Disusun Oleh :
2.1. Tujuan
Melalui praktikum pada modul II yang berjudul Operasi Dasar Pengolahan
Citra diharapkan praktikan mampu.
1. Memahami konsep operasi dasar dalam pengolahan citra.
2. Mampu menjelaskan macam-macam bentuk operasi dasar dalam
pengolahan citra.
3. Mampu mengaplikasikan operasi dasar pengolahan citra menggunakan C#.
Operasi pada aras titik dapat dibagi menjadi tiga macam: berdasarkan
intensitas, berdasarkan geometri, atau gabungan keduanya.
a. Berdasarkan intensitas
Nilai intensitas u suatu pixel diubah dengan transformasi h menjadi nilai
intensitas baru v:
v=h ( u ) ,u , v ∈[0 , L]
Contoh operasi titik berdasarkan intensitas adalah operasi pengambangan
(thresholding). Pada operasi pengambangan, nilai intensitas pixel dipetakan ke
salah satu dari dua nilai, a1 atau a2, berdasarkan nilai ambang (threshold) T:
{
f ( x , y )= a 1 , f ( x , y )<T
a2 , f ( x , y ) ≥ T
b. Berdasarkan geometri
Posisi pixel diubah ke posisi yang baru, sedangkan intensitasnya tidak
berubah. Contoh operasi titik berdasarkan geometri misalnya pemutaran (rotasi),
pergeseran (translasi), penskalaan (dilatasi), pembetulan erotan (distorsi)
geometri.
c. Gabungan
Operasi ini tidak hanya mengubah nilai intensitas pixel, tapi juga
mengubah posisinya. Misalnya image morphing, yaitu perubahan bentuk objek
beserta nilai intensitasnya.
2.3.2. Operasi Aritmatika
Karena citra digital adalah matriks, maka operasi-operasi aritmetika
matriks juga berlaku pada citra. Ditinjau dari aras komputasi, operasi aritmetika
termasuk ke dalam operasi aras titik. Penjelasan masing-masing operasi aritmetika
matriks adalah sebagai berikut:
a. Penjumlahan atau pengurangan antara dua buah citra
Operasi aritmatika pada penjumlahan dua buah citra dapat dilhat pada
persamaan berikut:
C ( x , y )=A ( x , y ) +B (x , y )
C adalah citra baru yang intensitas setiap pixel-nya adalah jumlah dari intensitas
tiap pixel pada A dan B. Jika hasil penjumlahan intensitas lebih besar dari 255,
maka intensitasnya dibulatkan ke 255. Operasi penjumlahan citra dapat digunakan
untuk mengurangi pengaruh derau (noise) di dalam data, dengan cara merata-
ratakan derajat keabuan setiap pixel dari citra yang sama yang diambil berkali-
kali.
Operasi aritmatika pada pengurangan dua buah citra dapat dilhat pada
persamaan berikut:
C ( x , y )=A ( x , y )−B( x , y)
C adalah citra baru yang intensitas setiap pixel-nya adalah selisih antara intensitas
pixel pada A dan B. Ada kemungkinan hasil operasi ini menghasilkan nilai
negatif, oleh karena itu, operasi pengurangan citra perlu melibatkan operasi
clipping. Contoh aplikasi operasi pengurangan citra adalah untuk memperoleh
suatu objek dari dua buah citra [HEN95]. Citra pertama misalnya foto sebuah
ruangan yang kosong, citra kedua adalah foto ruangan yang sama tetapi ada orang
di dalamnya. Hasil pengurangan citra kedua dengan gambar pertama
menghasilkan citra yang latar belakangnya hitam, sedangkan latar depannya
(objek orang) berwarna putih. Pengurangan citra juga dapat digunakan untuk
mendeteksi perubahan yang terjadi
selama selang waktu tertentu bila dua buah citra yang diambil adalah citra dari
adegan yang sama. Teknik semacam ini dipakai pada moving images.
b. Perkalian dua buah citra
Operasi aritmatika pada perkalian dua buah citra dapat dilhat pada
persamaan berikut:
C ( x , y )=A ( x , y ) B( x , y)
Perkalian citra sering digunakan untuk mengoreksi ketidaklinieran sensor dengan
cara mengalikan matriks citra dengan matrik koreksi. Jadi, dalam hal ini A adalah
citra sedangkan B adalah matriks koreksi. Hasil operasi mungkin bernilai riil,
karena itu semua nilai dibulatkan ke nilai bulat terdekat, nilai maksimum adalah
255. Contoh perkalian citra A dengan matriks koreksi B dapat dilihat apada
Gambar 2.2 berikut.
Gambar 2.2 Perkalian citra
b. Rotasi
Operasi geometri yang kedua yaitu rotasi. Operasi rotasi citra dapat dilihat
pada persamaan berikut:
x ' =x cos (θ )− y sin ( θ )
y ' =x sin (θ )+ y cos (θ)
θ = sudut rotasi berlawanan arah jarum jam (model rotasi citra dapat dilihat pada
Gambar 2.5) Jika citra semula adalah A dan citra hasil rotasi adalah B, maka
rotasi citra dari A ke B:
B[x’][y’] = B[x cos(q) – y sin()][x cos(q) + y cos(q)] = A[x][y]
Gambar 2.5 Model rotasi citra
Jika sudut rotasinya 90°, maka implementasinya lebih mudah dilakukan
dengan cara menyalin pixel-pixel baris ke pixel-pixel kolom pada arah rotasi.
Rotasi 180° diimplementasikan dengan melakukan rotasi 90° dua kali. Berikut
Gambar 2.6 yang merupakan hasil rotasi citra sejauh 90o.
c. Penskalaan citra
Penskalaan citra, disebut juga image zooming, yaitu pengubahan ukuran
citra membesar (zoom out) atau mengecil (zoom in). Rumus penskalaan citra dapat
dilihat pada persamaan berikut.
x ' =s x . x
'
y =s y . y
sx dan sy adalah faktor skala masing-masing dalam arah x dan arah y. Jika citra
semula adalah A dan citra hasil penskalaan adalah B, maka penskalaan citra
dinyatakan sebagai:
B[x’][y’] = B[sx x][ sy y] = A[x][y]
Pada operasi zoom out citra 2 ´ 2 pixel akan menjadi 4 ´ 4 pixel. Operasi zoom in
(pengecilan) dengan faktor skala = ½ dilakukan dengan mengambil rata-rata dari
4 pixel yang bertetangga menjadi 1 pixel. Berikut Gambar 2.7. yang merupakan
contoh hasil penskalaan citra setelah diperbesar 2 kali.
d. Flipping
Flipping adalah operasi geometri yang sama dengan pencerminan (image
reflection). Ada dua macam flipping yaitu horizontal dan vertical. Flipping
vertikal adalah pencerminan pada sumbu-X (cartesian) dari citra A menjadi citra
B, yang diberikan oleh persamaan berikut:
B[x][y] = A[x][M – y]
Flipping horizontal adalah pencerminan pada sumbu-Y (cartesian) dari citra A
menjadi citra B, yang diberikan oleh persamaan berikut:
B[x][y] = A[N – x][y]
Berikut adalah Gambar 2.8. yang merupakan contoh dari flipping horizontal dan
vertical pada citra.
3. Untuk melihat program berhasil atau tidak klik tombol start untuk running
program. Berikut adalah Gambar 2.9. yang merupakan hasil running untuk
operasi negative pada citra.
(a) Hasil running (b) Pilih gambar