Anda di halaman 1dari 13

BAB III HISTOGRAM

3.1 Pendahuluan
Histogram adalah tampilan grafis dari tabulasi frekuensi yang digambarkan dengan grafis batangan sebagai manifestasi data binning. Tiap tampilan batang menunjukkan proporsi frekuensi pada masing-masing deret kategori yang berdampingan dengan interval yang tidak tumpang tindih, diharapkan dengan penjabaran yang ada mampu menggambarkan secara umum penggunaan histogram

3.2 Tujuan Khusus


Tujuan khusus dari pembahasan bab histogram ini adalah mahasiswa mampu mengerti representasi histogram gray level dari citra baik itu berwarna maupun abu-abu.

3.3 Teori Histogram


Salah satu proses yang penting dalam pengenalan objek yang tersaji secara visual (berbentuk gambar) adalah segmentasi. Segmentasi objek di dalam citra bertujuan memisahkan wilayah (region) objek dengan wilayah latar belakang. Selanjutnya, wilayah objek yang telah tersegmentasi digunakan untuk proses berikutnya (deteksi tepi, pengenalan pola, dan interpretasi objek). Metode segmentasi yang umum adalah pengambangan citra (image thresholding). Operasi

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

26

pengambangan mensegmentasikan citra menjadi dua wilayah, yaitu wilayah objek dan wilayah latar belakang [1]. Wilayah objek diset berwarna putih sedangkan sisanya diset berwarna hitam (atau sebaliknya). Hasil dari operasi pengambangan adalah citra biner yang hanya mempunyai dua derajat keabuan: hitam dan putih. Sebelum proses segmentasi, citra mengalami beberapa pemrosesan awal (preprocessing) untuk memperoleh hasil segmentasi objek yang baik. Pemrosesan awal adalah operasi pengolahan citra untuk meningkatkan kualitas citra (image enhancement). Makalah ini mempresentasikan penggunaan metode pengambangan citra untuk segmentasi objek. Pembahasan dimulai dari dasar teori mengenai histogram citra, peningkatan kualitas citra, metode pengambangan, dan diakhir dengan analisis hasil eksperimen. Informasi penting mengenai isi citra digital dapat diketahui dengan membuat histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran kuantitatif nilai derajat keabuan (grey level) pixel di dalam (atau bagian tertentu) citra. Misalkan citra digital memiliki L derajat keabuan, yaitu dari nilai 0 sampai L-1 (misalnya pada citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat keabuan dari 0 sampai 255). Gambar 1 memperlihatkan contoh sebuah histogram citra, yag dalam hal ini k menyatakan derajat keabuan dan nk menyatakan jumlah pixel yang memiliki nilai keabuan k. Histogram adalah alat bantu yang berharga dalam pekerjaan pengolahan citra baik secara kualitatif maupun kuantitatif. Histogram berguna antara lain

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

27

untuk perbaikan kontras dengan teknik histogram equalization [3] dan memilih nilai ambang untuk melakuka segmentasi objek. Poin yang disebutkan terakhir akan dijelaskan di dalam bagian selanjutnya. Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Histogram juga dapat menunjukkan banyak hal tentang kecerahan (brightness) dan kontras (contrast) dari sebuah gambar. Secara grafis histogram ditampilkan dengan diagram batang.

3.3.1 Histogram Sebagai Distribusi Gray Level Sebah citra digital memiliki L derajat keabuan. (misalnya citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat keabuan dari 0 255) secara matematis dapat dihitung dengan rumus:

hi

ni n

, i 0,1,.....L 1

.. (3.1)

Dimana ni = jumlah pixel yang memiliki derajat keabuan I n = jumlah seluruh pixel di dalam citra

Sebagai contoh matrik citra berukuran 8 x 8 dengan derajat keabuan dari 0 sampai 15 ( ada 16 buah derajat keabuan)

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

28

3 2 14 12 0 4 15 2

7 0 6 12 2 5 13 1

7 0 5 11 3 0 11 0

8 0 9 8 4 0 10 10

10 1 8 8 5 1 9 11

12 8 10 10 13 0 9 14

14 15 9 11 10 2 8 13

10 15 12 1 14 2 7 12

ni 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 8 4 5 2 2 3 1 3 6 3 7 4 5 3 4 3

Hi=ni/n (n=64) 0.125 0.0625 0.078125 0.03125 0.03125 0.046875 0.015625 0.015688 0.09375 0.046875 0.109375 0.0625 0.078125 0.046875 0.0625 0.046875

Gambar 3.2 Matrik dan tabel penyebaran data

Semakin besar nilai ni maka semakin besar pula nilai hi

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

29

Gambar 5.1. Histogram Citra Kapal

A. Histogram Citra Berwarna Citra berwarna histogramnya dibuat untuk setiap kanal RGB (merah, hijau, dan biru). Misalnya citra berwarna pepper 512 pixel 8-bit, pada Gambar 6.3, histogramnya ada tiga buah, masing- masing untuk komponen merah, hijau, dan biru. Histogram adalah kunci untuk mengerti image digital. Sebagai ilustrasi, pada contoh dibawah diperlihatkan 40 tile scene yang terdiri dari 4 warna, kemudian masing-masing warna disusun bertumpuk sesuai banyaknya warna. Makin banyak jumlah suatu warna, makin makin tinggi susunannya secara vertikal. Histogram adalah grafik yang menampilkan distribusi warna dari sebuah scene sesuai dengan jumlah masing-masing warna. Histogram sangat erat kaitannya dengan kemampuan dynamic range dari sebuah kamera.

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

30

Gambr 5.2 Contoh representasi citra dengan histogram

Sebuah image digital dibentuk oleh sekumpulan pixel-pixel (berbentuk kotak) yang berwarna-warni dan sangat kecil bahkan sangat halus.Tetapi, daripada mengurutkan pixel berdasarkan warna, grafik histogram menyusun pixel-pixel tersebut kedalam 256 level brightness dalam range 0 (dark) sampai 255 (white) dan menumpuknya sesuai kecerahan masing-masing, artinya ada 254 level gray diantara range 0 - 255. Sistem secara otomatis mengurutkan pixel-pixel tersebut ke dalam 256 level group dan menumpuknya sesuai group masing-masing. Tingkat tinggi dari masing-masing tumpukan (vertical bar) menunjukan seberapa banyak pixel yang terdeteksi dari masing-masing level brightness pada image tersebut. 0 mewakili warna hitam sedang 255 mewakili warna putih dalam level kecerahan pixel-pixel tersebut.

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

31

Gambar 5.3 Citra berwarna pepper dan histogram masing-masing kanal warnanya

3.3 Contoh Aplikasi Dan Kegunaannya


Perbaikan Kualitas Citra Perbaikan kualitas citra (image enhancement) merupakan salah satu proses awal dalam pengolahan citra (image preprocessing). Perbaikan kualitas diperlukan karena seringkali citra yang diuji mempunyai kualitas yang buruk, misalnya citra mengalami derau (noise) pada saat pengiriman melalui saluran

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

32

transmisi, citra terlalu terang/gelap, citra kurang tajam, kabur, dan sebagainya. Melalui operasi pemrosesan awal inilah kualitas citra diperbaiki sehingga citra dapat digunakan untuk aplikasi lebih lanjut, misalnya untuk aplikasi pengenalan (recognition) objek di dalam citra. Yang dimaksud dengan perbaikan kualitas citra adalah proses memperjelas dan mempertajam ciri/fitur tertentu dari citra agar citra lebih mudah dipersepsi maupun dianalisis secara lebih teliti [2]. Secara matematis, image enhancement dapat diartikan sebagai proses mengubah citra f(x, y) menjadi f (x, y) sehingga ciri-ciri yang dilihat pada f(x, y) lebih ditonjolkan [4]. Image enhancement tidak meningkatkan kandungan informasi, melainkan jangkauan dinamis dari ciri agar bias dideteksi lebih mudah dan tepat [2]. Operasi-operasi yang digolongkan sebagai perbaikan kualitas citra cukup beragam antara lain, pengubahan kecerahan gambar (image brightness), peregangan kontras (contrast stretching), pengubahan histogram citra, pelembutan citra (image smoothing), penajaman (sharpening) tepi (edge), pewarnaan semu (pseudocolouring), pengubahan geometrik, dan sebagainya. Beberapa operasi perbaikan kualitas yang penting dan berkaitan dengan makalah ini dijelaskan secara ringkas di bawah ini. Eksperimen dilakukan terhadap dua buah citra, yang pertama citra normal dengan satu buah objek (gambar hati), dan yang kedua citra dengan dua buah objek tetapi mengalami derau (noise). Gambar 2.12(a) dan 2.12(b)

memperlihatkan kedua buah citra tersebut. Sebagai batasan, citra yang digunakan

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

33

hanyalah citra hitam-putih (grey level) saja. Citra berwarna dikonversi terlebih dahulu menjadi citra hitam-putih.

(a)

(b

Gambar 2.12 orginal image dan binary image

Gambar 2.13 Histogram Segmentasi citra Gambar 2.13 memperlihatkan contoh segmentasi citra dengan menggunakan operasi pengambangan [1]. Gambar 2.13(a) adalah citra awal (sebelum

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

34

disegmentasi) yang memperlihatkan partikel-partikel. Gambar 2.13(b) adalah histogram citra yang sudah dinormalisasi. Kita dapat melihat bahwa histogram ini memperlihatkan ada tiga wilayah di dalam gambar. Wilayah pertama adalah latar belakang gambar yang gelap yang ditunjukkan dengan bagian histogram paling kiri dengan sebuah puncak. Wilayah kedua menunjukkan partikel-partikel yang berwarna lebih gelap yang ditunjukkan dengan bagian histogram tengah dengan dengan sebuah puncak. Wilayah ketiga menunjukkan partikel-partikel berwarna terang yang ditunjukkan dengan bagian histogram paling kanan. Wilayah kedua dan wilayah ketiga dapat

(a) Gambar 2.13 (a) Histogram citra

(b)

Dari histogram pada Gambar 2.13(a) terlihat bahwa nilai ambang dapat diambil atara nilai 15 sampai 25 untuk memisahkan liver dari latar belakangnya. Nilai ambang ini ditransformasikan ke nilai di dalam selang [0, 1] menjadi 0.06 sampai 0.1 karena MATLAB hanya menspesifikasikan level ambang di dalam

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

35

selang [0, 1]. Hasil pengambangan dengan bermacam-macam nilai ambang antara 0.06 sampai 0.1 diperlihatkan pada Gambar 2.13. Hasil pengambangan adalah citra biner. Sebagai pembanding, diujicoba nilai ambang yang lebih besar, yaitu 0.2.

Histogram Ciri Warna Menggunakan histogram yang menampilkan warna suatu gambar sebagai alat untuk mengukur jarak terdekat gambar dan membandingkan gambar dengan gambar yang ada dalam database system. Histogram suatu gambar dalam pemrosesan gambar digital dapat menampilkan ciri dari gambar tersebut. Ciri yang ditampilkan adalah berupa ciri warna dimana warna suatu gambar pertama dengan gambar yang lainnya pasti mempunyai nilai intensitas yang berbeda

bar 2.14 apel dan histogramnya

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

36

Gambar 2.13 gelas dan histogramnya Dari dua gambar diatas dapat diketahui bahwa walaupun kedua gambar sama yaitu hitam putih dengan tipe .bmp, tapi keduanya mempunyai bentuk histogram yang berbeda. Sehingga dari sinilah kami akan mencoba membuat suatu analisa jarak yang akan menghitung jarak terdekat dari kedua gambar tersebut.

3.4

Rangkuman
1. Histogram adalah alat bantu yang berharga dalam pekerjaan pengolahan citra baik secara kualitatif maupun kuantitatif. 2. Histogram suatu gambar dalam pemrosesan gambar digital dapat menampilkan ciri dari gambar tersebut.

3.5 Latihan
1. Jelaskan apa yang dimaksud dengan histogram? 2. Jelaskan prose pengambilan pada penyebaran data dengan hisyogram?
Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT 37

3. Bagaimana proses menampilkan nilai histogram pada gray scale, jelaskan? 4. Bagaimana proses menampilkan nilai histogram pada citra berwarna, jelaskan? 5. Dimana saja metode histogram ini digunakan?

Buku Ajar PCD By Sila Abdullah Syakry, A.Md. ST.,MT

38

Anda mungkin juga menyukai