2018
IMAGE PROCESSING
Rida Nadhira Daniati (16020108), Kimia Tekstil, Politeknik STT Tekstil Bandung
E-Mail: ridanadhirad@gmail.com
Phone: 082214660451
Abstrak
Image processing adalah suatu bentuk pengolahan atau pemrosesan sinyal dengan input
berupa gambar (image) dan ditransformasikan menjadi gambar lain sebagai keluarannya
dengan teknik tertentu. Image processing dilakukan untuk memperbaiki kesalahan data
sinyal gambar yang terjadi akibat transmisi dan selama akuisisi sinyal, serta untuk
meningkatkan kualitas penampakan gambar agar lebih mudah diinterpretasi oleh sistem
penglihatan manusia baik dengan melakukan manipulasi dan juga penganalisisan terhadap
gambar. Untuk dapat menjalankan proses tersebut diperlukan sebuah program MATLAB,
dimana pada praktikum ini digunakan untuk menghitung daerah luas suatu bangun datar
dalam skala pixel2 yang akan dibandingkan dengan hasil eksperimen. Dan juga hasil
pengukuran dan perhitungannya dapat digunakan untuk membuktikan bahwa 1 pixel = 0,03
cm.
I. PENDAHULUAN
Image processing dapat memberikan manfaat yang signifikan dalam berbagai
bidang teknologi jika digunakan dengan baik. Image processing seringnya digunakan
untuk menganalisa image untuk mendapatkan informasi yang diperlukan. Bidang
teknologi yang dapat dikembangkan dengan image processing adalah bidang
robotika. Dengan adanya image processing, maka suatu robot dapat memiliki
penglihatan layaknya manusia.
Dengan berkembangnya dunia komputasi yang ditandai dengan semakin
meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya ilmu ilmu
komputer maka kita dapat mengambil informasi serta contoh penggunaan image
processing seperti misalnya pada industri tekstil digunakan untuk menghitung
diameter dan jumlah dari penampang melintang atau membujur pada suatu serat
tekstil. Untuk lebih mempermudah, image processing juga mempunyai komponen
penunjang seperti misalnya program matlab.
Tujuan :
Agar praktikkan dapat membandingkan luas area bangun datar secara teori dan
eksperimen.
Agar praktikkan dapat membuktikan bahwa 1 pixel sama dengan 0,03 cm.
2. Resolusi Adalah Bamyaknya titik (pixel) yang menyusun suatu gambar atau
layer. Ukurannya adalah jumlah pixel horizontal dikalikan jumlah pixel vertical.
Contoh : ukuran 640 x 480 , artinya 640 pixel mendatar, dan 480 vertikal.
3. Dots per inchi (dpi / pixel per inchi ) Banyaknya titik atau pixel tiap satuan
inchi. Contoh : 600 dpi , berarti terdapat 600×600 pixel tiap inchi persegi.
a. RGB (red, green, blue) Merupakan kombinasi dari elemen warna red (merah),
green (hijau), dan blue (biru). Tiap titik atau pixel merupakan kombinasi dari
ketiga elemen warna tsb. Setiap elemen memiliki 0 – 255 tingkat warna. Contoh :
warna hitam merupakan kombinasi dari R= 0, G=0, B=0; warna putih merupakan
kombinasi dari R = 255, G = 255, B= 255; warna kuning dihasilkan dari
kombinasi R= 255, G= 255, B= 0. Sehingga kombinasi warna yang dapat
dibentuk dari mode rgb adalah 255 x 256 x 256= 16777216 (16 juta warna).
5. Color Depth Color Depth adalah besarnya informasi data dari 1 satuan sample
(dot/pixel). Setiap bitmap/dot/pixel, bisa berupa hitam, putih, abu–abu atau
warna. Color Depth dinyatakan dalam angka yang digunakan untuk menyatakan
beberapa variasi warna yang mampu ditampilkan oleh suatu bitmap/dot/pixel,
yang dinyatakan secara kuantitatif. Rumusnya adalh 2n (dua pangkat n , dimana
n adalah besarnya bit depth).
Contoh :
1 bit = 2 pangkat 1 = 2 variasi warna (monochrome)
2 bit = 2 pangkat 2 = 4 variasi warna
4 bit = 2 pangkat 4 = 16 variasi warna
8 bit = 2 pangkat 8 = 256 variasi warna
16 bit = 2 pangkat 16 = 2 kombinasi 8 bit = 65.536 variasi warna
24 bit = 2 pangkat 24 = 3 kombinasi buah kombinasi 8 bit = 16.777.216 variasi
warna
32 bit = 2 pangkat 32 = 4 kombinasi buah kombinasi 8 bit = 4.294.967.926
variasi warna
6. Menghitung ukuran file raster image Ukuran dalam byte = width x height x
colordepth Keterangan :
a. width : lebar dari images, diukur dengan pixel
b. Height : tinggi dari images, diukur dengan pixel
c. Color depth : jumlah bit warna yang diukur dalam bit / pixel
i. 1 byte = 8 bit
ii. 1 KB (kilobyte) = 1024 byte
iii. 1 MB (megabyte) = 1024 KB
Contoh : “Sebuah image berukuran 640 x 480 pixel dengan 24-bit warna akan
membutuhkan berapa besar diks space ?
Jawab:
Ukuran dalam Byte = w x h x c/8
= 640x480x24
=737800
= 921600
= 900 KB
Salah satu hal yang patut diperhatikan dalam sebuah asas proteksi radiasi,
adalah harus memperhatikan asas ALARA (As Low As
ReasonablyAchievable), untuk itu alangkah baiknya digunakan sebuah alat
bantu robot automatik ataupun manual sehingga pekerjaan manusia bisa
menjadi lebih mudah.
Disanalah pentingnya kita menguasai teknologi robotik agar tidak kalah dengan
negara – negara maju yang terus melakukan penelitian dalam bidang ini. Jangan
sampai kita hanya menjadi bangsa ”konsumen” suatu produk teknologi canggih,
yang pada akhirnya hanya akan menjadikan sebuah penjajahan baru bagi
bangsa ini.
Pada kali ini kita akan membuat konsep dasar dari sebuah robot yang
berdasarkan pada “image processing”. Robot yang berbasis “vision” memiliki
perangkat akuisisi citra seperti contohnya webcam sebagai sebuah “mata”,
ataupun sensor khusus kamera CMUCAM. Karena CMUCAM berharga cukup
mahal, maka kita akan mempelajar dulu konsep dasar agar robot mampu
melihat dengan webcam, mungkin lebih sulit dibandingkan dengan CMUCAM,
namun boleh kita coba.
Satu kata kunci untuk melakukan sebuah “pengolahan citra” atau image
processing adalah kita membutuhkan sebuah perangkat komputasi yang besar,
dan hal ini tidak bisa diganti dengan hanya menggunakan sekeping
mikrokontroler kecil. Pendekatan yang sederhana adalah kita akan menjalankan
program menggunakan sebuah komputer yang terhubung dengan Webcam
untuk menangkap “image”. Dan robot akan dijalankan oleh komputer
menggunakan port paralel ataupun serial. Kode – kode progam yang akan ditulis
dalam sebuah perangkat lunak yang menyediakan fasilitas untuk mengolah citra.
Dan salah satu jawabannya adalah MATLAB.
Sebelum kita memulai, kita harus tahu dulu beberapa istilah penting dalam
image processing
1. Pixel pixel adalah bangunan blok dari sebuah image, dengan kata lain pixel
adalah image terkecil yang mungkin untuk dilihat pada layar.
2. Binary image, adalah image yang terdiri dari pixel hitam dan putih.
3. Grayscale Image
Image yang terdiri dari nilai intesitas dari minimal (menggambarkan hitam
mutlak) hingga maksimal (menggambarkan putih mutlak) dan diantaranya
bayangan abu – abu (gray) yang bervariasi. Biasanya rentangnya antara 0
hingga 255
Pada keseharian kita sering mengatakan foto graycale image sebagai foto
hitam-putih (seperti pada foto – foto lama). Jadi jangan dirancukan dengan istilah
teknis seperti ini.
4. Color Image kita semua sekarang sedang melihatnya. Setiap image tersusun
dari tiga warna utama, merah, hijau dan biru yang sering disebut dengan RGB
Image.
5. RGB Value Semua warna yang kita lihat disekelliling kita bisa dibuat dengan
mencampur antara komponen warna merah, biru, dan hijau dengan berbagai
variasi proporsi. Semua warna di jagad raya secara unik bisa dijelaskan RGB
Value ini. Yang merupakan singkatan dari Red(merah), Green (Hijau), Blue
( Biru) Value. Ketiga nilai ini memliki rentang dari 0 hingga 255, dengan 0 yang
berarti tidak ada sama sekali dari warna tersebut, dan 255 berarti penuh dengan
komponen warna tersebut. Sebagai contoh :
a. Merah murni bernilai RGB (RGB Value) [255 0 0]
b. Putih murni adalah [255 255 255]
c. Hitam murni adalah [0 0 0]
IV. METODE EKSPERIMEN
4.1. Alat dan Bahan
- Laptop
- Aplikasi Matlab
- Program paint
Persiapan aplikasi
Membuat bangun datar sesuai
matlab dan program
keinginan dalam program paint
paint
Lingkaran 1
A=πr 2
= 3,14 x 37 px x 37 px = 4298,66px2
Ralat dalam px2
A=πr 2
∂A ∂A
∆ A= ×∆r+ × ∆r
∂r ∂r
∆ A=πr × ∆ r + πr ×∆ r
∆ A=2 πr x ∆ r
¿ 2 x 3,14 x 37 px x 5 px
¿ 1161,8 px 2
( A ± ∆ A ¿ px 2 = ( 4298,66±1161,8) px2
Luas lingkaran dalam cm2
A=πr 2
=3,14 x 0,98 cm x 0,98 cm = 3015,656 x 10-3 cm2
Ralat dalam cm2
A=πr 2
∆ A=2 πr × ∆ r
∆ A=2 x 3,14 x 0,98 cm x 0,1cm
¿ 0,61544
¿ 615,44 x 10 -3 cm2
( A ± ∆ A ¿ cm 2 = (3015,656 ± 615,44) 10-3 cm2
Lingkaran 2
A=πr 2
= 3,14 x 49,5 px x 49,5 px = 7693,785 px2
Ralat dalam px2
A=πr 2
∂A ∂A
∆ A= ×∆r+ × ∆r
∂r ∂r
∆ A=πr × ∆ r + πr ×∆ r
∆ A=2 πr x ∆ r
¿ 2 x 3,14 x 49,5 px x 49,5 px
¿ 1554,3 px 2
( A ± ∆ A ¿ px 2 = ( 7693,785 ± 1554,3) px2
A=πr 2
=3,14 x 1,5 cm x 1,5 cm = 7,0653 cm2
Ralat dalam cm2
A=πr 2
∆ A=2 πr × ∆ r
∆ A=2 x 3,14 x 1,5 cm x 0,1 cm
¿ 0,942 cm2
( A ± ∆ A ¿ cm 2 = (7,0652 ± 0,942)cm2 = (7065± 942) 10-3 cm2
A=πr 2
= 3,14 x 92 px x 92 px = 26576,96 px2
Ralat dalam px2
A=πr 2
∂A ∂A
∆ A= ×∆r+ × ∆r
∂r ∂r
∆ A=πr × ∆ r + πr ×∆ r
∆ A=2 πr x ∆ r
¿ 2 x 3,14 x 92 px x 5 px
¿ 2888,8 px 2
( A ± ∆ A ¿ px 2 = ( 26576,96 ± 2888,8) px2
A=πr 2
=3,14 x 2,8 cm x 2,8 cm = 24,6176 cm2
Ralat dalam cm2
A=πr 2
∆ A=2 πr × ∆ r
∆ A=2 x 3,14 x 2,8 cm x 0,1 cm
¿ 1,7584 cm2
( A ± ∆ A ¿ cm 2 = (24,6176 ± 1,7584) cm2
Segitiga 1
A=½ a x t
¿ ½ x 150 x 230
¿ 17.250 px 2
alas = 4 cm / tinggi = 6 cm
A=½ a x t
¿½ x 4 x6
¿ 12 cm2
Ralat dalam cm2 = |∆ A| = |½ x t x ∆ a|+|½ x t x ∆ a|
= |½ x 6 x 0,05|+|½ x 4 x 0,05|
= 0,15 + 0,1
= 0,25cm 2
(A ± ∆A)cm2 = (12± 0,25)cm2
√
2
12 cm
172 = 0,0263 ≈ 0,03
2
50 px
Segitiga 2
A=½ a x t
¿ ½ x 230 x 310
¿ 35.650 px 2
alas = 4 cm / tinggi = 6 cm
A=½ a x t
¿½ x6 x 8
¿ 24 cm 2
= |½ x 8 x 0,05|+|½ x 6 x 0,05|
= 0,2 + 0,15
= 0,35cm 2
(A ± ∆A)cm2 = (24± 0,35)cm2
√ 24 cm2
32650 px
2
= 0,027 ≈ 0,03
Segitiga 3
A=½ a x t
¿ ½ x 310 x 380
¿ 58.900 px 2
alas = 4 cm / tinggi = 6 cm
A=½ a x t
¿ ½ x 8 x 10
¿ 40 cm 2
= |½ x 10 x 0,05|+|½ x 8 x 0,05|
= 0,25 + 0,2
= 0,45cm 2
(A ± ∆A)cm2 = (40 ± 0,45)cm2
√
2
40 cm
= 0,026 ≈ 0,03
58900 px 2
5.2 Tabel Eksperimen dan Teori Perhitungan Luas Lingkaran
Berikut merupakan tabel hasil perhitungan eksperimen dengan teori luas
lingkaran
5.2.1. Grafik
30000
25000
R² = 0.900479759979135
15000
10000
5000
0
4363 7550 27835
Area px2 image processing
( y 1+ ∆ y )−( yo−∆ y )
m1 = x 1−x 0
( 26576,96+2888,8 )−( 4298,66−1161,8 )
=
27835−4363
26328,9
= 23472
= 1,122
( y 1−∆ y )−( yo +∆ y )
m2 =
x 1−x 0
( 26576,96−2888,8 ) −( 4298,66+1161,8 )
= 27835−4363
20551,3
= 23472
= 0,8756
¿
= |7101,2−1,122|+ ¿7447,1−0,8756∨ 2 ¿
= 7273,1515
30000
25000
f(x) = 7354.85714285714 x
20000 R² = 0.890094309145977
Area cx2 eksperimen
15000
10000
5000
0
3.015656 7.065 24.6176
Area px2 image processing
( y 1+ ∆ y )−( yo−∆ y )
m1 = x 1−x 0
( 24,6176+1,7584 ) −( 3,015656−0,61544 )
=
25,0515−3,9267
23,955784
= 23472
= 0,0010
( y 1−∆ y )−( yo +∆ y )
m2 =
x 1−x 0
( 24,6176−1,7584 )−( 3,015656+0,61544 )
=
25,0515−3,9267
19,228104
= 23472
= 0,0008
2
jari-jari cm
1.5
0.5
0
37 49.5 92
jari-jari px
( y 1+ ∆ y )−( yo−∆ y )
m1 =
x 1−x 0
( 2,8+0,05 )−(0,98−0,05)
=
92−37
1,92
= 55
= 0,034
( y 1−∆ y )−( yo +∆ y )
m2 =
x 1−x 0
( 2,8−0,05 )−(0,98+0,05)
= 92−37
1,92
¿
55
= 0,0349
cm
(m ±∆ m) = (0,8843 ± 0,84985)
pixel
5.3 Tabel Eksperimen dan Teori Perhitungan Luas Luas Segitiga Sama Kaki
Berikut merupakan tabel hasil perhitungan eksperimen dengan teori luas segitiga sama kaki
Grafik
Grafik 1px2eksperimen terhadap px2 image processing
70000
60000
f(x) = 18946.4285714286 x
50000 R² = 0.997587225620334
Area px2 eksperimen
40000
30000
20000
10000
0
18,617 36,309 59,178
Area px2 image processing
( y 1+ ∆ y )−( yo−∆ y )
m1 =
x 1−x 0
( 58900+ 172,5 )−( 17250−95 )
=
59718−18671
41917,5
=
41,047
= 1021,21
( y 1−∆ y )−( yo +∆ y )
m2 =
x 1−x 0
( 58900−172,5 )− (17250+ 95 )
=
59718−18671
41382,5
=
41,047
= 1008,17
¿
= |18946−1021,21|+¿ 18946−1008,17∨ 2 ¿
= 17931,31
70,000
60,000
f(x) = 19197.7857142857 x
50,000 R² = 0.998606110975509
Area cx2 eksperimen
40,000
30,000
20,000
10,000
0
12 24 40
Area px2 image processing
( y 1+ ∆ y )−( yo−∆ y )
m1 =
x 1−x 0
( 40+0,45 )−( 12−0,25 )
=
0,53−0,51
28,7
=
0,02
= 1435
( y 1−∆ y )−( yo +∆ y )
m2 =
x 1−x 0
( 40−0,45 )−( 12+0,25 )
=
0,53−0,51
27,3
=
0,02
= 1365
|19198−1435|+|19198−1365|
¿
2
¿ 17798
(21)
cm2
(m ±∆ m) = (19198 ±17798 ) 2
pixel
Grafik 3Tinggi cm Terhadap Tinggi px
400
f(x) = 142.142857142857 x
R² = 0.964090953354757
350
300
250
Tinggi cm
200
150
100
50
0
6 8 10
Tinggi px
( y 1+ ∆ y )−( yo−∆ y )
m1 =
x 1−x 0
( 10+0,05 )−(6−0,05)
=
380−230
4,1
=
150
= 0,027
( y 1−∆ y )−( yo +∆ y )
m2 =
x 1−x 0
( 10−0,05 )−(6 +0,05)
=
380−230
3,9
¿
150
= 0,026
5.2. Diskusi
Pertama – tama yang dilakukan yaitu membuat bangun datar (lingkaran &
segitiga) dalam program paint sesuai keinginan dalam skala pixel dan cm
kemudian di save dalam folder program matlab. Lalu mencatat jari – jari
lingkaran, alas segitiga, dan tinggi segitiga dalam skala pixel dan cm. Kemudian
membuka aplikasi matlab editor, listing program dimasukkan kemudian nama
image.png diganti dengan nama gambar yang sudah kita save. Lalu mengukur
luas lingkaran dan segitiga di aplikasi matlab dan bandingkan dengan luas area
di aplikasi matlab editor. Kemudian menghitung luas lingkaran dan segitiga
tersebut secara manual beserta teori ralatnya yang akan dibandingkan dengan
luas lingkaran dan segitiga secara program matlab (secara teori). Dari hasil
perhitungan dan pengukuran dalam program matlab, dapat dibuktikan bahwa
satu pixel sama dengan 0,03 cm.
Setelah melakukan praktikum, didapatkan hasil nilai luas lingkaran dari hasil
perhitungan secara manual (eksperimen) dengan hasil perhitungan image
processing pada program matlab mempunyai perbandingan yang tidak terlalu
jauh berbeda. Pada pengukuran lingkaran yang pertama didapatkan hasil
perhitungan secara manual (eksperimen) luas lingkaran adalah sebesar 4298,66
px2, sedangkan dalam perhitungan image processing adalah sebesar 4363 px2.
Pada pengukuran lingkaran yang kedua didapatkan hasil perhitungan secara
manual (eksperimen) luas lingkaran adalah sebesar 7693,785 px2, sedangkan
dalam perhitungan image processing adalah sebesar 7550 px2. Pada
pengukuran lingkaran yang ketiga didapatkan hasil perhitungan secara manual
(eksperimen) luas lingkaran adalah sebesar 26576,96 px 2, sedangkan dalam
perhitungan image processing adalah sebesar 27835 px2.
Dalam praktikum ini dihitung juga luas lingkaran dan segitiga dalam cm2 secara
manual (eksperimen). Hal ini dilakukan untuk mendapatkan bukti bahwa 1 pixel
setara dengan 0,03 centimeter. Perhitungan pembuktian ini, diperoleh dari hasil
perbandingan antara luas lingkaran dan luas segitiga dalam centimeter dengan
luas lingkaran dan luas segitiga dalam pixel. Dapat dilihat dari hasil perhitungan,
semua hasilnya mendekati 0,03 cm.
VI. KESIMPULAN
Dari hasil praktikum image processing ini, dapat disimpulkan bahwa :
1. Data hasil perhitungan luas lingkaran secara manual (eksperimen) dengan hasil
perhitungan image processing pada program matlab dalam skala pixel2 dan cm2 tidak
jauh berbeda. Didapatkan hasil sebagai berikut :
3. Didapatkan data perhitungan hasil pembuktian 1 pixel = 0,03 cm dari tiga bangun
datar lingkaran yaitu :
Bangun 1 0,0260 cm
Bangun 2 0,0303 cm
Bangun 3 0,0304 cm
4. Didapatkan data perhitungan hasil pembuktian 1 pixel = 0,03 cm dari tiga bangun
datar segitiga yaitu :
Bangun 1 0,0263 cm
Bangun 2 0,027 cm
Bangun 3 0,026 cm
5..Didapatkan pula gradien beserta ralatnya dari masing-masing grafik pada bangun
datar lingkaran adalah sebagai berikut :
Gradien dari grafik luas px2 (eksperimen) terhadap luas px2 (image processing)
yaitu (m ± ∆m) = (7101,2 ± 7273,1515) px2/px2
Gradien dari grafik luas cm2 terhadap luas px2 (image processing) yaitu
2
cm
(m ± ∆m) = (7354,9 ± 7354,8991) 2
pixel
cm
(m ± ∆m) = (0,8843 ± 0,84985)
pixel
6. Didapatkan pula gradien beserta ralatnya dari masing-masing grafik pada bangun
datar segitiga adalah sebagai berikut ::
Gradien dari grafik luas px2 (eksperimen) terhadap luas px2 (image processing)
yaitu (m ± ∆m) = (18946 ±17931,31) px2/px2
Gradien dari grafik luas cm2 terhadap luas px2 (image processing) yaitu
cm2
(m ± ∆m) = (19198 ±17798 )
pixel 2
cm
(m ± ∆m) = (142,14± 142,09)
pixel
DAFTAR PUSTAKA