MODUL 1 - PENGANTAR PENGOLAHAN CITRA

Aditya Pratama (18315006), Aisyah Fitriannisa P. (18315025), Navila Akhsanil F. (18315012)

Dosen: Tati R. Mengko & Astri Handayani
Tanggal Percobaan: 19/09/2018
EB4106 – Pengolahan Citra Biomedika
Laboratorium Sistem Kendali dan Komputer - Sekolah Teknik Elektro dan Informatika ITB

Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB 1
 Abstrak
Pada praktikum kali ini dilakukan percobaan modul 1 yang
memuat 3 pokok bahasan, yaitu image formatting, melakukan
operasi aritmetik dan geometrik pada citra, dan transformasi
dua buah citra digital. Percobaan dilakukan dengan
mengimplementasikan script MATLAB yang terdapat pada
modul, kemudian dianalisis bagaimana hasil yang diperoleh.
Beberapa tujuan analisis adalah melihat bagaimana hubungan
derajat keabuan dan warna citra pada format yang berbeda,
bagaimana pengaruh operasi aritmetik dan geometrik dapat
merubah tampilan citra dari sudut pandang yang sama, dan
yang terakhir menganalisis dua buah citra berdasarkan hasil
transformasi yang berupa magnitude dan fasanya.
Kata kunci: MATLAB, citra, format, aritmetik,
geometrik, transformasi.
1. PENDAHULUAN
Citra, secara umum, dapat diartikan sebagai bentuk
pemetaan suatu sinyal pada bidang dua dimensi.
Sekalipun pengertian ini berlaku untuk segala jenis
sinyal, istilah citra lebih kerap digunakan untuk
menggambarkan hasil pemetaan sinyal cahaya
tampak. Pengolahan citra atau image processing
merupakan proses yang menerima masukan berupa
citra, melakukan pengolahan terhadapnya, dan
menghasilkan keluaran yang juga berbentuk
citra.[1]
Percobaan kali ini akan berfokus pada image
format, operasi aritmatik dan geometrik, serta
operasi transformasi. Tujuan dari percobaan ini
antara lain menganalisis perbedaan formatting
dalam citra digital, menganalisis perubahan citra
akibat operasi aritmatik dan geometrik, serta
menganalisis hasil transformasi pada sebuah
citra.
2. STUDI PUSTAKA
2.1 HSV (HUE, SATURATION, VALUE)
Gambar 2-1 HSV
Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB
HSV adalah salah satu model warna yang digunakan
dalam pengolahan citra selain RGB dan CMYK. Ada
tiga parameter dalam model warna HSV, yakni hue
atau warna yang ditunjukkan sumbu radial dari
Gambar 3-1, saturation atau derajat keabuan suatu
warna, dan value yang berarti intensitas dari suatu
warna. Dibandingkan dengan RGB yang sering
digunakan sebagai default format untuk citra digital,
HSV lebih mirip dengan persepsi manusia dalam
melihat warna sehingga lebih mudah bagi manusia
memformulasikan warna menggunakan model
warna HSV.
Gambar 2-2 Natural Brightness
Hue dari HSV memiliki natural brightness jika dilihat
dalam model warna grayscale. Dari gambar dapat
dilihat bahwa kuning memiliki tingkat kecerahan
tertinggi dan berseberangan dengan ungu yang
tingkat kecerahannya paling rendah. Ini berarti
bahwa hanya dengan mengubah warna suatu citra,
format HSV dapat mendeteksinya jika citra tersebut
diubah menjadi grayscale.
2.2
2.3 T
Sebagaimana pada satu dimensi, operasi
transformasi dapat dilakukan terhadap sinyal dua
dimensi. Istilah transformasi citra mengacu pada
proses transformasi dengan menggunakan
operator matriks uniter, sehingga menjamin
berlakunya sifat-sifat transformasi uniter.
Beberapa operasi transformasi yang umum
digunakan dalam pengolahan citra digital adalah
transformasi DFT (Discrete Fourier Transform),
DCT (Discrete Cosine Transform), dan DWT
(Discrete Wavelet Transform), serta FFT (Fast
Fourier Transform).[1]
DFT banyak digunakan untuk Digital Signal
Processing yang salah satu aplikasinya adalah pada
image processing. Untuk melakukan transformasi ,
menggunakan DFT dapat menjadi rumit, kompleks,
dan memerlukan jumlah komputasi yang sangat
besar. Metode lain yang dapat membuat DFT lebih
efisien adalah FFT (fast fourier transform).[2]
2
 Variabel I dan K yang menyimpan fungsi
imread(‘nama_file’) dalam source code tersebut akan
3. METODOLOGI membaca file dan menghasilkan keluaran berupa
matriks berisi piksel-piksel citra dalam format RGB,
4. HASIL DAN ANALISIS CIELAB, ICCLAB, atau CMYK. Untuk
membandingkan formatnya, variabel J dan L akan
4.1 PERCOBAAN 1 : IMAGE FORMAT menyimpan hasil konversi dari RGB ke HSV
menggunakan fungsi rgb2hsv(var). Kemudian
Berikut Berikut adalah gambar asli yang akan
variabel J akan diplotting berdasarkan tiga parameter
dibandingkan dalam percobaan ini:
HSV. Berikut adalah hasil plotting kedua citra.

Gambar 4-3 Hue cabai1.jpg (kiri) dan cabai2.jpg (kanan)

Gambar 4-1 cabai1.jpg

Gambar 4-4 Saturation cabai1.jpg (kiri) dan cabai2.jpg
(kanan)

Gambar 4-5 Value cabai1.jpg (kiri) dan cabai2.jpg (kanan)

Dari hasil di atas, sulit menentukan secara visual

apakah kedua gambar adalah gambar yang berbeda
kecuali berdasarkan parameter hue. Untuk
membuktikannya, akan dilihat histogram kedua
gambar tersebut menggunakan fungsi imhist(var).
Dan hasilnya adalah sebagai berikut:

Gambar 4-2 cabai2.jpg

Sedangkan source code yang digunakan dalam

percobaan ini adalah sebagai berikut:

Gambar 4-6 Histogram hue cabai1.jpg (kiri) dan cabai2.jpg

(kanan)

Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB 3
 I=double(imread('kotak1.bmp'));
J=fft2(I);
figure,imshow (uint8(I));
figure,imagesc(log10(abs(J)+1)),axis
image,colormap hot,colorbar;
figure,imagesc(angle(J)) ,axis
image,colormap hot,colorbar;
K=double(imread('kotak2.bmp'));
L=fft2(K);
figure,imshow (uint8(K));
Gambar 4-7 Histogram saturation cabai1.jpg (kiri) dan figure,imagesc(log10(abs(L)+1)),axis
cabai2.jpg (kanan) image,colormap hot,colorbar;
figure,imagesc(angle(L)) ,axis
image,colormap hot,colorbar;

Untuk menjalankan source code di atas, folder

tempat gambar disimpan sudah terlebih dahulu
dijadikan satu dengan folder tempat source code
/script MATLAB disimpan.
Hasil yang diperoleh setelah menjalankan script
MATLAB di atas dapat dilihat pada tabel berikut :
Gambar 4-6 Histogram value cabai1.jpg (kiri) dan Figure Keterangan Gambar
cabai2.jpg (kanan) ke -
1 Original
Dari hasil histogram di atas, terlihat bahwa image
persebaran warna abu-abu dalam parameter “kotak1.bmp”
saturation dan value dalam citra cabai1.jpg sama
dengan citra cabai2.jpg. Hal ini menandakan bahwa
kedua citra memiliki kontras yang sama dalam
parameter tersebut. Sedangkan pada parameter hue,
terdapat pergeseran puncak distribusi warna. Citra
pertama memiliki paling banyak warna abu-abu 2 Peta
dengan intensitas ~0.85. Sedangkan citra kedua Magnitude
memiliki paling banyak warna abu-abu dengan “kotak1.bmp”
intensitas ~0.7 dan justru memiliki sedikit warna
abu-abu dengan intensitas ~0.8.

4.2 PERCOBAAN 2 :
3 Peta Fasa
4.3 PERCOBAAN 3 : OPERASI “kotak1.bmp”
TRANSFORMASI

Hasil Percobaan :

Pada percobaan Operasi Transformasi ini

dijalankan sebuah script MATLAB yang
mengandung fungsi untuk melakukan
transformasi pada gambar kotak1.bmp dan 4 Original
kotak2.bmp, yang mulanya berada pada domain image
spasial menjadi domain frekuensi . Fungsi yang “kotak1.bmp”
dimaksud adalah FFT (Fast Fourier Transform).
Dengan menggunakan metode transformasi fft ini,
memungkinkan kita untuk memperoleh
informasi lain dari suatu citra yang tidak dapat
dilihat dengan hanya melihat citra tersebut
sebelum ditransformasi. Informasi yang
dimaksud adalah magnitude dan fasa dari tiap
piksel.
Script MATLAB yang digunakan sesuai modul
adalah sebagai berikut :

Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB 4
5 Peta
Magnitude
“kotak1.bmp”
6 Peta Fasa
“kotak1.bmp”
Tabel 4-3 Hasil Transformasi citra “kotak1.bmp” dan
“kotak2.bmp”
Pada source code yang telah diimplementasikan
pada percobaan ini, proses operasi transformasi
untuk mendapatkan peta magnitude dan fasa
dari citra dapat dibagi menjadi 3 tahap, yaitu :
1. Load image pada program
I=double(imread('kotak1.bmp'));
Kode tersebut menunjukkan bahwa
gambar “kotak1.bmp” diambil ke
program dan diletakkan pada variabel I
menggunakan fungsi imread. Tipe file
gambar ini diubah menjadi double
karena untuk melakukan fft 2D pada
citra menggunakan MATLAB hanya
dapat dilakukan pada tipe data double
atau single. Sedangkan integer tidak
dapat diproses dengan baik.
2. Mengubah tipe data gambar
Setelah dilakukan konversi ke tipe
variabel double, ukuran data akan
membesar. Untuk menampilkan
/plotting hasil transformasi, citra perlu
dikonversi kembali agar rentang nilai
pixel tidak terlalu besar. Untuk itu,
digunakan fungsi uint8 pada baris kode
figure,imshow (uint8(I)); dan
figure,imshow (uint8(K));
3. Melakukan transformasi
Selanjutnya dilakukan transformasi
fourier pada gambar “kotak1.bmp” dan
“kotak2.bmp” menggunakan kode
seperti di bawah ini.
J=fft2(I);
L=fft2(K);
Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB
Pada variabel J nilai dari FFT 2 dimensi
gambar “kotak1.bmp” disimpan. Dan
untuk gambar “kotak2.bmp” disimpan
dalam variabel L.
Setelah melalui ketiga proses tersebut, kita
sudah dapat mendapatkan nilai magnitude
dan fasa dari citra yang diolah.
Untuk menampilkan hasilnya digunakan
baris kode sebagai berikut.
figure,imagesc(log10(abs(J)+1)),axis
image,colormap hot,colorbar;
figure,imagesc(angle(J)) ,axis
image,colormap hot,colorbar;
atau untuk gambar “kotak2.bmp” :
figure,imagesc(log10(abs(L)+1)),axis
image,colormap hot,colorbar;
figure,imagesc(angle(L)) ,axis
image,colormap hot,colorbar;
Pada kode tersebut, untuk menampilkan
magnitude maka pada fungsi imagesc ,
variabel J dan L yang menyimpan nilai citra
hasil transformasi dibuat absolute dengan
fungsi abs(J) atau abs(L). Kemudian
nilai absolute tersebut ditambah konstanta 1
karena untuk skala logaritmik log(0) tidak
terbaca.
Skala yang digunakan untuk menampilkan
magnitude adalah logaritmik agar rentang
nilai dari yang rendah hingga tinggi dapat
teroetakan dengan jelas. Untuk menampilkan
skala logaritmik tersebut digunakan fungsi
log10(). Sedangkan untuk menampilkan
peta dari fasa hasil transformasi citra
digunakan fungsi angle().
Selain fungsi-fungsi tersebut, ada 3 fungsi lain
yang juga mendukung plotting image
diantaranya :
- axis image, fungsi ini digunakan untuk
menampilkan nilai-nilai pada sumbu
pemetaan megnitude/fasa dari citra
- colormap hot digunakan untuk
menentukan range warna yang
digunakan untuk memetakan intensitas
atau besarnya magnitude/fasa sesuai
skala yang dipakai
- colorbar merupakan bar berwarna disertai
skala yang menunjukkan keterangan
penggunaan warna dalam plot
magnitude/fasa.
Berdasarkan hasil transformasi yang telah
dilakukan, dapat dilihat pada tabel antara
magnitude citra “kotak1.bmp” dengan
magnitude “kotak2.bmp” adalah sama,
sedangkan pada plot fasa dari kedua citra
5
 menunjukkan perbedaan. Perbedaan [3] https://www.kirupa.com/design/little_about_c
paling jelas terlihat dariperubahan olor_hsv_rgb.htm diakses tanggal 19 September
intensitas yang mana pada citra 2018, 9.57 WIB.
“kotak1.bmp” perubahan fasa terlihat
seperti batas diagonal yang lurus [4] k
sedangkan pada fasa “kotak2.bmp”
terlihat ada belokan sudut pada titik
paling tengahnya.
Hal ini menunjukkan bahwa kedua citra
sebenarnya adalah suatu citra yang
sama namun mengalami inverting
sehingga intensitasnya terbalik. Pada
citra originalnya, hal ini terlihat dari
perbedaan warna hitam putih yang
dibalik saja pada pattern yang sama.

5. KESIMPULAN
Dari percobaan di atas dapat ditarik kesimpulan
sebagai berikut:
1. Image Format
Dengan menggunakan format HSV, dapat
diketahui warna, derajat keabuan, dan
intensitas suatu citra. Dan dari percobaan di
atas dapat disimpulkan bahwa kedua citra
memiliki intensitas dan derajat keabuan
yang sama tetapi memiliki warna yang
berbeda.

2. Operasi Aritmetik dan Geometrik

3. Operasi Transformasi
Dengan melakukan transformasi, dapat
diketahui informasi yang tidak terlihat
secara langsung pada sebuah citra,
yaitu magnituda tiap piksel dan
fasanya. Untuk mendapatkan peta dari
magnitude dan fasa ini dapat dilakukan
dengan metode fast fourier transform.
Berdasarkan hasil percobaan, hasil
transformasi menunjukkan bahwa
kedua citra uji adalah citra yang sama
namun diinvers, hal ini dapat diketahui
berdasarkan kesamaan magnitude dan
perbedaan fasanya.

DAFTAR PUSTAKA
[1] Modul 1 – Pengantar Pengolahan Citra Digital.
[2] https://www.google.co.id/search?q=dinus.ac.id%2Fre
pository%2F...%2FYEPE-
Mengapa_Kita_Butuh_FFT-
2016.p...&oq=dinus.ac.id%2Frepository%2F...%2F
YEPE-Mengapa_Kita_Butuh_FFT-
2016.p...&aqs=chrome..69i58j69i57.4195j0j7&so
urceid=chrome&ie=UTF-8. Diakses 19
September 2018 pukul 20.00 WIB.
Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB 6
Laporan Tugas DSKC - Laboratorium Sistem Kendali dan Komputer – STEI ITB 7