BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2.1 Pengertian Citra

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital. [10]

Gambar koordinat citra digital dapat dilihat pada Gambar 2.1.

Gambar 2.1 Koordinat Citra Digital [8]

2.1.1

Pengertian Citra Analog

Citra analog adalah citra yang bersifat kontinu, seperti gambar pada monitor televisi, foto sinar X, foto yang tercetak di kertas foto, lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada pita kaset, dan lain sebagainya. Citra analog tidak dapat direpresentasikan dalam komputer sehingga tidak bisa diproses di komputer secara langsung. Oleh sebab itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital harus dilakukan terlebih dahulu. Citra analog dihasilkan dari alat-alat analog, seperti video kamera

Universitas Sumatera Utara

analog, seperti video kamera analog, kamera foto analog, WebCam, CT scan, sensor rontgen untuk foto thorax, sensor gelombang pendek pada sistem radar, sensor ultrasound pada sistem USG, dan lain sebagainya. [10]

Hampir semua kejadian alam boleh diwakili sebagai perwakilan analog seperti bunyi, cahaya, air, elektrik, angin dan sebagainya. Jadi citra analog adalah citra yang terdiri dari sinyal–sinyal frekuensi elektromagnetis yang belum dibedakan sehingga pada umumnya tidak dapat ditentukan ukurannya [5].

2.1.2

Pengertian Citra Digital

Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar dua dimensi menggunakan komputer. Citra digital merupakan sebuah larik yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan deretan bit tertentu.[8]

Citra digital adalah citra yang dinyatakan secara diskrit (tidak kontinu), baik untuk posisi koordinatnya maupun warnanya. Dengan demikian, citra digital dapat digambarkan sebagai suatu matriks, dimana indeks baris dan indeks kolom dari matriks menyatakan posisi suatu titik di dalam citra dan harga dari elemen matriks menyatakan warna citra pada titik tersebut. Dalam citra digital yang dinyatakan sebagai susunan matriks seperti ini, elemen–elemen matriks tadi disebut juga dengan istilah piksel yang berasal dari kata picture element (pixel) [2].

Citra digital adalah citra yang terdiri dari sinyal–sinyal frekuensi elektromagnetis yang sudah disampling sehingga dapat ditentukan ukuran titik gambar yang pada umumnya disebut piksel. Untuk menyatakan citra secara matematis, dapat didefinisikan fungsi f(x,y) di mana x dan y menyatakan suatu posisi dalam koordinat dua dimensi dan harga f pada titik (x,y) adalah harga yang menunjukkan warna citra pada titik tersebut. [10]


2.2 Resolusi Citra

Resolusi citra merupakan tingkat detail suatu citra. Semakin tinggi resolusi citra maka akan semakin tinggi pula tingkat detail dari citra tersebut. Satuan dalam pengukuran resolusi citra dapat berupa ukuran fisik (jumlah garis per mm/jumlah garis per inchi) ataupun dapat juga berupa ukuran citra menyeluruh (jumlah garis per tinggi citra). [8]

2.3 Jenis Citra

Nilai suatu piksel memiliki nilai dalam rentang tertentu, dari nilai minimum sampai nilai maksimum. Jangkauan yang digunakan berbeda-beda tergantung jenis warnanya. Namun secara umum jangkauannya adalah 0-255. Citra dengan penggambaran seperti ini digolongkan ke dalam citra integer. [8]

2.3.1 Citra Biner

Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai piksel yaitu hitam dan putih. Citra biner juga disebut sebagai citra black and white atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap piksel dari citra biner. [8]

Citra biner sering kali muncul sebagai hasil dari proses pengolahan seperti segmentasi, pengembangan, ataupun morfologi.

Gambar 2.2 Citra Biner [1]


2.3.2 Citra Grayscale

Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pikselnya, dengan kata lain nilai RED = GREEN = BLUE. Nilai tersebut digunakan untuk menunjukkan nilai intensitas. Warna yang dimiliki adalah warna dari hita, keabuan dan putih. Tingkat keabuan disini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Citra grayscale memiliki kedalaman warna 8 bit (256 kombinasi warna keabuan).[8]

Gambar 2.3 Citra Grayscale [6]

2.3.3 Citra Warna (16 Bit)

Citra warna 16 bit (biasanya disebut citra highcolor) dengan setiap pixelnya diwakili dengan 2 byte memory (16 bit).

Warna 16 bit memiliki 65.356 warna. Dalam formasi bitnya, nilai merah dan biru mengambil tempat di 5 bit di kanan dan kiri. Komponen hijau memiliki 5 bit ditambah 1 bit ekstra. Pemilihan komponen hijau dengan deret 6 bit dikarenakan penglihatan manusia lebih sensitive terhadap warna hijau. [8]

Gambar 2.4 Deret Warna 16 Bit [8]


Gambar 2.5 Kedalaman Warna 16 bit High Color [9]

2.3.4 Citra Warna (24 Bit)

Setiap pixel dari citra warna 24 bit diwakili dengan 24 bit sehingga total 16.777.216 variasi warna.

Variasi ini sudah lebih dari cukup untuk

memvisualisasikan seluruh warna yang dapat dilihat penglihatan manusia. Penglihatan manusia dipercaya hanya dapat membedakan hingga 10 juta warna saja.

Setiap poin informasi pixel (RGB) disimpan ke dalam 1 byte data. 8 bit pertama menyimpan nilai biru, kemudian diikuti dengan nilai hijau pada 8 bit kedua dan pada 8 bit terakhir merupakan warna merah. [8]

Gambar 2.6 Citra Warna 24 Bit [6]


2.4 Format File Citra

Format file citra standar yang digunakan saat ini terdiri dari beberapa jenis. Format-format ini digunakan dalam menyimpan citra dalam sebuah file. Setiap format memiliki karakteristik masing-masing. [8]

Setiap program pengolahan citra biasanya memiliki format citra tersendiri. Format dan metode dari suatu citra yang baik juga sangat bergantung pada jenis citranya. Setiap format file citra memiliki kelebihan dan kekurangan masing – masing dalam hal citra yang disimpan. Citra tertentu dapat disimpan dengan baik (dalam arti ukuran file lebih kecil dan kualitas gambar tidak berubah) pada format file citra tertentu, apabila disimpan pada format lain kadang kala dapat menyebabkan ukuran file menjadi lebih besar dari aslinya dan kualitas citra dapat menurun oleh karena itu, untuk menyimpan suatu citra harus diperhatikan citra dan format file citra apa yang sesuai.

2.4.1

Format Bitmap (.bmp)

Format .bmp adalah format penyimpanan standar tanpa kompresi yang umum dapat digunakan untuk menyimpan citra biner hingga citra warna. Format ini terdiri dari beberapa jenis yang setiap jenisnya ditentukan dengan jumlah bit yang digunakan untuk menyimpan sebuah nilai piksel. [8]

Pada format bitmap, citra disimpan sebagai suatu matriks di mana masing – masing elemennya digunakan untuk menyimpan informasi warna untuk setiap pixel. Jumlah warna yang dapat disimpan ditentukan dengan satuan bit-per-pixel. Semakin besar ukuran bit-per-pixel dari suatu bitmap, semakin banyak pula jumlah warna yang dapat disimpan. Format bitmap ini cocok digunakan untuk menyimpan citra digital yang memiliki banyak variasi dalam bentuknya maupun warnanya, seperti foto dan lukisan [8].


Karakteristik lain dari bitmap yang juga penting adalah jumlah warna yang dapat disimpan dalam bitmap tersebut. Ini ditentukan oleh banyaknya bit yang digunakan untuk menyimpan setiap titik dari bitmap yang menggunakan satuan bpp (bit per pixel). Dalam Windows dikenal bitmap dengan 1, 4, 8, 16, dan 24 bit per piksel. Jumlah warna maksimum yang dapat disimpan dalam suatu bitmap adalah sebanyak 2n, dimana n adalah banyaknya bit yang digunakan untuk menyimpan satu titik dari bitmap [10].

Berikut ini tabel yang menunjukkan hubungan antara banyaknya bit per piksel dengan jumlah warna maksimum yang dapat disimpan dalam bitmap, dapat dilihat pada Tabel 2.1.

Tabel 2.1 Hubungan Antara Bit Per Piksel dengan Jumlah Warna Pada Bitmap

2.4.2

No

Jumlah bit per piksel (n)

Jumlah warna

1

1

2

2

4

16

3

8

256

4

16

65536

5

24

16777216

Format JPG (.jpg)

Format .jpg adalah format yang sangat umum digunakan saat ini khususnya untuk transmisi citra. [8]

JPG merupakan singkatan dari Joint Photographic Group, merupakan suatu komite yang menyusun standar citra pada akhir tahun 80-an dan awal tahun 90-an. Perbedaan utama antara format JPG dengan format citra yang lainnya adalah bahwa file JPG menggunakan metode lossy untuk proses pemampatannya. Pemampatan secara lossy akan membuang sebagian data citra untuk memberikan


hasil kompresi yang baik. Hasil file JPG yang didekompres tidak begitu sesuai dengan citra aslinya, tetapi perbedaan ini sangat sulit dideteksi oleh mata manusia [4].

Format file ini mampu mengkompres objek dengan tingkat kualitas sesuai dengan pilihan yang disediakan. Format file sering dimanfaatkan untuk menyimpan gambar yang akan digunakan untuk keperluan halaman web, multimedia, dan publikasi elektronik lainnya. Format file ini mampu menyimpan gambar dengan mode warna RGB, CMYK, dan Grayscale. Format ini berukuran relatif lebih kecil dibandingkan dengan format file lainnya.

2.4.3

Tegged Image Format (.tif)

Format .tif merupakan format penyimpanan citra yang dapat digunakan untuk menyimpan citra bitmap hingga citra dengan warna palet terkompresi. Format ini dapat digunakan untuk menyimpan citra yang tidak terkompresi dan juga citra terkompresi. [8]

2.4.3

Portable Network Graphics (.png)

Format .png adalah format penyimpanan citra terkompresi. Format ini dapat digunakan pada citra grayscale, citra dengan palet warna, dan juga citra fullcolor. [8]

2.4.5

Graphics Interchange Format (.gif)

Format ini dapat digunakan pada citra warna dengan palet 8 bit. Penggunaan umumnya pada aplikasi web. Kualitas yang rendah menyebabkan format ini tidak terlalu populer dikalangan peneliti pengolahan citra digital. [8]


2.5 Mode Warna

Dua mode warna yang banyak digunakan dalam dunia komputer adalah mode warna RGB yang diterapkan pada tabung display seperti pada monitor dan televisi/video dan CMYK yang digunakan pada kebanyakan mesin pencetak dokumen (printer). Untuk menampilkan sebuah citra pada layar monitor diperlukan lebih dari sekedar informasi tentang letak dari piksel-piksel pembentuk citra. Untuk memperoleh gambar yang tepat dibutuhkan juga informasi tentang warna yang dipakai untuk menggambarkan sebuah citra digital.

2.5.1 Mode Warna RGB (Red, Green, Blue) RGB adalah suatu model warna yang terdiri atas 3 buah warna: merah (Red), hijau (Green), dan biru (Blue), yang ditambahkan dengan berbagai cara untuk menghasilkan bermacam-macam warna. Kegunaan utama model warna RGB adalah untuk menampilkan citra / gambar dalam perangkat elektronik, seperti televisi dan komputer, walaupun juga telah digunakan dalam fotografi biasa. Sebelum era elektronik, model warna RGB telah memiliki landasan yang kuat berdasarkan pemahaman manusia terhadap teori trikromatik. Model warna ini merupakan model warna yang paling sering dipakai. Contoh alat yang memakai mode warna ini yaitu TV, kamera, komputer, dan kamera digital. Kelebihan model warna ini adalah gambar mudah disalin / dipindah ke alat lain tanpa harus di-convert ke mode warna lain, karena cukup banyak peralatan yang memakai mode warna ini. Kelemahannya adalah tidak bisa dicetak sempurna dengan printer, karena printer menggunakan mode warna CMYK, sehingga harus diubah terlebih dahulu. RGB merupakan model warna aditif, yaitu ketiga berkas cahaya yang ditambahkan bersama-sama, dengan menambahkan panjang gelombang, untuk membuat spektrum warna akhir. Mode warna RGB menghasilkan warna menggunakan kombinasi dari tiga warna primer merah, hijau, biru. RGB adalah model warna penambahan, yang berarti bahwa warna primer dikombinasikan pada jumlah tertentu untuk


menghasilkan warna yang diinginkan. RGB dimulai dengan warna hitam dan menambahkan merah, hijau, biru terang untuk membuat putih. Kuning diproduksi dengan mencampurkan merah, hijau, warna cyan dengan mencampurkan hijau dan biru, warna magenta dari kombinasi merah dan biru. Monitor komputer dan televisi memakai RGB. [10]

Gambar 2.7 Warna RGB [10]

2.5.2

Mode Warna CMYK (Cyan, Magenta, Yellow, Black)

CMYK (Cyan Magenta Yellow Black) adalah model warna yang biasanya digunakan di percetakan (Printer, Sablon, dll). Tinta process cyan, process magenta, process yellow, process black dicampurkan dengan komposisi tertentu dan tepat serta akurat sehingga menghasilkan warna cetak yang tepat seperti yang diinginkan pada background putih dengan media kertas maupun lainnya. Bahkan bila suatu saat diperlukan, warna ini dengan mudah bisa dibentuk kembali. Model ini, baik sebagian ataupun keseluruhan, biasanya ditimpakan dalam gambar dengan warna latar putih (warna ini dipilih, dikarenakan dia dapat menyerap panjang struktur cahaya tertentu). Model seperti ini sering dikenal dengan nama subtractive, karena warna-warnanya mengurangi warna terang dari warna putih.


Gambar 2.8 Warna CMYK [10]

2.5.3

Mode Warna HSI (Hue, Saturation, Intensity)

Model warna HSI (Hue, Saturation, Intensity) merupakan model warna yang paling sesuai dengan manusia. Pada model ini warna dibagi menjadi 3 yaitu corak (hue) kejenuhan (saturasi) dan kecerahan (Intensitas). Corak (hue) dapat diaplikasikan untuk membedakan objek dengan latar belakang. Kecerahan (intensitas) merupakan nilai abu-abu dari piksel, yaitu rata-rata dari RGB.

Gambar 2.9 Warna Hue [9]

2.6 Kedalaman Bit

Kedalaman bit menyatakan jumlah bit yang dipelukan untuk mrepresentasikan tiap piksel citra pada sebuah frame. Kedalaman bit biasanya dinyatakan dalam satuan bit/piksel. Semakin banyak jumlah bit yang digunakan untuk merepresentasikan sebuah citra, maka semakin baik kualitas citra tersebut.


Tabel 2.2 Hubungan Antara Kedalaman Warna Dan Resolusi Warna Kedalaman Warna

Resolusi Warna

1 bit

2 warna

2 bit

4 warna

4 bit

16 warna

8 bit

256 warna

16 bit

65.536 warna

24 bit

16.777.216 warna

32 bit

4.294.967.296 warna

2.7 Pengenalan Pola

Perkembangan teknologi baru akan didominasi oleh sistem dan mesin-mesin dengan kecerdasan buatan. Teknik pengenalan pola merupakan salah satu komponen penting dari mesin atau sistem cerdas tersebut yang digunakan baik untuk mengolah data maupun dalam pengambilan keputusan. [8]

Pengenalan pola (pattern recognition) adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur atau sifat utama dari suatu objek. [8]

Pola

sendiri

adalah

suatu

entitas

yang

terdefinisi

dan

dapat

diidentifikasikan serta diberi nama. Sidik jari adalah suatu contoh pola. Pola bisa merupakan kumpulan hasil pengukuran atau pemantauan dan bisa dinyatakan dalam notasi vektor atau matriks. [8]

2.8 Segmentasi Citra

Satu dari masalah-masalah penting dalam sistem visual adalah bagaimana melakukan segmentasi atau memisahkan bagian citra yang mewakili daerah tertentu dengan mudah, cepat, dan akurat. Pembagian citra menjadi beberapa


daerah, berdasarkan sifat-sifat tertentu dari citra yang dapat dijadikan pembeda, disebut juga segmentasi citra. Operasi ini yang begitu mudah dan alami bagi mata manusia, ternyata tidak mudah bagi komputer. Hal ini tidak terlepas dari kemampuan mata kita yang sangat tinggi dalam mengenali batas-batas suatu objek dan sebab lainnya adalah objek masih dalam pemandangan tiga dimensi. Mata manusia dengan mudah membedakan objek dengan warna yang mirip dengan latar belakangnya, namun tidak demikian dengan sistem visual buatan, karena sebagian informasi telah hilang saat pemandangan disimpan dalam bentuk citra digital. Idealnya, suatu segmen citra mewakili satu atau sebagian dari objek. [1]

Segmentasi citra dapat didefinisikan sebagai pembagian suatu citra ke dalam region-region atau obyek-obyek yang mempunyai karakteristik koheren (misalkan warna atau tekstur) dan mempunyai suatuarti. Beberapa strategi segmentasi yang diketahui diantaranya dengan fitting suatu model, segmentasi dengan clustering, deteksi tepi, dan region merging. [3]

Segmentasi citra adalah proses pembagian suatu citra menjadi wilayahwilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel-piksel tetangganya. Segmentasi sering dideskripsikan sebagai proses analogi terhadap proses pemisahan latar depan dengan latar belakang [10].

Prinsip kerja segmentasi adalah membagi citra ke dalam daerah intensitasnya masing-masing sehingga dapat dibedakan antara objek dan background-nya. Pembagian ini tergantung pada masalah yang akan diselesaikan. Segmentasi harus dihentikan apabila masing-masing objek telah terisolasi atau terlihat dengan jelas.

Secara umum algoritma segmentasi citra terbagi dalam dua macam: a. Diskontinuitas, yaitu berdasarkan perbedaan dalam intensitasnya, seperti titik, garis atau tepi (edge). b. Similaritas, yaitu berdasarkan kesamaan-kesamaan kriteria yang dimilikinya,


seperti algoritma Thresholding, Region Merging, Region Splitting dan Region Growing. [10]

Algoritma Thresholding

adalah segmentasi citra berbasis histogram,

dimana bila sebuah citra terbagi menjadi dua wilayah, maka global thresholding dapat digunakan untuk mendapatkan nilai threshold T yang tepat sehingga bagian objek dan latar belakang citra dapat ditentukan. [9].

Algoritma Region Merging adalah segmentasi yang melakukan proses perhitungan karakteristik masing-masing daerah (region). Bagian citra yang memiliki karakteristik yang sama akan digabung dan dianggap satu bagian, sedangkan bagian yang memiliki karakteristik yang berbeda dilakukan pembagian dan perhitungan karakteristik kembali sampai seluruh bagian citra mempunyai karakteristik yang sama. [9]

Dengan membandingkan kedua algoritma segmentasi citra diatas, maka akan dapat diketahui parameter yang tepat untuk setiap algoritma. Parameter yang tepat berguna untuk memaksimumkan kinerja algoritma dalam melakukan perbaikan citra. [9].

2.8.1

Algoritma Thresholding

Metode segmentasi yang umum adalah pengambangan citra (image thresholding). Operasi pengambangan mensegmentasikan citra menjadi dua wilayah, yaitu wilayah objek dan wilayah latar belakang. Wilayah objek diset berwarna putih sedangkan sisanya diset berwarna hitam (atau sebaliknya). Hasil dari operasi pengambangan adalah citra biner yang hanya mempunyai dua derajat keabuan: hitam dan putih. [6]


Thresholding adalah proses mengubah citra berderajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk obyek dan background dari citra secara jelas.

Citra threshold dilakukan dengan mempertegas citra dengan cara mengubah citra hasil yang memiliki derajat keabuan 255 (8 bit), menjadi hanya dua buah yaitu hitam dan putih [7].

Hal yang perlu diperhatikan pada proses threshold adalah memilih sebuah nilai threshold (T) dimana piksel yang bernilai dibawah nilai threshold akan di-set menjadi hitam dan piksel yang bernilai diatas nilai threshold akan di-set menjadi putih. Umumnya nilai T dihitung dengan menggunakan persamaan: T= …………………………………………………………….(1) Dimana: T: nilai threshold f(max)= nilai intensitas maksimum f(min)= nilai intensitas minimum Dimana

adalah nilai intensitas maksimum pada citra dan

adalah

nilai intensitas minimum pada citra. Jika f(x,y) adalah nilai intensitas pixel pada posisi (x,y) maka pixel tersebut diganti putih atau hitam tergantung kondisi berikut. f(x,y) = 1, jika f(x,y) ≥ T f(x,y) = 0, jika f(x,y) < T Sebagai contoh misalnya diketahui citra grayscale 4x4 pixel seperti Gambar 2.10.

200 230 240 50 210 100 100 90 Gambar 2.10. Citra Grayscale 4x4 Pixel [10]

150 170 120 200

75 92 80 230


Dengan motede ini, nilai threshold T adalah: T=

= T=

= 145

Bila nilai T = 145 diterapkan untuk citra pada Gambar 2.10. maka diperoleh citra seperti pada Gambar 2.11.

1

1

1

0

1

0

1

0

1

0

0

0

0

0

1

1

Gambar 2.11. Citra Hasil Threshold [10]

2.8.2

Algoritma Region Merging

Region merging digunakan untuk menggabungkan region-region yang jaraknya kurang dari ambang region merging. Mula-mula, dilakukan perhitungan jarak antara dua region tetangga dan hasilnya disimpan dalam tabel jarak. Kemudian pasangan region dengan jarak minimum digabungkan. Piksel tetangga dicek kembali sampai jarak intensitas tetangganya tidak melebihi nilai threshold yang ditentukan. [11]

Langkah-langkah segmentasi dengan algoritma Region Merging adalah sebagai berikut: a.

Input citra yang akan disegmentasi.

b.

Ubah citra menjadi citra grayscale.

c.

Baca nilai pixel citra.

d.

Cek nilai tetangga yang dimulai dari baris (x) dan kolom (y) yang ingin ditentukan sebagai acuan.

e.

Cari selisih nilai piksel (x,y) dengan nilai piksel tetangganya dan ambil nilai selisih terkecil dari nilai-nilai tetangga piksel (x,y).


f.

Jika nilai selisih terkecil tetangga (x,y) lebih besar dari nilai ambang maka citra tersebut memiliki region yang sama dan diberi nilai 2. Jika tidak diberi nilai 1.

g.

Ulangi langkah d hingga jarak intensitas (x,y) lebih kecil dari nilai ambangnya.

Gambar 2.12 Hasil Segmentasi Region Merging [10]

Pada gambar 2.12, terlihat hasil akhir merupakan citra dengan pola yang jelas dimana noise atau bayangan citra telah tereduksi.


BAB 2 LANDASAN TEORI

Recommend Documents