TUGAS MANDIRI

TUTORIAL PENGOLAHAN CITRA MENGGUNAKAN OCTAVE

MATA KULIAH : Pengolahan Citra Digital (Praktek / Teori)

Nama Mahasiswa : Hegie Octori Hardianto

NPM : 130210264

Kode Kelas : 142-TI28T-M5 / 142-TI28P-M5

Dosen : Cosmas Eko Suharyanto, S.Kom.

UNIVERSITAS PUTERA BATAM

2015

i

KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah melimpahkan segala rahmat dan

karuniaNya, sehingga penulis dapat menyelesaikan laporan tugas mandiri mata kuliah

Pengolahan Citra Digital ini. Penulis menyadari bahwa laporan tugas mandiri ini

masih jauh dari sempurna dan masih banyak kekurangan. Karena itu, kritik dan saran

akan senang hati penulis terima.

Dengan segala keterbatasan, penulis menyadari pula bahwa laporan tugas

mandiri ini takkan terwujud tanpa bantuan, bimbingan, dan dorongan dari berbagai

pihak. Untuk itu, dengan segala kerendahan hati, penulis menyampaikan ucapan

terima kasih kepada Cosmas Eko Suharyanto, S.Kom. selaku dosen mata kuliah

Pengolahan Citra Digital. Semoga Tuhan membalas kebaikan dan mencurahkan

rahmatNya yang melimpah, Amin.

Batam, Juni 2015

Penulis

ii

DAFTAR ISI

Halaman

HALAMAN JUDUL................................................................................................i

KATA PENGANTAR..............................................................................................ii

DAFTAR ISI.............................................................................................................iii

TUTORIAL PENGOLAHAN CITRA DIGITAL DENGAN MENGGUNAKAN

OCTAVE............................................................................................................... 1

iii

TUTORIAL PENGOLAHAN CITRA DIGITAL DENGAN

MENGGUNAKAN OCTAVE

1. Pengertian Pengolahan Citra Digital

Secara umum, istilah pengolahan citra digital menyatakan “pemrosesan

gambar berdimensi-dua melalui komputer digital” (Jain, 1989). Menurut Efford

(2000), pengolahan citra adalah istilah umum untuk berbagai teknik yang

keberadaannya untuk memanipulasi dan memodifikasi citra dengan berbagai

cara. Foto adalah contoh gambar berdimensi dua yang bisa diolah dengan mudah.

Setiap foto dalam bentuk citra digital (misalnya berasal dari kamera digital) dapat

diolah melalui perangkat-lunak tertentu. Sebagai contoh, apabila hasil bidikan

kamera terlihat agak gelap, citra dapat diolah agar menjadi lebih terang.

Dimungkinkan pula untuk memisahkan foto orang dari latarbelakangnya.

Gambaran tersebut menunjukkan hal sederhana yang dapat dilakukan melalui

pengolahan citra digital. Tentu saja, banyak hal lain yang lebih pelik yang dapat

dilakukan melalui pengolahan citra digital.

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. Pengolahan citra juga memungkinkan wajah seseorang dikartunkan.

2. Octave

GNU Octave adalah suatu perangkat lunak gratis (freeware) dan bahasa

tingkat tinggi untuk komputasi numerik dan visualisasi data. Octave dirancang

sebagai tiruan dari Matlab. Sumber informasi mengenai Octave dapat dilihat

pada website www.octave.org.

1

Pada awalnya Octave dikembangkan oleh John W. Eaton (Universitas

Texas) dan sekarang pengembangan dan pemeliharaan Octave dilakukan oleh

beberapa orang volunteer dari berbagai penjuru dunia. Kelebihan utama dari

Octave yaitu gratis (freeware) dan tersedia untuk berbagai sistem operasi seperti

Windows 98/2000/XP, Mac OS/X, Debian, Suse, Fedora, RedHat Linux.

3. Menjalankan Program Octave

Pada kebanyakan sistem operasi program GNU Octave dapat dijalankan

dengan memberikan perintah octave pada shell command. Setelah perintah

tersebut kita berikan maka akan muncul suatu jendela GNU Octave. Pada jendela

tersebut akan ditampilkan beberapa pesan singkat mengenai Octave dan

kemudian di bawah pesan singkat tersebut ditampilkan sebuah prompt, yang

menandakan bahwa Octave siap untuk menerima perintah yang akan kita

berikan. Gambar 1 adalah tampilan dari program Octave untuk sistem operasi

Windows. Berikut tampilan awal Program Octave:

4. Membaca dan Menampilakan Citra Pada Octave

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)

2

Dalam hal ini, nama_file_citra menyatakan nama file citra yang hendak

dibaca dan Img menyatakan larik (array) yang menampung data citra yang

dibaca.

Sedangakan Citra dapat ditampilkan dengan mudah melalui fungsi

imshow. Contoh berikut digunakan untuk menampilkan citra yang terdapat di

Img:

>> imshow(Img); Berikut Contohnya:

5. Menampilkan Banyak Citra

3

Dalam octave, kita juga dapat menampilkan beberapa gambar sekaligus

dengan menggunakan subplot. Contoh penggunaannya adalah sebagai berikut:

Hasilnya:

Angka-angka seltelah perintah sublot diatas berturut-turut berarti (banyak baris

yang akan ditampilkan, banyak kolom yang akan ditampilkan, citra ke...)

Berikut untuk citra yang lebih banyak:

4

6. Mengubah Citra Berwarna ke Citra Keabuan

Secara umum citra berwarna dapat dikonversikan ke citra berskala

keabuan melalui rumus:

I=a x R+b xG+c x B ,a+b+c=1

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

5

G = 70

B = 61

Salah satu contoh rumus yang biasa dipakai untuk mengubah ke skala

keabuan yaitu:

I=0,2989 x R+0,5870 x G+0,1141 x B

Berikut contoh penerapannya:

7. Menyimpan Citra

Apabila kita ingin menyimpan sebuah citra yang telah kita olah ke Drive

C:/Image dengan nama misalnya abu.jpg, maka dalam octave penerpannya

sebagai berikut:

6

8. Menggunakan Histogram Citra

Histogram citra merupakan diagram yang menggambarkan frekuensi

setiap nilai intensitas yang muncul di seluruh piksel citra. Nilai yang besar

menyatakan bahwa piksel-piksel yang mempunyai intensitas tersebut sangat

banyak. Pada citra berskala keabuan, jumlah aras keabuan (biasa disimbolkan

dengan L) sebanyak 256. Nilai aras dimulai dari 0 hingga 255. Untuk

memperoleh histogram, gunakan rumus berikut:function histo(Img)

% HISTO Digunakan sebagai contoh pembuatan histogram

[jum_baris, jum_kolom] = size(Img);

Img = double(Img);

Histog = zeros(256, 1);

for baris=1 : jum_baris

for kolom=1 : jum_kolom

Histog(Img(baris, kolom)+1) = ...

Histog(Img(baris, kolom)+1) + 1;

end

end

% Tampilkan dalam bentuk diagram batang

Horis = (0:255)';

bar(Horis, Histog);

7

Selanjutnya untuk memunculkan histogram, panggil gambar yang akan dibuat

histogramnya, misalkan:>> Img = imread('C:\Image\abu.png');

>> histo(Img);

Berikut contoh penerapan dari citra berikut:

8

Berikut perbedaannya ketika kita menggunakan citra yang lebih cerah:

9

9. Meningkatkan Kecerahan

Operasi dasar yang sering dilakukan pada citra adalah peningkatan

kecerahan (brightness). Operasi ini diperlukan dengan tujuan untuk membuat

gambar menjadi lebih terang. Secara matematis, peningkatan kecerahan

dilakukan dengan cara menambahkan suatu konstanta terhadap nilai seluruh

piksel. Misalkan, f(y, x) menyatakan nilai piksel pada citra berskala keabuan

pada koordinat (y, x). Maka, citra baru

10

g ( y , x )=f ( y , x )+β

telah meningkat nilai kecerahan semua pikselnya sebesar β terhadap citra asli

f(y, x). Apabila β berupa bilangan negatif, kecerahan akan menurun atau menjadi

lebih gelap. Berikut contoh penerapannya :

Berikut perbedaan antara sebelum dan sesudahnya:

10. Meregangkan Kontras

Kontras dalam suatu citra menyatakan distribusi warna terang dan warna

gelap. Suatu citra berskala keabuan dikatakan memiliki kontras rendah apabila

distribusi warna cenderung pada jangkauan aras keabuan yang sempit.

Sebaliknya, citra mempunyai kontras tinggi apabila jangkauan aras keabuan lebih

terdistribusi secara melebar. Kontras dapat diukur berdasarkan perbedaan antara

nilai intensitas tertinggi dan nilai intensitas terendah yang menyusun piksel-

piksel dalam citra.

Perlu diketahui, citra dengan kontras rendah acapkali terjadi karena

kondisi pencahayaan yang jelek ataupun tidak seragam. Hal itu dapat diakibatkan

oleh sensor-sensor penangkap citra yang tidak linear (Jain, 1989). Agar distribusi

11

Sebelum Sesudah

intensitas piksel berubah perlu dilakukan peregangan kontras. Hal ini

dilaksanakan dengan menggunakan rumus

g ( y , x )=α f ( y , x )

Berdasarkan rumus di atas, kontras akan naik kalau α > 1 dan kontras

akan turun kalau α < 1. Berikut contoh penerapannya:

Berikut perbandingan antara sebelum dan sesudahnya:

11. Kombinasi Kecerahan dan Kontras

Operasi peningkatan kecerahan dan peregangan kontras dapat dilakukan

sekaligus untuk kepentingan memperbaiki citra. Secara umum, gabungan kedua

operasi tersebut dapat ditulis menjadi

g ( y , x )=α f ( y , x )+β

Berikut contoh implementasi rumus diatas:

12

Sebelum Sesudah

Hasil penerapannya:

12. Menggeser Citra

Penggeseran citra ke arah mendatar atau vertikal dapat dilaksanakan

dengan mudah. Rumus yang digunakan sebagai berikut:

xbaru=xlama+sx

ybaru= y lama+sy

Untuk penyederhanaan pembahasan, sx dan sy dianggap bertipe bilangan bulat.

Berikut contoh program yang digunakan untuk melakukan penggeseran citra:

13

Sebelum Sesudah

13. Memutar Citra

Suatu citra dapat diputar dengan sudut θ seiring arah jarum jam atau

berlawanan arah jarum jam dengan pusat putaran pada koordinat (0,0). Adapun

rumus yang digunakan untuk memutar citra dengan sudut θ berlawanan arah jam

berupa:

xbaru=x∗cos (θ )+ y∗sin (θ )

ybaru= y∗cos (θ )−x∗sin(θ)

Berdasarkan Persamaan diatas, pemutaran citra dengan sudut θ searah

jarum jam dapat dilakukan. Caranya, dengan menggunakan x dan y sebagai

posisi baru dan xbaru justru sebagai posisi lama. Pada saat menghitung dengan

rumus di atas, apabila posisi koordinat (ybaru ,xbaru) berada di luar area [1, lebar]

dan [1, tinggi], intensitas yang digunakan berupa nol. Cara inilah yang

merupakan contoh pemetaan ke belakang. Implementasinya dapat dilihat berikut

ini:

14

15