Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital)
Citra kontinu diperoleh dari sistem optik yg menerima sinyal analog, seperti mata
manusia dan kamera analog.
Citra diskrit (citra digital) dihasilkan melalui proses digitalisasi terhadap citra kontinu.
• Citra Digital
– Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan
y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik
(x,y) merupakan tingkat kecemerlangan atau intensitas cahaya citra pada
titik tersebut;
– Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat
spasial (sampling) dan diskritisasi tingkat kecemerlangannya/keabuan
(kwantisasi);
– Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya
menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang
disebut sebagai elemen gambar / piksel / pixel / picture element / pels)
menyatakan tingkat keabuan pada titik tersebut.
Berta @ 2005 2
Pengertian Citra Digital (lanjutan)
• Nilai f(x,y) disebut juga derajat keabuan (gray level) mempunyai nilai
lmin < f < lmax
Selang (lmin, lmax) disebut skala keabuan
Contoh: citra hitam putih dengan 256 level mempunyai skala keabuan (0,255),
nilai 0 menyatakan putih, nilai 255 menyatakan hitam, kecuali itu terletak diantaranya.
Berta @ 2005 3
Pengertian Citra Digital
Sampler
Citra kontinue Citra dijital Matriks citra dengan obyek angka 5
Berta @ 2005 5
Digitalisasi Citra (lanjutan)
Contoh, citra Lena yg berukuran 512 x 512 dg 256 derajat keabuan membutuhkan
memori sebesar 512 x 512 x 8 bit = 2048.000 bit.
• Resolusi gambar ditentukan oleh N dan m. Makin tinggi nilainya maka citra yg
dihasilkan makin bagus kualitasnya (mendekati citra kontinu).
Berta @ 2005 6
Digitasi Citra
Column of samples
Pixel 255
Black
Line
White 0
Sample Spacing
Picture Sampling process
Brightness Spacing
Spatial resolution
Proses Kwantisasi
Brightness Resolution
Sumber: Dimodifikasi dari Castlemen, 1996
Berta @ 2005 7
Resolusi Citra
• Resolusi Citra
Menentukan seberapa dekat citra tsb dengan asal (kontinu).
Dikenal: resolusi spasial dan resolusi kecemerlangan, berpengaruh pada
besarnya informasi citra yang hilang.
Berta @ 2005 8
Resolusi Spasial - Sampling
Berta @ 2005 9
Contoh Sampling
Berta @ 2005 10
Resolusi Kecemerlangan - Kuantisasi
– Kuantisasi Tapered: bila ada daerah tingkat keabuan yang sering muncul
sebaiknya di-kuantisasi secara lebih halus dan diluar batas daerah tersebut
dapat di-kuantisasi secara lebih kasar (local stretching).
Berta @ 2005 11
Warna Citra
Berta @ 2005 12
Citra Biner
• Citra biner (binary image) adalah citra yg setiap pikselnya hanya memiliki 2
kemungkinan derajat keabuan yakni 0 dan 1.
• Proses pembineran dilakukan dg membulatkan ke atas atau ke bawah untuk
setiap nilai keabuan dari piksel yg berada di atas atau bawah harga ambang.
Metode untuk menentukan besarnya harga ambang disebut thresholding.
0 0 0 0 0 0 0 0
0 0 1 0 0 1 0 0
0 1 1 1 0 1 0 0
0 0 0 1 0 1 0 0
0 0 1 0 0 1 0 0
0 1 0 0 0 1 0 0
0 1 1 1 0 1 0 0
0 0 0 0 0 0 0 0
Berta @ 2005 13
Hubungan antara piksel dan pengertian
connectivity
4-tetangga piksel P 8-tetangga piksel P
X X X X
X P X X P X
X X X X
Berta @ 2005 14
Labelling of connected component
Berta @ 2005 16
Operasi Aritmetik pada Citra
• Operasi selisih antara dua citra temporal dapat digunakan untuk
deteksi perubahan wilayah.
Berta @ 2005 17
Operasi Aritmetik pada Citra
• Operasi Lojik antara dua citra
– OR AND NOT
– Masking (AND) operation dapat digunakan untuk memisahkan antara
bagian obyek dan bagian latar belakang pada citra biomedik.
Berta @ 2005 18
Komponen Sistem
Pengolahan Citra Dijital
Berta @ 2005 19
Elemen-elemen Sistem Analisis Citra
Berta @ 2005 20
Metodologi Pengolahan Citra
• Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan
memilih metode perekaman citra dijital.
• Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras,
menghilangkan gangguan geometrik / radiometrik, menentukan bagian citra
yang akan diobservasi.
• Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection):
Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau
menentukan garis batas wilayah obyek (external shape characteristics).
• Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri
memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-
kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap
piksel
Berta @ 2005 21
Metodologi Pengolahan Citra (Lanjutan)
• Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi sebagai
suatu list titik-titik koordinat dalam loop yang tertutup, dengan deskripsi
luasan / perimeternya
• Pengenalan Pola (Pattern Recognition): Memberikan label kategori obyek
pada setiap piksel citra berdasarkan informasi yang diberikan oleh deskriptor
atau ciri piksel bersangkutan (pewilayahan jaringan keras dan pewilayahan
berbagai jaringan lunak pada citra biomedik)
• Interpretasi Citra (Image Interpretation): Memberikan arti pada obyek yang
sudah berhasil dikenali (dari citra klasifikasi biomedik dapat dilihat adanya
penyakit tumor)
• Penyusunan Basis Pengetahuan: Basis pengetahuan ini digunakan sebagai
referensi pada proses template matching / object recognition.
Berta @ 2005 22