Pengenalan Pola Pengolahan Citra

BAB 2 TINJAUAN PUSTAKA

2.1. Pengenalan Pola

Pengenalan pola mengelompokkan data numerik dan simbolik termasuk citra secara otomatis oleh komputer. Tujuan pengelompokan ini adalah untuk mengenali suatu objek dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklasifikasikan objek-objek di alam sehingga mampu membedakan suatu objek dengan objek lainya. Kemampuan visual manusia inilah yang dicoba ditiru oleh mesin atau dalam hal ini adalah komputer. Komputer menerima input berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan memberikan output berupa deskripsi objek di dalam citra. Gambar 2.1 menunjukkan diagram kotak sederhana dari proses pengenalan pola[1]. Citra Pengenalan Pola Deskripsi Objek Gambar 2.1 Diagram Kotak Sederhana Proses Pengenalan Pola[1] Penglihatan manusia dapat dengan mudah membedakan objek-objek di sekeliling dengan baik terlepas dari kondisi objek tersebut dalam berbagai keadaan seperti terbalik, berbeda warna, berbeda tekstur, tertutup sebagian, dan lain-lain. Penglihatan manusia bisa membedakan objek yang memiliki Universitas Sumatera Utara penyimpangan besar dari bentuk-bentuk dasar seperti pohon, degan mudah digeneralisasi oleh otak sebagai satu jenis objek. Sebuah citra objek yang akan dikenali oleh jaringan syaraf tiruan tidak begitu saja dimasukkan menjadi input sebuah jaringan syaraf tiruan, karena masih berupa data mentah dan belum sesuai dengan kriteria masukan untuk jaringan syaraf tiruan. Citra objek tersebut harus diproses terlebih dahulu, tujuannya untuk membantu kemampuan jaringan dalam mengkomputasikan informasi dari citra objek tersebut[7].

2.2. Pengolahan Citra

Pengolahan citra merupakan proses mengolah piksel-piksel dalam citra digital untuk suatu tujuan tertentu. Citra merupakan gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi 2D yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi menjadi x baris dan y kolom sehingga menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut dengan piksel. Contohnya adalah gambartitik diskrit pada baris x dan kolom y disebut dengan piksel x, y. Secara matematik sebuah citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dua dimensi. Sumber cahaya menerangi objek dan objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai dan sebagainya, sehingga bayangan objek yang disebut citra terekam. Meskipun sebuah citra kaya informasi, namun seringkali citra yang dimiliki mengalami penurunan mutu degradasi, misalnya mengandung cacat atau derau, warnanya terlalu kontras, kurang tajam, kabur, dan sebagainya. Citra yang seperti ini tentu saja menjadi lebih sulit diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Universitas Sumatera Utara Derau adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis optik pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. Banyak metode yang ada dalam pengolahan citra bertujuan untuk mengurangi atau menghilangkan noise Putra, 2009. Elemen-elemen citra digital apabila ditampilkan dalam layar monitor akan menempati sebuah ruang yang disebut dengan piksel. Teknik dan proses untuk mengurangi atau menghilangkan efek degradasi pada citra digital meliput i: perbaikan citra, restorasi citra, dan transformasi spasial[4].

2.2.1. Konversi RGB ke Grayscale

Konversi RGB ke Grayscale merupakan proses konversi dari citra bewarna menjadi citra keabuan atau sering disebut dengan citra hitam putih. Citra berwarna setiap pikselnya terdiri dari gabungan tiga warna yaitu merah R, hijau G, dan biru B, nilai grayscale didapat dengan merata-ratakan ketiga nilai RGB tersebut. Rumus untuk mengkonversi nilai RGB ke grayscale pada umumnya adalah sebagai berikut: V = R + G + B 3…………………......................................2.1 dimana, V = nilai grayscale yang didapatkan R = nilai warna merah G = nilai warna hijau B = nilai warna biru contoh: Universitas Sumatera Utara Setiap warna dasar memiliki intensitasnya tersendiri dengan nilai maksimum 255 8 bit dan nilai minimum 0. Misalkan warna kuning merupakan kombinasi warna merah dengan nilai 255 dan warna hijau 255, sehingga kombinasi RGB-nya adalah 255 255 0. Dapat dikerjakan dengan rumus 2.1. V = R +G+B3 V = 255 + 255 + 03 V = 5103 V = 170 Nilai intensitas 170 menunjukkan warna keabuan pada citra.

2.2.2. Konversi Grayscale ke Threshold Binary

Citra grayscale merupakan citra yang setiap pikselnya direpresentasikan dengan sebuah nilai tunggal dengan rentang nilai 0-255. Untuk dijadikan masukan yang diolah oleh jaringan, nilai ini perlu disederhanakan agar membantu dalam proses komputasi oleh jaringan, oleh karena itulah citra grayscale perlu diubah ke citra biner yang tiap pikselnya hanya direpresentasikan dengan nilai 0 dan 1 [8].

2.3. Pengenalan Wajah