BAB 14

Aplikasi
Temu Kembali
Citra
Setelah bab ini berakhir, diharapkan pembaca dapat
memahami berbagai hal yang berhubungan dengan temu
kembali citra dan mampu mempraktikkannya.

 Aplikasi temu kembali citra

 Perhitungan jarak antardua citra

 Contoh penerapan jarak

686 Pengolahan Citra Teori dan Aplikasi

14.1 Pengantar Aplikasi Temu Kembali Citra

Temu kembali citra (image retrieval) merupakan proses untuk

mendapatkan sejumlah citra berdasarkan masukan satu citra. Istilah yang lebih
spesifik lagi adalah content based image retrieval (CBIR) atau temu kembali citra
berdasarkan isinya. Istilah tersebut dikemukakan pertama kali oleh Kato pada
tahun 1992 (Zhang, 2002). Awalnya, CBIR digunakan untuk pencarian citra
secara otomatis di dalam suatu database didasarkan pada fitur warna dan bentuk.
Sejak saat itu, bermunculan berbagai sistem CBIR. Contoh yang terkenal adalah
Query By Image Content (QBIC) yang dikembangkan oleh IBM. Pada
perkembangan selanjutnya, fitur tekstur juga dimasukkan sebagai bagian untuk
melakukan pencarian citra.
Prinsip temu kembali citra ditunjukkan pada Gambar 14.1. Fitur sejumlah
objek telah disimpan di dalam database. Selanjutnya, ketika suatu citra dijadikan
sebagai bahan query, fitur akan dihitung setelah melalui prapemrosesan dan
segmentasi. Fitur yang diperoleh dibandingkan dengan fitur semua objek yang
terdapat di dalam database, melalui perhitungan jarak fitur. Hasil jarak ini sering
disebut sebagai skor atau ranking. Seluruh skor diurutkan dari yang paling
bernilai kecil ke yang paling besar. Objek-objek yang menghasilkan skor rendah
adalah citra yang mirip dengan citra query. Untuk membatasi, hanya n citra yang
disajikan sebagai hasil query. Dalam hal ini, nilai n dapat ditentukan oleh sistem
ataupun pengguna.
Aplikasi Temu Kembali Citra 687

Citra
Masukan Prapemrosesan dan
Segmentasi
Database

Ekstraksi
Fitur

Perhitungan
Jarak Fitur

Pengurutan
Jarak

Pemilihan n Citra
Hasil

Gambar 14.1 Prinsip temu kembali citra

14.2 Perhitungan Jarak Antara Dua Citra

Jarak merupakan pendekatan yang umum dipakai untuk mewujudkan

pencarian citra. Fungsinya adalah untuk menentukan kesamaan atau
ketidaksamaan dua vektor fitur. Tingkat kesamaan dinyatakan dengan suatu skor
atau ranking. Semakin kecil nilai ranking, semakin dekat kesamaan kedua vektor
tersebut.
Pengukuran jarak dilakukan dengan beberapa cara. Beberapa metode yang
umum dipakai dijelaskan di dalam subbab ini.

14.2.1 Jarak Euclidean

Jarak Euclidean didefinisikan sebagai berikut:

𝑗(𝑣1 , 𝑣2 ) = √∑𝑁 ( ) ( ) 2
𝑘=1(𝑣1 𝑘 − 𝑣2 𝑘 ) (14.1)
688 Pengolahan Citra Teori dan Aplikasi

Dalam hal ini, v1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor. Apabila vektor memiliki dua nilai, jarak Euclidean
dapat dibayangkan sebagai sisi miring segitiga (Gambar 14.2(a)).

√𝑥 2 + 𝑦 2
y+x max(y, x)

y y y

x x x

(a) jarak Euclidean (b) Jarak city-block (c) Jarak Chebychef

Gambar 14.2 Gambaran jarak Euclidean, City-block, dan Chebychef

Sebagai contoh, terdapat dua vektor seperti berikut:

𝑣1 = [ 4,3, 6]
𝑣2 = [ 2, 3, 7]

Jarak Euclidean kedua vektor adalah:

𝑗𝑎𝑟𝑎𝑘 = √(4 − 2)2 + (3 − 3)2 + (6 − 7)2 = √5 = 2,2361

Jarak Euclidean merupakan jarak yang umum dipakai dalam temu kembali
citra. Beberapa penelitian yang memanfaatkan jarak ini antara lain dilakukan oleh
Hastuti, dkk. (2009) dan Kadir, dkk. (2011a).

14.2.2 Jarak City-Block

Jarak city-block didefinisikan sebagai berikut:

𝑗(𝑣1 , 𝑣2 ) = ∑𝑁
𝑘=1 |𝑣1 ( 𝑘) − 𝑣2 ( 𝑘)| (14.2)
Aplikasi Temu Kembali Citra 689

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor. Apabila vektor memiliki dua nilai, jarak city-block
dapat dibayangkan sebagai jarak vertikal plus horizontal dari vektor pertama ke
vektor kedua (Gambar 14.2(b)).
Sebagai contoh, terdapat dua vektor seperti berikut:

𝑣1 = [ 4,3, 6]
𝑣2 = [ 2, 3, 7]

Jarak city-block kedua vektor tersebut berupa

𝑗𝑎𝑟𝑎𝑘 = |4 − 2| + |3 − 3| + |6 − 7| = 3

14.2.3 Jarak Kotak Catur

Jarak kotak catur atau dikenal pula dengan nama jarak Chebychef
didefinisikan sebagai berikut:

𝑗(𝑣1 , 𝑣2 ) = max𝑘=1→𝑁 (|𝑣1 (𝑘) − 𝑣2 (𝑘)|) (14.3)

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor. Apabila vektor memiliki dua nilai, jarak dapat
dibayangkan sebagai jarak terpanjang antara jarak horizontal dan jarak vertikal
(Gambar 14.2(c)).
Sebagai contoh, dengan dua vektor yang sama dengan di depan (𝑣1 =
[ 4, 3, 6] dan 𝑣2 = [ 2, 3, 7]), jarak kotak catur kedua vektor tersebut berupa

𝑗𝑎𝑟𝑎𝑘 = max(|4 − 2|, |3 − 3|, |6 − 7|) = 2

14.2.4 Jarak Minkowski

Jarak Minkowski didefinisikan sebagai berikut:

690 Pengolahan Citra Teori dan Aplikasi

1/𝑝
𝑗(𝑣1 , 𝑣2 ) = √∑𝑁 ( ) ( )𝑝
𝑘 =1 |(𝑣1 𝑘 − 𝑣2 𝑘 | (14.4)

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor. Apabila p bernilai 1, jarak berupa city-block. Apabila
p bernilai 2, jarak berupa Euclidean.
Sebagai contoh, dengan dua vektor yang sama dengan di depan (𝑣1 =
[ 4, 3, 6] dan 𝑣2 = [ 2, 3, 7]), jarak Minkowski kedua vektor tersebut untuk p
berupa 3 berupa:

1/3 1/3
𝑗𝑎𝑟𝑎𝑘 = √(4 − 2)3 + (3 − 3)3 + (6 − 7)3 = √9 = 2,0801

14.2.5 Jarak Canberra

Jarak Canberra didefinisikan sebagai berikut:

|𝑣 (𝑘)−𝑣 (𝑘) |
𝑗(𝑣1 , 𝑣2 ) = ∑𝑁 1 2
𝑘 =1 | 𝑣 (𝑘) |+| 𝑣 (𝑘) | (14.5)
1 1

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor.
Sebagai contoh, dengan dua vektor yang sama dengan di depan (𝑣1 =
[ 4, 3, 6] dan 𝑣2 = [ 2, 3, 7]), jarak Canberra kedua vektor tersebut berupa

|4 − 2| |3 − 3| |6 − 7| 2 0 1
𝑗𝑎𝑟𝑎𝑘 = + + = + + = 0,4103
4 +2 3 +3 6 +7 6 6 13

14.2.6 Jarak Bray Curtis

Jarak Bray Curtis atau jarak Sorensen (Putra, 2010) didefinisikan sebagai
berikut:

∑𝑁 |
𝑘=1 𝑣1 (𝑘)−𝑣2 (𝑘)
|
𝑗(𝑣1 , 𝑣2 ) = 𝑁 𝑁
∑𝑘=1 𝑣1 ( 𝑘 ) + ∑𝑘=1 𝑣2 ( 𝑘 )
(14.6)
Aplikasi Temu Kembali Citra 691

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor.
Sebagai contoh, dengan dua vektor yang sama dengan di depan (𝑣1 =
[ 4, 3, 6] dan 𝑣2 = [ 2, 3, 7]), jarak Bray Curtis kedua vektor tersebut berupa

|4−2| +|3−3|+|6−7| 2+1

𝑗𝑎𝑟𝑎𝑘 = = = 0,12
4+2+3+3+6+7 25

14.2.7 Divergensi Kullback Leibler

Divergensi Kullback Leibler (Deselaers, 2003) didefinisikan sebagai

berikut:

𝑣 ( 𝑘)
𝐾𝐿 (𝑣1 , 𝑣2 ) = ∑𝑁
𝑘=1 𝑣1 ( 𝑘) 𝑙𝑜𝑔 𝑣 ( 𝑘 )
1
(14.6)
2

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor.
Sebagai contoh, dengan dua vektor yang sama dengan di depan (𝑣1 =
[ 4, 3, 6] dan 𝑣2 = [ 2, 3, 7]), jarak menurut divergensi Kullback Leibler kedua
vektor tersebut berupa

4 3 6
𝑗𝑎𝑟𝑎𝑘 = 4 ∗ log (2 ) + 3 ∗ log (3 ) + 6 ∗ log (7 ) = 1,8477

14.2.8 Divergensi Jensen Shannon

Divergensi Jensen Shannon (Deselaers, 2003) didefinisikan sebagai

berikut:

2 ∗ 𝑣1 ( 𝑘 ) 2 ∗ 𝑣2 ( 𝑘 )
𝐽𝐷 (𝑣1 , 𝑣2 ) = ∑𝑁
𝑘=1 𝑣1 ( 𝑘) . 𝑙𝑜𝑔 + 𝑣2 (𝑘). 𝑙𝑜𝑔 (14.6)
𝑣1 ( 𝑘 ) + 𝑣2 ( 𝑘 ) 𝑣1 ( 𝑘 ) + 𝑣2 ( 𝑘 )

Dalam hal ini, v 1 dan v 2 adalah dua vektor yang jaraknya akan dihitung dan N
menyatakan panjang vektor.
692 Pengolahan Citra Teori dan Aplikasi

Sebagai contoh, dengan dua vektor yang sama dengan di depan (𝑣1 =
[ 4, 3, 6] dan 𝑣2 = [ 2, 3, 7]), jarak menurut divergensi Jensen Shannon kedua
vektor tersebut berupa
2∗4 2∗3 2∗6
𝑗𝑎𝑟𝑎𝑘 = 4 ∗ log (4+2 ) + 3 ∗ log (3+3) + 6 ∗ log (6+7) +
2∗2 2∗3 2∗7
2 ∗ log (4+2 ) + 3 ∗ log (3+3) + 7 ∗ log (6+7) = 0,3783

14.3 Contoh Penerapan Jarak

Untuk memahami manfaat jarak dua vektor dalam pengolahan citra,

perhatikan contoh berikut.

Program : queryzer.m

function queryzer(berkas)
% QUERYZER Berguna untuk melakukan query dengan
% menggunakan momen Zernike.

% Citra yang akan menjadi acuan

Citra{1} = 'C:\Image\ikan-4.png';
Citra{2} = 'C:\Image\ikan-2.png';
Citra{3} = 'C:\Image\ikan-3.png';
Citra{4} = 'C:\Image\ikan-1.png';
Citra{5} = 'C:\Image\guppi-4.png';
Citra{6} = 'C:\Image\guppi-2.png';
Citra{7} = 'C:\Image\guppi-3.png';
Citra{8} = 'C:\Image\guppi-1.png';

% Proses momen Zernike dan hitung jarak City-block

Query = im2bw(imread(berkas), 0.5);
ZQuery = zermoment(Query, 10);
Hasil = [];
for i=1 : length(Citra)
disp(sprintf('proses terhadap citra %s', Citra{i}));
Ref = im2bw(imread(Citra{i}), 0.5);
ZRef = zermoment(Ref, 10);

jarak = 0;
for j=1 : length(ZRef)
jarak = jarak + abs(ZRef(j) - ZQuery(j));
end

Hasil(i).nama = Citra{i};
Hasil(i).jarak = jarak;
end
Aplikasi Temu Kembali Citra 693

% Urutkan data pada array Hasil

jum = length(Hasil);
for p = 2: jum
x = Hasil(p);

% Sisipkan x ke dalam data[1..p-1]

q = p - 1;
ketemu = 0;

while ((q >= 1) && (~ketemu))

if (x.jarak < Hasil(q).jarak)
Hasil(q+1) = Hasil(q);
q = q - 1;
else
ketemu = 1;
end

Hasil(q+1) = x;
end
end

% Tampilkan hasil
disp('Hasil pencocokan: ');
for i=1 : jum
disp(sprintf('Citra %s - Jarak: %f',Hasil(i).nama, ...
Hasil(i).jarak));
end

Akhir Program

Fungsi queryzer memerlukan masukan berupa nama citra. Citra

tersebutlah yang akan dibandingkan dengan delapan citra yang berfungsi sebagai
citra referensi (database). Jarak citra masukan terhadap kedelapan citra dihitung
dengan menggunakan jarak city-block. Selanjutnya, dilakukan pengurutan dari
jarak terkecil ke jarak terbesar. Hasilnya menyatakan kesamaan dengan citra
masukan. Semakin kecil nilai jarak berarti semakin dekat dengan citra masukan.
Berikut adalah contoh pemanggilan fungsi queryzer:

>> queryzer('C:\Image\ikan-5.png') 
proses terhadap citra C:\Image\ikan-4.png
proses terhadap citra C:\Image\ikan-2.png
proses terhadap citra C:\Image\ikan-3.png
proses terhadap citra C:\Image\ikan-1.png
694 Pengolahan Citra Teori dan Aplikasi

proses terhadap citra C:\Image\guppi-4.png

proses terhadap citra C:\Image\guppi-2.png
proses terhadap citra C:\Image\guppi-3.png
proses terhadap citra C:\Image\guppi-1.png
Hasil pencocokan:
Citra C:\Image\ikan-3.png - Jarak: 0.311540
Citra C:\Image\ikan-2.png - Jarak: 0.317283
Citra C:\Image\ikan-1.png - Jarak: 0.317283
Citra C:\Image\ikan-4.png - Jarak: 1.063666
Citra C:\Image\guppi-2.png - Jarak: 1.896431
Citra C:\Image\guppi-1.png - Jarak: 1.901020
Citra C:\Image\guppi-3.png - Jarak: 1.908009
Citra C:\Image\guppi-4.png - Jarak: 1.913503
>>

Sebagai pembanding, guppi-5.png dapat dipakai sebagai bahan query. Akan

terlihat bahwa ikan guppi-1.png hingga guppi-4.png akan memiliki jarak yang
lebih pendek dibanding dengan kelompok ikan-1.png hingga ikan-4.png.

14.4 Pengembangan Lebih Lanjut

Contoh temu kembali citra yang dicontohkan di Subbab 14.3 mempunyai

kelemahan yaitu lama untuk memperoleh fitur citra. Untuk mempercepat
pencarian, fitur untuk semua citra referensi dapat dihitung terlebih dulu melalui
suatu skrip dan kemudian disimpan di dalam suatu database. Dengan demikian,
pembandingan fitur dilakukan secara langsung, tanpa perlu menyiapkan perolehan
fitur.
Sebagai gambaran, perhatikan skrip berikut.

Program : dbfitur.m

% DBFITUR Berguna untuk menghitung fitur

Aplikasi Temu Kembali Citra 695

% menggunakan momen Zernike dan kemudian

% menyimoannya ke dalaa file .MAT

% Citra yang akan menjadi acuan

Citra{1} = 'C:\Image\ikan-4.png';
Citra{2} = 'C:\Image\ikan-2.png';
Citra{3} = 'C:\Image\ikan-3.png';
Citra{4} = 'C:\Image\ikan-1.png';
Citra{5} = 'C:\Image\guppi-4.png';
Citra{6} = 'C:\Image\guppi-2.png';
Citra{7} = 'C:\Image\guppi-3.png';
Citra{8} = 'C:\Image\guppi-1.png';

% Proses menghitung momen Zernike

Fitur = [];
for i=1 : length(Citra)
disp(sprintf('Menghitung fitur citra %s', Citra{i}));
Image = im2bw(imread(Citra{i}), 0.5);
Z.momen = zermoment(Image, 10);
Z.nama = Citra(i);
Fitur(i).momen = Z.momen;
Fitur(i).nama = Z.nama;
end

% Simpan ke file dbfitur.mat

save('dbfitur', 'Fitur');

clear Citra Fitur;

Akhir Program

Skrip di atas cukup dipanggil sekali, seperti berikut:

>> dbfitur 
Menghitung fitur citra C:\Image\ikan-4.png
Menghitung fitur citra C:\Image\ikan-2.png
Menghitung fitur citra C:\Image\ikan-3.png
Menghitung fitur citra C:\Image\ikan-1.png
Menghitung fitur citra C:\Image\guppi-4.png
Menghitung fitur citra C:\Image\guppi-2.png
Menghitung fitur citra C:\Image\guppi-3.png
Menghitung fitur citra C:\Image\guppi-1.png
>>
696 Pengolahan Citra Teori dan Aplikasi

Dengan cara seperti itu, fitur kedelapan citra akan tersimpan di file dbfitur.mat.
Selanjutnya, temu kembali citra dapat dilakukan melalui fungsi
queryzer2. Isinya seperti berikut.

Program : queryzer2.m

function queryzer2(berkas)
% QUERYZER2 Berguna untuk melakukan query dengan
% menggunakan momen Zernike dengan membaca
% data acuan dari file dbfitur.

load dbfitur; % Memuat database fitur

% Proses momen Zernike dan hitung jarak City-block

Query = im2bw(imread(berkas), 0.5);
ZQuery = zermoment(Query, 10);
Hasil = [];
jumFitur = length(Fitur(1).momen);
for i=1 : length(Fitur)
nama = Fitur(i).nama;

jarak = 0;
for j=1 : jumFitur
jarak = jarak + abs(ZQuery(j) - Fitur(i).momen(j));
end

Hasil(i).nama = Fitur(i).nama;
Hasil(i).jarak = jarak;
end

% Urutkan data pada array Hasil

jum = length(Hasil);
for p = 2: jum
x = Hasil(p);

% Sisipkan x ke dalam data[1..p-1]

q = p - 1;
ketemu = 0;

while ((q >= 1) && (~ketemu))

if (x.jarak < Hasil(q).jarak)
Hasil(q+1) = Hasil(q);
q = q - 1;
else
ketemu = 1;
end

Hasil(q+1) = x;
end
end
Aplikasi Temu Kembali Citra 697

% Tampilkan hasil secara visual

disp('Hasil pencocokan dapat dilihat pada jendela gambar');
subplot(3,3,1);
G = imread(berkas); imshow(G);
title('Query');
for i=1 : jum
subplot(3,3, i+1);
G = imread(char(Hasil(i).nama)); imshow(G);
title(num2str(Hasil(i).jarak));
end

Akhir Program

Contoh penggunaan fungsi queryzer2 seperti berikut.

>> queryzer2('C:\Image\ikan-5.png') 
Hasil pencocokan dapat dilihat pada jendela gambar
>>

Hasilnya dapat dilihat pada Gambar 14.3. Gambar tersebut memperlihatkan citra
query dan citra-citra hasil yang dilengkapi dengan nilai jarak antara citra
bersangkutan terhadap citra query, yang telah diurutkan dari jarak terpendek ke
jarak terpanjang.
698 Pengolahan Citra Teori dan Aplikasi

Gambar 14.3 Hasil query secara visual berdasar urutan besar jarak

 Latihan
1. Jelaskan pengertian temu kembali citra.
2. Terdapat dua vektor seperti berikut:

𝑣1 = [ 3,8, 6,5]
𝑣2 = [ 4, 6, 7,8]

Hitunglah jarak menurut:

a) jarak City-block
b) jarak Euclidean
c) jarak Canberra
d) jarak Chebychef
e) jarak Bray Curtis
Aplikasi Temu Kembali Citra 699

3. Tunjukkan bahwa rumus jarak Chebychef

∑𝑁𝑘=1 |𝑣1 ( 𝑘) − 𝑣2 ( 𝑘)|
𝑗(𝑣1 , 𝑣2 ) =
∑𝑘=1 𝑣1 (𝑘) + ∑𝑁
𝑁 ( )
𝑘=1 𝑣2 𝑘

identik dengan

∑𝑁
𝑘 =1 |𝑣1 ( 𝑘) − 𝑣2 ( 𝑘)|
𝑗(𝑣1 , 𝑣2 ) =
∑𝑁 ( )
𝑘=1(𝑣1 𝑘 + 𝑣2 𝑘 )
( )

4. Buatlah fungsi semacam queryzer, tetapi fitur yang digunakan berupa

momen Hu.
5. Buatlah fungsi semacam queryzer, tetapi fitur yang digunakan
menggunakan deskriptor Fourier dengan jumlah:
(a) 30 buah
(b) 40 buah
(c) 50 buah

Amati hasilnya. Adakah kesimpulan yang dapat diambil?

6. Cobalah untuk membuat tiga fungsi yang melakukan perhitungan jarak

melalui momen Zernike dengan menggunakan pendekatan:

a) jarak Euclidean
b) jarak Canberra
c) jarak Chebychef
d) jarak Bray Curtis

Amati hasil yang didapatkan. Apakah dapat ditarik sesuatu kesimpulan dari
situ?
700 Pengolahan Citra Teori dan Aplikasi

6. Cobalah pula untuk melakukan pengukuran jarak terhadap fitur tekstur.

Bandingkan beberapa metode untuk memperoleh fitur tekstur yang dibahas
dalam Bab 13.