PENCARIAN GAMBAR YANG SAMA MENGGUNAKAN

PERBANDINGAN HISTOGRAM WARNA RGB DENGAN METODE

CONTENT BASED IMAGE RETRIEVAL
Insan Taufik
Jurusan Teknik Informatika, STMIK BUDIDARMA Medan
Jalan Sisingamangaraja No. 338 Simpang Limun Medan
www.stmik-budidarma.ac.id// Email : insan.taufik@gmail.com
ABSTRAK
Gambar adalah media untuk memproyeksikan penglihatan secara permanen pada media tertentu, baik kertas,
plastik, dinding, maupun sebagai berkas dalam komputer yang juga dapat diproyeksikan pada monitor
komputer. Khusus untuk berkas gambar, dengan semakin maraknya handphone dan kamera maka semakin
mudah juga masyarakat untuk mengambil gambar dalam bentuk digital. Dari kejadian ini tidak menutup
kemungkinan terjadinya penumpukan gambar didalam komputer yang tidak terorganisis sama sekali, karena
akan sangat sulit menamai berkas gambar satu persatu dari semua berkas gambar yang ada di dalam komputer.
Jadi muncul satu permasalahan apabila terjadi penumpukan photo yang tidak terorganisir, seperti besar
kemungkinan terjadinya penduplikasian berkas gambar yang pada akhirnya akan membuat ruang simpan
semakin berkurang. Satu lagi permasalahan yang mungkin timbul adalah bila hendak mencari lokasi gambar
yang ada, akan memakan waktu apabila mencari dengan membuka satu persatu gambar yang ada dalam folder.
Dengan segala permasalahan ini, ternyata ada suatu penyelesaian yaitu dengan memakai metode Content
Based Image Retrieval (CBIR) yang memanfaatkan histogram warna RGB dari berkas gambar. Dengan
menggunakan metode ini permasalahan penduplikasian gambar dapat teratasi, karena metode ini dapat
diterapkan pada aplikasi guna mencari gambar berdasarkan isi konten dari gambar.
Kata Kunci : Gambar, Komputer, CBIR, Pencarian Gambar Yang Sama
1.

PENDAHULUAN

Perkembangan
media
gambar
sangat
memudahkan setiap orang untuk merekam gambar
pada setiap momen yang dianggap penting, hal itu
terbukti dengan banyak jumlah produk perekam
gambar yang di produksi dan bahkan dijual dengan
harga yang sangat murah, selain kamera yang sudah
jelas fungsinya adalah sebagai media pengambilan
gambar paling baik, banyak produk yang tidak lazim
juga sudah memasukkan fungsi kamera, seperti
CCTV, Laptop, Handphone, Pulpen, Kunci Mobil,
Jam Meja dan masih banyak lagi.
Di tengah kondisi seperti ini muncul suatu
masalah penamaan berkas gambar yang direkam,
karena nama berkas gambar yang direkam, disimpan
bukanlah berdasarkan situasi atau kejadian dari
gambar itu sendiri, melainkan dengan menggunakan
kode tanggal, bulan, tahun dan nomor urut dari
gambar itu direkam, atau juga menggunakan nama
default dari pengaturan pemilik alat perekam itu
sendiri, dalam kondisi ini hampir dapat di pastikan
tidaklah mudah untuk mencari gambar yang
diiginkan dengan cepat, apalagi mencari gambar
yang sama menggunakan nama dari gambar.
Selain itu dengan perkembangan komputer dan
aplikasi-aplikasi pengolahan gambar juga, sangat
memudahkan setiap orang untuk merubah ataupun

menggandakan berkas-berkas gambar dengan sangat

cepat. Hal ini membuka peluang untuk terjadi proses
duplikasi secara tidak sengaja ataupun disengaja
yang tidak penting dan tidak perlu sehingga dapat
mengurangi sedikit banyaknya kapasitas media
penyimpanan yang ada, selain itu berkas gambar
yang terduplikat juga dapat menggangu struktur file
dan folder yang sudah disusun dengan rapi, dan
terkadang dapat membuat bingung untuk mencari
lokasi berkas.
Metode Content Based Image Retrieval atau
disingkat dengan CBIR adalah sebuah metode
pencarian berkas gambar. Berkas gambar dicari
menggunakan unsur-unsur atau konten-konten yang
terkandung pada gambar itu sendiri, jadi pencarian
tidak lagi menggunakan properti dari berkas gambar
seperti nama, tanggal, atau yang lainnya. Untuk
penerapan metode ini unsur-unsur yang dicari dari
berkas gambar adalah histogram warga RGB
(red,green,blue), yaitu dengan membandingkan
kapasitas masing-masing warna dari berkas gambar,
selisih warna yang paling kecil dianggap adalah
sebagai gambar yang paling mirip, sedangkan selisih
yang bernilai 0 (nol) dianggap sebagai gambar yang
sama.
2.

TINJAUAN PUSTAKA

Image Retrieval adalah aplikasi pengolahan

citra yang dapat membantu pengguna mengambil
atau mencari dengan cepat citra pada suatu database
citra berdasarkan query atau permintaan pengguna
(Putra, 2010, chap.1). Dalam penjelasan lain
menyebutkan bahwa Content Based Image Retrieval
(CBIR) is considered as the process of retrieving
desired images from huge database based on
extracted features from the image themselves
(without resorting to a key word) Latha, Y.M.,
Jinaga, B.C., Reddy, V.S.K., 2007, p.12. Dari kedua
pengertian diatas sudah dapat disimpulkan bahwa
Content Based Image Retrieval adalah metode
penemuan kembali berkas citra tanpa menggunakan
sebuah kata kunci melainkan dengan berbasis
ekstraksi fitur.
Ekstraksi fitur atau dengan membuat query dari
konten-konten citra yaitu mengambil informasiinformasi yang terkandung dalam isi citra, seperti
fitur warna, aplitudo, deteksi tepi, wavelet dan lainlain yang kemudian disimpan ke dalam basis data
dan setelah itu dilakukan hal yang sama kepada
gambar kunci atau gambar query, kemudian
membandingkannya dengan yang ada pada basis
data.
3.

Dibawah ini diilustrasikan 2 gambar yang masingmasing mempunyai resolusi 4x4 piksel. Masingmasing gambar sudah mempunyai nilai warna RGB
dan dari nilai itu dilakukan proses selanjutnya.

Gambar 2. Citra A

ANALISIS

Pengekstrakan fitur warna dari gambar adalah

langkah awal dalam metode cbir. Setiap warna
diekstrak dari masing-masing pixel yang terdapat
dalam gambar, jadi setiap pixel dalam gambar akan
diambil nilai dari warna R, G dan B. Untuk
mengambil fitur warna tersebut di dalam visual
basic 2008 tidaklah sulit, cukup hanya deklarasi
variabel bitmap dan isi variabel tersebut dengan
berkas gambar, setelah itu dari variabel bitmap
tersebut sudah disediakan fungsi untuk mengambil
fitur-fitur warna tersebut.

Gambar 3. Citra B
Dari nilai RGB diatas maka proses selanjutnya
adalah proses kuantisasi masing-masing nilai RGB.
Proses kuantisasi dilakukan dengan rumus dibawah
ini :

Q = hasil kuatisasi (Quatization)

V = nilai warna R atau G atau B
R = range nilai yang ingin di buat.
Setelah proses kuantisasi maka hasil dari kedua citra
diatas dibuat dalam tabel dibawah ini :
Tabel 1. Hasil kuantisasi Citra A

Gambar 1. Flowchart Pencarian Gambar

H(0,0,0)=0
H(0,1,0)=0
H(0,2,0)=0
H(0,3,0)=0

H(1,0,0)=0

H(1,1,0)=0

H(1,2,0)=0

H(1,3,0)=0

H(2,0,0)=3

H(2,1,0)=0

Tabel 2. Hasil kuantisasi Citra B

H(2,2,1)=0

H(2,2,3)=0
H(2,2,2)=0

H(2,3,1)=0

H(2,3,3)=0
H(2,3,2)=0

H(3,0,1)=0

H(3,0,3)=0
H(3,0,2)=2

Kemudian dibuat tabel histogram warna masingmasing piksel seperti dibawah ini.
Tabel 3. Histogram Warna Citra A
H(0,0,0)=1 H(0,0,1)=0 H(0,0,2)=0 H(0,0,3)=1
H(0,1,0)=0 H(0,1,1)=0 H(0,1,2)=0 H(0,1,3)=0
H(0,2,0)=0 H(0,2,1)=0 H(0,2,2)=0 H(0,2,3)=0
H(0,3,0)=0 H(0,3,1)=0
H(0,3,3)=0
H(0,3,2)=0
H(1,0,0)=2 H(1,0,1)=1
H(1,0,3)=0
H(1,0,2)=2
H(1,1,0)=0 H(1,1,1)=0
H(1,1,3)=0
H(1,1,2)=0
H(1,2,0)=0 H(1,2,1)=0
H(1,2,3)=0
H(1,2,2)=0
H(1,3,0)=0 H(1,3,1)=0
H(1,3,3)=0
H(1,3,2)=0
H(2,0,0)=1 H(2,0,1)=3
H(2,0,3)=0
H(2,0,2)=2
H(2,1,0)=0 H(2,1,1)=0
H(2,1,3)=0
H(2,1,2)=0
H(2,2,0)=0 H(2,2,1)=0
H(2,2,3)=0
H(2,2,2)=0
H(2,3,0)=0 H(2,3,1)=0
H(2,3,3)=0
H(2,3,2)=0
H(3,0,0)=0 H(3,0,1)=1
H(3,0,3)=2
H(3,0,2)=0
H(3,1,0)=0 H(3,1,1)=0
H(3,1,3)=0
H(3,1,2)=0
H(3,2,0)=0 H(3,2,1)=0
H(3,2,3)=0
H(3,2,2)=0
H(3,3,0)=0 H(3,3,1)=0
H(3,3,3)=0
H(3,3,2)=0
Tabel 4. Histogram Warna Citra A
H(0,0,1)=1
H(0,0,2)=1
H(0,1,1)=0
H(0,1,2)=0
H(0,2,1)=0
H(0,2,2)=0
H(0,3,1)=0
H(0,3,2)=0
H(1,0,1)=1
H(1,0,2)=1
H(1,1,1)=0
H(1,1,2)=0
H(1,2,1)=0
H(1,2,2)=0
H(1,3,1)=0
H(1,3,2)=0
H(2,0,1)=2
H(2,0,2)=2
H(2,1,1)=0
H(2,1,2)=0

H(3,1,1)=0

H(3,1,3)=0
H(3,1,2)=0

H(3,2,1)=0

H(3,2,3)=0
H(3,2,2)=0

H(3,3,1)=0

H(3,3,3)=0
H(3,3,2)=0

Setelah membuat tabel histogram warna RGB

masing-masing citra kemudian histogram tersebut
diubah kedalam bentuk larik.
Histogram Citra A ={1 , 0 , 0 , 1 , 0 , 0 , 0 , 0 , 0 , 0 ,
0,0,0,0,0,0,2,1,2,0,0,0,0,0,0,0,0,
0,0,0,0,0,1,3,2,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,1,0,2,0,0,0,0,0,0,0,0,0,
0,0,0}
Histogram Citra B = { 0 , 1 , 1 , 1 , 0 , 0 , 0 , 0 , 0 ,
0,0,0,0,0,0,0,0,1,1,0,0,0,0,0,0,0,
0,0,0,0,0,0,3,2,2,2,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,2,0,0,0,0,0,0,0,0,0,
0,0,0,0}
Proses selanjutnya adalah membuat normalisasi
histogram warna diatas menjadi seperti dibawah ini
dengan menggunakan rumus :

J = Hasil persentase (dalam persen %)

C = Jumlah pixel per warna
Np = Jumlah pixel dalam gambar
Setelah dilakukan proses normalisasi dengan
menggunakan rumus diatas maka hasil yang didapat
akan menjadi seperti dibawah ini :
H(A)={6.25%,0%,0%,6.25%,0%,0%,0%,0%,0%,0%
H(0,0,3)=1
,0%,0%,0%,0%,0%,0%,12.5%,6.25%,12.5%,0%,0%
H(0,1,3)=0
,0%,0%,0%,0%,0%,0%,0%,0%,0%,0%,0%,6.5%,18.
75%,12.5%,0%,0%,0%,0%,0%,0%,0%,0%,0%,0%,0
H(0,2,3)=0
%,0%,0%,0%,6.25%,0%,12.5%,0%,0%,0%,0%,0%,
H(0,3,3)=0
0%,0%,0%,0%,0%,0%,0%}
H(1,0,3)=0
H(B)={0%,6.25%,6.25%,6.25%,0%,0%,0%,0%,0%,
0%,0%,0%,0%,0%,0%,0%,0%,6.25%,6.25%,0%,0%
H(1,1,3)=0
,0%,0%,0%,0%,0%,0%,0%,0%,0%,0%,0%,18.75%,
12.5%,12.5%,12.5%,0%,0%,0%,0%,0%,0%,0%,0%,
H(1,2,3)=0
0%,0%,0%,0%,0%,0%,12.5%,0%,0%,0%,0%,0%,0
%,0%,0%,0%,0%,0%,0%,0%}
H(1,3,3)=0
Kemudian proses selanjutnya adalah membagi
H(2,0,3)=2
masing-masing histogram warna dengan 100 agar
nilainya tidak terlalu tinggi ketika nanti di
H(2,1,3)=0
jumlahkan. Setelah itu kemudian histogram warna A
akan dikurang dengan histogram warna B dan

jumlah interval dari pengurangan tersebut adalah

merupakan hasil dari pencarian gambar yang sama,
jika nilai yang hasil yang didapat adalah 0 maka
gambar yang dibandingkan memiliki kesamaan
warna penuh. Untuk lebih jelasnya pengurangan
histogram warna di lakukan menggunakan rumus
dibawah ini :

Gambar 4. Hasil Program

5.

Setelah membahas dan menyajikan semua bab

sebelumnya, dapat dibuat kesimpulan sebagai
berikut :
1.

d() = nilai jarak antara A dan B

A = histogram citra A
B = histogram citra B
n = jumlah citra
j = nilai urutan citra
Apabila nilai histogram diatas dimasukkan kedalam
rumus diatas maka hasilnya akan diperoleh sebagai
berikut :
d(A,B)=|0,06-0|+|0-0,06|+|0-0,06|+|0,06-0,06|+|0-0|
+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|
+|0-0|+|0-0|+|0,13-0|+|0,06-0,06|+|0,13-0,06|+|0-0|+|
0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|
0-0|+|0-0|+|0-0|+|0,06-0,19|+|0,19-0,13|+|0,13-0,13|
+|0-0,13|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|
+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0,06-0|+|00|+|0,13-0,13|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|+|00|+|0-0|+|0-0|+|0-0|+|0-0|+|0-0|

2.

3.

4.

d(A,B)= 0,06+0,06+0,06+0,13+0,07
+0,06+0,13+0,06
d(A,B) = 0,63
hasil 0,63 adalah hasil dari pencarian gambar yang
sama yang artinya adalah gambar tersebut diatas
tidak mempunyai kesamaan warna atau tidak mirip.
Hasil 0 akan didapat jika gambar yang digunakan
mempunyai histogram warna yang sama.
4.

TAMPILAN PROGRAM

Gambar dibawah ini adalah tampilan dari

program yang penulis buat untuk pencarian gambar
yang sama menggunakan Visual Basic 2008.

KESIMPULAN

5.

Proses pengekstrakan warna RGB dari

gambarnya itu dengan melakukan proses
sebanyak jumlah pixel dalam gambar,
kemudian masing-masing pixel diambil nilai
warna R,G,Bnya.
Kuantisasiwarna
RGB
adalah
dengan
menyederhanakan kedalaman warna 255
menjadi
3
warna,
kemudian
untuk
menormalisasi jumlah warna RGB adalah
dengan mengubah hasil jumlah menjadi persen.
Sebelum membuat histogram warna hasil
persen warna RGB dibagidengan 10 agar
jumlah yang disimpan tidak terlalu besar,
kemudian
masing-masing
warna
RGB
disatukan menjadi satu string tetapi dipisah
dengan tanda tertentu setelah itu kemudian
disimpan.
Setelah histogram warna RGB masing-masing
gambar telah didapat barulah metode CBIR
Content Based Image Retrieval dapat
diterapkan yaitu dengan membandingkan
masing-masing string histogram warna, yaitu
dengan memisahkan string warna RGB yang
disimpan dengan menggunakan pemisah
sebelumnya kemudian dikonversi menjadi
variabel angka.
Merancang dan membangun aplikasi pencarian
gambar yang sama menggunakan metode
Content Based Image Retrieval dapat
menggunakan Visual Basic 2008.

Daftar Pustaka
[1] Putra, Darma. 2010. Pengolahan Citra Digital.
Penerbit Andi, Yogyakarta
[2] Kusrini, dkk. Pencarian Citra Visual Berbasis
Isi Citra Menggunakan Fitur Warna Citra.
STMIK Amikon, Yogyakarta. Hal.1-9
[3] Bitmap. (http://id.wikipedia.org/wiki/BMP,
diakses tanggal 11-03-2013)
[4] JPEG. (http://id.wikipedia.org/wiki/JPEG,
diakses tangal 11-03-2013)
[5] Widodo, Yanu. 2007. Penggunaan Color
Histogram dalam image retrieval. Jurnal
Teknik Informatika, Ilmu Komputer
[6] Latha, M., Y., Mrs, dkk. Content Based Image
Retrieval via warvelet transform. Jurnal
Teknik Informatika (vol, 7 No. 13)