D4 SISTEM MULTIMEDIA
FAKULTAS ILMU TERAPAN
UNIVERSITAS TELKOM
BANDUNG
JAWA BARAT
2017
BAB 2
PENGENALAN DASAR CITRA
Kuantisasi citra merupakan bagian dari proses digitasi citra analog, yaitu sebuah teknik
pengelompokkan nilai tingkat keabuan citra kontinu ke dalam beberapa level. Kuantisasi
akan menentukan resolusi kecemerlangan dari suatu citra. Jika skala yang digunakan terlalu
kecil, resolusi citra akan semakin kecil dan hal tersebut bisa menyebabkan citra terlihat
buram, patah-patah atau tidak jelas.
Perbaikan kualitas citra diperlukan karena seringkali citra yang dijadikan objek
mempunyai kualitas yang buruk, misalnya citra mengalami derau (noise), citra terlalu
gelap/terang, citra kurang tajam, kabur, dan sebagainya. Image enhancement juga
melibatkan level keabuan dan manipulasi kontras, pengurangan derau, pemfilteran,
penajaman, interpolasi dan magnifikasi, pseudo warna, dan sebagainya. Operasi
perbaikan kualitas citra :
Secara umum, ukuran matrik Img adalah M x N. untuk mengetahui nilai M dan N yang
sesungguhnya, dapat digunakan fungsi dari Matlab atau Octave bernama Size. Contohnya
adalah sebagai berikut
Citra yang menyajikan warna RGB, Red (merah), Green (hijau), Blue (biru). Setiap
komponen warna menggunakan 8 bit (nilainya berkisar antara 0 sampai dengan 255).
Secara umum, citra berwarna dapat dikonversi ke citra berskala keabuan menggunakan rumus
1 berikut :
dengan R menyatakan nilai komponen merah, G menyatakan nilai komponen hijau, dan B
menyatakan nilai komponen biru. Misalnya, sebuah piksel mempunyai komponen R, G, B
sebagai berikut:
R = 50
G = 70
B = 61
Jika a, b, dan c pada rumus 1 dibuat sama, akan diperoleh hasil seperti berikut :
I = (50 + 70 + 60) / 3 = 60
Salah satu contoh rumus yang biasa dipakai untuk mengubah ke skala keabuan yaitu rumus 2
berikut :
Contoh berikut menunjukkan cara melakukan konversi dari citra berwarna ke citra berskala
keabuan menggunakan rumus 2. Sementara itu gambar 1 menunjukkan citra berwarna
sebelum proses konversi ke citra keabuan.
1 Img = imread('gambarWarna.jpg');
2 hasil = uint8(0.2989 * double(Img(:,:,1)) + ...
3 0.5870*double(Img(:,:,2)) + ...
4 0.1141 * double(Img(:,:,3)));
5 imshow(hasil)
Kode diatas adalah rumus 2 untuk merubah citra berwarna ke citra keabuan, tentunya ada
beberapa rumus lain yang dapat digunakan. Rumu-rumus untuk merubah citra ke grayscale
telah saya jelaskan lebih dalam di Tiga Metode Algoritma Mengubah R G B Menjadi
Grayscale
Penjelasan kode :
Tanda ... menyatakan bahwa perintah pada baris tersebut masih memiliki lanjutan pada
baris berikutnya.
Tanda : berarti semua nilai
double dipakai untuk melakukan konversi dari tipe bilangan bulat 8 bit (uint8) ke tipe
double (yang memungkinkan pemrosesan bilangan real berpresisi ganda).
uint8 berguna untuk mengonversi dari tipe double ke uint8 (tipe bilangan bulat 8 bit).
Hasil konversi ditunjukkan oleh gambar 2 berikut :
Strategi yang dipakai untuk mengkonversi dari citra berskala keabuan ke citra biner adalah
dengan cara menerapkan nilai yang dikenal sebagai nilai ambang (threshold). Nilai ambang
digunakan untuk menentukan suatu intensitas akan dikonversi menjadi 0 atau menjadi 1.
Secara matematis, konversi dinyatakan dengan rumus :
1: imshow(matrixCitra);
Di sini keunggulan Matlab. Karena Matlab sudah menyediakan GUI tempat di mana
citra ditampilkan.
3. Jelaskan hubungan jumlah bit dalam kuantisasi citra dengan kompresi data?
Jawab : Suatu citra jika diurai lebih lanjut, akan didapat tiga matrik dua dimensi, yaitu
matrik R, G, dan B. Masing-masing matrik akan berisi tingkat red, green dan blue.
Dari masing-masing piksel penyusun citra. Dengan metode kuantisasi, matrik R, G,
maupun B akan dikurangi tingkatnya sehingga jumlah bit yang digunakan untuk
merepresentasikan citra menjadi berkurang. Oleh karena jumlah bit berkurang maka
ukuran file menjadi lebih kecil. Metode kuantisasi termasuk dalam kategori Lossy
Compression, sehingga citra yang sudah dikompresi tidak dapat dikompresi kembali
seperti semula karena ada informasi yang hilang.
5. Jelaskan pengertian :
Jawab :
a. Citra berwarna : adalah citra digital yang setiap pixelnya mengandung informasi
warna. Informasi warna ini biasanya dibentuk oleh 3 sample warna dasar, warna
dasar yang dipakai adalah RGB.
b. Citra berskala keabuan : adalah citra digital yang setiap pixelnya merupakan
sample tunggal, yaitu informasi intensitas citra jenis ini terbentuk hanya dari
warna abu-abu pada tingkatan yang berbeda-beda, mulai dari warna hitam pada
tingkat intensitas terendah hingga warna putih pada tingkat intensitas tertinggi.
c. Citra biner : adalah citra dengan setiap pixel hanya dinyatakan dengan sebuah
nilai dari dua buah kemungkinan (yaitu nilai 0 dan 1). Nilai 0 menyatakan warna
hitam dan nilai 1 menyatakan warna putih.
BAB 3
1.1 Meningkatkan kecerahan (Brightness)
Diperlukan dengan tujuan untuk membuat gambar menjadi lebih terang. Peningkatan
kecerahan dilakukan dengan cara menambahkan suatu konstanta terhadap nilai seluruh
pixel. Misalkan, f(y,x) menyatakan nilai pixel pada citra berskala keabuan pada koordinat
(y,x). Maka citra baru :
G(y,x) = f(y,x) + β telah meningkatkan nilai kecerahan semua pixelnya sebesar βterhadap
citra asli f(y,x). Dan apabila βbilangan negative maka kecerahan akan menurun atau
menkjadi lebih gelap
1.2 Meregangkan Kontras
Citra dengan kontras rendah acapkali terjadi karena kondisi pencahayaan yang jelek ataupun
tidak seragam. Suatu citra berskala keabuan dikatakan memiliki kontras rendah apabila
distribusi warna cenderung pada jangkauan aras keabuan yang sempit. Sebaliknya, citra
mempunyai kontras tinggi apabila jangkauan aras keabuan lebih terdistribusi secara melebar.
Kontras dapat diukur berdasarkan perbedaan antara nilai intensitas tertinggi dan nilai
intensitas terendah yang menyusun piksel-piksel dalam citra.
Agar distribusi intensitas piksel berubah perlu dilakukan peregangan kontras. Hal ini
dilaksanakan dengan menggunakan rumus
g ( y , x )=α f ( y , x ) (3.3)
Berdasarkan rumus di atas, kontras akan naik kalau α > 1 dan kontras akan turun kalau α < 1.
Gambar dibawah sengaja dibuat ekstrem sempit agar memiliki kontras yang rendah. Hal
ini dapat dilihat pada histogramnya.
g ( y , x )=α f ( y , x ) + β
Namun, jika yang dikehendaki adalah melakukan pengaturan agar aras keabuan pada citra f
yang berkisar antara f1 dan f2 menjadi citra g dengan aras antara g1 dan g2, rumus yang
diperlukan adalah
g ( y , x )=g1 +
( g 2−g1
f 2−f 1 )
[ f ( y , x )−f 2 ]
g ( y , x )=255−f ( y , x ) (3.6)
Hubungan di atas dapat digambarkan seperti secara grafis pada Gambar 3.11.
Gambar 3.11 menunjukkan bahwa kalau f(y, x) bernilai 255, g(y, x) bernilai 0. Sebaliknya,
kalau f(y, x) bernilai 0, g(y, x) bernilai 255. Jika bit yang digunakan bukan 8 tetapi 4,
persamaan untuk membalik citra berubah menjadi
g ( y , x )=15−f ( y , x )
Jawaban PCD 3
1. Jelaskan yang dimaksud operasi piksel.
Jawab: Operasi ketetanggaan piksel adalah operasi pengolahan citra untuk
mendapatkan nilai suatu piksel yang melibatkan nilai piksel-piksel tetangganya.Hal
ini didasarkan kenyataan bahwa setiap piksel pada umumnya tidak berdiri sendiri,
melainkan terkait dengan piksel tetangga, karena merupakan bagian suatu objek
tertentu di dalam citra.Sifat inilah yang kemudian mendasari timbulnya algoritma
untuk mengolah setiap piksel citra melalui piksel-piksel tetangga.
3. Apa sebenarnya tujuan penggunaan fungsi logaritmik alami dalam operasi piksel?
Jawab: Fungsi logaritma untuk transformasi citra grayscale dilakukan dengan
memetakan setiap piksel citra input pada nilai keabuan rendah (daerah gelap) dalam
rentang sempit ke level keabuan dalam rentang yang luas pada citra output dan
sebaliknya . Dengan kata lain transformasi jenis ini digunakan untuk meningkatkan
rentang nilai intensitas daerah gelap pada sebuah citra dan mengurangi rentang nilai
intensitas daerah terang.
Jawab:
Proses penangkapan citra (Image Acquisition)
Image Acqusition pada manusia dimulai dengan mata, kemudian
informasi visual diterjemahkan ke dalam suatu format yang kemudian
dapat dimanipulasi oleh otak.
Senada dengan proses di atas, computer vision membutuhkan sebuah
mata untuk menangkap sebuah sinyal visual.
Umumnya mata pada computer vision adalah sebuah kamera video.
Kamera menerjemahkan sebuah scene atau image.
Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan
amplitudonya (frekuensi berhubungan dengan jumlah sinyal dalam satu
detik, sedangkan amplitudo berkaitan dengan tingginya sinyal listrik yang
dihasilkan) merepresentasikan detail ketajaman (brightness) pada scene.
Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu,
memindainya dan membaginyamenjadi ratusan garis horizontal yang
sama.
Tiap‐tiap garis membuat sebuah sinyal analog yang amplitudonya
menjelaskan perubahan brightness sepanjang garis sinyal tersebut.
Kemudian sinyal listrik ini diubah menjadi bilangan biner yang akan
digunakan oleh komputer untuk pemrosesan.
Karena komputer tidak bekerja dengan sinyal analog, maka sebuah
analog‐to‐digital converter (ADC), dibutuhkan untuk memproses semua
sinyal tersebut oleh komputer.
ADC ini akan mengubah sinyal analog yang direpresentasikan dalam
bentuk informasi sinyal tunggal ke dalam sebuah aliran (stream) sejumlah
bilangan biner.
Bilangan biner ini kemudian disimpan di dalam memori dan akan
menjadi data raw yang akan diproses.
Proses pengolahan citra (Image Processing)
Tahapan berikutnya computer vision akan melibatkan sejumlah
manipulasi utama (initial manipulation) dari data binary tersebut.
Image processing membantu peningkatan dan perbaikan kualitas
image, sehingga dapat dianalisa dan di olah lebih jauh secara lebih
efisien.
Image processing akan meningkatkan perbandingan sinyal terhadap
noise (signal‐to‐noise ratio = s/n).
Sinyal‐sinyal tersebut adalah informasi yang akan merepresentasikan
objek yang ada dalam image.
Sedangkan noise adalah segala bentuk interferensi,
kekurangpengaburan, yang terjadi pada sebuah objek.
Analisa data citra (Image Analysis)
Image analysis akan mengeksplorasi scene ke dalam bentuk
karateristik utama dari objek melalui suatu proses investigasi.
Sebuah program komputer akan mulai melihat melalui bilangan biner
yang merepresentasikan informasi visual untuk mengidentifikasi fitur‐
fitur spesifik dan karekteristiknya.
Lebih khusus lagi program image analysis digunakan untuk mencari
tepi dan batas‐batasan objek dalam image.
Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau
antara dua objek yang spesifik.
Tepi ini akan terdeteksi sebagai akibat dari perbedaan level brightness
pada sisi yang berbeda dengan salah satu batasnya.
5. Jelaskan yang dimaksud dengan citra dengan kontras yang rendah. Apakah efeknya?
Jawab: citra kontras yang rendh atau di sebut dengan perbaikan kualitas (image
enhancement) merupakan salah satu proses awal dalam pengolahan citra. Perbaikan
kualitas citra diperlukan karena seringkali citra yang dijadikan objek mempunyai
kualitas yang buruk, misalnya citra mengalami derau (noise), citra terlalu
gelap/terang, citra kurang tajam, kabur, dan sebagainya. Image enhancement juga
melibatkan level keabuan dan manipulasi kontras, pengurangan derau, pemfilteran,
penajaman, interpolasi dan magnifikasi, pseudo warna, dan sebagainya. Yang
dimaksud dengan perbaikan kualitas citra adalah proses mendapatkan citra yang lebih
mudah diinterpretasikan oleh mata manusia. Tujuan perbaikan citra adalah lebih
menonjolkan ciri citra tertentu untuk kepentingan analisis atau menampilkan citra.
Perbaikan citra berguna dalam ekstraksi cirri, analisis citra, dan tampilan informasi
visual. Sedangkan restorasi citra mengacu pada menghilangkan atau meminimalkan
degradasi dalam citra. Termasuk restorasi citra antara lain deblurring citra yang
didegradasi oleh keterbatasan sensor atau lingkungannya, noise filtering, koreksi
distorsi geometric atau ketidak linieran karena sensor-sensor. Perbedaan image
enhancement dengan image restoration adalah pada image restoration perbedaan
degradasi diketahui.
Efek dari kontras yang rendah adalah warnya semakin tidak jelas pada gambar.