Pengolahan Citra Penipisan Citra Image Thinning Pengenalan Pola pettern recognition

2.2 Pengolahan Citra

Meskipun citra kaya informasi, namun sringkali citra yang kita miliki mengalami penurunan mutu degradasi, misalnya mengalami cacat atau derau noise, warna terlalu kontras, kurang tajam, kabur Blurring, dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi kurang. Agar citra yang mengalami gangguan muda diinterpretasi baik oleh manusia maupun mesin, maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra Image processing. Pengolahan citra adalah proses citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Munir, 2004.

2.3 Deteksi Tepi

Secara umum tepi dapat didefinisikan sebagai batas antara dua region dua piksel yang saling berdekatan yang memiliki perbedaan yang tajam atau tinggi. Febriani, 2008. Tepi dapat diorientasikan dengan suatu arah, dan arah ini berbeda-beda, tergantung dari perubahan intensitas. Deteksi Tepi adalah proses untuk menemukan perubahan intensitas yang berbeda nyata dalam sebuah bidang citra. Sebuah operator deteksi tepi merupakan operasi bertanngga, yaitu sebuah operasi yang memodifikasi nilai keabuan sebua titik yang ada di sekitarnya tetangganya yang masing-masing mempunyai bobot tersendiri. Sutoyo, 2009 Deteksi tepi merupakan langkah pertama untuk melingkupi informasi didalam citra. Tepi mencirikan batas-batas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra. Deteksi tepi pada suatu citra memiliki tujuan sebgai berikut Sigit,2005: 1. Menandai bagian yang menjadi detail citra 2. Memperbaiki citra yang kabur karena error atau efek proses akuisisi

2.3.1 Metode Deteksi Tepi

2.3.1.1 Metode Sobel

Metode deteksi tepi Sobel menggunakkan dua buah kernel yang berukuran 3x3 piksel untuk perhitungan Gradien sehingga perkiraan gradien berada tepat di tengah jendela.Sutoyo dkk, 2009. Besaran gradien yang dihitung menggunakan operator sobel adalah sebagai berikut. � = �� � 2 + � � 2 dengan. G = besaran Gradien Operator � � = gradien Sobel arah horizontal � � = gradien Sobel arah vertikal Dimana G merupakan besaran gradien di titik tengah kernel dan persamaan parsial dihitung menggunakan persamaan berikut. � � = � 2 + �� 3 + � 4 − � + �� 7 + � 6 � � = � + �� 1 + � 2 − � 6 + �� 5 + � 4 Di mana c adalah konstanta yang bernilai 2. � � dan � � diimplementasikan menjadi � � = � � =

2.3.1.2 Metode Roberts

Metode deteksi tepi Roberts adalah deteksi tepi yang berbasis gradien yang menggunakkan duah buah kernel yang berukuran 2x2 piksel. Deteksi tepi ini mengambil arah diagonal untuk penentuan arah dalam penghitungan nilai gradien, sehingga sering disebut operator silang. Sutoyo dkk, 2009. Perhitungan gradien dalam deteksi tepi Roberts adalah sebagi berikut. � = �� � 2 + � � 2 Dengan G = besaran gradien deteksi tepi Roberts � � = gradien Roberts arah horizontal � � = gradien Roberts arah vertikal -1 0 1 -2 0 2 -1 0 1 1 2 1 -1 -2 -1 � � = � � = Sebenarnya, metode Roberts dalam mendeteksi tepi menghasilkan citra yang kurang memuaskan. Mungkin dikarenakan kernel yang digunakan berukuran 2x2 piksel dan penghitungan gradien hanya mengambil arah diagonal.

2.3.1.3 Metode Prewitt

Metode ini menggunakan persamaan yang sama dengan operator Sobel, hanya saja konstanta c yang digunakan bernilai 1 sehingga bentuk kernel dari metode Prewitt adalah. Sutoyo dkk, 2009 � � = � � = Berbeda dengan Sobel, metode Prewitt tidak menekankna pembonotan pada piksel-piksel yang lebih dekat dengan titik pusat kernel.

2.4 Penipisan Citra Image Thinning

Operasi penipisan citra image thinning bertujuan untuk menguruskan objek dalam citra. Thinning dari himpunan A dengan elemen penstruktur B didefinisikan sebagai berikut. Sutoyo dkk, 2009. � ⊗ � = � − � ∗ � = �⋂� ∗ � � Proses penipisan digunakan untuk mengekstraksi ciri daun suatu objek dengan mengambil rangka setebal satu piksel dari citra, dengan membuang titik-titik atau lapisan terluar dari citra sampai semua garis atau kurva hanya setebal satu piksel.

2.5 Pengenalan Pola pettern recognition

Pengenalan Pola merupakan proses pengenalan suatu objek dengan menggunakan berbagai metode. Teknik penocokan pola adalah salah satu teknik dalam pengolahan citra digital yang berfungsi untuk tiap-tiap bagian dengan citra yang menjadi acuan template. 1 -1 1 -1 -1 1 -1 1 -1 1 1 1 1 -1 -1 -1 Metode pencocokan pola adalah salah satu teknik metode terapan dari teknik konvolusi. Teknik konvolusi dalam penelitian ini dilakukan dengan mengkombinasikan citra daun masukkan dengan citra daun acuan, sehingga akan didapatkan nilai koefesien korelasi yang besarnya antara -1 dan +1. Saat koefesien korelasi mendekati +1, bisa dikatakan citra masukkan semakin sama mirip dengan acuannya. Rumus yang digunakan adalah: � = ∑ ∑ �� �� − �̅�� �� − �� �−1 �=0 �−1 �=0 �∑ ∑ � �� − �̅ 2 ∙ �−1 � =0 ∑ ∑ � �� − �� 2 �−1 �=0 �−1 �=0 �−1 �=0 Keterangan: r : Koefesien Korelasi x : Citra acuan template �̅ : Nilai rata-rata citra acuan �� : Nilai rata-rata citra masukkan y : Citra masukkan M,N : Jumlah citra piksel citra

2.6 Tumbuhan Karet