LANDASAN TEORI
Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi
gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini
mempunyai data masukan dan informasi keluaran yang berbentuk citra. Teknikteknik pengolahan citra biasanya digunakan untuk melakukan transformasi dari
satu citra ke citra yang lain.
2.1.1 Citra
Citra adalah gambar analog dalam dua dimensi. Dari sudut pandang matematika
citra adalah fungsi menerus dari intensitas cahaya pada bidang dua dimensi, di
dalam sebuah citra mengandung banyak informasi yang sering mengalami derau
(noise) mengakibatkan informasi yang diperoleh dari citra tersebut menjadi
kurang akurat. Derau (noise) yang terjadi misalnya warna yang terlalu kontras,
kurang tajam, kabur (blurring) dan sebagainya. [7]
Citra digital adalah citra yang dapat diolah oleh komputer. Sebuah citra
grayscale ukuran 150x150 piksel (elemen terkecil dari sebuah citra) diambil
sebagian berukuran 9x8 piksel. Maka, monitor akan menampilkan sebuah kotak
kecil. Namun, yang disimpan dalam memori komputer hanyalah angka-angka
yang menunjukkan besar intensitas pada masing-masing piksel tersebut. [8]
f(x,y)=
( 2,0)
( 1,0)
(0,1)
(1,1)
( 2,1)
( 1,1)
(0, 2)
(1, 2)
( 2, 2)
( 1, 2)
(0, 1)
(1, 1)
( 2, 1)
( 1, 1)
keterangan:
N = jumlah baris
0 y N1
M = jumlah kolom
0 x M1
0 f(x,y) L 1
pada
penelitian
bahwa
sebuah
warna
merupakan
kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue RGB). [3]
Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai pixel
yaitu hitam dan putih. Cita biner juga disebut sebagai citra B&W (black and
white) atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap
pixel dari citra biner.
Citra biner sering kali muncul sebagai hasil dari proses pengolahan seperti
segmentasi, pengambangan, morfologi, ataupun dithering. [6]
Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada
setiap pixelnya, dengan kata lain nilai bagian Red = Green = Blue. Nilai tersebut
digunakan untuk menunjukkan tingkat intensitas warnanya. Warna yang dimiliki
adalah warna dari hitam, keabuan, dan putih. Tingkatan keabuan disini merupakan
warna abu dengan berbagai tingkatan dari hitam hingga putih. [6]
Citra grayscale memiliki derajat keabuan 8 bit seperti yang dapat dilihat
berikut ini :
Operasi grayscale bertujuan untuk merubah citra 24 bit RGB menjadi citra
abu-abu. Pemilihan pemrosesan pada tingkat abu-abu ini dikarenakan lebih
sederhana. karena hanya menggunakan sedikit kombinasi warna dan dengan citra
abu-abu dirasakan sudah cukup untuk memproses suatu gambar. Perubahan citra
24 bit RGB menjadi citra abu-abu adalah dengan menghitung rata-rata dari
intensitas 0.299*red, 0.587*green, 0.114*blue dari citra 24 bit RGB. [2]
dirubah menjadi citra digital dengan skala keabuan. Berikut merupakan contoh
perubahan dari citra warna menjadi citra keabuan dengan proses grayscale :
Setiap pixel dari citra warna (8 bit) hanya mewakili oleh 8 bit dengan jumlah
warna maksimum yang dapat digunakan adalah 356 warna. Ada dua jenis warna 8
bit. Pertama, citra warna 8 bit dengan menggunakan palet warna 256 dengan
setiap paletnya memiliki pemetaan nilai (colormap) RGB tertentu. Model ini lebih
sering digunakan. Kedua, setiap pixel memiliki format 8 bit sebagai berikut. [6]
Citra warna 16 bit (biasanya disebut sebagai citra highcolor) dengan setiap
pixelnya diwakili dengan 2 byte memory (16 bit).
10
Warna 16 bit memiliki 65.536 warna. Dalam formasi bitnya, nilai merah
dan biru mengambil tempat di 5 bit di kanan dan kiri. Komponen hijau memiliki 5
bit ditambah 1 bit ekstra. Pemilihan komponen hijau dengan deret 6 bit
dikarenakan penglihatan manusia lebih sensitif terhadap warna hijau. [6]
Setiap pixel dari citra warna 24 bit diwakili dengan 24 bit sehingga total
16.777.216 variasi warna. Variasi ini sudah lebih dari cukup untuk
memvisualisasikan seluruh warna yang dapat dilihat penglihatan manusia.
Penglihatan manusia dipercaya hanya dapat membedakan hingga 10 juta warna
saja. Setiap poin informasi pixel (RGB) disimpan ke dalam 1 byte data. 8 bit
pertama menyimpan nilai biru, kemudian diikuti dengan nilai hijau pada 8 bit
kedua dan pada 8 bit terakhir merupakan warna merah. [6]
Bangun Ruang adalah bagian ruang yang dibatasi oleh himpunan titik-titik yang
terdapat pada seluruh permukaan bangun tersebut. Permukaan bangun itu disebut
sisi. Dalam memilih model untuk permukaan atau sisi, sebaiknya digunakan
model berongga yang tidak transparan. Model untuk bola lebih baik digunakan
sebuah bola sepak dan bukan bola bekel yang pejal, sedangkan model bagi sisi
balok lebih baik digunakan kotak kosong dan bukan balok kayu. Hal ini
mempunyai maksud untuk menunjukkan bahwa yang dimaksud sisi bangun ruang
adalah himpunan titik-titik yang terdapat pada permukaan atau yang membatasi
suatu bangun ruang tersebut . [9]
2.2.1 Kubus
11
1.
2.
3.
4.
2.2.2 Balok
Balok memiliki ciri-ciri sebagai berikut :
1.
2.
Memiliki 12 rusuk
3.
4.
5.
2.2.3 Bola
Bola memiliki ciri-ciri sebagai berikut :
1.
12
2.
2.2.4 Tabung
Memiliki 2 rusuk
2.
3.
Memiliki 3 bidang sisi yaitu 2 bidang sisi lingkaran dan 1 bidang selimut
2.
3.
Memiliki 6 rusuk
4.
13
2.
2.3 JPEG
14
2.4 Thresholding
Dalam pengolahan citra, proses operasi ambang batas atau sering disebut
thresholding ini merupakan salah satu operasi yang sering digunakan dalam
menganalisis suatu obyek citra. Threshold merupakan suatu cara bagaimana
mempertegas citra dengan mengubah citra menjadi hitam dan putih (nilainya
hanya tinggal menjadi antara 0 dan 1). Di dalam proses threshold ini harus
ditetapkan suatu variabel yang berfungsi sebagai batas untuk melakukan konversi
elemen matriks citra menjadi hitam atau putih. Jika nilai elemen matriks dibawah
ini dikonversi menjadi nilai 0 (hitam) dan jika diatas nilai ini elemennya
dikonversi menjadi 1. [10]
Pada operasi ini nilai pixel yang memenuhi syarat ambang batas dipetakan
ke suatu nilai yang dikehendaki. Dalam hal ini syarat ambang batas dan nilai yang
dikehendaki disesuaikan dengan kebutuhan. [10]
15
1 jika (, ) <
keterangan:
g(x,y) = citra biner dari citra grayscale f(x,y)
T
= nilai threshold
16
Salah satu cara untuk memilih nilai ambang adalah dengan melihat histogram citra
tersebut. Histogram adalah menggambarkan citra yang memiliki dua mode
berbeda sehingga memudahkan untuk memilih yang berbeda hingga ada yang
ditemukan sehingga mengahasilkan T ambang batas yang memisahkannya. Cara
lain untuk memilih T adalah dengan trial dan eror, memilih nilai ambang batas
yang berbeda hingga ada yang ditemukan sehingga menghasilkan hasil yang baik.
[1]
b) Thresholding lokal
Metode thresholding global dapat gagal jika kontras latar belakang tidak merata.
Thresholding akan dikatakan sebagai thresholding lokal jika nilai T (nilai
ambang) bergantung pada nilai gray level f(x,y) dan nilai properti lokal citra
p(x,y). Dalam thresholding lokal citra akan dibagi ke dalam bagian yang lebih
kecil kecil dan proses pengembangan akan dilakukan secara lokal. Kelebihan
yang dimiliki thresholding adalah secara subyektif,citra yang dihasilkan akan
lebih bagus. Thresholding lokal dapat ditunjukkan bahwa proses ini adalah setara
dengan thresholding f(x,y) dengan fungsi lokal yang bervariasi T ambang (x,y) [1]
:
0 jika (, )
g(x,y) =
1 jika (, ) <
Dimana :
(, ) = 0 (, ) + 0
17
0 (x,y) adalah membuka morfologi dari f,dan 0 konstan adalah hasil dari
Untuk memilih nilai ambang batas secara otomatis, Gonzalez dan Woods
(2002) menggambarkan prosedur iterasi sebagai berikut [2]:
18
1. Dipilih dahulu perkiraan awal untuk T. (disarankan estimasi awal adalah titik
tengah antara nilai-nilai intensitas minimun dan maksimum citra).
2. Bagi citra menggunakan T. Ini akan menghasilkan dua kelompok pixel G1,
yang terdiri dari semua pixel dengan nilai-nilai intensitas T, dan G2 yang
terdiri dari pixel dengan nilai-nilai <T.
3. Menghitung nilai rata-rata intensitas 1 dan 2 untuk pixel di daerah G1 dan
G2.
4. Menghitung nilai ambang baru dengan persamaan :
1
T = 2 (1+2)
5. Ulangi langkah 2 hingga langkah 4 sampai perbedaan t di iterasi berturutturut lebih kecil dari T0 parameter standar.
[2]
19
Pi =
(1)
Nilai momen kumulatif ke nol, momen kumulatif ke satu, dan nilai ratarata berturut-turut dapat dinyatakan sebagai berikut.
w(k) = =1
(2)
()= =1 .
(3)
T = =1 .
(4)
(5)
Dengan :
[ () ()]
2
(k) =
()[1 ()]
(6)
Keterangan :
pi : probabilitas pixel
ni : jumlah pixel pada tingkat keabuan
N : jumlah pixel pada citra
20
Gambar 2.13 : contoh hasil thresholding dengan metode Otsu pada tulang
rahang
Deteksi tepi berfungsi untuk memperoleh tepi objek. Deteksi tepi memanfaatkan
perubahan nilai intensitas yang drastis pada batas dua area. Defenisi tepi disini
adalah himpunan piksel yang terhubung yang terletak pada batas dua area.
21
Operator Roberts, yang pertama kali dipublikasikan pada tahun 1965, terdiri atas
dua filter berukuran 2x2. Ukuran filter kecil membuat komputasi sangat cepat.
Namun, kelebihan ini sekaligus menimbulkan kelemahan, yakni sangat
terpengaruh oleh derau. Selain itu, operator roberts memberikan tanggapan lemah
terhadap tepi, kecuali kalau tepi sangat tajam[10].
X
x+1
z1
z2
-1
y+1
z3
z4
-1
(b) Gx
(c) Gy
Gambar 2.14 : Operator Roberts (b) dan (c) serta posisi pada cita f