Ringkasan - Pengolahan Citra

9:29 PM |

Muhamad Nicky

2010 4350 1382

Ringkasan - Pengolahan Citra

BAB I

PENDAHULUAN

A. LATAR BELAKANG

Citra (image) –istilah lain untuk gambar– sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Ada sebuah peribahasa yang berbunyi “sebuah gambar bermakna lebih dari seribu kata” (a picture is more than a thousand words).
Maksudnya tentu sebuah gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut disajikan dalam bentuk kata-kata (tekstual).

Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam.

Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat:
1. optik berupa foto,
2. analog berupa sinyal video seperti gambar pada monitor televisi,
3. digital yang dapat langsung disimpan pada suatu pita magnetik.

BAB II

PEMBAHASAN

1. KONSEP DASAR CITRA DIGITAL

· - Grafika Komputer

Grafik komputer adalah salah satu cabang disiplin ilmu informatika yang mempelajari

pembuatan gambar dengan menggunakan komputer.

- Computer Vision

Computer Vision adalah ilmu dan teknologi mesin yang melihat, di mana mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu.

- Pengolahan citra

Pengolahan citra adalah salah satu cabang dari ilmu informatika. Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu.

· Citra tampak dan tidak tampak

Citra juga dapat dikelompokkan menjadi :

- Citra tampak (foto, gambar, lukisan, apa yang nampak di layar monitor/televisi , hologram , dll)

- Citra tidak tampak (data foto/gambar dalam file, citra yang direpresentasikan dalam fungsi matematis)

· Tahapan Pengolahan Citra

- akuisisi citra : untuk menentukan data yang diperlukan dan memilih metode perekaman citra digital.

- Peningkatan kualitas citra : untuk Peningkatan Kualitas, Menghilangkan noise, Perbaikan citra, Transformasi, Menentukan bagian Citra yang akan diobservasi

- Segmentasi citra : untuk mempartisi citra menjadi bagian-bagian pokok yang mengandung informasi penting. Misalnya, memisahkan objek dan latarbelakang

- Representasi dan Uraian : merupakan suatu proses untuk merepresentasikansuatu wilayah sebagai suatu daftar titik-titik koordinat dalam kurva tertutup,dengan dekripsi luasan atau perimeternya.

- Pengenalan dan Interpretasi : untuk mendapatkan citra dengan suatu kualitas tertentu, memberi label pada sebuah objek yang informasinya disediakan oleh descriptor.

· Operasai Pengolahan Citra

Berdasarkan cakupan operasi yang dilakukan terhadap citra, Operasi pengolahan citra dikategorikan sebagai berikut :

- Operasi titik, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya hanya ditentukan oleh nilai piksel itu sendiri.

- Operasi area, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya dipengaruhi oleh piksel tersebut dan piksel lainnya dalam suatu daerah tertentu.

- Operasi global, yaitu operasi yang dilakukan tehadap setiap piksel pada citra yang keluarannya ditentukan oleh keseluruhan piksel yang membentuk citra.

2. KONSEP DASAR CITRA DIGITAL (2) dan SISTEM PEREKAMAN CITRA

· Proses Digitalisasi Citra

Digitalisasi citra merupakan proses untuk mengkonversi objek yang diindera/didapatkan oleh sensor menjadi citra digital. Digitalisasi citra terdiri dari dua proses, yaitu:

- Sampling: proses pengambilan nilai diskrit koordinat (x,y) dengan melewatkan citra melalui grid (celah)

- Kuantisasi: proses pengelompokan nilai tingkat keabuan citra kontinu ke dalam beberapa level atau bisa juga dikatakan sebagai proses yang membagi skala keabuan (0,L) menjadi G buah level yang dinyatakan dengan suatu harga bilangan bulat (integer).

· Skala Keabuan/Derajat Keabuan (Gray Scale)

intensitas f citra hitam-putih pada titik (x,y), Derajat Keabuan bergerak dari hitam ke putih.

· Menentukan kemungkinan nilai warna/derajat keabuan :

· Elemen – Elemen Digital Citra

- Kecerahan (brightness)

Intensitas cahaya. Kecerahan pada suatu titik (piksel) di dalam suatu citra sebenarnya adalah intensitas rata-rata dari suatu area yang melingkupinya.

- Kontras (contrast)

Kontras menyatakan sebaran terang (lightness) dan gelap (darkness) dalam suatu citra, Citra dengan kontras yang baik, komposisi gelap dan terangnya tersebar secara merata.

- Kontur (contour)

Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada pixel-pixel yang bertetangga.

- Warna (color)

Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek.

- Bentuk (shape)

Merupakan properti intrinsik utama untuk sistem visual manusia karena manusia lebih sering menginterpretasikan suatu objek berdasarkan bentuknya daripada elemen lainnya.

- Tekstur (texture)

Tekstur merupakan karakteristik untuk menganalisa permukaan berbagai jenis citra objek

· Representasi Citra

· Format Citra

- JPEG (.jpg)

JPEG atau Joint Photographic Experts Group adalah format gambar yang banyak digunakan untuk menyimpan gambar-gambar dengan ukuran lebih kecil.

- GIF (.gif)

Salah satu ciri khas tipe gambar berekstensi GIF adalah bisa memainkan animasi gambar sederhana. Beberapa karakteristik lain format gambar GIF adalah mampu menayangkan maksimum sebanyak 256 warna karena format GIF menggunakan 8-bit untuk setiap pixel-nya.

- PNG (.png)

PNG atau Portable Network Graphics adalah salah satu format penyimpanan citra yang menggunakan metode pemadatan yang tidak menghilangkan bagian dari citra tersebut.

- TIFF (.tif , .tiff)

TIFF (Tagged Image File Format) adalah format yang fleksibel yang biasanya disimpan sebagai 8 bits atau 16 bits per warna (merah, hijau, biru) untuk 24-bit dan total 48-bit, masing-masing, menggunakan nama file TIFF atau TIF.

- RAW

Format ini biasanya kompresi lossless atau nearly-lossless, dan menghasilkan file yang lebih keci dari format TIFF dari proses penuh sebuah kamera digital.

- BMP (.bmp)

Umunya, file BMP tidak dikompresi, maka ukurannya besar. Keuntungannya adalah kesederahanaannya, diterima luas, dan dikenali program-progam Windows.

- PBM

PBM kepanjangan dari Portable Bitmap Format. Merupakan format citra hitam-putih yang sederhana. PBM memerlukan satu bit tiap pixel.

- PGM

PGM kepanjangan dari Portable Graymap Format. Merupakan format citra abu-abu yang sederhana. Format PGM memerlukan delapan bit tiap pixel. PGM merupakan citra mentah dengan kompresi tipe lossless. Format PGM merupakan bagian dari PNM (Portable Pixmap File Format)

- PPM

PPM kepanjangan dari Portable Pixmap Format. Merupakan format citra berwarna yang sederhana. PPM memerlukan 24 bit tiap pixel.

- CGM

CGM (Computer Graphics Metafile) adalah format file untuk grafik vektor 2D, grafik raster, dan text, dan didefinisikan oleh ISO/IEC 8632. semua elemen grafisl bisa dispesifikasikan di source file tekstual yang bisa di-compile menjadi file binary atau satu diantara dua representasi.

- PCX

Sebuah file PCX adalah format file berbentuk raster; kepala filenya menyimpan informasi tentang perangkat keras monitor (resolusi layar, kedalaman warna, informasi palet, jumlah bit dst.)

- MPEG (.mpg)

Format ini digunakan di dunia internet dan diperuntukkan sebagai format penyimpanan citra bergerak (video). Format ini mendukung video dengan kompresi ber-rugi.

- POSTSCRIPT (.ps, .eps, .epfs)

Format ini diperkenalkan sebagai format untuk menyimpan citra buku elektronik . Dalam format ini, citra dipresentasikan kedalam deret nilai decimal atau hexadecimal yang dikodekan ke dalam ASCII

- RGB(.rgb)

Format ini menggunakan format penyimpanan citra yang dibuat oleh silicon graphics untuk menyimpan citra berwarna.

- RAS (.ras)

Format .ras digunakan untuk menyimpan citra dengan format RGB tanpa kompresi.

· Tipe citra berdasarkan media

A. CITRA BINER

Setiap titik (pixel) dalam citra bernilai 0 atau 1. Warna hitam = 0, putih = 1. Catatan : Model citra cahaya = ada cahaya (=1) maka warna putih Model citra cahaya = tidak ada cahaya (=0) maka warna hitam Model citra tinta / cat = ada cat (=1) maka warna hitam

Model citra tinta / cat = tidak ada cat (=0) maka warna putih

B. CITRA SKALA KEABUAN

Citra skala keabuan mempunyai kemungkinan warna antara hitam (minimal) dan putih (maksimal). Jumlah maksimum warna sesuai dengan bit penyimpanan yang digunakan.

C. CITRA WARNA (TRUE COLOR)

Setiap titik (pixel) pada citra warna mewakili warna yang merupakan kombinasi dari tiga warna dasar yaitu merah hijau biru > citra RGB (Red Green Blue). Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit) Red = warna minimal putih, warna maksimal merah Green = warna minimal putih, warna maksimal hijau Blue = warna minimal putih, warna maksimal biru

D. CITRA WARNA BERINDEKS

Setting warna display pada MS Window biasanya format 16 colors, 256 colors, high color, true color, yang merupakan citra warna berindeks dengan ukuran palet masing-masing 4 bit, 8 bit, 16 bit dan 24 bit

· Memori Penyimpanan Citra

Citra digital adalah citra yang diperoleh, disimpan dan dianalisis ddengan basis logika biner. Perolehan citra ini dapat dihasilkan dari pelarikan, yaitu melakukan perekaman dengan sensor berupa scanner. Citra digital dapat merupakan citra yang dihasilkan/dibuat dengan perangkat lunak tertentu CAD (computer-aided design) atau citra hasil perekaman melalui sensor yang dipasang pada suatu wahana tertentu.

Kemudian penyimpanan yang dilakukan dilakukan pada media magnetic (disket, flash disk, hark disk, CD, atau CCT dan ditampilkan dalam monitor menjadi sebuah gambar. Untuk menampilkan sebuah citra, setiap perangkat lunak/softwere memiliki system yang berbeda-beda dalam menyimpan citra. Terdapat dua cara penyimpanan, yaitu dengan kompresi, yaitu memampatkan nilai piksel yang nilainya sama, dan non kompresi, yaitu tanpa melakukan pemampatan, artinya dalam satu piksel disimpan dalam 1 bytes. Yang termasuk cara penyimpanan/format penyimpanan non kompresi adalah BSQ (Band Sequential), BIL (Band Interleaved by Line), dan BIP (Band Interleaved by Pixel).

3. KONSEOP DASAR PENGOLAHAN CITRA

· pemanfaatan aplikasi pengolahan citra

Manfaat pengolahan citra adalah menunjang kebutuhan kehidupan seharisahari khususnya untuk : Memfasilitasi penyimpanan dan transmisi citra seperti menentukan metode penyimpanan citra yang efisien dalam suatu kamera digital sehingga mempercepat proses pengirim citra dari jarak jauh misalkan dari planet Mars ke Bumi. Menyiapkan untuk ditampilkan di monitor atau di cetak. Proses yang dilakukan adalah melakukan merubah ukuran citra yang harus disesuaikan dengan ukuran media tampilan serta proses halftoning untuk proses pencetakan. Meningkatkan dan memperbaiki citra dengan menghilangkan goresan-goresan pada ataupun meningkatkan visibilitas citra. Ekstrasi informasi citra misalkan character recognizing, pengukuran plusi air dari citra aerial.

· Elemen sistem pemrosesan citra

Proses Pengolahan Citra Gambar di bawah adalah langkah dalam pengolahan citra secara umum yang teridiri dari:

Description: Description: Manfaat pengolahan citra,Memfasilitasi penyimpanan dan transmisi citra,metode penyimpanan citra,Meningkatkan dan memperbaiki citra,Ekstrasi informasi citra,meningkatkan visibilitas citra,Implementasi Pengolahan Citra,Aplikasi pengolahan citra digital,Proses Pengolahan Citra,model implementasi citra,Proses Pengolahan Citra,pengolahan citra secara umum,Pembentukan Citra,Pembentukan Citra (Data Acquisition),Pengolahan Citra Tingkat Awal (Image Preprocessing),Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection),Representasi Citra,Segmentasi Citra (Image Segmentation),citra aerial,merubah ukuran citra,Proses Pengolahan Citra dan Implementasinya

· Operasi titik , tetangga , multi image

- Pengertian Operasi titik.

Operasi titik adalah operasi terhadap citra dimana setiap titik diolah secara tidak gayut (tergantung) dengan titik-titik yang lain. Tiap titik memiliki 2 buah karakteristik, yaitu :
o Koordinat, yang menunjukkkan lokasi dari titik tersebut didalam citra
o Nilai dari titik itu sendiri (tingkat keabuan atau warna)

- Pengertian operasi bertetangga

memodifikasi nilai keabuan sebuah titik berdasarkan nilai-nilai keabuan dari titik-titik yang ada di sekitarnya (bertetangga) yang masing-masing mempunyai bobot tersendiri

- Pengertian operasi multi image

Operasi multi image adalah operasi pengolahan terhadap lebih dari satu obyek citra dan menghasilkan sebuah citra keluaran yang merupakan hasil operasi matematis Operasi ini dilakukan titik per titik dengan lokasi yang bersesuaian pada citra-citra masukan.Secara umum misal akan dioperasikan citra A dan citra B sehingga menghasilkan citra C, maka dapat diformulasikan sbb : C(x,y) = A(x,y) operator B(x,y) Jika melibatkan lebih dari 2 citra, maka : C(x,y) = A1(x,y) operator A2(x,y) operator A3(x,y)

4. OPERASI TITIK (1)

· Operasi citra True Color ke Keabuan

Citra True Color bisa dikonversi menjadi citra keabuan dengan operasi titik Secara sederhana, intensitas dapat didefinisikan sebagai nilai rerata dari ketiga nilai elemen warna.Untuk menyederhanakan model citra langkah awal yang sering dilakukan dalam image processing adalah mengubah citra berwarna menjadi citra gray-scale.

· Operasi negasi

Operasi untuk mendapatkan citra negatif (negative image). Meniru film negatif pada fotografi, yaitu titik yang berwarna putih pada citra mempunyai warna hitam pada film negatifnya, demikian juga sebaliknya. Dilakukan dengan cara mengurangi nilai intensitas piksel dari nilai keabuan maksimum.

Ko = Kmax – Ki

Misal pada citra dengan 256 derajat keabuan (8 bit) Kmax = 255 maka

Ko = 255 – Ki atau f(x,y)’ =255 – f(x,y)

· Operasi kecerahan

Sebuah citra Grayscale 256 warna akan tampak gelap bila seluruh komponen warnanya mendekati 0 (nol), juga sebaliknya. Jika K positif maka hasil operasi akan lebih cerah. Jika K negatif maka hasil operasi lebih gelap.

· Operasi kontras

Kontras adalah tingkat penyebaran piksel–piksel kedalam intesitas warna.

- Citra kontrasrendah–histogram sempit

- Citra kontrastinggi–histogram terlalubesar

- Citra kontrasnormal –histogram tidak sempit dan tidak terlalu besar

· operasi ambang tunggal

Suatu pemetaan citra mejadi citra biner (citra 2 warna).

5. HISTOGRAM (1)

· konsep dasar histogram

Pengertian histogram dalam pengolahan citra adalah representasi grafis untuk distribusi warna dari citra digital atau menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Dari sebuah histogram dapat diketahui frekuensi kemunculan relative dari intensitas pada citra, kecerahan, dan kontas dari sebuah gambar.

· Menggambar histogram dari citra

- Gambar gelap : histogram cenderung ke sebelah kiri

- Gambar terang : histogram cenderung ke sebelah kanan

- Gambar low contrast : histogram mengumpul di suatu tempat

- Gambar high contrast : histogram merata di semua tempat

Sumbu ordinat vertikal merupakan representasi piksel dengan nilai tonal dari tiap-tiap deret bin pada sumbu axis horizontalnya. Sumbu axis terdiri dari deret logaritmik bin densitometry yang membentuk rentang luminasi atau exposure range yang mendekati respon spectral sensitivity visual mata manusia. Deret bin pada density yang terpadat mempunyai interval yang relatif sangat linear dengan variabel mid-tone terletak tepat di tengahnya. Pada umumnya, sebuah histogram hanya memetakan seluruh nilai tonal dari citra digital pada bin luminasi masing-masing. Nilai tonal tersebut telah tersedia dalam color space yang umum digunakan adalah sRGB dan AdobeRGB yang mempunyai nilai gamma γ =2,2.

· Proses normalisasi histogram ( Aplikasi mathlab)

Misalkan citra digital memiliki L derajat keabuan, yaitu dari nilai 0 sampai L – 1 (misalnya pada citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat keabuan dari 0 sampai 255). Secara matematis histogram citra dihitung dengan rumus sebagai berikut :

dimana :

ni = jumlah pixel yang memiliki derajat keabuan i

n = jumlah seluruh pixel di dalam citra

Plot hi versus fi dinamakan histogram. Secara grafis histogram ditampilkan dengan diagram batang. Nilai ni telah dinormalkan dengan membaginya dengan n. Nilai hi berada di dalam selang 0 sampai 1. Pada MatLab, untuk membuat Histogram dari sebuah gambar / citra, cukup dengan memanggil fungsi imhist.

Pertama, inisialisasikan gambar yang akan digunakan. Letakkan gambar dalam satu direktori yang sama dengan file histogram. Kemudian gambar ditampilkan dengan menggunakan sintak imshow.

% Read in standard MATLAB color demo image.

rgbImage = imread(‘powerranger.jpg’);

[rows columns numberOfColorBands] = size(rgbImage);

subplot(2, 2, 1);

imshow(rgbImage, []);

set(gcf, ‘Position’, get(0,’Screensize’)); % Maximize figure.

Selanjutnya memanggil matriks gambar yang berisi piksel-piksel tertentu.

% Extract the individual color planes.

redPlane = rgbImage(:, :, 1); % memanggil matriks gambar yang hanya berisi piksel warna merah

greenPlane = rgbImage(:, :, 2); % memanggil matriks gambar yang hanya berisi piksel warna hijau

bluePlane = rgbImage(:, :, 3); % memanggil matriks gambar yang hanya berisi piksel warna biru.

Untuk mengambil nilai piksel merah memiliki indeks 1, warna hijau memiliki indeks 2 dan warna biru memiliki indeks 3.

Kemudian tampilkan histogram pada layar. Sintak berikut untuk menampilkan histogram dari piksel-piksel yang berwarna merah saja, dipanggil dengan sintak imhist(redPlane); bar yang ditampilkan pada histogram dapat diberi warna merah dengan menggunakan sintak bar (pixelCountR, ‘r’); lakukan hal yang sama pada kedua histogram lainnya, yaitu histogram untuk menampilkan piksel-piksel hijau dan biru. Serta berikan masing-masing warna pada bar histogram tersebut.

% Let’s get its histograms.

[pixelCountR grayLevelsR] = imhist(redPlane);

subplot(2, 2, 2);

bar(pixelCountR, ‘r’);

xlim([0 grayLevelsR(end)]); % Scale x axis manually.

[pixelCountG grayLevelsG] = imhist(greenPlane);

subplot(2, 2, 3);

bar(pixelCountG, ‘g’);

xlim([0 grayLevelsG(end)]); % Scale x axis manually.

[pixelCountB grayLevelsB] = imhist(bluePlane);

subplot(2, 2, 4);

bar(pixelCountB, ‘b’);

xlim([0 grayLevelsB(end)]); % Scale x axis manually.

Output

Tempatkan file gambar yang digunakan ke dalam folder yang sama dengan file MatLab. Kemudian jalankan program dengan menekan tombol F5. Berikut adalah tampilan Histogram dari sebuah gambar. Khusus untuk citra berwarna, histogramnya dibuat untuk setiap kanal RGB (merah, hijau, dan biru). Jadi outputnya ada tiga Histogram, yaitu Histogram untuk pixel Merah, Hijau dan Biru.

Description: Description: https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj2eMSAFAz4A1eiZNkOVgB6emPt0qCZ39PjLgniJCZL3Ms1gakJTzjTYEoNi9ZaaC-qWPS8OLPVb2kLGADsf0PQE7POHChBc25xOO7SBH73kP0QXK4ty4ZT9ELAefXVLVgfntwNLK9bcbC4/s400/untitled9.bmp

Kesimpulan

Gambar yang dimasukan terlalu terang. Histogramnya banyak menumpuk pada bagian kanan karena citra tersebut mengandung banyak nilai intensitas yang dekat dengan 255 (putih).

6. EKUALISASI HISTOGRAM

· Penyelesaian ekualisasi histogram(Masukkan aplikasi mathlab)

adalah suatu proses perataan histogram, dimana distribusi nilai derajat keabuan pada suatu citra dibuat rata. Proses ekualisasi histogram secara ideal :

Pada gambar diatas, histogram citra hasil yang ideal memiliki jumlah titik yang sama untuk setiap tingkat keabuan, jadi distribusi titik dalam citra asli harus disebarkan secara lebih merata ke seluruh nilai keabuan. Rumus yang digunakan untuk citra dengan skala keabuan k bit, misal 8 bit :

Ci = cacah/distribusi kumulatif nilai skala keabuan ke – i dari citra asli

round = fungsi pembulatan ke bilangan terdekat, misal : 35,4 menjadi 35

Ko = nilai keabuan hasil histogram equalization

w = lebar citra

h = tinggi citra

Contoh :

Misal diketahui beberapa nilai piksel/nilai skala keabuan sebagai berikut :

2 4 3 1 3 6 4 3 1 0 3 2

Maka histogram dari data diatas adalah :

7. OPERASI MULTI IMAGE

· operasi penggabungan citra

- Penggabungan citra dilakukan dengan cara menimpakan sebuah citra pada citra yang lain.

- Dengan kata lain dilakukan operasi penjumlahan terhadap citra yang ada dengan pemberian bobot pada masing-masing citra

C(x,y) = wa * A(x,y) + wb * B(x,y)

wa dan wb adalah bobot untuk citra A dan B, dan nilai jumlah total dari bobot adalah 1

wa + wb = 1

· Operasi deteksi gerakan

Deteksi gerakan secara sederhana dapat dilakukan dengan mencari beda antara 2 citra yang berurutan pada hasil pencitraan menggunakan kamera video digital. Operator yang digunakan adalah pengurangan.

Dengan operasi pengurangan ini :

- bagian yang tidak bergerak akan menghasilkan nilai = 0

- bagian yang bergerak menghasilkan nilai ≠ 0

C(x,y) = A(x,y) – B(x,y)

Dengan mengevaluasi nilai selisih tersebut, dapat diketahui apakah pada citra terdapat objek yang bergerak. Bisa juga digunakan rumus pada operasi blending dengan memberi bobot wa = 1 dan wb = – 1.

· Operasi logika

Beberapa operasi logika dapat diterapkan pada 2 atau lebih citra, yaitu

C(x,y) = A(x,y) AND B(x,y)

C(x,y) = A(x,y) OR B(x,y)

C(x,y) = A(x,y) XOR B(x,y)

C(x,y) = A(x,y) SUB B(x,y)

C(x,y) = NOT A(x,y)

8. OPERASI TETANGGA (1)

· deteksi tepi

Deteksi Tepi adalah perubahan nilai intensitas derajat keabuan yang mendadak (besar) dalam jarak yang singkat. Terdapat tiga macam tepi di dalamcitra digital, yaitu

o Tepi Curam adalah tepi dengan perubahan intensitas yang tajam. Arah tepi berkisar 90 derajat

o Tepi Landai yaitu tepi dengan sudut arah yang kecil. Tepi landai dapat dianggap terdiri dari sejumlah tepi - tepi lokal yang lokasinya berdekatan.

o Tepi yang mengandung derau Umumnya tepi yang terdapat pada aplikasi visi komputer mengandung derau. Operasi peningkatan kualitas citra dapat dilakukan terlebih dahulu sebelum pendektesian tepi.

· Metode Robert

Adalah nama lain dari teknik differensial pada arah horisontal dan differensial pada arah vertikal, dengan ditambahkan proses konversi biner setelah dilakukan differensial. Teknik konversi biner yang disarankan adalah konversi biner dengan meratakan distribusi warna hitam dan putih.. Metode Robert ini juga disamakan dengan teknik DPCM (Differential Pulse Code Modulation). Operator Robert menggunakanoperator gradient berukuran2 x 2 :

Gradient magnitude dari operator Robert adalah sebagai berikut :

Karenaoperator Robert hanya menggunakan convolution mask berukuran 2 x 2, maka operator Robert sangat sensitive terhadap noise.

· Metode prewitt

Merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF.

Operator Prewitt menggunakan delapan buah kernel operator gradient :

Dengan menggunakan batuan program matlab maka Pendektesian tepi (Edge Detection) dengan operator Prewitt dapat dilihat implementasinya

· Metode sobel

Merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Operator Sobel menggunakan kernel operator gradient 3 x 3 :

Operator Sobel melakukan deteksi tepi dengan memperhatikan tepi vertical dan horizontal. Gradient Magnitude dari operator Sobel adalah sebagai berikut :

Dengan menggunakan batuan program matlab maka Pendektesian tepi (Edge Detection) dengan operator Sobel dapat dilihat implementasinya.

9. OPERASI TETANGGA (2)

· Penajaman citra

Operasi ini pada dasarnya penjumlahan atas citra tepi (hasil dari deteksi tepi ) dengan citra aslinya , sehingga bagaian tepi obyek teerlihat lebih berbeda dan terkesan lebih tajam.

Contoh sharphing

· Penghalusan citra

Penghalusan seragam memberikan nilai yang sama kepada semua bobot pada mask. Mask yang dapat dipakai

Eliminasi derau salt-and-pepper menggunakan operasi penghalusan 25 titik bertetangga dengan variasi ambang.

· Reduksi noise

Banyak cara untuk reduksi noise, salah satunya dengan operasi median Nilai keabuan dari titik-titik di dalam jendela diurutkan dari nilai terkecil sampai dengan terbesar, kemudian ditentukan mediannya. Nilai median adalah nilai yang berada paling tengah dari urutan. Operasi median dapat menggunakan mask tanpa bobot dengan ukuran sesuai yang dikehendaki, misal 3 x 3 , 5 x 5 , 7 x 7 , atau 1 x 5, 5 x 3, dll

· Efek Emboss

Efek Emboss = kesan timbul pada objek dalam citra. Mask yang dapat digunakan :

10. KOMPRESI CITRA

· Metode huffman

- Urutkan nilai keabuan berdasarkan frekuensi kemunculannya

- Gabung dua pohon yang frekuensi kemunculannya paling kecil

- Ulangi 2 langkah diatas sampai tersisa satu pohon biner

- Beri label 0 untuk pohon sisi kiri dan 1 untuk pohon sisi kanan

- Telusuri barisan label sisi dari akar kedaun yang menyatakan kode Huffman

Contoh, citra 64 x 64 dengan 8 derajat keabuan (k)

11. KOMPRESI CITRA(2) dan SEGMENTASI CITRA

· Metode run lenght encoding

Run Length Encoding cocok untuk pemampatan citra yang memiliki kelompok pixel berderajat keabuan yang sama.

Contoh citra10 x10 dengan 8 derajat keabuan

Pasangan derajat keabuan (p) dan jumlah pixel (q)

Ukuran citra sebelum dimampatkan (1 derajat keabuan = 3 bit) adalah100 x 3 bit = 300 bit. Ukuran citra setelah pemampatan (run length = 4) adalah (31 x 3) + (31 x 4) bit = 217 bit.

· Segmentasi citra berdasrkan intensitas cahaya

Berasumsi bahwa objek-objek yang akan dipisahkan cenderung memiliki intensitas warna yang berbeda-beda dan masing-masing objek memiliki warna yang hampir seragam. Salah satu teknik segmentasi berdasarkan intensitas warna adalah mean clustering. Pada mean clustering dilakukan pembagian citra dengan membagi histogram citra.Berikut langkah-langkahnya:

i. Cari intensitas maksimum dan minimum yang digunakan dalam citra.

ii. Dari intensitas minimum ke maksimum dilakukan pembagian sejumlah N. N ini menentukan jumlah objek yang diharapkan ada pada gambar.

iii. Setelah dilakukan pembagian, histogram akan terbagi menjadi bagian-bagian yang disebut cluster (kelompok). Kemudian pada citra dilakukan penelusuran untuk seluruh titik, setiap titik akan digrupkan ke cluster terdekat sehingga hasil akhir dari proses ini adalah jumlah warna pada gambar menjadi N.

iv. Cari hasil rata-rata / mean dari seluruh titik pada setiap cluster, kemudian mengganti warna seluruh titik dalam cluster-cluster tersebut dengan rata-rata dari cluster masing-masing.

Kelemahannya :

- Harus tahu dengan tepat berapa jumlah objek yang ada pada citra.

- Citra hasil kurang bagus jika pada citra terdapat beberapa objek dengan warna pada masing-masing objeknya bervariasi atau pada setiap objek memiliki warna yang sama.

· Segmentasi citra berdasarkan karakteristik

Cara lain yang biasa digunakan adalah berdasarkan karakteristik objek pada citra yaitu mengelompokkan bagian-bagian citra yang memiliki karakteristik yang sama berupa perubahan warna antara titik yang berdekatan, nilai rata-rata dari bagian citra tersebut. Untuk menghitung/menentukan karakteristik digunakan perhitungan statistik seperti varian, standard deviasi, teori probabililitas, fourier transform, dll.

Salah satu teknik segmentasi berdasarkan karakteristik adalah split and merge (membagi kemudian menggabungkan) Berikut langkah-langkahnya:

1. Bagi citra menjadi 4 bagian.

2. Dari 4 bagian tersebut dilakukan perhitungan karakteristik masing-masing.

3. Bagian dari citra yang memiliki karakteristik yang sama akan digabungkan dan dianggap satu bagian, sedangkan yang tidak, akan dibagi lagi menjadi 4 bagian dan dilakukan perhitungan karakteristik dan dilakukan lagi proses penggabungan bagian yang sama. Demikian seterusnya sehingga diperoleh hasil dari proses segmentasi.

12. STENOGRAFI dan WATERMAKING

· Perbedaan steganografi dan watermrking

a. Steganografi

- Tujuan: mengirim pesan rahasia apapun tanpa menimbulkan kecurigaan.

- Persyaratan: aman, sulit dideteksi, sebanyak mungkin menampung pesan (large capacity).

- Komunikasi: point-to-point

- Komentar lain: media penampung tidak punya arti apa-apa (meaningless).

b. Watermarking

- Tujuan: perlindungan copyright, pembuktian kepemilikan (ownership), finger printing.

- Persyaratan: robustness, sulit dihapus (remove)

- Komunikasi: one-to-many

- Komentar lain: media penampung justru yang diberi proteksi, watermark tidak rahasia, tidak mementingkan kapasitas watermark teknik penyisipan pesan

· LSB (Least Significant Bits)

Metode yang digunakan untuk menyembunyikan pesan pada media digital tersebut berbeda-beda. Contohnya pada file image pesan dapat disembunyikan dengan menggunakan cara menyisipkannya pada bit rendah atau bit yang paling kanan (lsb) pada data pixel yang menyusun file tersebut. Seperti kita ketahui untuk file bitmap 24 bit maka setiap pixel (titik) pada gambar tersebut terdiri dari susunan tiga warna merah, hijau dan biru (RGB) yang masing-masing disusun oleh bilangan 8 bit (byte) dari 0 sampai 255 atau dengan format biner 00000000 sampai 11111111. Dengan demikian pada setiap pixel file bitmap 24 bit kita dapat menyisipkan 3 bit data.

Contoh 8 bit pixel :

1 pixel : ( 00 01 10 11 )

white red green blue

Insert 0011 : ( 00 00 11 11 )

white white blue blue

Contoh 24 bit pixel :

Contohnya huruf A dapat kita sisipkan dalam 3 pixel, misalnya data raster

original adalah sebagai berikut :

( 00100111 11101001 11001000 )

red blue green

( 00100111 11001000 11101001 )

red green blue

( 11001000 00100111 11101001 )

green red blue

Sedangkan representasi biner huruf A adalah 100000111. Dengan menyisipkan-nya pada data pixel diatas maka akan dihasilkan :

( 00100111 11101000 11001000 )

red green green

( 00100110 11001000 11101000 )

white green green

( 11001001 00100111 11101001 )

blue red blue

Terlihat hanya empat bit rendah yang berubah, untuk mata manusia maka tidak akan tampak perubahannya. Secara rata-rata dengan metoda ini hanya setengah dari data bit rendah yang berubah, sehingga bila dibutuhkan dapat digunakan bit rendah kedua bahkan ketiga.
Kekurangan dari LSB Invertion :

Dapat diambil kesimpulan dari contoh 8 bit pixel, menggunakan LSB Insertion dapat secara drastis merubah unsur pokok warna dari pixel. Ini dapat menunjukkan perbedaan yang nyata dari cover image menjadi stego image, sehingga tanda tersebut menunjukkan keadaan dari steganograpi. Variasi warna kurang jelas dengan 24 bit image, bagaimanapun file tersebut sangatlah besar. Antara 8 bit dan 24 bit image mudah diserang dalam pemrosesan image, seperti cropping (kegagalan) dan compression (pemampatan). Keuntungan dari LSB Insertion :

Keuntungan yang paling besar dari algoritma LSB ini adalah cepat dan mudah. Dan juga algoritma tersebut memiliki software steganograpi yang mendukung dengan bekerja diantara unsur pokok warna LSB melalui manipulasi pallete (lukisan).

BAB III

PENUTUP

A. Kesimpulan

Makalah ini mengungkap secara umum tentang Definisi, Operasi, Dan Pengolahan citra, Semoga makalah ini dapat dijadikan salah satu bahan kajian dalam bidang keahlian Informatika. Dengan disusunnya makalah ini semoga dapat menambah nilai kami. Banyak hal yang belum terdokumen dalam makalah ini, kritik dan dan saran buat kelengkapan makalah ini, sangat kami harapkan. Tak lupa kami mohon maaf atas kekurangan-kekurangan yang harus dilengkapi dan dikoreksi dalam penyusunan makalah ini.

kami mengucapkan terima kasih yang sebesar-besarnya kepada Bapak dosen atas kesempatan yang diberikan kepada kami untuk menyusun makalah ini.
Semoga Tuhan Yang Maha Kuasa memberkati kita semua. Amin.