Proses transformasi dari bentuk tiga dimensi ke bentuk dua dimensi untuk
menghasilkan citra
akan dipengaruhi
oleh bermacam-macam
faktor yang mengkibatkan penampilan citra suatu benda tidak sama persis dengan bentuk fisik nyatanya. Faktor-faktor tersebut merupakan
efek degredasi atau penurunan kualitas yang dapat berupa rentang kontras benda yang terlalu sempit atau terlalu lebar, distorsi kekaburan
blur, kekaburan akibat objek citra yang bergerak motion blur, noise atau gangguan yang disebabkan oleh interferensi peralatan pembuat citra
berupa peralatan elektronik. Karena pengolahan citra digital dilakukan dengan komputer digital maka citra yang akan diolah terlebih dahulu
ditransformasikan ke dalam bentuk besaran-besaran diskrit dari nilai tingkat keabuan pada titik-titik elemen citra.
Dalam image processing terdapat proses akuisisi citra digital yaitu proses yang sangat menentukan kualitas hasil dari proses pencitraan digital yang akan
diperoleh. Agar proses akuisisi citra digital dapat terjadi diperlukan tiga komponen utama yang harus dipenuhi yaitu sumber cahaya, objek atau benda
yang akan diamati, dan sensor berupa kamera itu sendiri. Prosesnya yaitu cahaya yang mengenai permukaan benda dipantulkan ke segala arah. Pantulan cahaya
ini sebagian ditangkap oleh sensor peka cahaya pada kamera. Intensitas cahaya yang diterima oleh sensor representasikan kondisi objek. Sehingga citra digital
yang diperoleh merupakan informasi tentang objek yang terbentuk dari pantulan cahaya atau refleksi pada permukaan objek.
2.2 Pengenalan Pola
Pola adalah entitas yang terdefinisi dan dapat didefinisikan melalui ciri - cirinya feature. Ciri-ciri tersebut digunakan untuk membedakan suatu pola
dengan pola yang lain. Pengenalan pola bertujuan untuk menentukan kelompok untuk kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan
kata lain pengenalan pola membedakan objek dengan objek lain.
Universitas Sumatera Utara
Suatu sistem pengenalan pola melakukan: 1. Proses akuisisi data melalui sejumlah alat pengindraan atau sensor,
2. Mengatur bentuk representasi data, 3. Melakukan proses analisis dan klasifikasi data.
Tiga pendekatan pembuatan sistem pengenalan pola adalah Statistik statistical, Sintaksis syntactic dan Jaringan Saraf Tiruan neural network
Schalkoff, 1992.
1. Statistik Semakin banyak pola yang disimpan, maka sistem akan semakin cerdas. Salah
satu contoh penerapannya banyak pada pola pengenalan iris scan. Kelemahannya: hanya bergantung pada data yang disimpan saja, tidak
memiliki sesuatu struktur yang unik yang dapat menjadi kunci pengenalan pola.
2. Sintaksis rule Dengan ruleaturan maka sistem yang lebih terstruktur sehingga memiliki
sesuatu ciri yang unik. Salah satu contoh penerapannya pada pola pengenalan sidik jari fingerprint.
3. Jaringan Saraf Tiruan JST Merupakan gabungan dari pendekatan statistik dan pendekatan sintaks. Dengan
gabungan dari dua metode maka JST merupakan pengenalan pola yang lebih akurat. Salah satu contoh penerapannya pada pola pengenalan suatu citra JST
merupakan suatu sistem yang dapat memproses informasi dengan meniru cara kerja jaringan saraf otak manusia.
Struktur sistem pengenalan pola ditunjukkan pada gambar 2.1 pengenalan pola ini terdiri dari suatu sensor misalnya kamera, dan scanner, teknik
prapengolahan, suatu algoritma atau mekanisme ekstraksi ciri dan algoritma untuk klasifikasi atau pengenalan bergantung pada pendekatan yang dilakukan.
Sebagai tambahan, biasanya beberapa data yang sudah diklasifikasikan
Universitas Sumatera Utara
diasumsikan telah tersedia untuk melatih sistem. Prapengolahan adalah transformasi input masukan data mentah untuk
membantu kemampuan komputasional dan pencarian ciri serta untuk Mengurangi noise derau. Pada prapengolahan citra sinyal yang ditangkap
oleh sensor akan dinormalisasi agar citra menjadi lebih siap untuk diolah pada tahap pemisahan ciri. Kualitas ciri yang dihasilkan pada proses pemisahan ciri
sangat bergantung pada hasil prapengolahan. Klasifikasi merupakan tahap untuk mengelompokkan input data pada satu
atau beberapa kelas berdasarkan hasil pencarian beberapa ciri yang signifikan dan pemrosesan atau analisis terhadap ciri itu. Setiap kelas terdiri dari sekumpulan
objek yang memiliki kedekatan kemiripan ciri. Munir, 2004; Putra, 2009.
2.3 Pengolahan Citra Digital
