BAB 2
LANDASAN TEORI
2.1. Garis Telapak Tangan
Menurut Putra 2009, garis telapak tangan merupakan salah satu bagian tubuh seseorang yang memiliki karakteristik tersendiri. Hal ini disebabkan setiap manusia
memiliki garis telapak tangan unik yang sekilas terdapat kemiripan tetapi jika dilihat lebih dekat terdapat perbedaan.
Garis telapak tangan memiliki kelebihan dibandingkan dengan bagian-bagian tubuh manusia yang khas lainnya. Kelebihan yang dimiliki seperti citra telapak tangan
memiliki area lebih luas daripada sidik jari, bersifat stabil karena perubahan yang dialami sangat kecil dalam kurun waktu lama, citra telapak tangan dapat diperoleh
dengan kamera beresolusi rendah misal menggunakan webcam Ikonen, 2003.
2.2. Konsep Dasar Citra
Citra image adalah dimensi spasial atau bidang yang berisi informasi warna yang tidak bergantung waktu Sutarno, 2010. Citra adalah sebuah representasi gambaran,
kemiripan, atau imitasi dari suatu objek. Citra juga sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal
video seperti pada gambar monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan Sutoyo, et al. 2009.
Universitas Sumatera Utara
Citra digital adalah representasi visual dari suatu objek setelah mengalami berbagai transformasi data dari berbagai bentuk rangkaian numerik. Citra digital dapat
dibagi menjadi beberapa jenis Purnomo Muntasa 2010: 1. Citra Keabuan grayscale image
Citra keabuan adalah citra yang setiap pikselnya memiliki nilai intensitas berada pada jangkauan 0
– 255. Jumlah warna pada citra keabuan adalah 256. Hal ini disebabkan oleh jumlah maksimum intensitas citra keabuan sebesar 8 bit sehingga
jumlah warnanya adalah 2
8
= 256. 2. Citra Biner
Citra biner binary image adalah citra yang hanya mempunyai dua nilai tingkat keabuan yaitu hitam dan putih. Piksel-piksel objek bernilai satu dan piksel-piksel
latar belakang bernilai nol. Pada waktu menampilkan citra, satu adalah warna putih dan nol adalah warna hitam.
3. Citra Berwarna Citra warna adalah citra digital yang memiliki informasi warna pada setiap
pikselnya. Sistem pewarnaan citra warna ada beberapa macam seperti RGB, CMYK, HSV, dll.
2.3. Pra-pengolahan Citra
Pra –pengolahan citra adalah proses yang dilakukan untuk mempersiapkan citra agar
dapat menghasilkan fitur yang lebih baik pada tahap ekstraksi fitur Hermawati, 2013. Citra diolah dengan cara memanipulasi parameter-parameter citra sehingga
menghasilkan bentuk yang lebih cocok terhadap nilai-nilai piksel tersebut untuk proses yang akan dilakukan selanjutnya Sutoyo, 2009.
2.3.1. Pembentukan citra keabuan Citra keabuan adalah citra yang memiliki rentang nilai intensitas setiap piksel adalah
256 nilai intensitas warna Sutoyo, 2009. Purnomo Muntasa 2010 menjelaskan bahwa untuk membentuk citra keabuan digunakan persamaan 2.1:
2.1
Universitas Sumatera Utara
dengan Ix,y adalah level keabuan pada suatu koordinat yang diperoleh dengan mengatur warna R merah, G hijau, B biru yang ditunjukkan oleh nilai parameter
α, dan . Secara umum nilai α, dan adalah 0.γγ. Nilai yang lain juga dapat diberikan untuk ketiga parameter tersbut dengan total keseluruhan intensitas adalah 1
satu.
2.3.2. Deteksi tepi : operator Canny Deteksi tepi merupakan salah satu operasi dasar dari pemrosesan citra. Deteksi tepi
berfungsi untuk mengidentifikasi garis batas dari suatu objek yang terdapat pada citra Kadir Susanto 2013.
Tepi merupakan batas dari suatu objek dan daerah yang memiliki intensitas cahaya kontras yang kuat. Hal ini merupakan indikasi untuk menuju proses
pembacaan piksel selanjutnya. Mendeteksi tepi suatu citra signifikan akan mengurangi jumlah data dan menyaring informasi yang tidak berguna dengan tidak menghilangkan
struktur penting dari citra tersebut Putra, 2009. Metode deteksi tepi yang dapat digunakan antara lain metode dengan operator Canny, Sobel, Roberts, Log, Prewitt,
dan Zerocross. Pada penelitian ini, penulis mengambil metode deteksi tepi Canny karena memiliki tingkat kesalahan rendah dan hanya memberikan satu tanggapan
untuk satu tepi Kadir Susanto 2013. Terdapat enam langkah dalam mendeteksi tepi menggunakan operator Canny
Green, 2002. Keenam langkah tersebut dijabarkan berikut ini: 1. Penerapan filter Gaussian untuk mengurangi noise
Filter Gaussian dapat digunakan untuk mengurangi noise pada citra sebelum melokasikan dan mendeteksi tepi. Filter ini digunakan untuk menurunkan
pengaruh tekstur pada citra sehingga diperoleh hasil deteksi yang lebih baik. Filter Gaussian digunakan pada deteksi tepi Canny dalam bentuk matriks template yang
merupakan weight bobot dalam perhitungan nilai rata-rata suatu kelompok piksel pada citra input yang diantaranya berukuran 3x3. Contoh filter Gaussian yang
dapat digunakan seperti diberikan pada gambar 2.1.
Universitas Sumatera Utara
0.37 0.61 0.37 0.61
1 0.61
0.37 0.61 0.37
Gambar 2.1 Contoh matriks template dari filter Gaussian Putra, 2009
Filter tersebut dapat digunakan pada proses pemfilteran noise pada citra dengan cara menghaluskan citra untuk menghilangkan noise Putra, 2008. Nilai matriks
template pada gambar 2.1 diperoleh dari persamaan 2.2: 2.2
Dimana x dan y merupakan koordinat dari matriks, dan radius adalah sigma
standar deviasi dalam statistik sebesar 1,01 sehingga didapat hasil matriks template seperti pada gambar 2.1. Sebagai contoh dengan koordinat pusat 0.0
jika dihitung dengan persamaan 2.2 didapat nilai matriks = 1. 2. Mencari nilai tepi
Mencari nilai tepi dengan menghitung gradien citra tersebut. Gradien adalah Hal ini dilakukan dengan
menggunakan operator Sobel. Operator Sobel memperlihatkan banyaknya gradien spasial dua dimensi dalam sebuah citra. Lalu
nilai mutlak sudut gradien nilai tepi pada masing-masing titik dapat ditemukan. Operator Sobel menggunakan sepasang matriks konvolusi 3x3 di mana salah
satunya memprediksi nilai gradien untuk arah x kolom dan yang lainnya memprediksi nilai gradien arah y baris. Matriks konvolusi pada operator Sobel
dapat dilihat pada gambar 2.2. -1
1 1
2 1
-2 2
-1 1
-1 -2
-1 G
x
G
y
Gambar 2.2 Matriks konvolusi 3x3 Operator Sobel Putra, 2008
Gradien tepi dapat dihitung dengan persamaan 2.3: |G| = |G
x
|+|G
y
| 2.3
dimana |G| adalah gradien citra, |G
x
| adalah gradien pada arah x dan |G
y
| adalah gradien pada arah y.
Universitas Sumatera Utara
3. Mencari arah tepi Mencari arah tepi atau arah gradien
dilakukan setelah nilai gradien x dan y diketahui. Saat gradien pada arah x = 0, arah tepi harus 90
o
atau 0
o
, tergantung nilai gradien arah y yang didefinisikan. Hal ini ditunjukkan dengan persamaan
2.4: 2.4
dimana adalah arah gradien, G
y
adalah nilai gradien arah y dan G
x
adalah nilai gradien arah x.
4. Menghubungkan arah tepi Langkah selanjutnya adalah menghubungkan arah tepi ke arah yang dapat
ditelusuri sesuai dengan citra aslinya. Contoh matriks citra berukuran 5x5 piksel dapat dilihat pada gambar 2.3.
x x
x x
x x
x x
x x
x x
a x
x x
x x
x x
x x
x x
x
Gambar 2.3 Matriks citra berukuran 5x5 piksel Kadir dan Susanto 2013
Setelah tepi diperoleh, perlu menghubungkan antara tepi dengan sebuah arah yang dapat dilacak dari citra. Berdasarkan piksel a yang terdapat pada gambar 2.3,
tampak bahwa piksel a dikelilingi empat arah berupa 0
o
arah horizontal, 45
o
arah positif diagonal, 90
o
arah vertikal, dan 135
o
arah negatif diagonal. Tepi harus berorientasi keempat arah tersebut tergantung arah mana yang paling mendekati.
Sebagai contoh jika orientasi sudutnya adalah 3
o
, maka arah tepi menjadi 0
o
. Arah tepi ditunjukkan pada gambar 2.4.
Gambar 2.4 Area untuk mengonversi arah tepi ke dalam kategori salah satu dari arah 0
o
, 45
o
, 90
o
, 135
o
Kadir dan Susanto 2013
Universitas Sumatera Utara
Dari gambar 2.4 didapat empat arah tepi sebagai berikut: - Semua arah tepi yang berkisar antara 0
o
-22,5
o
serta 157,5
o
-180
o
warna biru diubah menjadi 0
o
. - Semua arah tepi yang berkisar antara 22,5
o
-67,5
o
warna kuning diubah menjadi 45
o
. - Semua arah tepi yang berkisar antara 67,5
o
-112,5
o
warna hijau diubah menjadi 90
o
. - Semua arah tepi yang berkisar antara 112,5
o
-157,5
o
warna merah diubah menjadi 135
o
. 5. Proses non-maximum suppression
Proses ini merupakan penelusuran terhadap tepi yang ada di dalam arah tepi dan meredam nilai piksel manapun dijadikan nol yang tidak dianggap layak untuk
menjadi sebuah tepi. Ini akan menampilkan garis tipis pada output citra. 6. Proses hysteresis
Proses ini menghilangkan garis-garis yang seperti terputus-putus pada tepi objek. Caranya adalah dengan menggunakan dua ambang T1 dan T2. Selanjutnya semua
piksel citra yang bernilai lebih besar daripada T1 dianggap sebagai piksel tepi. Selain itu, semua piksel yang terhubung dengan piksel tersebut dan memiliki nilai
lebih besar dari T2 juga dianggap sebuah piksel tepi Kadir dan Susanto 2013.
2.3.3. Binerisasi citra Untuk mengubah sebuah citra menjadi citra biner, proses yang dilakukan adalah
mengubah nilai intensitas citra dengan cara pengambangan secara global global image thresholding. Pengambangan secara global adalah pemberian satu nilai
ambang batas yang digunakan untuk keseluruhan piksel. Setiap piksel di dalam citra dipetakan ke dalam dua nilai yaitu 0 atau 1. Dengan fungsi pengambangan pada
persamaan 2.5: 2.5
Universitas Sumatera Utara
2.4. Konsep Fitur
Kategori