IMAGE PROCESSING

Wahyu Robi’ah Nuralhasanah (16020009), 2K1, Kimia Tekstil, Politeknik STTT Bandung

Email : nuralhasanah97@gmail.com

Abstrak

Image processing atau pengolahan citra adalah suatu proses penggunaan algoritma komputer
yang digunakan untuk melakukan pengolahan terhadap citra/gambar digital. Salah satu
pengolahan citra adalah menghitung luas sebuah gambar digital. Pengolahan ini dpaat
dilukukan dengan software MATLAB. Perhitungan luas ini diolah dengan listing program
yang telah ditentukan dan satuan nilai luas yang didapat adalah pixel. (Wahyu, 2018)

I. PENDAHULUAN

Perkembangan teknologi image processing sekarang ini menyediakan

kemungkinan manusia untuk membuat suatu sistem yang dapat mengenali suatu gambar
digital. Semakin berkembangnya teknologi, manusia dapat menghitung luas, keliling,
intensitas warna dari sebuah gambar digital. Salah satu software yang dapat menghitung
luas, keliling ataupun intensitas gambar digital adalah MATLAB. Contoh aplikasi dalam
bidang tekstil adalah mengetahui luas, keliling ataupun intensitas warna dari serat yang
telah diambil gambar digitalnya dari mikroskop. (Wahyu, 2018)

II. TUJUAN

 Mengetahui cara menghitung luas sebuah gambar (image) menggunakan software

MATLAB

 Membandingkan luas sebuah gambar dengan cara perhitungan dan percobaan (software
MATLAB)

 Mengetahui cara perhitungan konversi pixel ke centimeter

III. DASAR TEORI

3.1 Image Processing

Image processing adalah suatu bentuk pengolahan atau pemrosesan sinyal

dengan input berupa gambar (image) dan ditransformasikan menjadi gambar lain
sebagai keluarannya dengan teknik tertentu. Image processing dilakukan untuk
memperbaiki kesalahan data sinyal gambar yang terjadi akibat transmisi dan selama
akuisisi sinyal, serta untuk meningkatkan kualitas penampakan gambar agar lebih
mudah diinterpretasi oleh sistem penglihatan manusia baik dengan melakukan
manipulasi dan juga penganalisisan terhadap gambar. (Ade, 2009)

Bentuk dari digital Image dapat berupa file yang berekstensi *.jpg, *.gif, *.png
dan semacamnya. Digital Image terbentuk dari susunan Matrik. Matrik adalah suatu
susunan bilangan yang tersusun menurut baris dan kolom tertentu, apabila
direpresentasi dalam bentuk gambar akan tampak seperti dibawah. (Dendie, 2011)

Gambar 1  Representasi gambar dari

susunan baris dan kolom matrik

Area kotak yang terbentuk dari Matriks tersebut dinamakan dengan Pixel,
Semakin rapat pixel-nya dapat dikatakan resolusi image tersebut semakin tinggi. Di
dunia image digital terdapat dua jenis image, yaitu berwarna dan monokrom,
perbedaan yang mendasar diantara keduanya terdapat pada informasi warna pada
setiap pixel. Pada Image berwarna informasi warna ini dipecah dalam tiga komponen
warna yang biasa disebut RGB (Red Green Blue), dari ketiga komponen utama
tersebut apabila dikombinasikan dapat menciptakan warna apapun. RGB (Red Green
Blue) sebagai tiga warna utama diambil berdasarkan teori tristimulus yang pada
intinya ketiga warna tersebut adalah tiga sinar yang memiliki gelombang terpanjang.
Setiap komponen warna (Red, Green, Blue) pada sebuah image memiliki matriks
sendiri-sendiri, bila diilustrasikan dengan gambar akan tampak seperti gambar
dibawah ini (Dendie, 2011):

Gambar 2  Gambar komponen matriks

warna RGB

Nilai warna pada pixel dari masing-masing komponen berkisar 0 sampai dengan
255 dengan tipe data integer (angka tanpa desimal). Sebagai contoh apabila pada pixel
dari setiap komponen warna diberi angka 255 maka akan menghasilkan warna putih,
apabila diberikan angka 0 semua akan mendapatkan warna hitam. Berikut ini
beberapa Operasi yang terdapat pada Digital Image Processing (Dendie, 2011) :

 Image-Enchantment, adalah sebuah operasi untuk memperbaiki kualitas image,

seperti sharpening (penajaman) dan perbaikan kontras.
 Image-Restoration, adalah sebuah operasi yang bertujuan memperbaiki cacat
image, seperti menghilangkan noise.

 Image-Segmentation, adalah sebuah operasi untuk memecah image menjadi

beberapa bagian.

 Image-Analysis, adalah sebuah operasi untuk menghitung besaran kuantitatif

image, seperti mendeteksi tepi objek dan representasi area.

 Image-Reconstruction, adalah sebuah operasi untuk membentuk ulang objek dari

hasil projeksi objek, seperti gambar yang dihasilkan dari rontgen.

(Dendie, 2011)
Pengertian dasar Image Processing :

1) Pixel (Picture Elemen)

Pixel adalah titik terkecil (elemen) yang membentuk suatu gambar pada layer
monitor, disebut juga dengan dot.

2) Resolusi

Resolusi adalah banyaknya titik (pixel) yang menyusun suatu gambar atau layer.
Ukurannya adalah jumlah pixel horizontal dikalikan jumlah pixel vertikal. Contoh :
ukuran 640 x 480 , artinya 640 pixel mendatar dan 480 vertikal.

3) Dots per inchi (dpi) / Pixel per inchi

Banyaknya titik atau pixel tiap satuan inchi. Contoh : 600 dpi, berarti terdapat
600×600 pixel tiap inchi persegi.

4) Warna

Beberapa model warna :

a) RGB (red, green, blue)

Merupakan kombinasi dari elemen warna red (merah), green (hijau) dan blue
(biru). Tiap titik atau pixel merupakan kombinasi dari ketiga elemen warna tsb.
Setiap elemen memiliki 0 – 255 tingkat warna . Contoh : warna hitam
merupakan kombinasi dari R= 0, G=0, B=0; warna putih merupakan kombinasi
dari R = 255, G = 255, B= 255; warna kuning dihasilkan dari kombinasi R=
255, G= 255, B= 0. Sehingga kombinasi warna yang dapat dibentuk dari mode
rgb adalah 255 x 256 x 256= 16777216 (16 juta warna).
b) CMYK (cyan , magenta, yellow , black)
Merupakan system presentasi warna untuk process cetak 4 warna (cyan,
magenta, yellow , dan black ) . Dengan system ini gambar akan di simpan dalam
4 channel.
5) Color Depth

Color Depth adalah besarnya informasi data dari 1 satuan sample (dot/pixel).
Setiap bitmap/ dot/ pixel, bias berupa hitam , putih, abu – abu atau warna. Color
Depth dinyatakan dalam angka yang digunakan untuk menyatakan beberapa variasi
 warna yang mampu ditampilkan oleh suatu bitmap /dot/pixel, yang dinyatakan
secara kuantitatif. Rumusnya adalah 2 n (dua pangkat n , dimana n adalah besarnya
bit depth). Contoh :

- 1 bit = 21 = 2 variasi warna (monochrome)

- 2 bit = 22 = 4 variasi warna
- 4 bit = 24 = 16 variasi warna
- 8 bit = 28 = 256 variasi warna
- 16 bit = 216 = 2 kombinasi 8 bit = 65.536 variasi warna
- 24 bit = 224 = 3 buah kombinasi 8 bit = 16.777.216 variasi warna
- 32 bit = 232 = 4 buah kombinasi 8 bit= 4.294.967.296 variasi warna

6) Menghitung ukuran file raster image

Ukuran dalam byte = width x height x colordepth

Keterangan :

Width : lebar dari images, diukur dengan pixel

Height : tinggi dari images, diukur dengan pixel

Color depth : jumlah bit warna yang diukur dalam bit / pixel

i. 1 byte = 8 bit

ii. 1 KB (kilobyte) = 1024 byte

iii. 1 MB (megabyte) = 1024 KB

7) Bitmap file format

a) Microsoft bitmap (.Bmp)

Digunakan di Microsoft windows

b) TIFF – Tagged Image File Format (.tif)

Digunakan untuk faxing images (biasanya)

c) JPEG – Joint Photographic Expert Group (.jpg)

Berguna untuk menyimpan photographic images

 d) GIF – Graphics Interchange Format (.gif)

Banyak digunakan di web sites

e) PNG – Portable Network Graphic (.png)

Format baru untuk web graphics

f) PCD – Kodak photo CD

Format baru untuk menyimpan image dalm bentuk terkompresi dalam CD

(Andreas, 2010)

3.2 MATLAB

Matlab adalah singkatan dari MATrix LABoratory, merupakan bahasa

pemrograman yang dikembangkan oleh The Mathwork Inc. yang hadir dengan fungsi
dan karakteristik yang berbeda dengan bahasa pemrograman lain yang sudah ada lebih
dahulu seperti Delphi, Basic maupun C++. Matlab merupakan bahasa pemrograman
level tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan
pemrograman seperti komputasi matematik, analisis data, pengembangan algoritma,
simulasi dan pemodelan dan grafik-grafik perhitungan Pada awalnya Matlab dibuat
untuk memberikan kemudahan mengakses data matrik pada proyek LINPACK dan
EISPACK. Saat ini matlab memiliki ratusan fungsi yang dapat digunakan sebagai
problem solver mulai dari simple sampai masalah-masalah yang kompleks dari
berbagai disiplin ilmu. (Michael, 2012)

Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat

standar untuk memperkenalkan dan mengembangkan penyajian materi matematika,
rekayasa dan kelimuan. Di industri, MATLAB merupakan perangkat pilihan untuk
penelitian dengan produktifitas yang tinggi, pengembangan dan analisanya. Kegunaan
MatLab secara umum adalah sebagai berikut (Michael, 2012) :

a) Matematika dan komputasi,

b) Perkembangan algoritma,
c) Pemodelan, simulasi, dan pembuatan prototype,
 d) Analisa data, eksplorasi dan visualisasi
e) Pembuatan aplikasi, termasuk pembuatan antaramuka grafis.
(Michael, 2012)

Karakteristik MATLAB :

 Bahasa pemrogramannya didasarkan pada matriks (baris dan kolom).

 Lambat (dibandingkan dengan Fortran atau C) karena bahasanya langsung
diartikan.
 Automatic memory management, misalnya kita tidak harus mendeklarasikan arrays
terlebih dahulu.
 Tersusun rapi.
 Waktu pengembangannya lebih cepat dibandingkan dengan Fortran atau C.
 Dapat diubah ke bahasa C lewat MATLAB Compiler.
 Tersedia banyak toolbox untuk aplikasi-aplikasi khusus.
(Michael, 2012)

Beberapa kelebihan Matlab jika dibandingkan dengan program lain seperti Fortran,
dan Basic adalah :
 Mudah dalam memanipulasi struktur matriks dan perhitungan berbagai operasi
matriks yang meliputi penjumlahan, pengurangan, perkalian, invers dan fungsi
matriks lainnya.
 Menyediakan fasilitas untuk memplot struktur gambar (kekuatan fasilitas grafik
tiga dimensi yang sangat memadai).
 Script program yang dapat diubah sesuai dengan keinginan user.
 Jumlah routine-routine powerful yang berlimpah yang terus berkembang.
 Kemampuan interface (misal dengan bahasa C, word dan mathematica).
 Dilengkapi dengan toolbox, simulink, stateflow dan sebagainya, serta mulai
melimpahnya source code di internet yang dibuat dalam matlab( contoh toolbox
misalnya : signal processing, control system, neural networks dan sebagainya).

IV. METODE EKSPERIMEN

4.1 Alat dan Bahan

1) Laptop / komputer
 2) Software paint

3) Software MATLAB

4.2 Skema Percobaan

Listing Program

Gambar 3  Contoh listing program pada MATLAB yang

digunakan untuk menghitung luas sebuah bangun/gambar

Fungsi dari setiap listing program

1) Imread

Imread berfungsi membaca gambar sebagai kumpulan pixel matriks. Pada

command windows MATLAB akan muncul angka-angka. Angka 0 berarti pixel
yang ditempati warna hitam. Angka lain selain 0 berarti pixel yang ditempati oleh
gambar RGB.

2) Imshow

Imshow berfungsi menampilkan gambar asli. Setelah memasukkan code imshow,

akan muncul windows baru yang berisi image yang telah digambar sebelumnya di
paint.
 3) RGB2Gray

RGB2Gray berfungsi mengubah gambar RGB menjadi abu-abu.

4) Graythresh

Threshold berfungsi memfilter gambar pixel/ mengubah gambar menjadi binary

image bila digabungkan dengan im2bw.

5) Im2bw

Im2bw mengubah gambar menjadi binary image atau image yang digambarkan
oleh sekumpulan bilangan biner. Angka 0 artinya gambar dengan warna hitam
dan angka 1 artinya gambar RGB.

6) Bwboundaries

Bwboundaries berfungsi membatasi tepian gambar yang telah diubah menajdi

binary image.

7) Polyarea

Polyarea adalah listing program yang berfungsi menghitung luas binary image
yang diisi oleh angka 1.

4.3 Cara Kerja

1) Buat gambar menggunakan software Paint. Gambar diberi warna (kecuali hitam)
dan berikan warna hitam pada latar belakang gambar.

2) Simpan gambar dengan format png.

3) Buka software MATLAB dan buat listing program luas bangun yang digambar
pada software Paint.

4) Setelah listing program selesai diketik, save file matlab atau tekan f5.

5) Buka command window pada MATLAB

6) Tulis nilai luas (px2) yang muncul dalam command window pada MATLAB

7) Lakukan perhitungan luas dengan satuan cm2

V. HASIL DAN PEMBAHASAN

5.1 Data Percobaan

Gambar 4  3 bangun yang digambar dengan software Paint dan

di save sebagai wahyurnh.png
Gambar 5  Listing program pada MATLAB berdasarkan file
wahyurnh.png

Gambar 6  Tampilan gambar wahyurnh.png yang muncul

karena listing program “Imshow”
 Gambar 6  Luas 3 bangun pada gambar wahyurnh.png yang
dihitung oleh MATLAB dengan satuan px2

5.2 Perhitungan

 Perbandingan luas gambar secara perhitungan

1) Gambar I

a) Luas dalam
 b) Luas dalam

1,085

2) Gambar II

a) Luas dalam
 b) Luas dalam

3) Gambar III

a) Luas dalam
 b) Luas dalam

 Grafik
 Pembuktian bahwa 1 pixel = 0,03 cm

1) Pembuktian dari luas gambar I

2) Pembuktian dari luas gambar II

3) Pembuktian dari luas gambar III

 5.3 Pembahasan

Pada praktikum image processing ini, praktikan mendapatkan nilai luas dari
sebuah bangun dengan membuat listing program dari software MATLAB. Praktikan
juga diminta untuk menghitung luas bangun secara manual. Dalam perhitungan secara
manual ini, digunakan ralat ketidakpastian yang berfungsi sebagai batas-batas dan
juga nilai toleransi hasil. Hasil luas dari sofware MATLAB dan hasil luas (beserta
ralatnya) dari cara perhitungan terdapat perbedaan. Perbedaan hasil ini dapat
dikarenakan ketelitian ruler pada software Paint yang terbatas dan tidak bisa
membaca dengan sangat teliti. Kemudian, telah dibuktikan bahwa 1 pixel adalah 0,03
cm. Pembuktian tersebut dengan membandingkan kedua hasil luas dalam satuan px 2
dan cm2.

VI. KESIMPULAN

Berdasarkan hasil praktikum, dapat disimpulkan bahwa :

Luas secara percobaan Luas secara Luas secara

atau MATLAB (px2) perhitungan (px2) perhitungan (cm2)

Bangun I

Bangun II

Bangun III

VII. DAFTAR PUSTAKA

Galih, Valentinus, dkk. 2016. Pengantar Listrik Magnet dan Terapannya. Yogayakarta :
Mulia Jaya.

Ade. (2009). Image Processing. [online]. Tersedia: http://ndoware.com/image-

processing.html [2018, 31 Maret]
Sanjaya, Dendie. (2011). Konsep Digital Image Processing. [online]. Tersedia:
http://dendieisme.blogspot.co.id/2011/03/konsep-digital-image-processing.html
[2018, 31 Maret]

Yoga, Andreas. (2010). Pengertian-Pengertian Dasar Image Processing. [online].

Tersedia: http://andreas-yoga.blogspot.co.id/2010/05/pengertian-pengertian-dasar-
image.html [2018, 31 Maret]

Wong, Michael. (2012). Pengenalan Matlab pada Sistem Kontrol. [online]. Tersedia:
https://wongmichael.wordpress.com/2012/10/21/178/ [2018, 31 Maret]