KONSEP DASAR

PENGOLAHAN CITRA
Indah Purwitasari Ihsan, MT

1
*PENGERTIAN PENGOLAHAN CITRA DIGITAL
*TEKNIK SAMPLING, KUANTISASI

2
KOMPONEN PEMBENTUK PERSEPSI
VISUAL
CAHAYA – OBJEK – SENSOR

+ +

3
4
• Komputer hanya dapat mengakses data digital, oleh
karena itu untuk pengolahan data analog terdapat
proses konversi yang disebut proses Analog Digital
Convertion (ADC).

• Tujuan dari proses ADC adalah agar dapat diakses

komputer, karena data asli atau fakta bersifat analog
tidak bisa diolah oleh komputer, komputer hanya
mengolah data digital.

5
 AKUISISI CITRA

DIGITIZER
Gambar CITRA
(Analog Digital
DIGITAL
Converter)

Sampling Kuantisasi

6
7
• Pengolahan citra (image Processing) merupakan proses mengolah piksel-
piksel di dalam citra digital untuk tujuan tertentu.

• Pada awalnya pengolahan citra ini dilakukan untuk memperbaiki kualitas

citra, namun dengan berkembangnya dunia komputasi yang ditandai
dengan semakin meningkatnya kapasitas dan kecepatan proses komputer
serta munculnya ilmu-ilmu komputasi yang memungkinkan manusia dapat
mengambil informasi dari suatu citra.

8
PROSES PENGOLAHAN CITRA

9
10
11
12
13
14
15
 TEKNIK PENGOLAHAN CITRA
• Pengolahan Tingkat Rendah (Low-Level Processing). Pengolahan ini
merupakan operasional-operasional dasar dalam pengolahan citra,
seperti pengurangan noise (noise reduction), perbaikan citra (image
enhancement) dan restorasi citra (image restoration).

• Pengolahan Tingkat Menengah (Mid-Level Processing). Pengolahan ini

meliputi segmentasi pada citra, deskripsi objek, dan klasifikasi objek
secara terpisah.

• Pengolahan Tingkat Tinggi (High-Level Processing). Pengolahan ini

meliputi analisis Citra

16
 TEKNIK PENGOLAHAN CITRA

1. Perbaikan Kualitas Citra(Image enhancement)

2.Pemugaran Citra (Image restoration)
3.Rekonstruksi Citra (Image reconstruction)
4.Kompresi Citra (Image Compression )
5. Segmentasi Citra ( Image Segmentation)
6.Analisa Gambar ( Image analysis)

17
 1. Perbaikan kualitas citra (image enhancement).

bertujuan untuk memperbaiki kualitas citra dengan memperbaiki parameter

parameter citra.
Contoh-contoh operasi perbaikan citra:
a. perbaikan tingkat keterangan( brightness)
b. perbaikan tepian objek (edge enhancement)
c. peningkatan ketajaman (sharpening)
d. pemberian warna semu (pseudocoloring)
e. penapisan derau (noise filtering)

18
Contoh peningkatan ketajaman

19
2. Pemugaran citra (image restoration).

Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra.

Pada pemugaran citra penyebab degradasi kualitas gambar diketahui.
Contoh-contoh operasi pemugaran citra:
a. penghilangan kesamaran (deblurring).
b. penghilangan derau (noise)

20
 Contoh operasi penghilangan kesamaran

Citra asli yang blur Citra hasil setelah

deblurring

21
3. Rekonstruksi gambar (image reconstruction)
Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa
citra hasil proyeksi.
Pengolahan gambar ini banyak digunakan pada
medik,penerbangan,pertambangan dll

22
 4. Kompresi Gambar (image compression).
bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk
merepresentasikan citra.

Contoh :
sebuah foto berwarna berukuran 3 inci x 4 inci diubah ke bentuk digital dengan
tingkat resolusi sebesar 500 dot per inch (dpi), maka diperlukan 3 x 4 x 500 x 500 =
3.000.000 dot ( piksel).
Pada gambar berwarna:
tiap piksel terdiri dari 3 byte dimana masing-masing byte merepresentasikan warna
merah, hijau, dan biru. Sehingga citra digital tersebut memerlukan volume
penyimpanan sebesar 3.000.000 x 3 byte + 1080 = 9.001.080 byte setelah
ditambahkan jumlah byte yang diperlukan untuk menyimpan format (header) citra.
23
Tipe Kompresi Data

• Tipe lossless: tidak menghilangkan informasi setelah proses kompresi terjadi,

akibatnya kualitas citra hasil kompresi tidak menurun.

• kompresi tipe lossy: kompresi dimana terdapat data yang hilang selama proses
kompresi.

24
Contoh kompresi gambar

25
26
5. Image Segementation

27
 6. Analisa Citra (image analysis)
• Jenis operasi ini bertujuan menghitung besaran kuantitif dari
citra untuk menghasilkan deskripsinya.
• Teknik ini melakukan ekstraksi ciri-ciri tertentu sebagai
indikator objek. Proses segmentasi diperlukan untuk
melokalisasi objek yang diinginkan dari sekelilingnya.

28
Contoh-contoh operasi analisa Gambar:
a. Pendeteksian tepi objek (edge detection)
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)

Gambar operasi pendeteksian tepi pada citra

29
PERALATAN PENGOLAHAN CITRA

30
Ekstensi File Citra
Format File File ekstention Type of Image File Digunakan
Windows Bitmap .bmp Bit Map Format paling efisien
dalam windows
GIF .gif Bitmap Graphics Interchange
Format; banyak
dipakai di internet

JPEG .Jpg Bitmap Joint Photographic

.jpeg Expert Group;
merupakan platform
yang independen
TIFF .tif Bitmap Tagged Image File
Format (TIFF); terlalu
banyak subformat

PNG .png Bitmap Portable Network

Graphics

31
APLIKASI PENGOLAHAN CITRA

32
REPRESENTASI
CITRA

INDAH PURWITASARI IHSAN, MT. 33

Kolom

34
35
36
FORMAT CITRA

37
* RESOLUSI CITRA DIGITAL

38
 Resolusi mengacu pada jumlah piksel dalam gambar.
Resolusi juga diidentifikasi oleh lebar dan tinggi
gambar, serta jumlah piksel dalam gambar.

contoh:
Sebuah gambar memiliki 2048 piksel pada ukuran lebar
dan 1536 piksel pada ukuran tinggi, atau berisi
2048x1536 = 3145728 piksel (atau 3,1 Megapixels).

39
Contoh :
Hasil sampling adalah jumlah baris 256
dan jumlah kolom 256 = resolusi spasial
256 x 256.

40
41
42
Bila intensitas piksel berkisar antara 0
dan 255 → resolusi kecemerlangan
citra adalah 256.

43
Kedalaman Bit
• Setiap piksel warna dalam sebuah image digital terbentuk dalam
beberapa kombinasi warna primer: merah, hijau, dan biru.
• Kedalaman Bit dapat dinyatakan dalam - Bit per channel - Bit per pixel
• Kedalaman bit untuk setiap warna primer adalah disebut "bit per
channel."
• Sedangkan "bit per pixel" (bpp) mengacu pada jumlah bit dalam
semua tiga jalur warna dan mewakili warna total yang tersedia pada
setiap pixel.

44
Kedalaman Bit :8 bit bpp

45
Kedalaman Bit 16 bpp

46
Kedalaman bit 24 bit bpp

47
REPRESENTASI CITRA
DALAM FILE

48
Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar, kita harus
memiliki palet dan kanvas
❑ Palet = kumpulan warna yang dapat membentuk citra, sama halnya seperti kita
hendak melukis dengan cat warna, kita memiliki palet yang bisa kita isikan berbagai
warna cat air
❑Setiap warna yang berbeda dalam palet tersebut kita beri nomor (berupa angka)
Contoh untuk citra monokrom (warnanya hanya putih-abu abu-hitam), berarti kita
memiliki palet sbb:

❑Setelah itu kita dapat menggambar menggunakan warna-warna dalam palet

tersebut di atas sebuah kanvas
❑ Sebuah kanvas dapat kita anggap sebagai sebuah matriks dimana setiap elemen
dari matriks tersebut bisa kita isikan dengan salah satu warna dari palet
❑ Informasi tentang palet (korespondensi antara warna dengan angka) disimpan
dalam komputer (program pembuka citra seperti Paint, Photoshop, dll) sehingga
sebuah file citra dalam komputer hanya perlu menyimpan angka-angka yang
merepresentasikan sebuah warna 49
50
51
52
TIPE CITRA BERDASARKAN
FORMAT PENYIMPANAN

53
 TATA WARNA
Sebuah Citra dapat terbentuk dari berbagai warna yang
tertata
• Palet Warna : kumpulan warna yang membentuk citra
• Setiap komponen warna yang berbeda dalam palet tersebut
diberi kode angka
• Contoh : putih (polikrom -255)
hitam ( monokrom-0 )
0 1 2 3 4 5 6 7 252 253 254 255

54
• Umumnya berukuran 24 bit per pixel
3 byte: (merah, hijau, biru)

• Penyimpanan warna memori berdekatan

dengan ukuran Weight x Height x 3

55
CITRA BINER (MONOCHROME)

56
57
CONTOH

58
CONTOH

59
 TINGKAT KEABUAN
• Citra skala keabuan mempunyai kemungkinan warna
antara hitam (minimal) dan putih (maksimal)
• Jumlah maksimum warna sesuai dengan bit
penyimpanan yang digunakan.

60
61
62
Representasi grayscale

63
 WARNA CITRA

Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit)
• Red = warna minimal putih, warna maksimal merah
• Green = warna minimal putih, warna maksimal hijau
• Blue = warna minimal putih, warna maksimal biru

64
65
Konversi citra warna RGB ke grayscale
Rumus : y = 0.2999R + 0.587G + 0.144B

66
Citra warna dengan ukuran 500x600, maka ukurannya adalah
500x600x24bit = 7.200.000 bit =900.000 byte = 0,9 mb

67
 Format Warna RGB
Warna Merah: dengan nilai Channel R=255, G=0, B=0
Warna Hijau: dengan nilai Channel R=0, G=255, B=0
Warna Biru: dengan nilai Channel R=0, G=0, B=255
Channel R

Channel G

Channel B
68
Format Warna RGB

Channel
Red

Channel Channel
Green Blue

69
WARNA CITRA BERINDEKS

70
CONTOH PALET WARNA CITRA WARNA
BERINDEKS 4-BIT

71
72
73
HISTOGRAM TINGKAT KEABUAN (GRAY-
LEVEL HISTOGRAM)
❑ Informasi suatu citra dapat diwakili oleh histogram
❑ Histogram = suatu fungsi yang menunjukkan jumlah titik yang ada dalam suatu citra
untuk setiap tingkat keabuan
❑ Sumbu X (absis) menunjukkan tingkat warna
❑Sumbu Y (ordinat) menunjukkan frekuensi kemunculan titik
❑ Kegunaan :
1. Penentuan parameter digitasi Dalam proses pencitraan perlu melihat apakah tingkat
warna telah dipakai sesuai yang dibutuhkan. Contoh : tingkat keabuan dengan 8 bit
apakah sudah memakai dari tingkat 0 sampai 256 warna tingkat keabuan.
2. Pemilihan batas ambang (threshold) Biasa digunakan untuk mengukur penonjolan
objek dalam citra terhadap latar belakangnya = termasuk dalam teknik pengambangan
(thresholding)
3. Pengenalan / pencocokan citra Citra yang telah diubah/diupdate akan mempunyai
histogram yang berbeda

74
HISTOGRAM

75
TUGAS
Jawablah pertanyaan-pertanyaan berikut :
1. Jelaskan proses akuisisi citra dari cahaya sampai menjadi citra digital di
computer !
2. Terdapat sebuah citra grayscale dengan ukuran 200x200. berapa ukuran file
citra jika setiap piksel direpresentasikan dengan :
a. 256 tingkat keabuan?
b. 4 tingkat keabuan?

3. Terdapat sebuah citra berwarna RGB dengan ukuran 1024x768.

a. berapa bit ukuran file citra tersebut?
b. jika citra tersebut dikonversi menjadi citra grayscale. Berapa bit ukuran
file citra hasil konversi?
76
Software alternative selain matlab
• Octave (open source)

77
 To be continue..
(HUBUNGAN ANTAR PIKSEL PADA
CITRA DIGITAL DAN OPERASI DASAR
PADA CITRA DIGITAL)

78