Binerisasi Otomatis Pada Citra Bergradasi Dengan Metode Variabel Dan Metode Iterasi Setia Astuti Abstract : Digital image processing is converting the image into binary image which is part of an image segmentation application. By using the threshold value of grayscale image, the image can be converted into binary image. Determination of threshold values can be automatically done by Iteration method that determines the threshold value based on the average value of pixels. At no gradation of image processing, Iteration method can generate the appropriate binary image. But in the process of gradation image must be done with prior variable method (removal intensity gradation of an image) before using the method of iterations, to obtain the corresponding binary image. testing program using the gradation image toward the right, left to right, top to bottom, and bottom to top. By determining the quality of binary image of the gradation image threshold value taken closest to the threshold value of the binary image of the not gradation image. The closer the threshold value obtained binary image binary processing results automatically, the gradation image is getting better. The test result shows that the threshold value of binary image from the binary image processing results of gradation image with variable method has the closest value than iterations method, against threshold value binary image processing results of non gradation image Keywords : Digital Image Processing, Thresholding, Iteration Method, Variable Methods.
PENDAHULUAN Teknologi satelit dirasakan sangat bermanfaat untuk perkembangan ilmu pengetahuan dan teknologi, tidak hanya digunakan untuk pengiriman data saja tetapi juga untuk mengirim dan menerima informasi yang berupa gambar atau citra. Citra yang diambil pasti akan diproses secara lanjut dengan menggunakan pengolahan citra digital baik untuk Deteksi tepi, Reduksi Noise dan sebagainya. Dalam melakukan pengenalan sebuah objek di antara banyak objek dalam citra, komputer harus melakukan proses Segmentasi terlebih dahulu. Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation) mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang
Setia Astuti adalah Dosen Fakultas Ilmu Komputer UDINUS Semarang 53
54
Techno.Com, Vol. 9 No. 3, Agustus 2010
homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel – piksel tetangganya. Algoritma segmentasi didasarkan pada 2 buah karakteristik nilai derajad kecerahan citra, yaitu: discontinuity dan similarity. Pada item pertama, citra dipisahkan/dibagi atas dasar perubahan yang mencolok dari derajad kecerahannya. Aplikasi yang umum adalah untuk deteksi titik, garis, area, dan sisi citra. Pada kategori kedua, didasarkan atas thresholding, region growing, dan region spiltting and merging. Prinsip segmentasi citra bisa diterapkan untuk citra yang statis maupun dinamis. Dalam situasi yang sederhana, dimana citra mengandung beberapa objek, Segmentasi dapat dilakukan dengan Operasi Binerisasi melalui proses thresholding. Segmentasi citra tersebut dikonversi menjadi citra biner, dimana citra di bagi menjadi dua bagian. dengan menggunakan algoritma Binerisasi untuk mendapatkan citra biner yang digeneralisasikan pada level lebih dari dua bagian. Untuk sejumlah citra yang mempunyai sifat sifat pencahayaan berbeda satu sama lain akan sulit menemukan satu nilai Threshold yang cocok untuk semua kondisi citra yang akan dikenakan Operasi Binerisasi, hal tersebut mungkin dapat teratasi dengan input manual nilai Threshold pada tiap citra. Tetapi jika citra tersebut bergradasi, dimana pengambilan citra melalui kamera mengalami gangguan baik dari pencahayaan atau arah kamera dan lain lain, sehingga citra tersebut memiliki intensitas gradasi (citra bergradasi) serta operasi binerisasi dilakukan secara berkesinambungan maka akan sangat merepotkan dan tidak efektif. Maka dibutuhkan suatu program yang dapat menjalankan Binerisasi secara Otomatis untuk citra intensitas bergradasi.
TINJAUAN PUSTAKA Citra Definisi citra (image) adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau benda. Secara harfiah, citra adalah gambar pada bidang dua dimensi (dwimatra). Ditinjau dari sudut pandang matematis, merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi. Citra yang terlihat merupakan cahaya yang direfleksikan dari objek, sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut dan pantulan cahaya ditangkap oleh alat – alat optik, misalnya mata manusia, kamera, scanner, sensor satelit dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam. Citra yang dimaksudkan adalah citra diam (still image). Citra diam adalah citra tunggal yang tidak bergerak. Untuk selanjutnya citra diam akan disebut citra saja. Citra dapat dikelompokkan menjadi dua yaitu citra tampak dan citra tak tampak. Banyak contoh citra tampak dalam kehidupan sehari-hari misalnya foto keluarga, lukisan Pablo Picasso. Apa yang tampak pada layar monitor dan televisi. Sedangkan citra tak tampak misalnya : data gambar dalam file ( citra digital), dan citra yang direpresentasikan menjadi fungsi matematis. Untuk dapat dilihat mata manusia, citra tak tampak ini harus diubah menjadi citra tampak misalnya dengan menampilkan di layar monitor, dicetak diatas kertas dan sebagainya. Diantara jenis-jenis citra tersebut , hanya citra digital yang dapat diolah menggunakan komputer. Jenis citra lain, jika hendak diolah dengan komputer, harus diubah dulu menjadi citra digital, dengan cara di Scanner. Kegiatan untuk mengubah informasi citra fisik non digital menjadi digital disebut sebagai pencitraan (imaging).
Binerisasi Otomasi (Astuti)
55
Dalam citra digital kita mengenal citra Bergradasi dan citra tak bergradasi, Citra bergradasi adalah citra yang memiliki penerangan pada objek yang tidak seragam, misalnya akibat dari bayangan atau arah datangnya cahaya dari sudut tertentu, sehingga akan menghasilkan citra dengan latar belakang yang mempunyai intensitas bergradasi. Sedangkan Citra tak bergradasi adalah citra yang memiliki penerangan pada objek yang seragam, ini merupakan kebalikan dari citra bergradasi. Misalnya citra normal yang kita ambil pada ruangan tertutup dengan arah pencahayaan terarah pada objek sehingga pada hasil pengambilan citra tidak memiliki bayangan bayangan yang memiliki internsitas bergradasi Pencitraan Agar citra dapat diolah dengan komputer digital, maka suatu citra harus direpresentasikan secara numeric dengan nilai diskrit. Representasi citra dari fungsi kontinu menjadi nilai-nilai diskrit disebut pencitraan (imaging) atau digitalisasi. Pencitraan adalah kegiatan mengubah informasi dari citra tampak / citra non digital menjadi citra digital[1]. Beberapa alat yang digunakan untuk pencitraan adalah scanner, kamera digital, kamera sinar –x atau sianr infra merah dan lain sebagainya. Citra yang dihasilkan inilah yang disebut citra digital ( digital image) dinyatakan sebagai kumpulan piksel dalam matrik dua dimensi. Pada umumnya citra digital berbentuk persegi panjang dan dimensi ukuranya dinyatakan dengan tinggi x lebar atau ( lebar x panjang ). Citra digital yang tingginya N dan lebarnya M dan memiliki L derajat keabuan dapat dianggap sebagai fungsi. Citra hitam putih disebut juga citra satu kanal, karena warna hanya ditentukan satu fungsi intensitas saja. Citra berwarna (color images) dikenal nama citra spectral, karena warna pada citra disusun oleh tiga kompunen warna yang disebut kompunen RGB, yaitu merah ( Red), hijau ( Green), dan biru ( Blue). Intensitas suatu titik pada citra berwarna merupakan kombinasi dari tiga intensitas derajat keabuan merah (ƒ merah (x,y), hijau (ƒhijau (x,y)), dan biru (ƒbiru (x,y)). Pengolahan Citra Pengolahan citra adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (komputer). Input nya adalah citra dan output nya citra tetapi dengan kualitas lebih baik dari pada citra masukan, misal citra warnanya kurang tajam, kabur (bluring), mengandung noise dan lain-lain sehingga perlu ada pemprosesan untuk memperbaiki citra karena citra tersebut manjadi sulit diinterpretasikan karena informasi yang disampaikan menjadi kurang. Citra Asli
Proses Pengolahan citra
Citra Hasil
Umumnya operasi-operasi pada pengolahan citra diterapkan pada citra jika:
56
Techno.Com, Vol. 9 No. 3, Agustus 2010
1. Perbaikan untuk meningkatkan kualitas penampakan atau menonjolkan beberapa aspek informasi yang terkandung didalam citra. 2. Elemen di dalam citra perlu dikelompokkan, dicocokkan atau diukur. 3. Sebagian citra perlu digabung dengan bagian citra lain. Jenis-jenis operasi pengolahan citra Operasi-operasi pada pengolahan citra dapat diklasifikasikan dalam beberapa jenis yaitu : 1. Perbaikan Kualitas Citra (Image Enhancement) Operasi ini bertujuan untuk memperbaiki citra dengan cara memanipulasi perameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan . 2. Pemugaran Citra (Image Restoration) Operasi ini bertujuan menghilangkan atau meminimalkan cacat pada citra. 3. Pemampatan Citra (Image Compressing) Operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memperlukan memori yang lebih sedikit. Citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. 4. Segmentasi Citra (Image Segmentation) Operasi ini bertujuan membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel – piksel tetangganya 5. Analisa Citra (Imege Analysis) Operasi ini bertujuan menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya. Teknik analisa citra mengekstrasi ciri-ciri tertentu dalam identifikasi objek. 6. Rekontruksi Citra(Image Reconstruction) Operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Binerisasi Otomatis Berdasarkan segmentasi citra, citra Biner adalah pengubahan citra abu-abu menjadi citra biner 1 untuk putih, 0 hitam dengan menggunakan operasi binerisasi. Binerisasi dapat dilakukan ditingkat perangkat keras maupun perangkat lunak. Dalam perangkat keras binerisasi dapat ditemukan dalam kamera khusus yang sudah dirancang secara perangkat keras untuk menghasilkan citra biner, tetap sangat sedikit kegunaannya. Sedangkan untuk keperluan perangkat lunak binerisasi menggunakan nilai threshold yang didasarkan pengamatan pada citra yang disegmentasi. Konversi suatu citra grayscale menjadi citra biner dengan menggunakan algoritma binerisasi bekerja sebagai berikut, citra grayscale digeneralisasikan menjadi 2 bagian atau dua kelompok piksel kemudian dua bagian tersebut dipisah oleh nilai threshold yang akan menentukan jika pada piksel dari citra berada dibawah nilai
Binerisasi Otomasi (Astuti)
57
threshold maka piksel citra tersebut akan di ubah ke 0 dan jika melebihi nilai threshold maka piksel citra tersebut akan di ubah ke 1. Binerisasi otomatis dalam hal penentuan nilai threshold diperlukan untuk mengetahui karakteristik citra yang meliputi: Sifat intensitas dari citra, Ukuran citra, Bagian citra yang di tempati objek, Jumlah dan jenis yang berbeda dari objek-objek yang muncul dalam citra. Metode dalam binerisasi otomatis Metode Iterasi Cara menentukan nilai threshold yaitu dengan di ulang ulang sampai nilai yang cocok di temukan. Nilai dimulai dengan menentukan nilai kira-kira untuk threshold sebagai nilai awal. Kemudian secara berturut-turut memperbaikinya menggunakan informasi sebaran intensitas citra yang bersangkutan. Langkah :
1. 2. 3. 4. 5.
Penentuan nilai awal threshold yaitu dari nilai rata rata dari intensitas citra. citra di bagi dua daerah dengan menggunakan nilai awal threshold pada langkah 1. (R1 dan R2) hitung nilai rata-rata intensitas pada tiap daerahnya (µ1 dan µ2) hitung nilai threshold baru dari penjumlahan nilai rata-rata intensitas yang di bagi 2. [ T = ( µ1 + µ2 ) / 2 ] ulangi langkah 2 hingga 4 sampai nilai rata-rata intensitas (µ1 dan µ2) tidak berubah.
Metode Variabel Metode ini berguna untuk operasi binerisasi terhadap citra dengan penerangan yang tidak seragam. Dengan melakukan normalisasi latar belakang dengan fungsi sederhana seperti planar dan biquadratik. Langkah pertama yaitu dengan menganalisis bentuk plot tiga dimensi dari intensitas citra. selanjutnya di bentuk citra bantuan yang mempunyai latar belakang mirip dengan latar belakang citra yang langsung diproses, tetapi tanpa objek untuk proses normalisasi. Kemudian nilai-nilai intensitas citra yang akan di proses di kurangkan dengan nilai intensitas citra bantuan. Maka akan dihasilkan citra baru dengan objek yang sama dan latar belakang yang seragam, karena semua titik-titik pada citra sekarang mempunyai nilai intensitas baru hasil pengurangan tadi sehingga citra baru ini akan jauh lebih mudah dilakukan operasi binerisasi.
ANALISA DAN PEMBAHASAN Pengujian Sistem Untuk menguji kemampuan aplikasi binerisasi otomatis ini, akan dilakukan uji coba terhadap sistem dengan masukan sebagai berikut : Citra citra bergradasi dengan arah gradasi antara lain gradasi kiri ke kanan, kanan ke kiri, atas ke bawah, bawah ke atas. Citra ber gradasi dengan gradient fill opacity antara 85 - 100 % (foreground to transparant). Objek citra yang dipilih sebagai bahan pengujian ini adalah citra Batman.bmp.
Techno.Com, Vol. 9 No. 3, Agustus 2010
58
Tampilan form utama dari aplikasi Binerisasi Otomatis dapat dilihat seperti gambar berikut :
Tampilan Utama Binerisasi Otomatis Proses Binerisasi Otomatis Tahap pertama pengujian sistem adalah memasukan citra bergradasi pada system dengan Citra sample adalah citra Batman.bmp Gambar berikut adalah bentuk tampilan antar muka input citra.
Tampilan Antarmuka Input Citra
Binerisasi Otomatis Pada Citra Bergradasi Kiri ke Kanan Tampilan antarmuka citra batman dengan arah gradasi kiri ke kanan.
Binerisasi Otomasi (Astuti)
59
Tampilan Antarmuka Citra Batman Arah Gradasi Kiri Ke Kanan
Hasil proses binerisasi otomatis citra batman dengan arah gradasi kiri ke kanan tersebut adalah seperti yang terlihat pada Gambar berikut
Tampilan Hasil Citra Batman arah Gradasi Kiri ke Kanan
Dari hasil binerisasi di atas didapat Nilai thresholding : Citra Asli dengan binerisasi Otomatis Citra Bergradasi dengan Binerisasi Otomatis Iterasi Citra Bergradasi dengan Binerisasi Otomatis Variabel
= 84,9561 = 166,355 = 130,949
Techno.Com, Vol. 9 No. 3, Agustus 2010
60
Binerisasi Otomatis Pada Citra Bergradasi Kanan ke Kiri Tampilan antarmuka binerisasi otomatis pada citra batman dengan arah gradasi dari kanan ke kiri Gambar berikut :
Tampilan Antarmuka Citra Batman Arah Gradasi Kanan ke Kiri Hasil proses binerisasi otomatis citra batman dengan arah gradasi kanan ke kiri tersebut adalah seperti yang terlihat pada Gambar berikut :
Tampilan Hasil Citra Batman Arah Gradasi Kanan ke Kiri Dari hasil binerisasi di atas didapat Nilai thresholding : Citra Asli dengan binerisasi Otomatis Citra Bergradasi dengan Binerisasi Otomatis Iterasi Citra Bergradasi dengan Binerisasi Otomatis Variabel
= 84,9561 = 161,385 = 131,037
Binerisasi Otomasi (Astuti)
61
Binerisasi Otomatis Pada Citra Bergradasi Atas ke Bawah Tampilan antarmuka binerisasi otomatis pada citra batman dengan arah gradasi dari Atas ke Bawah :
Tampilan Antarmuka Citra Batman Arah Gradasi Atas ke Bawah
Hasil proses binerisasi otomatis citra batman dengan arah gradasi Atas ke Bawah tersebut adalah seperti yang terlihat pada Gambar berikut:
Tampilan Hasil Citra Batman Arah Gradasi Atas ke Bawah Dari hasil binerisasi di atas didapat Nilai thresholding : Citra Asli dengan binerisasi Otomatis Citra Bergradasi dengan Binerisasi Otomatis Iterasi Citra Bergradasi dengan Binerisasi Otomatis Variabel
= 84,9561 = 163,344 = 130,372
Techno.Com, Vol. 9 No. 3, Agustus 2010
62
Binerisasi Otomatis Pada Citra Bergradasi Bawah ke Atas Tampilan antarmuka binerisasi otomatis pada citra batman dengan arah gradasi dari Bawah ke Atas seperti terlihat pada Gambar berikut :
Tampilan Antarmuka Citra Batman Arah Gradasi Bawah ke Atas Hasil proses binerisasi otomatis citra batman dengan arah gradasi Bawah ke Atas tersebut adalah seperti yang terlihat pada Gambar berikut:
Tampilan Hasil Citra Batman Arah Gradasi Bawah ke Atas
Dari hasil binerisasi di atas didapat Nilai thresholding : Citra Asli dengan binerisasi Otomatis Citra Bergradasi dengan Binerisasi Otomatis Iterasi Citra Bergradasi dengan Binerisasi Otomatis Variabel
= 84,9561 = 162,388 = 130,3
Binerisasi Otomasi (Astuti)
63
ANALISA HASIL PENGUJIAN SISTEM Pengujian Kualitas Hasil Binerisasi Citra Bergradasi berdasar Nilai Thresholding terdekat dari nilai Thresholding Citra tak Bergradasi. Pengujian kualitas hasil binerisasi terhadap citra bergradasi dilakukan berdasar nilai thresholding yang terdekat dari nilai Thresholding citra tak bergradasi. Nilai thresholding ini didapat pada proses binerisasi Otomatis dengan metode Iterasi dan dari Proses Binerisasi otomatis dengan Metode Variabel. Pengujian kualitas citra hasil binerisasi ini dengan mencari nilai terdekat dari nilai thresholding citra tak bergradasi, dengan perhitungan sebagai berikut :
Td = | Ta – Tg |
Td
= Nilai Thresholding Terdekat
Ta
= Nilai Thresholding Citra tak Bergradasi
Tg
= Nilai Thresholding Citra Bergradasi
Hasil pengukuran berdasar citra Batman.bmp dengan arah gradasi atas ke bawah, bawah ke atas, kiri ke kanan, dan kanan ke kiri didapat data sebaga berikut :
karakteristik citra Batman : 1. 2. 3. 4.
Ukuran citra = 360 x 525 piksel Jumlah piksel = 189000 Format Bitmap (bmp) Bitdept = 24
Techno.Com, Vol. 9 No. 3, Agustus 2010
64
Pengujian Kualitas Hasil Binerisasi Citra Bergradasi berdasar Nilai Thresholding terdekat dari nilai Thresholding Citra tak Bergradasi pada citra Batman.bmp. Citra Bergradasi
HBOI
HBOV
HBO
Batman (Gradasi Atas ke Bawah) Tg1 =
Tg2 =
Ta =
163,344
130,372
84,9561
Batman (Gradasi Bawah ke Atas) Tg1 =
Tg2 =
Ta =
162,388
130,38
84,9561
Batman (Gradasi Kiri ke Kanan)
Batman (Gradasi Kanan ke Kiri)
Tg1 =
Tg2 =
Ta =
166,355
130,949
84,9561
Tg1 =
Tg2 =
Ta =
161,385
131,037
84,9561
Tg1 =
Tg2=
Ta =
161,578
130,448
84,9561
Td1
Td2
78,3879
45,4159
77.4319
45.4239
81.3989
45.9929
76.4289
46.0809
Binerisasi Otomasi (Astuti)
65
KESIMPULAN Berdasar percobaan yang telah di lakukan pada citra batman dengan menggunakan program Binerisasi Otomatis dapat diambil kesimpulan sebagai berikut : a. Program Binerisasi Otomatis dapat memproses citra bergradasi sesuai dengan arahnya menjadi citra biner. b. Program Binerisasi Otomatis dengan metode Variabel memiliki nilai thresholding paling mendekati nilai thresholding citra tanpa gradasi dibanding Program Binerisasi Otomatis dengan metode Iterasi. Jarak rata rata nilai thresholding dengan metode variable = 47,7341 dan jarak rata rata nilai thresholding dengan metode Iterasi = 76,0124.
DAFTAR PUSTAKA [1]. [2]. [3]. [4]. [5].
Milan Sanka, Vaclac Hlavoc and Roger Boyle. 1998. Imege Processing Analysis and Machine Vision,2nd edition. PWS Publishing. Munir, Rinaldi. 2004. Pengolahan Citra digital dengan Pendekatan Algoritmik. Bandung: Penerbit Informatika. Agustinus, Nalwan. 1997. Pengolahan Gambar Secara Digital. Jakarta: PT Elex Media Komputindo. Murni, Aniati. 1992. Pengantar Pengolahan Citra. Jakarta: PT Elex Media Komputindo Ahmad, Usman. 2005. Pengolahan Citra Digital dan teknik Pemrogramannya. Jakarta: CV. Graha Ilmu
