5
Bab II LANDASAN TEORI
2.1. Citra
Citra adalah informasi yang direpresentasikan secara visual, datanya lebih kaya daripada teks. Citra dapat melukiskan sebuah maksud lebih baik dari kata
– kata. Informasi citra bisa kita dapatkan melalui proses pengambilan gambar secara digital.
Citra terdiri dari 2 macam, yaitu citra diam dan citra bergerak. Citra diam adalah citra tunggal yang tidak memiliki pergerakan, contoh citra diam misalnya foto. Sedangkan
citra bergerak adalah serangkaian citra diam yang dijalankan kemudian menghasilkan pergerakan.
2.1.1. Citra Biner
Citra Biner adalah citra dwi nilai, yakni 0 dan 1. Citra hanya memiliki 2 representasi berwarna hitam 0 dan putih 1. Yang harus dilakukan untuk membuat
citra biner adalah menetapkan titik berat, kemudian bedasarkan titik berat tersebut representasi warna citra akan dikelompokkan ke dalam warna hitam dan putih.
Penggunaan warna biner biasanya digunakan pada penerapan barcode, dan citra logo.
Gambar 2. 1 Representasi citra biner berupa matriks Wang, 1989
2.1.2. Citra Grayscale
Citra grayscale memiliki warna yang lebih kaya daripada citra biner. Angka minimal dari grayscale adalah 0 dan maksimalnya adalah 255. Citra keabuan terdiri
dari 8 bit, kemudian 2 dipangkatkan 8 dari 8 bit, hasilnya adalah 256, tetapi karena 0 dihitung sebagai nilai minimal, maka interval grayscale adalah dari 0-255.
2.1.3. Citra RGB
Citra RGB adalah citra yang paling sering kita jumpai didalam kehidupan sehari
– hari. Citra RGB yang sering kita sebut citra True color memiliki 3 keping warna, yaitu Red, Green, dan Blue yang kemudian digabungkan untuk menghasilkan
warna yang lebih luas. Untuk citra RGB, rentang color encoding-nya mencapai 2
24
yang artinya terdapat 16.777.216 warna, tetapi untuk setiap keping warna red, green, blue memiliki rentang maksimum 255.
Gambar 2. 2 Representasi Citra Grayscale Putra, 2004
Gambar 2. 3 Representasi Citra RGB 2.2. Binarisasi
Binarisasi adalah proses untuk membuat warna citra menjadi hitam dan putih. Binarisasi yang baik adalah proses binarisasi yang mampu membedakan antara
background dengan foreground. Pemisahan background dan foreground tersebut didapatkan dari hasil pencarian nilai ambang thresholding.
Ada 3 kemungkinan ketika mengenakan proses threshold kepada citra, yaitu : a.
Nilai Threshold terlalu tinggi, akibatnya citra yang terpisah menjadi tergabung.
b. Nilai Threshold terlalu rendah, akibatnya sebuah citra menjadi terpotong –
potong. c.
Nilai Threshold sesuai dengan kebutuhan.
2.3. Thinning