Anda di halaman 1dari 45

1

KONSEP DASAR PENGOLAHAN CITRA

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

PROGRAM STUDI TEKNIK INFORMATIKA


JURUSAN TEKNOLOGI INFORMASI DAN KOMPUTER
POLITEKNIK NEGERI LHOKSEUMAWE

2015

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 PENGANTAR.............................................................................................i
DAFTAR ISI..........................................................................................................ii
DAFTAR GAMBAR............................................................................................iii
DAFTAR TABEL..................................................................................................v
PRAKATA............................................................................................................vi
BAB I PENGANTAR PENGOLAHAN CITRA...................................................1
1.2

Dasar Teori..............................................................................................2

1.2.1

Citra Digital.....................................................................................2

1.2.2 Pengolahan Citra Digital.......................................................................4


1.2.3

Operasi-operasi Pengolahan Citra Digital.....................................14

1.2.4

Peralatan Pengolahan Citra Digital................................................19

1.2.5

Aplikasi Pengolahan Citra Digital.................................................20

1.3 Contoh Soal................................................................................................29


1.3.1 Mengubah citra menjadi grayscale.........................................................29

1.3.3 Implementasi Pengolahan Citra dalam Kehidupan Sehari-hari..........31


2.4

Latihan..................................................................................................32

2.5

Rangkuman...........................................................................................34

GLOSSARY........................................................................................................35
DAFTAR PUSTAKA..........................................................................................36

DAFTAR GAMBAR
Gambar 1.7. (a) Citra Lena yang mengandung derau, (b) hasil dari operasi
penapisan derau..................................................................................................15
Gambar 1.8 (a) Citra Lena asli, (b) Citra Lena setelah ditajamkan...............16
Gambar 1.9 (a) Citra Lena yang kabur (blur), (b) citra Lena setelah
deblurring............................................................................................................17
Gambar 1.10. (a) Citra boat.bmp (258 KB) sebelum dimampatkan, (b) citra
boat.jpg (49 KB) sesudah dimampatkan............................................................18
Gambar 1.11. (a) Citra camera, (b) citra hasil pendeteksian seluruh tepi.....19
Gambar 1.12 Barcode..........................................................................................20
Gambar 1.13 Visual untuk kendali peluru...........................................................21
Gambar 1.14 Radar untuk mengidentifikasi pesawat musuh..............................22
Gambar 1.15 Tampilan night vision....................................................................22
Gambar 1.15 Hasil dari Nuclear Magnetic Resonance (NMR)..........................23
Gambar 1.16 Hasil Roatgen sinar-X....................................................................24

Gambar 1.17 Foto janin hasil USG......................................................................24


Gambar 1.18 Interface chat webcam...................................................................25
Gambar 1.19 Navigasi flight automatic..............................................................26
Gambar 1.20. Peta Citra Landsat TM (A : Komposit RGB 321 dan B :
KlasifikasiCitra Unsupervised isodata )..............................................................27
Gambar 1.21 Tampilan lanscape permukaan bumi..............................................27
Gambar 1.22 Fingerprint....................................................................................28
Gambar 1.23 Face recognition...........................................................................28
Gambar 1.24 Hasil grayscale citra.......................................................................29
Gambar 1.25 Hasil grayscale citra.......................................................................30

DAFTAR TABEL

Tabel 1.1. Hubungan antara skala keabuan dengan pixel depth.............................12

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.

BAB I
PENGANTAR PENGOLAHAN CITRA

1.1 Pendahuluan
Data 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 s itus 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 y a n g
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).
8

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

1.2 Dasar Teori


1.2.1 Citra Digital
Pengertian 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 unsurunsur kecil yang disebut dengan piksel. Masing-masing piksel terkait secara
3

spasial dengan area di permukaan bumi. Struktur array ini tersusun dalam baris
horisontal yang disebut baris (Lines) dan kolom vertikal (Samples). Masingmasing 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 Digital


Pengolahan 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 :
0 xM

f ( x, y ) 0 y N
0 f L

..................................................(1.1)

Citra digital yang berukuran N x M lazim dinyatakan dengan matriks


yang berukuran N baris dan M kolom sebagai berikut :

f ( x, y )

f (0,0)
f (1,0)

f ( N 1,0)

f (0,1)
...
f (1,1)
...

f ( N 1,1) ...

f (0, M )
f (1.M )

f ( N 1, M 1)

...................(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 :
0
0

220

221

134
167
187

219

145
201
189

213

...
...
...

...

...
...
...

...

231
197
120

156

.................................(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 sampling
2. 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 matriks


Dalam hal ini :
i = (N-y)

, 0 i N-1

j=x

, 0 j M-1

..............................................(1.4)

x = Dx/M increment
y = Dy/N increment
dimana :
M = jumlah maksimum pixel dalam satu baris
N = jumlah maksimum pixel dalam satu kolom
Dx = 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).

10

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

10

11

Untuk memudahkan implementasi, jumlah sampling diasumsikan dengan


perpangkatan dari dua :
N = 2n
yang dalam hal ini :
N = jumlah sampling pada suatu baris/kolom
n = bilangan bulat positif
Contoh 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.

11

12

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,
G = 2m

yang dalam hal ini,

...................................................................(1.5)

G = derajat keabuan
m = bilangan bulat positif

Tabel 1.1. Hubungan antara skala keabuan dengan pixel depth


Skala Keabuan Rentang
Nilai Pixel Depth
Keabuan
1
2 (2 nilai)
0 dan 1
1 bit
22 (4 nilai)
0 sampai 3
2 bit
3
2 (8 nilai)
0 sampai 7
3 bit
24 (16 nilai)
0 sampai 15
4 bit
8
2 (256 nilai)
0 sampai 255
8 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).

12

13

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 kilobyte
Secara 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.

13

14

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 Digital


Secara 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)

14

15

Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi
parameter-parameter citra seperti kontras dan kecerahannya. Dengan operasi ini, ciriciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh operasi perbaikan
citra :

a. perbaikan kontra gelap/terang


b. 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.

15

16

(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 noise
Gambar 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

16

17

(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.

17

18

(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)
18

19

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 Digital

Peralatan 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

20

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 Digital

Pengolahan 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

21

(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.

22

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)

23

(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

24

(d) Rekonstruksi foto janin hasil USG


Aplikasi 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 biologi
Pengenalan 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 data
Pemampatan 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

25

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

komputer/laptop/printer/dan

atau
alat

lebih

device

komunikasi

(alat,seperti
lain)yang

terhubung dalam sebuah jaringan. Baik lokal maupun yang


luas, sepeti internet.

6. Hiburan
Aplikasi 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. Robotika
Visualy-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.

26

Gambar 1.19 Navigasi flight automatic


8. Pemetaan
Klasif 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.

27

(a)

(b)

Gambar 1.20. Peta Citra Landsat TM (A : Komposit RGB 321 dan B : KlasifikasiCitra
Unsupervised isodata )
9. Geologi
Mengenali jenis batu-batuan melalui foto udara/LANDSAT

Gambar 1.21 Tampilan lanscape permukaan bumi

28

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 narapidana
Aplikasi 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 recognition

29

1.3 Contoh Soal


1.3.1 Mengubah citra menjadi grayscale
Listing 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 Sub
End Class

Hasil eksekusi dari program di atas

Gambar 1.24 Hasil grayscale citra

30

1.3.2 Mengubah citra menjadi biner


Listing program untuk mendeteksi tepi pada citra
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 Sub
End Class

Gambar 1.25 Hasil grayscale citra

31

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 Kulit
Dari 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.

32

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.
dinyatakan

Pixel-pixel objek

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

enhancement) ke penggambaran

garis-garis

membedakan

kualitas

(edge

tepi. Ini perlu untuk

tepi yang kuat yang berkoresponden dengan batas-batas

objek dengan tepi lemah yang berkoresponden


illumination, bayangan,dll.

2. Cara mengubah citra menjadi biner


Jawaban :

tepinya

dengan perubahan

33

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.

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

34

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

diinterpretasikan

citra

karena

karena
informasi

citra
yang

tersebut

menjadi

disampaikan

sulit

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.

35

GLOSSARY

backpropgation

: metode sistematik pada jaringan saraf tiruan

blur

: citra yang tampak kabur

biner

: citra yang mempunyai dua nilai derajat keabuan, hitam dan putih

citra

: fungsi kontinu dari intensitas cahaya pada bidang 2D

grayscale

: derajat keabuan

pixel

: representasi sebuah titik terkecil dalam sebuah gambar grafis

36

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