bawah, sedangkan penomoran pixel pada matriks dimulai dari sudut kiri atas seperti yang ditunjukkan pada gambar 1.5.

Gambar 1.5 Hubungan antara elemen gambar dan elemen matriksDalam hal ini :

..............................................(1.4)i = (N-y), 0 i N-1j = x, 0 j M-1x = Dx/M incrementy = Dy/N increment

dimana :M = jumlah maksimum pixel dalam satu barisN = jumlah maksimum pixel dalam satu kolomDx = lebar gambar (dalam satuan inchi)Dy = tinggi gambar (dalam satuan inchi)Elemen (i, j) dalam matriks menyatakan rata-rata intensitas cahaya pada area citra yang direpresentasikan oleh pixel. Sebagai contoh, tinjau citra biner yang hanya mempunyai 2 derajat keabuan yaitu 0 (hitam) dan 1 (putih). Misalnya, sebuah gambar yang berukuran 10 x 10 inchi dinyatakan dalam matriks yang berukuran 5 x 5, yaitu 5 baris dan 5 kolom. Tiap elemen gambar lebarnya 2 inchi dan tingginya 2 inchi akan diisi dengan sebuah nilai bergantung pada rata-rata intensitas cahaya pada area tersebut.Area 2 x 2 inchi pada sudut kiri atas gambar dinyatakan dengan lokasi (0,0) pada matriks 5 x 5 yang bernilai 0 (yang berarti tidak ada intensitas cahaya). Area 2 x 2 inchi pada sudut kanan bawah gambar dinyatakan dengan lokasi (5,5) pada matriks 5 x 5 yang bernilai 1 (yang berarti iluminasi maksimum).

Gambar 1.6. (a) Gambar yang di-sampling, (b) Matriks yang merepresentasikan gambar

Untuk memudahkan implementasi, jumlah sampling diasumsikan dengan perpangkatan dari dua :N = 2nyang dalam hal ini :N = jumlah sampling pada suatu baris/kolomn = bilangan bulat positifContoh ukuran sampling : 256 x 256 pixel, 128 x 128 pixel, dsb.Pembagian citra menjadi ukuran tertentu menentukan resolusi (derajat rincian yang dapat dilihat) spasial yang diperoleh. Semakin tinggi resolusinya, berarti semakin kecil ukuran pixel (semakin banyak jumlah pixelnya), dan semakin halus hasil citra yang diperoleh karena informasi yang hilang akibat pengelompokan derajat keabuan pada proses sampling semakin kecil.Misalnya terdapat empat buah citra yang masing-masing di-sampling sebesar 256 x 256, 128 x 128, 64 x 64, dan 32 x 32. Keempat citra tersebut mempunyai derajat keabuan yang sama, yaitu 256 buah dengan area tampilan yang juga sama, yaitu 256 x 256 pixel. Maka pixel-pixel citra yang beresolusi rendah diduplikasi untuk mengisi seluruh bidang tampilan. Hal ini menghasilkan efek blok-blok yang sering diamati pada citra beresolusi rendah pada umumnya. Ukuran sampling yang berbeda-beda menghasilkan kualitas citra yang berbeda pada proses kuantisasi.

1.2.2.2 Digitalisasi Intensitas (Kuantisasi)Langkah selanjutnya setelah proses sampling adalah kuantisasi. Proses kuantisasi membagi skala keabuan (0, L) menjadi G buah level yang dinyatakan dengan suatu harga bilangan bulat (integer). Biasanya G diambil dari perpangkatan dua,

...................................................................(1.5)G = 2m

yang dalam hal ini, G = derajat keabuanm = bilangan bulat positifTabel 1.1. Hubungan antara skala keabuan dengan pixel depthSkala KeabuanRentang Nilai KeabuanPixel Depth

21 (2 nilai)0 dan 11 bit

22 (4 nilai)0 sampai 32 bit

23 (8 nilai)0 sampai 73 bit

24 (16 nilai)0 sampai 154 bit

28 (256 nilai)0 sampai 2558 bit

Hitam dinyatakan dengan nilai derajat keabuan terendah, yaitu 0, sedangkan putih dinyatakan dengan nilai derajat keabuan tertinggi, misalnya 15 untuk 16 level. Jumlah bit yang dibutuhkan untuk merepresentasikan nilai keabuan pixel disebut dengan kedalaman pixel (pixel depth). Citra sering diasosiasikan dengan kedalaman pixel-nya. Jadi citra dengan kedalaman 8-bit disebut juga citra 8-bit (citra 256 warna).Pada kebanyakan aplikasi, citra hitam-putih dikuantisasi pada 256 level dan membutuhkan 1 byte (8 bit) untuk representasi setiap pixel-nya. Citra biner (binary image) hanya dikuantisasi pada dua level yaitu 0 dan 1. Tiap pixel pada citra biner cukup direpresentasikan dengan 1 bit, yang mana bit 0 berarti hitam dan bit 1 berarti putih.Besarnya daerah derajat keabuan yang digunakan menentukan resolusi kecerahan dari gambar yang diperoleh. Sebagai contoh, jika digunakan 3 bit untuk menyimpan harga bilangan bulat, maka jumlah derajat keabuan yang diperoleh hanya 8. Jika digunakan 4 bit, maka derajat keabuan yang diperoleh adalah 16 buah. Semakin banyak jumlah derajat keabuan (berarti jumlah bit kuantisasinya semakin banyak), maka akan semakin bagus gambar yang diperoleh karena kemenerusan derajat keabuan akan semakin tinggi sehingga mendekati citra aslinya.Penyimpanan citra digital yang di-sampling menjadi N x M buah pixel dan dikuantisasi menjadi G = 2m level derajat keabuan membutuhkan memori sebanyak b = N x M x m bit. Sebagai contoh, citra yang berukuran 256 x 256 pixel dengan 256 derajat keabuan membutuhkan memori sebesar :256 x 256 x 8 bit = 524. 288 bit = 65. 536 byte = 66 kilobyteSecara keseluruhan, resolusi gambar ditentukan oleh N dan m. Makin tinggi nilai N (atau M) dan m, maka citra yang dihasilkan akan semakin bagus kualitasnya. Untuk citra dengan jumlah objek yang sedikit, kualitas citra ditentukan oleh nilai m. Sedangkan untuk citra dengan jumlah objek yang banyak, kualitasnya ditentukan oleh N atau M.Seluruh tahapan proses digitalisasi (sampling dan kuantisasi) diatas dikenal sebagai konversi analog-ke-digital, dimana hasil prosesnya disimpan ke dalam media penyimpanan digital misalnya harddisk.

1.2.3 Operasi-operasi Pengolahan Citra DigitalSecara umum, teknik pengolahan citra digital dibagi menjadi tiga tingkat pengolahan, yakni sebagai berikut : Tahap 1, yang dinamakan dengan low-level processing (pengolahan tingkat rendah). Pengolahan ini merupakan operasi dasar dalam pengolahan citra, seperti pengurangan noise (noise reduction), perbaikan citra (image enhancement), dan restorasi citra (image restoration). Tahap 2, yang dinamakan dengan mid-level processing (pengolahan tingkat menengah). Pengolahan ini meliputi segmentasi pada citra, deskripsi objek, dan klasifikasi objek secara terpisah. Tahap 3, yang dinamakan dengan high-level processing (pengolahan tingkat tinggi). Pengolahan ini meliputi analisis citra (image analysis).Dari ketiga tahap pengolahan citra digital diatas, dapat dinyatakan suatu gambaran mengenai teknik-teknik pengolahan citra digital dan macam-macamnya, antara lain :1. Perbaikan kualitas citra (image enhancement)Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra seperti kontras dan kecerahannya. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh operasi perbaikan citra : a. perbaikan kontra gelap/terangb. perbaikan tepian objek (edge enhancement) c. penajaman (sharpening)d. pembrian warna semu (pseudocoloring) e. penapisan derau (noisefiltering)

(a) (b)

Gambar 1.7. (a) Citra Lena yang mengandung derau, (b) hasil dari operasi penapisan derau.

(a) (b)

Gambar 1.8 (a) Citra Lena asli, (b) Citra Lena setelah ditajamkan

2. Pemugaran citra (image restoration)Jenis operasi ini bertujuan untuk memperbaiki model citra, biasanya berhubungan dengan bentuk citra yang sesuai. Contoh : penghilangan kesamaran (debluring) citra tampak kabur karena pengaturan fokus lensa tidak tepat / kamera goyang, penghilangan noiseGambar 1.9 adalah contoh operasi penghilangan kesamaran. Citra masukan adalah citra yang tampak kabur (blur). Kekaburan gambar mungkin disebabkan pengaturan fokus lensa yang tidak tepat atau kamera bergoyang pada pengambilan gambar. Melalui operasi deblurring, kualitas citra masukan dapat diperbaiki sehingga tampak lebih baik

(a) (b)

Gambar 1.9 (a) Citra Lena yang kabur (blur), (b) citra Lena setelah deblurring

3. Pemampatan citra (image compression)Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih compact sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus.Contoh : suatu file citra berbentuk BMP berukuran 258 KB dimampatkan dengan metode JPEG menjadi berukuran 49 KB.

(a)(b)

Gambar 1.10. (a) Citra boat.bmp (258 KB) sebelum dimampatkan, (b) citra boat.jpg (49 KB) sesudah dimampatkan.

4. Segmentasi citra (image segmentation)Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi berkaitan erat dengan pengenalan pola.5. Analisis citra (image analysis)Jenis operasi ini bertujuan untuk menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya. Teknik analisis citra mengekstrasi ciri-ciri tertentu yang membantu dalam identifikasi objek. Contoh :a. Pendeteksian tepi objek (edge detection) b. Ekstraksi batas (boundary)c. Representasi daerah (region)

2

1

Gambar 1.11 adalah contoh operasi pendeteksian tepi pada citra Camera. Operasi ini menghasilkan semua tepi (edge) di dalam citra.

(a) (b)

Gambar 1.11. (a) Citra camera, (b) citra hasil pendeteksian seluruh tepi

6. Rekonstruksi citra (image reconstruction)Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis.Contoh : beberapa foto rontgen digunakan untuk membentuk ulang gambar organ tubuh.

1.2.4 Peralatan Pengolahan Citra DigitalPeralatan yang digunakan untuk mendapatkan citra dalam bentuk digital adalah :1. Sistem Akuisisi Citra (Image Acquisition System) yang diperlukan untuk mendapatkan citra, terdiri dari sensor (mengubah gelombang elektro-magnetik menjadi sinyal listrik) dan pendijitasi(digitizer) dimana mengubah sinyal listrik analog menjadi sinyal digital. Contohnya kamera dan scanner.2. Pentayang berupa monitor TV untuk menampilkan citra pada layar kaca Pencetak untuk mendapatkan hasil dalam bentuk cetakan seperti foto, transparansi atau slide.3. Pengolahan dalam bentuk algoritma.4. Penyimpanan citra dibedakan 3 jenis: a.untuk jangka pendek berupa card, b. untuk tempat terpasang berbentuk disket magnetik, c. untuk arsip berupa pita magnetik dan disketoptis.5. Komunikasi untuk pengiriman maupun penerimaan citra. Contoh dengan satelit.

1.2.5 Aplikasi Pengolahan Citra DigitalPengolahan citra mempunyai aplikasi yang sangat luas dalam berbagai bidang kehidupan. Di bawah ini disebutkan beberapa aplikasi dalam beberapa bidang 1. Bidang perdagangan(a) Pembacaan kode batang ( bar code) yang tertera pada barang (umum digunakan di pasar swalayan/supermarket).

Gambar 1.12 Barcode

(b) Mengenali huruf/angka pada suatu formulir secara otomatis.

2. Bidang militer(a) Mengenali sasaran peluru kendali melalui sensor visual System Rudal dengan Kendali GPS adalah Peluru kendali jenis terbaru AS yang menggunakan sistem navigasi yang sudah dilengkapi dengan pemandu GPS yang kemudian meneruskan sinyal dan posisi armada bergerak kepada Base Station (BS) dengan memanfaatkan satelit militer sehingga semua sasaranyang dituju tidak pernah meleset

Gambar 1.13 Visual untuk kendali peluru

(b) Mengidentifikasi jenis pesawat musuh.Radar 3D (tiga dimensi: jarak, arah, dan ketinggian) adalah radar yang memancarkan gelombang elektromagnetik dari sistem transmiternya untuk dapat melihat pesawat atau obyek di udara yang kemudian gelombang tersebut dipantulkan kembali oleh obyek untuk diterima receiver radar. Seluruh data tentang perbedaan waktu antara pengiriman dan diterimanya kembali gelombang pantulan diperhitungkan dengan arah horizontal dan vertikal antena, dikalkulasi oleh prosesing radar sehingga obyek yang tertangkap tersebut dapat ditentukan jarak dan arah (bearing) serta kecepatan dan ketinggiannya dari radar.

Gambar 1.14 Radar untuk mengidentifikasi pesawat musuh

(b) Teropong malam hari (night vision).Night vision binocular / monocular adalah alat yang digunakan untuk pengintaian di malam hari tanpa ada cahaya. Dalam teropong militer memiliki lapisan aluminiun lebih tebal pada prisma, untuk menjamin kualitas reflektif jika terkena air.

Gambar 1.15 Tampilan night vision

3. Bidang kedokteran(a) Pengolahan citra sinar X untuk mammografi (deteksi kanker payudara)

(b) NMR (Nuclear Magnetic Resonance)

Gambar 1.15 Hasil dari Nuclear Magnetic Resonance (NMR)(c) Mendeteksi kelainan tubuh dari foto sinar X.Tomografi terkomputerisasi (Computer Terized Tomography/CT) adalah pengolahan citra digital yang dapat digunakan untuk deteksi tumor atau kanker rahim, identifikasi penyakit paru-paru, identifikasi penyakit hati, identifikasi penyakit tulang, segmentasi tulang dari otot yang lainnya, klasifikasi gigi, dan analisis citra mikroskopis. Beberapa dari kemajuan pada bidang kedokteran tersebut karena kemampuan pengolahan citra digital mampu menginterpretasikan sinar x (x ray).

Gambar 1.16 Hasil Roatgen sinar-X(d) Rekonstruksi foto janin hasil USGAplikasi volumetric 3D Magnetic Resonance Imaging (MRI) adalah aplikasi yang mampu mendapatkan pencitraan organ dalam tubuh secara jelas dengan menggunakan scanner MRI.

Gambar 1.17 Foto janin hasil USG

4. Bidang biologiPengenalan jenis kromosom melalui gambar mikroskopik adalah untuk mengamati dan mengidentifikasi perubahan gen pada kromosom, mengamati perubahan gen terhadap lingkungan, dan memberi pemahaman mengenai mekanisme kerja gen

5. Komunikasi dataPemampatan citra yang ditransmisi (Internet), diantaranya :a. Facebook, Twitter, Yahoo Mesengger adalah aplikasi media sosial yang dapat digunakan untuk berbagi obrolan yang berupa beberapa teks atau kalimat dari orang satu ke orang yang lain, namun harus saling terhubung satu sama lain. Tidak hanya obrolan melalui teks, mereka juga dapat saling bertatap muka melalui WebCam.

Gambar 1.18 Interface chat webcam

b. Komunikasi Data adalah proses pengiriman dan penerimaan data/informasi dari dua atau lebih device (alat,seperti komputer/laptop/printer/dan alat komunikasi lain)yang terhubung dalam sebuah jaringan. Baik lokal maupun yang luas, sepeti internet.

6. HiburanAplikasi pengolahan citra yang digunakan pada bidang hiburan antara lain untuk pemampatan video (MPEG) seperti MPEG Video Converter Software adalah software yang berfungsi untuk mengubah jenis file video ke jenis file AVI, MP4, WMV, MKV, MPEG, FLV, 3GP, DVD, MP3, iPad, iPhone, Android, PSP dll.7. RobotikaVisualy-guided autonomous navigation yaitu teknologi yang diterapkan di sebuah robot, robot akan diberi sensor dimana di bisa membedakan atau membuat jalur mana yang harus dilewati tanpa harus manusia membuat logika yang menentukan. Dikarenakan teknologi ini sangat berguna untuk menjunjukan jalur jalur yang belum diketahui medannya.

Gambar 1.19 Navigasi flight automatic

8. PemetaanKlasif ikasi penggunaan tanah melalui foto udara/LANDSAT. Satelit mencatat jumlah interval panjang gelombang kecil di dalam spektrum elektromagnetik (dekat terlihat, dan pendek gelombang cahaya inframerah).Dengan menggunakan warna dasar merah, hijau dan biru (RGB) adalah mungkin untuk membangun beberapa bandcombinations di mana warna mengatakan sesuatu tentang bagian-bagian dari spektrum yang diwakili dalam RGB.

(a) (b)Gambar 1.20. Peta Citra Landsat TM (A : KompositRGB 321dan B : KlasifikasiCitra Unsupervised isodata )

9. GeologiMengenali jenis batu-batuan melalui foto udara/LANDSAT

Gambar 1.21 Tampilan lanscape permukaan bumi

10. Hukum(a) Pengenalan sidik jari Fingerprint Time Attendance Machine (Mesin absensi sidik jari) adalah salah satu mesin absensi jenis biometrik yang menggunakan metode pendeteksian melalui sidik jari karyawan untuk mendata daftar kehadiran karyawan.

Gambar 1.22 Fingerprint(b) Pengenalan foto narapidanaAplikasi face recognition adalah software komputer yang berguna untuk mengenali wajah manusia dengan menggunakan model 3D. Setiap wajah memiliki kontur khusus yang membedakannya dengan wajah yang lain yakni terdapat 80 titik kontur yang dapat diukur dengan software, di antaranya adalah jarak antara kedua mata, lebar hidung, kedalaman lekuk mata, bentuk tulang pipi, dan panjang rahang. Titik-titik kontur tersebut diukur menggunakan kode numerik, disebut faceprint, yang disimpan dalam database.

Gambar 1.23 Face recognition1.3 Contoh Soal1.3.1 Mengubah citra menjadi grayscaleListing program pada VB.Net untuk mengubah citra menjadi grayscale

Public Class Form1 Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click Dim i, j, x As Integer Dim r, g, b As Integer Dim gambar = New Bitmap(PictureBox1.Image) Dim gambar2 As Bitmap = New Bitmap(PictureBox1.Image) For i = gambar.Width - 1 To 0 Step -1 For j = gambar.Height - 1 To 0 Step -1 r = gambar.GetPixel(i, j).R g = gambar.GetPixel(i, j).G b = gambar.GetPixel(i, j).B x = ((0.5 * r + 0 * g + 0.5 * b)) gambar2.SetPixel(i, j, Color.FromArgb(x, x, x)) Next PictureBox2.Refresh() PictureBox2.Image = gambar2 Next End Sub Private Sub Button2_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button2.Click Me.Close() End SubEnd Class

Hasil eksekusi dari program di atas

Gambar 1.24 Hasil grayscale citra

1.3.2 Mengubah citra menjadi biner

Public Class Form1 Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click Dim bm As New Bitmap(PictureBox1.Image) Dim X As Integer Dim Y As Integer Dim pixelBaru As Integer For X = 0 To bm.Width - 1 For Y = 0 To bm.Height - 1 pixelBaru = (CInt(bm.GetPixel(X, Y).R) + CInt(bm.GetPixel(X, Y).G) + CInt(bm.GetPixel(X, Y).B)) \ 3 If pixelBaru < 128 Then pixelBaru = 0 Else pixelBaru = 255 bm.SetPixel(X, Y, Color.FromArgb(pixelBaru, pixelBaru, pixelBaru)) Next Y Next X PictureBox2.Image = bm End Sub Private Sub Button2_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button2.Click End End SubEnd ClassListing program untuk mendeteksi tepi pada citra

Gambar 1.25 Hasil grayscale citra

1.3.3 Implementasi Pengolahan Citra dalam Kehidupan Sehari-hari

Penggunaan operasi pengolahan citra dalam kehidupan sehari-hari adalah :1. Pengolahan Citra Digital untuk Memprediksi Kandungan Gizi Pisang Berdasarkan Degradasi Warna KulitDari penelitian yang telah dilakukan maka dapat disimpulkan bahwa indek merah dan indek hijau memiliki hubungan yang nyata dengan sifat fisik dan kimia pisang karena pada warna kulit pisang saat kematangan terjadi degradasi warna hijau ke kuning yang mendekati indek merah. Hubungan indek biru tidak memiliki hubungan yang nyata terhadap sifat kimia dan kematangan pisang karena indek biru menjauhi dari warna kematangan pisang sehingga nilai indek biru dibandingkan dengan indek merah dan hijau sangat rendah. Nilai threshold untuk memisahkan objek dengan latar belakang adalah 100 untuk menghilangkan noise digunakan nilai 1000, variabel untuk pendugaan tingkat kematangan adalah indek merah, indek hijau, dan Hue.

2. Implementasi Backpropgation dalam Pengolahan Citra Teks Tulisan Tangan Menjadi Teks Digital Pada penelitian tugas akhir ini akan dibuat suatu aplikasi yang berhubungan dengan pengenalan pola dan pengolahan citra. Yaitu aplikasi yang dapat mengenali pola tulisan tangan dan mengubahnya menjadi teks digital. Aplikasi ini menggunakan metode backpropagation dalam proses pengenalannya. Dimana input yang berupa citra berekstensi bitmap akan diolah terlebih dahulu melalui serangkaian proses, yang disebut dengan tahap preprocessing. Dimana tahap ini terdiri dari Greyscale, thresholding, segmentasi, cropping, da n normalisasi. Kemudian setelah preprocessing barulah tahap pengenalan akan dilakukan. Adapun keakuratan hasil yang didapat dari proses ini sebesar 67,99%. Yang didapat dari hasil uji coba 50 data uji, dengan menggunakan 660 data referensi, learning rate = 0,001, error rate = 0,01, epoch = 100, inisialisasi bobot awal = -0,5 sampai 0,5, input patern = 30 x 30 piksel, input neuron = 900, hidden layer 55, dan output neuron = 900. Dimana dapat disimpulkan bahwa aplikasi ini cukup baik dalam proses pengenalan pola tulisan tangan.2.4 Latihan

1. Sebutkan alasan pengkonversian citra greyscale menjadi citra biner !Jawaban : Untuk mengidentifikasi keberadaan objek, yang direpresentasikan sebagai daerah (region) di dalam citra. Misalnya kita ingin memisahkan (segmentasi) objek dari gambar latar belakangnya. Pixel-pixel objek dinyatakan dengan nilai 1 sedangkan pixel lainnya dengan 0. Objek ditampilkan seperti gambar siluet. Untuk memperoleh siluet yang bagus, objek harus dapat dip isahkan dengan mudah dari gambar latar belakangnya. Untuk lebih memfokuskan pada analisis bentuk morfologi, yang dalam hal ini intensitas pixel tidak terlalu penting dibandingkan bentuknya. Setelah objek dipisahkan dari latar belakangnya, properti geometri dan morfologi/ topologi objek dapat dihitung dari citra biner. Hal ini berguna untuk pengambilan keputusan. Untuk menampilkan citra pada piranti keluaran yang hanya mempunyai resolusi intensitas satu bit, yaitu piranti penampil dua-aras atau biner seperti pencetak (printer). Mengkonversi citra yang telah ditingkatkan kualitas tepinya (edge enhancement) ke penggambaran garis-garis tepi. Ini perlu untuk membedakan tepi yang kuat yang berkoresponden dengan batas-batas objek dengan tepi lemah yang berkoresponden dengan perubahan illumination, bayangan,dll.

2. Cara mengubah citra menjadi biner Jawaban :Citra biner hanya mempunyai dua nilai derajat keabuan: hitam dan putih.Pixel-pixel objek bernilai 1 dan pixel-pixellatar belakang bernilai 0. Pada waktu menampilkan gambar, 0 adalah putih dan 1 adalah hitam. Jadi, pada citra biner, latar belakang berwarna putih sedangkanobjek berwarna hitam. Meskipun komputer saat ini dapat memproses citra hitam-putih (greyscale)maupun citra berwarna, namun citra biner masih tetap dipertahankan keberadaannya. 3 lanhkah cara membuat histogram :Normalisasi histrogram dilakukan dengan membagi setiap nilai nk dengan total jumlah pixel dalam citra, yang dinyatakan dengan n. Histogram yang sudah dinormalisasi dinyatakan dengan p(rk)= nk/n, untuk k=0,1,,L-1. p(rk) menyatakan estimasi probabilitas kemunculan tingkat keabuan rk. Jumlah dari semua komponen normalized histogram sama dengan 1. Empat tipe citra: gelap, terang, kekontrasan rendah dan kekontrasan tinggi. Sumbu horizontal dari histogram menyatakan nilai tingkat keabuan rk. Sumbu vertikal menyatakan nilai dari h(rk)=nk atau p(rk) = nk/n (jika nilainya dinormalisasi).

2.5 Rangkuman

Citra digital merupakan gambar pada bidang dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinyu menjadi gambar diskrit melalui proses digitasi. Pengolahan Citra (image processing) adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia/mesin(komputer). Inputannya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik daripada citra masukan, misal citra warnanya kurang tajam, kabur (blurring), mengandung noise (misal bintik-bintik putih), dll sehingga perlu ada pemrosesan untuk memperbaiki citra karena citra tersebut menjadi sulit diinterpretasikan karena informasi yang disampaikan menjadi berkurang.Operasi-operasi pada pengolahan citra adalah:- Perbaikan kualitas citra (image enhancement)- Pemugaran citra (image restoration)- Pemampatan citra (image compression)- Segmentasi citra (image segmentation)- Analisis citra (image analysis)- Rekonstruksi citra (image reconstruction)Peralatan yang digunakan untuk mendapatkan citra dalam bentuk digital adalah sebagai berikut : Sistem Akuisisi Citra (Image Acquisition System) Contohnya kamera dan scanner. Pentayang berupa monitor TV untuk menampilkan citra pada layar kaca Pencetak untuk mendapatkan hasil dalam bentuk cetakan seperti foto, transparansi atau slide. Pengolahan dalam bentuk algoritma. Ruang penyimpanan citra Komunikasi untuk pengiriman maupun penerimaan citra. Contoh : satelit.GLOSSARY

backpropgation: metode sistematik pada jaringan saraf tiruanblur: citrayang tampak kaburbiner: citra yang mempunyai dua nilai derajat keabuan, hitam dan putihcitra: fungsi kontinu dari intensitas cahaya pada bidang 2Dgrayscale: derajat keabuanpixel: representasi sebuah titik terkecil dalam sebuah gambar grafis

DAFTAR PUSTAKA

Aniati murni Arymurthy & Suryana Setiawan, Pengantar Pengolahan Citra, Elex Media Komputindo, 1992Gonzales, Rafael C., Digital Image Processing, Second Edition, Addison-wesley publishing, 1992Jain, Anil K., Fundamentals of Digital Image Processing, Prentice Hall international, 1989Munir, Rinaldi, 2004, Pengolahan Citra Digital dengan pendekatan Algoritmik, Penerbit Informatika, Bandung.xy123456789101112