MODUL 01 PENGANTAR PENGOLAHAN CITRA
Komang Arya Attyla Kepakisan (18316001)
Ahmad Rasyid .A (18316008)
Alwan Abdurrafi (18316025)
EB3206-Pengolahan Citra Biomedika
Sekolah Teknik Elektro dan Informatika ITB
Abstrak
Praktikum Pengolahan Citra Biomedika merupakan
praktikum take home dengan memanfaatkan software
Matlab. Pada modul 1 Pengantar Pengolahan Citra terdiri
dari tiga percobaan. Percobaan pertama adalah image format
yang menunjukkan hasil representasi citra warna. Hasil
representasi citra warna selain dalam format Red Green Blue
(RGB), dapat juga dinyatakan dalam format Hue
Saturation Value (HSV). Berdasarkan percobaan yang
telah dilakukan, diketahui bahwa image yang dihasilkan
dalam format Hue menunjukkan kombinasi warna asli,
format Saturation menunjukkan ketajaman warna, format
Value menunjukkan tingkat kecerahan warna. Selanjutnya,
percobaan kedua adalah operasi aritmatik dan geometrik.
Pada percobaan ini dilakukan operasi geometrik terlebih
dahulu berupa rotasi sebesar 1800 yang kemudian
dilanjutkan dengan operasi aritmatik berupa pengurangan
citra sebelum dan sesudah dilakukan rotasi. Hasil yang
diperoleh pada percobaan kedua berupa tumpukan citra yang
berbeda rotasi 1800 dengan bagian yang awalnya gelap
menjadi lebih transparan dan bagian yang awalnya terang
menjadi lebih gelap. Terakhir, Percobaan ketiga adalah
operasi transformasi. Pada percobaan ini dilakukan operasi
transformasi fourier pada suatu citra dalam domain frekuensi
sehingga karakteristik magnitude dan fasanya dapat
diketahui.
Kata kunci: Citra, Image Format, Operasi Geometri
dan Aritmatik, Operasi Transformasi
1. PENDAHULUAN
Citra atau gambar (image) adalah kombinasi
antara titik, garis, bidang, dan warna untuk
menciptakan suatu imitasi dari suatu objek–
biasanya objek fisik atau manusia. Citra bisa
berwujud gambar (picture) dua dimensi,
seperti lukisan, foto, dan berwujud tiga dimensi,
seperti patung.
Pengolahan citra adalah pemrosesan citra,
khususnya menggunakan komputer, menjadi citra
yang kualitasnya lebih baik dan sesuai dengan
keinginan pemakai. Pengolahan citra bertujuan
memperbaiki kualitas citra agar mudah
diinterpretasi oleh manusia atau mesin (dalam hal
ini komputer). Teknik-teknik pengolahan citra
mentransformasikan citra ke citra yang lain. Jadi
masukannya adalah citra dan keluarannya juga
Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB
citra, namun citra keluaran atau hasil mempunyai
kualitas lebih baik dari pada citra masukan.
Gambar 1.1 Alur Proses Pengolahan Citra
Operasi dalam pengolahan citra secara umum
dapat diklasifikasikan menjadi beberapa jenis,
antara lain :
a. Image Enhancement atau perbaikan kualitas
citra merupakan proses mendapatkan
citra yang lebih mudah diinterpretasikan
oleh mata manusia dengan tujuan lebih
menonjolkan ciri-ciri tertentu dari suatu
citra sehingga dapat digunakan untuk
kepentingan ekstraksi ciri, analisis citra
atau menampilkan informasi dari citra
tersebut. Proses ini dilakukan karena citra
yang dijadikan objek terkadang memiliki
kualitas yang buruk, misalnya citra terlalu
gelap atau terang, citra mengalami derau,
dan citra kabur atau kurang tajam.
Perbaikan citra ini berkaitan dengan
perbaikan kontras gelap/terang,
perbaikan tepian objek (edge enhancement),
penajaman (sharpening), pemberian warna
semu (pseudocoloring), penapisan derau
(noise filtering), dan sebagainya. [6]
Gambar 1.2 Image Enhancement
b. Image restoration atau pemugaran citra
adalah operasi penghilangan atau
minimalisasi degradasi kualitas citra
dengan tujuan meningkatkan atau
memperbaiki image yang cacat.
Perbedaan antara Image restoration dan
Image enhancement adalah pada image
restoration penyebab degradasi citra sudah
diketahui, sedangkan pada image
1
 enhancement penyebab degradasi citra
tidak diketahui. Contohnya usia gambar
yang sudah tua dan banyaknya derau
pada citra. [6]
Gambar 1.3 Image Restoration
c. Image compression (Pemampatan Citra)
ialah proses yang dilakukan terhadap citra
digital dengan tujuan untuk mengurangi
redudansi dari data-data yang terdapat
pada citra sehingga dapat disimpan atau
ditransmisikan secara efisien. Dengan
adanya proses pemampatan citra,
membuat penggunaan memori menjadi
lebih sedikit dengan tidak mengurangi
kualitas citra. Contohnya adalah citra
dengan jenis .bmp dilakukan
pemampatan citra menjadi .jpg.
Gambar 1.4 Image Compression
d. Image segmentation memecah citra menjadi
beberapa bagian yang homogen dengan
kriteria tertentu. Tujuan dari proses ini
adalah untuk menyederhanakan atau
mengganti representasi gambar ke
gambar baru yang lebih memiliki guna
dan memudahkan analisis. Pada proses ini
dilakukan deteksi diskontinuitas,
thresholding, segmentasi berbasis region,
dan sebagainya.
Gambar 1.5 Image Segmentation
e. Image analysis merupakan proses
menghitung besaran kuantitatif dari citra
untuk menghasilkan deskripsi dari citra
tersebut. Image analysis diperlukan untuk
melokalisasi objek yang diinginkan dari
sekelilingnya. Pada proses ini biasanya
dilakukan proses pendeteksian tepi objek
(edge detection), ekstraksi batas (boundary),
dan representasi daerah (region).
f. Image reconstruction membentuk ulang
objek dari hasil proyeksi objek. Contoh
Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB
aplikasi dari ini adalah gambar 3D yang
dihasilkan rontgen. [6]
Pada Modul 1 Pengantar Pengolahan Citra ini
akan dilakukan beberapa eksekusi program dasar
dengan menggunakan software Matlab. Program-
program tersebut dieksekusi dengan
menggunakan gambar-gambar yang telah
disediakan sebagai bahannya. Pada modul 1 ini
dilakukan percobaan mengenai konversi image
format, penerapan operasi aritmatik dan geometri,
dan penerapan operasi transformasi.
Sebenarnya, terdapat beberapa format gambar
yang dapat digunakan. Akan tetapi, dalam modul
1 ini, praktikan hanya menggunakan konversi dari
RGB (Red Green Blue) ke HSV (Hue Saturation
Value). Format gambar RGB dan HSV merupakan
format yang paling sering digunakan dalam
pengolahan citra. Untuk format RGB
menunjukkan bahwa setiap citra terdiri dari
susunan dan perpaduan ketiga warna tersebut,
yaitu merah, hijau, dan biru. Untuk format HSV
menunjukkan bahwa setiap citra akan
direpresentasikan dalam tiga buah data, yaitu Hue
yang menunjukkan dari lingkaran berwarna
primer, Saturation yang menunjukkan jari-jari dari
lingkaran warna dari level abu-abu hingga level
yang berwarna pekat, dan Value yang
menunjukkan tingkat kecerahan cahaya.
Aplikasi pengolahan citra umumnya dapat
dikelompokkan ke dalam dua jenis kegiatan
• Usaha memperbaiki kualitas suatu citra
agar lebih mudah diinterpretasikan oleh
mata manusia.
• Usaha mengolah informasi yang terdapat
pada suatu citra dalam keperluan
pengenalan obyek secara otomatis.
Secara umum, terdapat dua alasan mengenai
perlunya pengolahan citra, yaitu:
• Untuk mendapatkan citra asli dari suatu
citra yang sudah buruk karena pengaruh
derau. Pada kondisi demikian, proses
pengolahan bertujuan untuk
mendapatkan citra yang diperkirakan
mendekati citra sebenarnya.
• Untuk memperoleh citra dengan
karakteristik tertentu dan cocok secara
visual yang dibutuhkan untuk tahap lebih
lanjut dalam pemrosesan citra. [1]
2. STUDI PUSTAKA
Citra digital adalah sebuah fungsi 2-D yang
merupakan fungsi intensitas cahaya dimana nilai x
dan y merupakan koordinat spasial dan nilai
fungsi dari f(x,y) merupakan tingkat keabuan citra
pada titik tersebut. Citra digital merupakan citra
2
yang telah mengalami proses diskritisasi spasial
dan digitasi intensitas. Kedua proses tersebut
membuat citra digital tersusun atas kotak-kotak
kecil yang disebut sebagai piksel (pixel – picture
element). Piksel merupakan satuan terkecil dari
suatu citra dijital. Resolusi citra bergantung pada
jumlah piksel per satuan panjang citra. Semakin
banyak piksel yang mewakili suatu citra, maka
semakin tinggi nilai resolusinya dan semakin
halus pula gambarnya. Citra digital dinyatakan
dalam sebuah matriks dimana baris dan kolomnya
menyatakan suatu titik pada citra tersebut dan
elemen matriksnya menyatakan tingkat keabuan.
[1]
Gambar 2.1 Contoh Citra Digital
2.1 IMAGE FORMAT
Format file gambar adalah sarana standar untuk
mengatur dan menyimpan gambar digital. File
gambar terdiri dari data digital dalam salah satu
format ini yang dapat direkayasa ulang untuk
digunakan pada display komputer atau printer.
Format file gambar dapat menyimpan data dalam
format terkompresi, kompresi, atau vektor. Setelah
diraster, gambar menjadi grid piksel, masing-
masing memiliki sejumlah bit untuk menentukan
warnanya sama dengan kedalaman warna
perangkat yang menampilkannya.Berikut ini
merupakan beberapa jenis penyimpanan pada
citra.
1. JPG/JPEG (Joint Photographic Expert
Group). Format ini bisa mensupport
sampai 16.7 juta warna.
2. PNG (Portable Network Graphics). Sama
dengan GIF namun bit depthnya
mencapai 24 bit serta mampu
menghasilkan latar belakang
(background) yang transparan dengan
pinggiran yang halus.
3. GIF (Graphics Interchange Format).
Kombinasi warna yg tersedia sebanyak
256 warna.
4. BMP (Bitmap Image). Format ini mampu
menyimpan informasi dengan kualitas
tingkat 1 bit sampai 24 bit.
5. TIFF (Tagged Image File Format). The
TIFF (Tagged Image File Format) adalah
format gambar yang fleksibel biasanya
menyimpan 16-bit per warna – merah,
Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB
hijau dan biru untuk total 48-bit – atau 8-
bit per warna – merah, hijau dan biru
untuk total 24bit – dan menggunakan
nama file atau perpanjangan TIFF TIF.
6. PSD (Photoshop Document). Format ini
merupakan format asli dokumen Adobe
Photoshop
7. PDF (Portable Document Format). Format
ini digunakan oleh Adobe Acrobat dan
dapat digunakan oleh grafik berbasis pixel
maupun vektor.
8. CDR (Corel Draw) CDR adalah jenis file
gambar khusus yang dapat dibuka
menggunakan aplikasi Corel Draw. CDR
adalah sebuah format yang native
biasanya digunakan untuk menggambar
vector.
9. RAW. Format file ini merupakan format
file yang fleksibel untuk pertukaran
dokumen antar aplikasi dan platform.
Format file ini mampu menyimpan mode
warna RGB, CMYK, dan Grayscale
dengan 1 alpha channel serta mode warna
Multichannel, Lab Color dan Duotone
tanpa alpha channel.
Selain dalam format RGB, sebuah citra berwarna
dapat juga dinyatakan dengan menggunakan HSL
(Hue Saturation Lightness) dan HSV (Hue
Saturation Value). Kedua format ini merupakan
format yang paling umum digunakan dalam
merepresentasikan model warna RGB.
Model HSV (Hue Saturation Value) menunjukkan
ruang warna dalam bentuk tiga komponen utama,
yaitu hue, saturation, dan value (atau disebut juga
brightness). Hue adalah sudut dari 0 sampai 360
derajat. Biasanya 0 adalah merah, 60 derajat
adalah kuning, 120 derajat adalah hijau, 180
derajat adalah cyan, 240 derajat adalah biru dan
300 derajat adalah magenta. Hue menunjukkan
jenis warna (seperti merah, biru atau kuning) atau
corak warna, yaitu tempat warna tersebut
ditemukan dalam spektrum warna. Merah, kuning
dan ungu (purple) adalah kata-kata yang
menunjukkan hue. Saturasi (saturation) suatu
warna adalah ukuran seberapa besar kemurnian
dari warna tersebut.
3
 Gambar 2.2 Hue Saturation Value (HSV)
Gambar 2.3 Hue Saturation Value (HSV)
Sebagai contoh, suatu warna yang semuanya
merah tanpa putih adalah saturasi penuh. Jika
ditambahkan putih ke merah, hasilnya lebih
berwarna-warni dan warna bergeser dari merah
ke merah muda (pink). Hue masih tetap merah
tetapi nilai saturasinya berkurang. Saturasi
biasanya bernilai 0 sampai 1 (atau 0% sampai
100%) dan menunjukkan nilai keabu-abuan warna
dimana 0 menunjukkan abu-abu dan 1
menunjukkan warna primer murni. Komponen
ketiga dari HSV adalah value atau disebut juga
intensitas (intensity), yaitu ukuran seberapa besar
kecerahan suatu warna atau seberapa besar
cahaya datang dari suatu warna. Nilai value dari
0% sampai 100%.
2.2 HISTOGRAM
Histogram derajat keabuan pada suatu citra
digambarkan sebagai suatu fungsi kerapatan
peluang dari masing-masing derajat keabuan pada
citra tersebut. Dengan demikian, histogram derajat
keabuan dari suatu digital dapat dinyatakan
menurut persamaan :
Dalam hal ini :
h(i) = histogram citra untuk derajat keabuan
k.
ni = jumlah piksel yang memiliki derajat
keabuan k.
n = jumlah piksel pada citra [1]
2.3 OPERASI ARITMATIK
Operasi aritmatik pada pengolahan citra
menunjukan operasi aritmatik pada pasangan
pixel-pixelnya. Terdapat empat operasi aritmatik
pada pengolahan citra digital yaitu :
• Operasi Penambahan dan Pengurangan.
Operasi ini dapat dilakukan pada dua
buah citra yang berbeda ataupun satu
citra dengan suatu nilai konstanta tertentu.
Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB
Aplikasi dari operasi penjumlahan seperti
pengembangan dari algoritma restorasi
citra untuk membentuk noise tambahan,
efek spesial seperti efek gambar bergerak.
Contoh aplikasi pengurangan ialah untuk
pelacakan objek, citra medis dsb.
𝑠(𝑥,𝑦) = 𝑓(𝑥,𝑦) +𝑔(𝑥,𝑦)
𝑑(𝑥,𝑦) = 𝑓(𝑥,𝑦)−𝑔(𝑥,𝑦)
• Operasi Perkalian dan Pembagian
Operasi ini dapat dilakukan pada dua
buah citra yang berbeda ataupun satu
citra dengan suatu nilai konstanta tertentu.
Operasi ini biasa digunakan untuk
mengatur keterangan dari suatu citra.
Perkalian suatu citra dengan konstanta
lebih dari satu akan mempergelap citra
tersebut begitu sebaliknya.
𝑝(𝑥,𝑦) = 𝑓(𝑥,𝑦)×𝑔(𝑥,𝑦)
𝑣(𝑥,𝑦) = 𝑓(𝑥,𝑦) ∶ 𝑔(𝑥,𝑦)
• Operasi penjumlahan/pengurangan citra
dengan sebuah nilai skalar c
Penjumlahan citra A dengan skalar c
dilakukan dengan menambah nilai
intensitas setiap piksel di dalam citra
dengan suatu bilangan skalar c. Untuk c
yang lebih besar daripada 1, proses ini
akan menghasilkan citra baru B yang
intensitasnya lebih terang daripada A.
Sebaliknya, pengurangan citra A dengan
skalar c (c > 1) adalah dengan mengurangi
intensitas setiap piksel dengan sebuah
skalar c, dan menghasilkan citra baru B
yang intensitasnya lebih gelap dari A.
• Operasi perkalian citra dengan sebuah
nilai skalar c
Apabil c > 1, perkalian citra A akan
menghasilkan citra baru B yang
intensitasnya lebih terang, dengan
kenaikan intensitas setiap piksel
sebanding dengan c. Sebaliknya,
pembagian citra dengan nilai skalar c > 1
akan menghasilkan citra baru B yang
intensitasnya lebih gelap. Kedua operasi
ini, pembagian dan perkalian citra dengan
nilai skalar, umumnya digunakan pada
proses normalisasi kecerahan.
Operasi ini melibatkan pasangan pixel dalam f
dan g untuk x = 0, 1, 2, . . ., M–1 dan y = 0, 1, 2, . . .,
N–1 dimana M dan N merupakan baris dan kolom
dari ukuran matriks gambar. Operasi aritmatik
4
hanya dapat dilakukan pada gambar yang
memiliki ukuran yang sama.
Agar sesuai dengan format penyimpanan data,
operasi aritmatik pada pengolahan citra digital
biasanya melibatkan proses clipping. Dengan
adanya clipping, nilai intensitas citra hasil yang
bernilai negatif akan dibulatkan menjadi 0,
sementara nilai intensitas yang lebih besar
daripada G–1 akan dibuat menjadi G–1
(perhatikan bahwa pada citra grayscale 8 bit, nilai Gambar 2.4 Operasi Rotasi pada Citra
G–1 sama dengan 255). [1] 𝜃 adalah sudut rotasi yang digunakan (pada
Matlab, arah rotasi ditetapkan berlawanan dengan
2.4 OPERASI GEOMETRIK arah jarum jam). Jika citra semula adalah A dan
citra hasil rotasi adalah B, maka proses rotasi citra
Pada dasarnya, operasi geometrik pada citra
dari A ke B ditunjukkan melalui :
merupakan suatu proses transformasi koordinat.
Dengan demikian, proses ini senantiasa
melibatkan dua buah sistem koordinat. Apabila
terhadap suatu titik A pada sistem koordinat (xA, 2.5 OPERASI KONVOLUSI CITRA
yA) dilakukan sebuah operasi geometrik tertentu, Suatu sistem linear disebut invarian spasial atau
maka titik A tersebut akan menempati koordinat invarian geser apabila translasi citra masukan
(xA’, yA’) pada sistem koordinat (x’, y’). Termasuk mengakibatkan translasi pada citra keluaran.
dalam kategori operasi ini adalah operasi translasi Untuk sistem yang demikian, berlaku hubungan
dan rotasi. keluaran-masukan sistem menurut kaidah
konvolusi. Operasi konvolusi dua dimensi
• Operasi translasi dijalankan dengan mengikuti persamaan :
Operasi translasi bekerja melalui
transformasi koordinat terhadap citra
masukan menggunakan persamaan
transformasi sebagai berikut : dimana :
f(x,y) = citra asal
h(x,y) = matriks konvolusi (convolution kernel)
g(x,y) = citra hasil konvolusi
∆ x dan ∆ y merupakan nilai translasi
horisontal dan vertikal yang digunakan.
Pada Matlab, nilai ∆ x positif akan
menyebabkan translasi citra ke arah kanan,
sedangkan ∆ y positif membuat citra
mengalami translasi ke arah bawah. Jika
citra semula adalah A dan citra hasil
translasi adalah B, maka proses translasi
citra dari A menjadi B dapat dinyatakan
menurut hubungan :

• Operasi rotasi Gambar 2.5 Ilustrasi Operasi Konvolusi

Operasi rotasi dikerjakan dengan Pada prakteknya, operasi konvolusi dua dimensi
melakukan transformasi koordinat dilakukan dengan menggeser kernel konvolusi
terhadap citra masukan dengan piksel demi piksel, melakukan perhitungan untuk
menggunakan persamaan transformasi memperoleh intensitas piksel keluaran f(i,j),
sebagai berikut : kemudian menyimpannya dalam sebuah matriks
hasil. Konvolusi sangat berguna untuk
melakukan operasi penapisan (filtering) pada citra,
misalnya pada kebutuhan penapisan rata-rata
(neighborhood averaging), penghalusan citra
(smoothing), penajaman citra (sharpening), dan
lain-lain. [1]

Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB 5

2.6 OPERASI TRANSFORMASI Transformasi Fourier dari fungsi sirkuler
Sebagaimana pada sinyal satu dimensi, kita dapat simetrik adalah juga sirkuler simetrik. [1]
melakukan operasi transformasi terhadap sinyal
dua dimensi (citra). Istilah transformasi citra 3. METODOLOGI
mengacu pada proses transformasi dengan
Alat dan komponen yang digunakan pada
menggunakan operator matriks uniter, sehingga
percobaan modul 1 ini adalah :
menjamin berlakunya sifat-sifat transformasi
uniter. Beberapa operasi transformasi yang umum • 1 unit PC/Laptop
digunakan dalam pengolahan citra digital antara
• Aplikasi MATLAB
lain adalah transformasi DFT (Discrete Fourier
Transform), DCT (Discrete Cosine Transform), dan Langkah-Langkah pada percobaan ini ialah
DWT (Discrete Wavelet Transform). Dari berbagai sebagai berikut.
operasi transformasi tersebut, Transformasi
Image Format
Fourier merupakan yang paling populer, terutama
sejak diperkenalkannya algoritma FFT (Fast
Fourier Transform). Operasi Transformasi Fourier
Buka Aplikasi Matlab
diskrit dijalankan mengikuti persamaan :

Jalankan Program Tugas 7.1 Image

Format pada modul 1

Berikut adalah beberapa sifat Transformasi

Fourier diskrit: Berikan analisis atas hasil yang
1. Frekuensi-Spasial diperoleh pada laporan
Jika f(x,y) menyatakan nilai piksel pada
koordinat ruang (x,y), maka 𝜔 1 dan 𝜔 2
adalah frekuensi spasial yang menyatakan Operasi Aritmatik dan Geometri
perubahan intensitas terhadap jarak.
2. Unik
Fungsi kontinyu f(x,y) dan F( 𝜔 1, 𝜔 2) Buka Aplikasi Matlab
bersifat unik satu sama lain, sehingga
proses transformasi tidak menyebabkan
rugi-rugi informasi.
3. Terpisahkan Kernel Transformasi Fourier Jalankan Program Tugas 7.2 Operasi
adalah separable. Dengan demikian, Aritmatik dan Geometri pada modul
Transformasi Fourier 2-D dapat 1
dinyatakan sebagai Transformasi Fourier
1-D berturut-turut sepanjang koordinat x
dan y.
Berikan analisis atas hasil yang
4. Respon frekuensi diperoleh pada laporan
Transformasi Fourier dari respon impuls
yang invarian geser disebut sebagai
respon frekuensi. Operasi Aritmatik Transformasi
5. Fungsi eigen.
Fungsi eigen dari sistem yang invarian
geser linier adalah eksponensial kompleks. Buka Aplikasi Matlab
6. Teorema konvolusi
Transform Fourier dari konvolusi dua
fungsi adalah perkalian dari koefisien Jalankan Program Tugas 7.3 Operasi
transformasi Fourier masing-masing Transformasi pada modul 1
fungsi.
7. Teorema Parseval
Energi dalam domain ruang sama dengan Berikan analisis atas hasil yang
energi dalam domain transform. diperoleh pada laporan
8. Teorema Hankel

Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB 6

 Berdasarkan source code Tugas 7.1 yang dijalankan
dengan MATLAB, dapat dilihat bahwa nilai
4. HASIL DAN ANALISIS
komposisi warna gambar cabai 1 disimpan ke
4.1 IMAGE FORMAT dalam matriks I. Sedangkan untuk hasil konversi
citra tersebut menjadi format HSV disimpan ke
Program yang digunakan :
dalam matriks J. Selanjutnya terdapat perintah
rgb2hsv(I) yang berfungsi untuk melakukan
konversi RGB matriks pada colormaps I ke matriks
pada colormaps J HSV. Unsur-unsur dari kedua
colormaps tersebut berada dalam kisaran 1 dan 0.
Kolom input matriks I merupakan matriks dengan
Gambar 4.1 Source Code Image Format intensitas warna merah, hijau, dan biru.
Sedangkan untuk matriks hasil konversi (matriks
Pada percobaan ini dilakukan pengubahan citra J) merupakan matriks yang mengandung
dari format RGB (Red Green Blue) menjadi format informasi nilai Hue, Saturation, dan Value dari
HSV (Hue Saturation Value). Berikut ini gambar 1. Hal ini juga berlaku untuk gambar
merupakan hasil yang diperoleh dari percobaan cabai 2.
Image Format.
Berdasarkan Tabel 4.1 dapat dilihat bahwa, hasil
Tabel 4.1 Hasil Percobaan Image Format dari percobaan ini adalah untuk memperlihatkan
HSV dari gambar cabai 1 dan cabai 2. Hue
Cabai 1 Cabai 2 merepresentasikan karakteristik dari warna-warna
yang ada atau menyatakan kombinasi dari warna-
Gambar Asli Gambar Asli warna dasar (merah, hijau, biru). Sehingga apabila
suatu citra memiliki banyak kombinasi warna
maka Hue dari gambar tersebut juga memiliki
kombinasi warna yang beragam dari 0 hingga 1
(hitam hingga putih). Dapat dilihat bahwa pada
citra Hue untuk gambar cabai 1 dan 2 memiliki
kombinasi nilai yang beragam.
Selanjutnya, akan dilakukan pengamatan
Hue Hue
terhadap Saturasi dari gambar cabai 1 dan cabai 2.
Saturasi menunjukkan ketajaman dari suatu
warna (kemurnian/ketajaman warna). Nilai
Saturasi citra ini menunjukkan seberapa besar
intensitas warna putih pada warna tersebut.
Berdasarkan Tabel 4.1 diatas, dapat dilihat bahwa
pada gambar cabai 1 dan cabai 2 memiliki nilai
Saturasi yang sama.

Saturation Saturation Terakhir, akan dilakukan pengamatan pada

gambar cabai 1 dan cabai 2 untuk nilai Value.
Value dari suatu citra merepresentasikan tingkat
hitam atau putih dari warna (kecerahan warna).
Berdasarkan Tabel 4.1 diatas juga, dapat dilihat
bahwa Citra Value dari cabai 1 dan cabai 2
memiliki nilai Value yang sama.
Dari hasil percobaan HSV ini dapat disimpulkan
Value Value bahwa gambar cabai 1 dan cabai 2 memiliki nilai
Hue yang berbeda, namun untuk Saturation dan
Value memiliki nilai yang sama. Hal ini terlihat
pada gambar asli bahwa gambar cabai 1 dan 2
hanya memiliki perbedaan warna-warna dasar
saja, tetapi memiliki tingkat kecerahan yang sama.
Dari percobaan HSV juga dapat dilihat bahwa
komponen Hue akan memberikan efek grayscale
yang bervariasi pada citra. Untuk Saturasi akan

Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB 7

memberikan ketajaman warna dimana ketika
Saturasi tinggi, maka warna Hue pada piksel
gambar tersebut akan dominan. Sedangkan jika
Saturasinya rendah, maka akan memberikan
warna putih. Pada komponen Value, warna akan
bervariasi dari hitam hingga putih dikarenakan
komponen Value merepresentasikan tingkat
kecerahan warna. Jika nilai komponen Value
rendah, maka tingkat kecerahan warna juga akan
menjadi rendah (gelap) dan saat nilai komponen
Value tinggi, maka tingkat kecerahan warna akan
semakin tinggi (terang). [2]
4.2 OPERASI ARITMATIK DAN GEOMETRIK
Pada percobaan ini dilakukan operasi aritmatik
dan geomterik terhadap citra cameramen.tif dengan
menggunakan command MATLAB seperti
dibawah :
Gambar 4.2 Source Code Operasi Aritmatik dan
Geometrik
Dengan menggunakan Matlab didapatkan hasil
seperti terlihat pada gambar dibawah.
Gambar 4.2.1 Citra Asli cameramen.tif
Gambar 4.2.2 Citra hasil operasi
Gambar 4.2.1 merupakan citra asli yang kemudian
diopersikan secara aritmatik dan geometri
menghasilkan Gambar 4.2.2.
Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB
Pertama, citra akan dibaca dengan fungsi imread
dan disimpan sebagai X dengan variable bertipe
double. Setelah itu X ditampilkan sebagai tipe data
uint8 (unassigned integer 1 byte) dengan fungsi
imshow. Kemudian dilakukan operasi geometrik
berupa rotasi sebesar 180o pada citra dengan
menggunakan fungsi imrote dan menghasilkan
gambar Y yang berkebalikan dari citra awal serta
mengikuti kordinat relokasinya. Setelah itu
dilakukan operasi aritmatik berupa pengurangan
antara citra X dengan gambar Y dan menghasilkan
Z. Setelah itu dilakukan proses clipping dimana
hasil pengurangan dimutlakan agar tidak
dihasilkan nilai negatif pada citra dan sesuai
dengan format penyimpanan.
Pada gambar 4.2.2 dapat dilihat bahwa bagian
hitam pada citra asli mengalami perubahan
menjadi seolah-olah transparan setelah dilakukan
operasi translasi (rotasi) dan pengurangan. Hal ini
terjadi karena pengurangan dengan nilai hitam
yang memiliki nilai 0 akan menghasilkan nilai itu.
sendiri (berapapun nol dikurangi suatu konstanta,
absolutnya merupakan konstanta itu sendiri).
Untuk bagian-bagian lainnya, terlihat bahwa
didaptkan hasil yang semakin gelap. Ini
dikarenakan operasi aritmatika pengurangan akan
menghasilkan nilai yang lebih rendah dari
sebelumnya dan memberikan efek citra yang lebih
gelap. [2]
4.3 OPERASI TRANSFORMASI
Pemrosesan citra yang ketiga adalah dengan
melakukan transformasi. Transformasi dilakukan
untuk mengubah domain citra menjadi domain
frekuensi. Transformasi yang digunakan adalah
transformasi DFT 2D dengan Matlab
menggunakan fungsi fft2(). Selain itu, untuk
memudahkan analisa melalui observasi langsung,
citra ditampilkan menggunakan bentuk hotmap.
Citra asli dan hasil transformasi adalah sebagai
berikut.
Gambar 4.3.1 a) kotak1.bmp b) kotak2.bmp
8

Gambar 4.3.2 a) FFT magnitude citra satu b) FFT
magnitude citra dua
Gambar 4.3.3 a) FFT sudut kotak1.bmp b) FFT
sudut kotak2.bmp
Berdasarkan kedua citra awal, perbedaan yang
ada adalah nilai tiap piksel pada citra satu adalah
kebalikan dari citra dua. Selain itu, persebaran
antara piksel bernilai 0 (hitam) dan 255 (putih)
seimbang.. Ini artinya jumlah piksel bernilai 0
sama dengan jumlah piksel bernilai 255.
Seimbangnya persebaran nilai piksel ini
direpresentasikan dengan baik oleh hasil
transformasi magnituda. Hasil transformasi kedua
citra ditinjau dari magnitudanya identik.
Sementara itu, jika hasil transformasi sudut
diperhatikan, maka terlihat ada sedikit perbedaan
yang terjadi. Ini menunjukkan bahwa transformasi
tiap citra akan menghasilkan hasil yang unik dari
setiap citranya. Artinya hasil transformasi 2 citra
akan memiliki perbedaan, perbedaan dapat terjadi
pada plot magnituda, sudut, ataupun keduanya.
Pada kasus ini, perbedaan terjadi karena adanya
perbedaan konfigurasi antara piksel bernilai 0 dan
255. [2]
5. KESIMPULAN
Dari ketiga hasil analisis program modul 1 yang
telah dijalankan, maka dapat ditarik kesimpulan
sebagai berikut ini.
1. Selain format RGB, sebuah citra dapat
direpresentasikan dalam format HSV
(HueSaturation-Value) yang merupakan
sebuah koordinat silinder.
2. Citra berwarna juga dapat
direpresentasikan dalam format HSV
(Hue Saturation Value). Hue
menunjukkan kombinasi warna asli.
Saturation menunjukkan ketajaman warna.
Laporan Praktikum - Laboratorium Dasar Teknik Biomedis – STEI ITB
Value menunjukkan tingkat kecerahan
warna.
3. Sebuah file gambar memiliki bermacam-
macam format seperti “.png”, “.jpg”,
“.bmp”, “.tiff”, “.gif” yang memiliki
karakteristik masing-masing.
4. Nilai transformasi 2 citra yang berbeda
akan menghasilkan nilai yang berbeda,
Perbedaan dapat terjadi pada plot
magnituda ataupun sudut.
5. Salah satu pengolahan citra yang dapat
dilakukan adalah dengan operasi aritmika
dan geometri. Operasi aritmika seperti
pengurangan akan memperngaruhi hasil
citra yang didapatkan berupa
pengurangan nilai yang menyebabkan
citra hasil menjadi lebih gelap. Pada
operasi geometri akan terjadi relokasi dari
piksel yang ada pada citra dan
menyebabkan perubahan posisi yang
sesuai dengan kordinat relokasinya.
6. Beberapa gambar akan memiliki plot
magnituda yang mirip pada transformasi
Fouriernya, jika komposisi penyusun
warna dari gambar-gambar tersebut sama
persis. Sementara, plot sudut pada
transformasi Fouriernya akan sama,
apabila gambar tersebut memiliki
kemiripan pola (bukan warna).
DAFTAR PUSTAKA
[1] Modul 1: Pengantar Pengolahan Citra,
Sekolah Teknik Elektro dan Informatika
Institut Teknologi Bandung, Bandung, 2019.
[2] Gonzales, Ragael C., Digital Image Processing
2nd Edition, Gatesmark, Natick, 2009.
[3] Gonzalez, Rafael C., Digital Image Processing
using MATLAB 2nd Edition, Gatesmark
Publishing, USA, 2009.
[4] ____, Introduction to Computer Vision and
Image Processing, 4th class, Image Processing,
University of Technology – Computer
Science Department.
[5] https://www.mathworks.com/help/matlab/r
ef/rgb2hsv.html , diakses pada 10 September
2014 pukul 21.00 WIB
[6] https://www.kajianpustaka.com/2016/04/pe
ngolahan-citra-digital.html , diakses pada 10
September 2014 pukul 20.36 WIB
9