Anda di halaman 1dari 6

2.

1 Image Enhancement
Secara umum, image enhancement merupakan
suatu proses untuk meningkatkan kualitas suatu
citra digital sehingga citra baru yang dihasilkan
menjadi lebih mudah untuk dilakukan analisis
citra. Proses image enhancement ini akan
mengakibatkan fitur utama dari sebuah citra
digital lebih mudah untuk diidentifikasi.
Proses image enhancement secara garis besar
dapat dikelompokkan ke dalam empat
kelompok, yaitu:
a. Operasi titik
b. Operasi spasial
c. Operasi transformasi
d. Pseudocoloring dan False coloring
sumber:
http://www.mathworks.nl/discovery/image-
enhancement.html, diakses pada tanggal 22
September 2014 pukul 22.00 WIB
2.2 Operasi Titik
Operasi titik merupakan salah satu teknik paling
sederhana dalam melakukan image
enhancement. Pada dasarnya, operasi point
akan memetakan satu pixel dari citra digital ke
pixel baru tanpa ada keterlibatan pixel lain, atau
dengan kata lain, nilai pixel pada citra baru
merupakan hasil dari suatu fungsi nilai pixel
lama.
Beberapa contoh teknik melakukan image
enhancement dengan operasi titik adalah,
a. Thresholding
Thresholding merupakan salah satu
teknik di mana nilai pixel-pixel pada
gambar dipisahkan oleh suatu batas
tertentu. Batas ini akan menentukan
nilai pixel yang mana untuk nilai yang
melebihi batas threshold akan
berwarna putih (nilai 255 untuk citra 8
bit) sementara untuk nilai pixel yang
lain (yang tidak melewati batas) akan
berwarna hitam (nilai 0 untuk citra 8
bit).
b. Histogram Equalization
Histogram equalization merupakan
salah satu cara melakukan image
enhancement di mana rentang dinamis
dan kontras dari suatu citra digital
dimodifikasi sehingga histogram dari
citra tersebut mencapai bentuk yang
diinginkan. Umumnya, metode
histogram equalization ini
menggunakan fungsi pemetaan yang
nonlinear dan monot yang mana akan
mengubah nilai intensitas pixel-pixel
dari suatu citra sehingga menghasilkan
citra baru yang memiliki bentuk
histogram flat (memiliki distribusi
intensitas yang uniform). Teknik ini
biasa digunakan untuk melakukan
pembandingan antara dua buah citra
dikarenakan oleh keefektifannya dalam
peningkatan detail. Selain itu, metode
ini juga biasa digunakan untuk
melakukan koreksi efek nonlinear yang
disebabkan oleh digitizer atau sistem
display.
c. Intensity Adjustment
Intensity adjustment merupakan salah
satu metode image enhancement yang
mana histogram intensitas dari suatu
citra digital dipetakan secara linear
sehingga menghasilkan sebuah
histogram baru.
sumber:
http://homepages.inf.ed.ac.uk/rbf/HIPR2/histe
q.htm, diakses pada tanggal 22 September 2014
pukul 22.32 WIB
http://pippin.gimp.org/image_processing/chap
_point.html, diakses pada tanggal 22 September
2014 pukul 23.01 WIB

2.3 Operasi Spasial
Operasi spasial merupakan salah satu teknik
image enhancement yang menghasilkan nilai
pixel pada citra digital baru yang merupakan
hasil pengolahan beberapa pixel pada citra yang
lama. Operasi jenis ini menggunakan suatu
matriks atau kernel konvolusi dua dimensi.
Beberapa contoh metode berbasis operasi
spasial adalah,
a. Neighborhood Averaging
Neighborhood averaging atau dikenal
juga dengan spatial averaging
merupakan metode image
enhancement secara spasial yang
menghasilkan pixel dari suatu citra baru
berdasarkan rerata nilai pixel citra lama
dengan nilai pixel tetangganya.
Neighborhood averaging ini merupakan
lowpass filter yang mana nilai semua
koefisien kernelnya sama. Metode ini
digunakan untuk mengeblurkan suatu
citra digital (mengeblurkan tepian
maupun detail tajam dari citra tersebut)
maupun untuk mereduksi noise pada
suatu citra digital.
Contoh:

[



]
b. Median Filtering
Median filtering merupakan metode
untuk mengurangi noise pada suatu
citra digital tanpa melakukan
pengebluran citra tersebut. Metode ini
efektif digunakan jika pola noise yang
timbul pada citra seperti duri (spike)
sementara ketajaman tepian dari citra
tersebut tetap ingin dipertahankan.
Metode ini akan mengambil nilai suatu
pixel dan nilai pixel tetangganya
kemudian diurutkan dan diambil nilai
tengahnya (median). Nilai median yang
diperoleh selanjutnya akan dimasukkan
ke dalam nilai pixel yang berkorelasi
dengan pixel lama yang ditinjau pada
citra yang baru. Dikarenakan nilai
median dari sebuah pixel dan
tetangganya bukanlah sesuatu yang
linear, maka metode ini termasuk
operasi nonlinear.
c. Highpass Filtering
Kebalikan dari lowpass filter, highpass
filter merupakan metode yang
digunakan untuk meningkatkan
ketajaman sebuah citra. Filter ini
biasanya ditandai dengan jumlah total
koefisien kernelnya yang nol dengan
nilai positif di tengah kernel dan nilai
negatif berada di luar kernel
(mengelilingi nilai positif).
Contoh:

[



]

sumber:
http://www.eie.polyu.edu.hk/~enyhchan/image
e.pdf, diakses pada tanggal 23 September 2014
pukul 02.10 WIB
2.4 Operasi Transformasi
Operasi transformasi merupakan metode image
enhancement yang dilakukan pada domain
transformasi. Hal ini menyebabkan citra yang
akan di-enhance harus ditransformasikan
terlebih dahulu, baru kemudian dilakukan
enhancement pada hasil transformasi dari citra
tadi. Setelah proses enhancement selesai
dilakukan, maka hasil enhancement pada
domain transformasi tadi dikembalikan ke
domain semula untuk ditampilkan. Salah satu
metode operasi transformasi yang umum
dilakukan adalah metode DFT (Discrete Fourier
Transform) yang biasanya dilakukan dengan
algoritma FFT (Fast Fourier Transform). Metode
DFT ini akan mengubah domain citra dari yang
sebelumnya spasial-diskrit ke dalam domain
frekuensi (domain di mana citra akan di-
enhance).
2.5 Pseudocoloring dan False Coloring
Pseudocoloring merupakan salah satu metode
image enhancement di mana suatu citra digital
dalam mode grayscale nilai intensitasnya
dipetakan ke dalam suatu warna sesuai dengan
tabel atau fungsi tertentu.
False coloring merupakan metode image
enhancement di mana suatu citra digital
dipetakan ke suatu warna tertentu yang sesuai
dengan fungsi (atau tabel) yang bertujuan untuk
analisis informasi atau fitur yang terdapat pada
citra tersebut. Metode false coloring ini akan
mengorbankan warna asli dari gambar. Metode
ini biasa digunakan untuk menandai fitur
tertentu dari citra yang diperoleh dari satelit
maupun wahana ruang angkasa.
sumber:
http://en.wikipedia.org/wiki/False_color,
diakses pada tanggal 23 September 2014 pukul
02.16 WIB
2.6 Deteksi Tepi
Deteksi tepi atau edge detection merupakan
suatu metode untuk menentukan titik-titik pada
sebuah citra digital yang mana kecerahan
(brightness atau intensitas) citra tersebut
mengalami perubahan yang signifikan (tidak
kontinu). Titik-titik di mana terjadi perubahan
kecerahan yang sangat signifikan ini disebut
juga sebagai tepi. Metode deteksi tepi ini biasa
digunakan dalam pengolahan citra digital
sebagai salah satu alat untuk melakukan
segmentasi citra sehingga objek-objek yang
terdapat pada citra tersebut dapat dikenali.
Operator yang biasa dilakukan dalam deteksi
tepi diantaranya:
a. Operator Gradien
b. Operator Laplacian
c. Operator Canny
sumber:
http://www.mathworks.com/discovery/edge-
detection.html, diakses pada tanggal 23
September 2014 pukul 02.30 WIB
http://en.wikipedia.org/wiki/Edge_detection,
diakses pada tanggal 23 September 2014 pukul
02.31 WIB
2.7 Operator Gradien
Perubahan nilai intensitas titik-titik pada suatu
citra digital merupakan salah satu ciri dari
sebuah tepi. Perubahan nilai inilah yang
menjadi dasar dari operator gradien karena
operator gradien menggunakan nilai slope atau
kemiringan yang ditentukan oleh perubahan
nilai pixel (titik) pada citra.
Vektor gradien dari sebuah citra f(x, y)
direpresentasikan sebagai,
( )

( )

( )
yang merupakan turunan parsial. Sementara,
besar dan orientasi vektor tersebut
direpresentasikan sebagai,
|( )|


(

( ))

(

( ))

(

( )

( ))
Dalam pengolahan citra digital, hal di atas dapat
direpresentasikan sebagai dua buah kernel filter
konvolusi yang masing-masing mendefinisikan
operasi penghitungan slope atau kemiringan
atau perubahan intensitas dalam arah sumbu-x
dan sumbu-y yang saling tegak lurus.
Secara umum, operator gradien akan
beroperasi sebagai berikut,
a. Nilai vektor gradien citra tiap pixel
dihitung dengan cara mengonvolusi
citra tersebit dengan kernel filter
horizontal dan vertikal
b. Magnitude vektor gradien tiap pixel
dihitung
c. Threshold ditetapkan, jika magnitude
dari suatu pixel melebihi nilai threshold,
maka kemungkinan pixel tersebut
adalah pixel yang menandakan tepian
Operator gradien memiliki beberapa model,
bergantung pada jenis kernel filter konvolusi
yang digunakan, yaitu,
a. Operator Selisih Terpusat
Filter kernel yang digunakan,

[ ]

[

]
b. Operator Roberts

[


]

[


]
c. Operator Prewitt

[



]

[



]
d. Operator Sobel

[



]

[



]

e. Operator Isotropic

[

√ √

]

[



]
f. Operator Compass

[



]

[



]

[



]

[



]
g. Operator Kirsch

[



]

[



]

[



]

[



]

[



]

[



]

[



]

[



]
2.7 Operator Laplacian
Operator Laplacian merupakan metode deteksi
tepi yang digunakan jika perubahan intensitas
yang terjadi pada tepi tidak terlalu signifikan
sehingga dibutuhkan turunan kedua yang
direpresentasikan sebagai berikut,

( )

( )

( )
Pada pengolahan citra digital, persamaan di
atas dapat direpresentasikan sebagai kernel
filter dua dimensi,
[



]
Hal yang umum dilakukan ketika menggunakan
operator Laplacian adalah penggunaan secara
bersamaan operator Gaussian dengan operator
Laplacian. Hal ini bertujuan supaya filter
operator Laplacian menjadi kurang peka
terhadap noise dan memperkecil terjadinya
double edge. Penggabungan dua operator ini
menghasilkan operator Laplacian of Gaussian
yang direpresentasikan pada persamaan
berikut,
( )

(

)

(( ))

[

]

(

)

yang mana merupakan standar deviasi kernel
Gaussian.
sumber:
http://www.cse.unr.edu/~bebis/CS791E/Notes/
EdgeDetection.pdf, diakses pada tanggal 23
September 2014 pukul 03.56 WIB
http://www.cse.psu.edu/~rcollins/CSE486/lectu
re05_6pp.pdf, diakses pada tanggal 23
September 2014 pukul 03.58 WIB
http://www.cis.rit.edu/people/faculty/rhody/E
dgeDetection.htm, diakses pada tanggal 23
September 2014 pukul 04.00 WIB
2.8 Operator Canny
Operator Canny merupakan metode edge
detection yang memungkinkan kombinasi
antara tahap image smoothing dengan tahap
deteksi dalam satu konvolusi yaitu dengan cara
mengonvolusi citra dengan turunan pertama
fungsi Gaussian dan dicari puncaknya maupun
dengan cara mengonvolusikan citra dengan
turunan kedua fungsi Gaussian dan dicari zero-
crossingnya.
Operator Canny merupakan operator terbaik
untuk melakukan edge detection dikarenakan,
a. Deteksinya bagus karena memiliki
kemampuan untuk menentukan lokasi
dan memberi tanda ke semua tepi real.
b. Lokalisasi yang baik karena memiliki
jarak minimal antara tepi yang
terdeteksi dengan tepi real.
c. Respons bersih karena hanya terdiri
dari satu respons tiap tepi.
Berikut merupakan penjelasan bagaimana
algoritma Canny bekerja dalam mendeteksi
tepi,
a. Tahap Pertama: Image Smoothing
Pada tahap ini, data dari citra di-
smooth-kan dengan fungsi Gaussian
dua dimensi yang ukurannya
disesuaikan oleh parameter pengguna.
Dikarenakan konvolusi dua dimensi
dengan fungsi Gaussian sangat
memakan waktu, maka hal ini dapat
didekati dengan melakukan konvolusi
dengan dua buah fungsi Gaussian satu
dimensi yang mana satu fungsi
berkorelasi dengan sumbu-x, sementara
fungsi lain berkorelasi dengan sumbu-y.
b. Tahap Kedua: Diferensiasi
Setelah dilakukan penghalusan citra,
maka data citra hasil dari tahap
pertama kemudian didiferensiasikan
(diturunkan) terhadap arah x dan arah
y. Tahapan ini menghasilkan nilai
gradient yang mana magnitude dan
sudut dari slope dapat dihitung dengan
menggunakan persamaan seperti pada
poin Operator Gradien.
c. Tahap Ketiga: Supresi Non-Maksima
Tahapan ini menggunakan data citra
hasil tahap kedua yang mana
perubahan intensitas pada tiap titik
pada citra telah diketahui sehingga
edges dapat diposisikan pada titik
maksima. Proses ini menyebabkan titik-
titik lain yang bukan maksima harus
ditekan (supressed).
d. Tahap Keempat: Thresholding Tepi
Tahapan ini mengolah data hasil
tahapan ketiga. Ketika nilai suatu titik
atau pixel yang diperoleh dari tahap
ketiga tidak mencapai batas threshold,
maka nilai titik tersebut akan diassign
dengan nilai yang rendah. Sebaliknya,
jika nilai titik yang diperoleh dari tahap
ketiga melebihi batas threshold, maka
nilai titik tersebut akan diassign dengan
nilai yang tinggi. Nilai titik yang rendah
pada hasil tahap ketiga merupakan nilai
non-edge atau nilai non-maksima yang
telah ter-supressed sementara nilai titik
yang tinggi pada hasil tahap ketiga
merupakan nilai edge atau nilai
maksima.
sumber:
http://homepages.inf.ed.ac.uk/rbf/CVonline/LO
CAL_COPIES/MARBLE/low/edges/canny.htm,
diakses pada tanggal 23 September 2014 pukul
04.13 WIB



sumber lainnya (buku):
__, Modul 1: Pengantar Pengolahan Citra,
Sekolah Teknik Elektro dan Informatika
Institut Teknologi Bandung, Bandung,
2013.

Gonzalez, Rafael C., Digital Image Processing 3
rd

Edition, Prentice-Hall, USA, 2008.

Gonzalez, Rafael C., Digital Image Processing
using MATLAB 2
nd
Edition, Gatesmark
Publishing, USA, 2009.

Russ, John C., The Image Processing Handbook
3
rd
Edition, CRC Press, USA, 1999.