Image Processing TINJAUAN PUSTAKA

11 Nilai L dalam pengukuran ini langsung dapat dibandingkan dengan nilai Y pada CIE system atau value pada system Munsell. Nilai-nilai pengukuran pada sistem Hunter bisa dikonversikan ke x, y dan z pada system CIE. Gambar 7. Diagram warna Lab Suyatma 2009

2.3 Image Processing

Image processing adalah proses untuk mengamati dan menganalisa suatu objek tanpa berhubungan langsung dengan objek yang diamati. Proses dan analisanya melibatkan persepsi visual dengan data masukan maupun data keluaran yang diperoleh berupa citra dari objek yang diamati. Teknik-teknik image processing meliputi penajaman citra, penonjolan fitur tertentu dari suatu citra, kompresi citra dan koreksi citra yang tidak fokus atau kabur Ahmad 2005. Menurut Arymurthy dan Setiawan 1992, pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Citra merupakan sekumpulan titik-titik dari gambar yang berisi informasi warna dan tidak tergantung pada waktu. Umumnya citra dibentuk dari kotak-kotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antar pixel sama pada seluruh bagian citra. Warna citra didapat melalui penjumlahan nilai Red, Green, Blue RGB. Menurut Arymurthy dan Setiawan 1992, citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Menurut presisi yang digunakan untuk menyatakan titik-titik koordinat pada domain spasial atau bidang dan untuk menyatakan nilai keabuan atau warna suatu citra, maka secara teoritis citra dapat dikelompokkan menjadi empat kelas, yaitu citra kontinu-kontinu, kontinu-diskrit, diskrit-kontinu, dan 12 diskrit-diskrit; dimana label pertama menyatakan presisi dri titik-titik koordinat pada bidang citra sedangkan label kedua menyatakan presisi nilai keabuan atau warna. Kontinu dinyatakan dengan presisi angka tak terhingga, sedangkan diskrit dinyatakan dengan presisi angka terhingga. Komputer digital bekerja dengan angka-angka presisi terhingga, dengan demikian hanya citra dari kelas diskrit- diskrit yang dapat diolah dengan komputer; citra dari kelas tersebut lebih dikenal sebagai citra digital. Citra digital merupakan suatu array dua dimensi atau suatu matriks yang elemen-elemennya menyatakan tingkat keabuan dari elemen gambar; jadi informasi yang terkandung bersifat diskrit. Dalam pengambilan citra, hanya citra yang berbentuk digital yang dapat diproses oleh komputer digital, data citra yang dimasukkan berupa nilai-nilai integer yang menunjukkan nilai intensitas cahaya atau tingkat keabuan setiap pixel. Citra digital dapat diperoleh secara otomatik dari sistem penangkap citra membentuk suatu matrik dimana elemen-elemennya menyatakan nilai intensitas cahaya pada suatu himpunan diskrit dari titik. Citra f x,ydisimpan dalam memori komputer atau penyimpan bingkai citra dalam bentuk array M x N dari contoh diskrit dengan jarak sama, sebagai berikut: f0,0 f0,1 … f0,N-1 fx,y = f1,0 f1,1 … f1,N-1 2.4 … … … … fM,0 fM,1 … fM,N-1 Citra monokrom atau citra hitam-putih merupakan citra satu kanal, dimana citra fx,y merupakan fungsi tingkat keabuan dari hitam ke putih; x menyatakan variabel baris atau garis jelajah dan y menyatakan variabel kolom atau posisi piksel di garis jelajah. Sebaliknya citra berwarna dikenal juga dengan citra multi-spektral, dimana warna citra biasanya dinyatakan dalam tiga komponen warna: merah, hijau, dan biru RGB Arymurthy dan Setiawan 1992. Citra dengan modus skala keabuan dengan format 8 bit memiliki 256 tingkat keabuan atau intensitas warna. Nilai tersebut berkisar antara 0-255, dimana nilai 0 menunjukkan tingkat paling gelap hitam, sedangkan nilai 255 menunjukkan tingkat paling terang dan tingkat abu-abu berada diantaranya. Citra dengan 24 bit mempunyai 16777216 warna, tiap pixel dinyatakan dengan: 1. Bit 0 – 7 untuk warna merah 2. Bit 7 – 15 untuk warna hijau 3. Bit 16 – 24 untuk warna biru Kemungkinan kombinasi warna yang ada adalah 256 3 + 256 2 + 256 1 = 16843008, dimana nilai 0 menyatakan warna hitam sedangkan nilai 16843008 menyatakan warna putih. Ada dua bagian pada proses pembentukan citra, yaitu geometri citra yang menentukan suatu titik dalam pemandangan diproyeksikan pada bidang citra dan fisik cahaya yang menentukan kecerahan suatu titik pada bidang citra sebagai fungsi pencahayaan pemandangan serta sifat-sifat permukaan. Pada pengolahan citra ada dua unsur utama sebagai penyusunnya, yaitu perangkat keras hardware dan perangkat lunak software. Komponen utama dari perangkat keras pengolahan citra digital adalah kamera penangkap citra, komputer, dan alat peraga. Kamera yang sering digunakan untuk menangkap citra adalah kamera CCD Charge Coupled Device. Sedangkan komputer dan alat peraga yang digunakan tersebut bisa dari jenis yang multi guna atau dari jenis khusus yang dirancang untuk pengolahan citra digital. Perangkat lunak software yang digunakan dalam pengolahan citra tergantung pada jenis penangkap bingkai citra image frame grabber yang digunakan. Dari segi penggunaan, sedikitnya ada dua jenis image frame grabber, yaitu jenis yang bisa diprogram programmable dimana pustaka 13 fungsinya disertakan dan cara pemakaiannya dalam pemrograman dengan bahasa pemrograman tertentu diberikan, dan jenis yang tidak bisa diprogram non- programmable, atau setidaknya tanpa dilengkapi buku petunjuk dan fungsi pustaka untuk melalukan pemrograman, sehingga sulit membuat program khusus untuk menggunakannya. 2.4 Pengolahan Warna Menurut Ahmad 2005 persepsi warna dalam pengolahan citra tergantung kepada tiga faktor yaitu: 1. Sifat pantulan spektrum spectral reflectance dari suatu permukaan, menentukan bagaimana suatu permukaan memantulkan gelombang cahaya hingga menampakkan suatu warna. 2. Kandungan spektrum spectral content dari cahaya yang menyinari kandungan warna dari cahaya yang menyinari permukaan. 3. Respon spektrum spectral response dari sensor dalam peralatan sistem visual, kemampuan merespon warna dari sensor dalam imaging system. Salah satu kunci untuk mengilah warna dalam pengolahan citra adalah menentukan model warna yang sesuai dengan persepsi manusia terhadap warna. Model warna telah banyak dikembangkan oleh para ahli, seperti model RGB Red, Green, Blue, model CMY K Cyan, Magenta, Yellow, model YCbCr luminase serta dua komponen kromasi Cb dan Cr, dan model HSI Hue, Saturation, Intensity. Model warna RGB merupakan model warna pokok aditif, yaitu warna dibentuk dengan mengkombinasikan energi cahaya dari ketiga warna pokok dalam berbagai perbandingan. Model warna HSI merupakan model warna yang paling sesuai dengan manusia. Nilai Hue dapat diaplikasikan untuk membedakan antara obyek dan latar belakang. Saturation kejenuhan yang tinggi dapat menjadi jaminan nilai Hue yang akurat dalam membedakan obyek dan latar belakang. Intensity merupakan nilai abu-abu dari piksel dalam citra abu-abu Ahmad 2005. Tabel 1. memperlihatkan beberapa model warna yang penting dan deskripsinya serta pemakaiannya. Tabel 2. Model warna dan deskripsinya Ahmad 2005 Model Warna Deskripsi RGB Merah, Hijau, dan Biru warna pokok. Sebuah model warna pokok aditif yang digunakna pada sistem display. CMY K Cyan, Magenta, Kuning dan Hitam. Sebuah model warna subtraktif yang digunakan pada mesin printer. YcbCr Luminase Y dan dua komponen kromasiti Cb dan Cr. Digunakan dalam siaran gelombang televisi. HIS Hue, Saturasi, dan intensitas. Berdasarkan pada persepsi manusia terhadap warna. Model warna RGB dapat juga dinyatakan dalam bentuk indeks warna RGB dengan rumus sebagai berikut: Indeks warna merah I red = � �+�+� ...………………………………… 2.5 14 Indeks warna hijau I green = � �+�+� …………..…………….………… 2.6 Indeks warna biru I blue = � �+�+� …………...…………………......... 2.7 Lab merupakan model warna yang dirancang untuk menyerupai persepsi penglihatan manusia dengan menggunakan tiga komponen yaitu L sebagai luminance pencahayaan dan a dan b sebagai dimensi warna yang berlawanan. Perancangan sistem aplikasi ini menggunakan model warna Lab. Model warna ini dipilih karena terbukti memberikan hasil yang lebih baik daripada model warna RGB dalam mengukur nilai kemiripan ciri warna dalam citra. Model warna Lab juga dapat digunakan untuk membuat koreksi keseimbangan warna yang lebih akurat dan untuk mengatur kontras pencahayaan yang sulit dan tidak mungkin dilakukan oleh model warna RGB. Dalam melakukan konversi model warna RGB ke model warna Lab terlebih dahulu dilakukan proses konversi model warna RGB ke CIE XYZ. Tahap selanjutnya baru dilakukan konversi model warna CIE XYZ ke CIE Lab. Di bawah ini adalah rumus standar untuk konversi linier RGB ke CIE XYZ Plataniotis dan Venetsanopoulos 2000: = 0.4125 0.3576 0.1804 0.2127 0.7152 0.0722 0.0913 0.1192 0.9502 � � � 2.8 Sedangkan berikut adalah rumus konversi dari CIE XYZ ke CIE Lab Plataniotis dan Venetsanopoulos 2000: L = 116 f � – 16 2.9 a = 500 � � − � � 2.10 b = 200 � � − � � 2.11 dimana fs = s 13 untuk s 0.008856 fs = 7.787s + 16116 untuk s ≤ 0.008856

BAB III METODOLOGI PENELITIAN

3.1 Waktu dan Tempat

Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian TPPHP, Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. 3.2 Bahan dan Alat 3.2.1 Bahan Bahan yang digunakan dalam penelitian ini adalah wortel Daucus carota berjumlah 50 buah dan labu Sechium edule berjumlah 50 buah yang berasal dari pasar induk Bogor. a b Gambar 8. a Wortel, dan b labu yang digunakan sebagai objek

3.2.2 Alat

Alat-alat yang digunakan dalam penelitian ini dibagi menjadi dua bagian yaitu: a. Perangkat keras Perangkat keras yang digunakan untuk pengambilan citra wortel dan labu pada penelitian ini adalah kamera CCD Charge Coupled Device, seperangkat komputer, 8 buah lampu LED warna putih, pipa PVC yang berdiameter 4 inchi dengan panjang 20 cm, kain hitam dan putih sebagai alas atau background. Perangkat keras lainnya yang digunakan untuk pengukuran secara langsung adalah chromameter. b. Perangkat lunak Perangkat lunak yang digunakan pada penelitian ini adalah program pengolahan citra yang dibangun dengan bahasa pemrograman SharpDevelop 3.2.