Sekarang ini sebagai akibat perkawinan antar ras, terdapat bermacam-macam warna dasar iris. Tidak terdapat warna yang ideal, dengan kata lain tidak terdapat iris
dengan warna yang paling baik, masing-masing memiliki kelebihan dan kekurangan. Iris yang jernih mengindikasikan sebagai organ didalam tubuh berfungsi dengan baik.
Jika salah satu organ tubuh tidak berfungsi dengan normal, terdapat kemungkinan warna iris akan berubah pada area yang berhubungan dengan bagian tubuh yang
bersangkutan. Penjelasan masing-masing warna pada iris mata sebagai berikut:
a. Iris biru
Warna biru dari iris merupakan refleksi cahaya dari jaringan ephitel posterior
yang terlihat melalui stromal yang tak berpigmen lapisan otot pada iris. Iris berwarna dasar biru atau abu-abu ditemukan di Nordic, Eropa, dan ras
Anglo-saxon. Warna ini mengindikasikan mudahnya terserang kondisi ‘asam’ seperti arthritic, rheumatic, asma, dan penyakit bisul ulcer. Pada umumnya
mereka mempunyai sel darah yang lebih kecil, dan kecenderungan cold extremities
, ginjal yang lemah dan penyempitan pembuluh limfe.
b. Iris coklat
Pada iris yang berwarna coklat, sel pigmen dari stromal memberikan warna pada mata. Warna coklat ditentukan oleh konsentrasi sel pigmen dalam
mata. Warna dasar iris coklat ditemukan di Asia, Afrika, India, dan ras Semit. Hal ini menunjukkan sel darah yang lebih tebal, dan kecenderungan pada penyakit
pencernaan, dan kerusakan sistem saraf. Iris yang berwarna coklat umumnya menunjukkan tekstur berpasir.
c. Iris campuran
Iris campuran merupakan hasil pencampuran antara warna biru dan coklat. Terdapat berbagai macam variasi antara biru dan coklat. Warna iris campuran
mempunyai dasar genetik biru, dan orang yang memiliki warna iris ini rawan terhadap kondisi ‘asam’ dan keracunan. Orang dengan iris campuran memerlukan
pemeliharaan tubuh secara khusus, terutama pada pencernaan dan sistem saraf, dengan kebiasaan hidup yang teratur.
Selain warna dasar iris, seringkali kita temukan ada warna lain dalam iris. Hal ini menunjukkan adanya disfungsi dari organ di dalam tubuh yang letaknya
ditunjukkan oleh letak warna lain tersebut di dalam iris. Warna lain ini antara lain putih, kuning, orange, coklat, merah, dan hitam.
2.2.4 Iris Mata Sebagai Sistem Biometrik
Iris merupakan bagian mata yang berbentuk bulat yang terletak di antara lensa mata dan kornea. Iris memiliki lingkaran lubang tepat di tengan yang merupakan
tempat dari pupil mata. Iris berfungsi untuk mengontrol jumlah cahaya yang masuk ke pupil. Rata-rata diameter iris adalah 12 mm sedangkan diameter pupil berubah-
ubah dari 10-80 diameter iris. Iris terdiri dari beberapa lapisan, antara lain :
a. Lapisan epitalium: Mengandung sel-sel pigmentasi.
b. Lapisan stromal: Mengandung pembuluh darah, sel-sel, pigmen dan
kedua buah otot iris.
Gambar 2.7 Lapisan-lapisan yang terdapat pada Iris
Kerapatan dari sel-sel pigmen yang terdapat pada lapisan stromal inilah yang menentukan warna iris. Lapisan teratas membagi iris menjadi dua bagian yaitu bagian
luar dan bagian dalam yang dekat pupil. Kedua bagian ini dipisahkan dengan collarette
yang tampak seperti bagian zig-zag pada foto iris. Keunikan dari iris itu sendiri adalah setiap manusia memiliki corak iris yang
berbeda-beda. Karena iris manusia tidak tergantung dari genetika genetic independence.
Manusia kembar identik sekalipun memiliki corak iris yang berbeda. Hal ini yang menjadi ide dasar dari sistem pengenalan iris [Just another
WordPress.com webblog. March,5 2008]. Penelitian para ahli menyimpulkan bahwa pola iris mata tiap individu
berbeda, sangat stabil tidak berubah untuk jangka waktu yang lama dan terlindungi
oleh kornea dan aqueous humor. Pada kasus anak kembar, meskipun kesamaan fitur genetika, tetapi iris mata mereka berbeda bahkan antara iris pada mata kiri dan kanan.
1. Kelebihan Teknologi Pengenalan Iris Mata
Teknologi biometrik pengenalan iris mata memiliki beberapa kelebihan sebagai berikut:
a. Iris memiliki tingkat penerimaan kesalahan yang sangat kecil, karena itu
iris dapat menjadi alat biometrik aplikasi identifikasi yang baik. b. Proses identifikasi dilakukan tanpa adanya kontak fisik dan
ketidaknyamanan dapat diatasi. c. Vendor-vendor komersial yang berpengaruh mengklaim bahwa
penggunaan teknologi ini tidak membutuhkan biaya pelatihan yang tinggi.
2. Kekurangan Teknologi Pengenalan Iris Mata
Teknologi biometrik pengenalan iris mata memiliki beberapa kekurangan sebagai berikut:
a. Karena bentuk iris yang kecil, sehingga untuk mendapatkan pola iris
dibutuhkan kerjasama dan pengertian pengguna. b.
Penggunaan kacamata atau lensa kontak dapat mempengarui hasil identifikasi, sehingga pengguna harus melepasnya.
c. Sebagian orang ada yang kehilangan kedua atau salah satu bola matanya,
sementara sebagian yang lain memiliki tingkat kontrol yang motorik otot mata yang rendah padahal ini sangat dibutuhkan dalam identifikasi iris
mata.
2.2.5 Tahapan Umum Sistem Biometrik Iris Mata
Gambar 2.8 Proses umum sistem biometrik iris mata 1.
Pre-processing: pada tahap ini, langkah pertama adalah untuk menentukan lokasi pupil. Kemudian iris dicirikan dengan menggunakan berbagai teknik
seperti membuka penuh iris untuk koordinat polar, dan membuat penyesuaian untuk pencahayaan, skala dan rotasi variasi.
2. Pendeteksian iris: tahap ini melibatkan lokasi tepi luar iris dan
memisahkanya dari sisa bagian mata. Data yang mewakili bagian iris, disebut pola iris. Pola iris berisi semua data penting yang dibutuhkan untuk
membuat suatu yang positif untuk identifikasi. 3.
Membuat kode iris: membuat template atau kode iris dalam bentuk biner dengan nilai 1 dan 0, yang kemudian akan disimpan dalam database untuk
menciptakan data resmi individu. Selain itu kode iris juga untuk melekukan pengujian database identifikasi dan verifikasi yang dibuat.
4. Perbandingan: tahap ini melakukan indentifikasi atau verifikasi dengan
membandingkan kode iris yang disimpan didalam database. Pada tahap ini menghitung perbedaan antara kode iris yang diproses dan disimpan.
Terdapat beberapa teknik pemisahan ciri, diantaranya adalah deteksi garis, deteksi tepi, blok, moment, histogram, co-occurrence, nilai Eigen dan vektor
Eigen , spectrum fourier, alihragam wavelet, dimensi fractal, dan metode
simpul proyeksi. Untuk mempelajari berbagai macam metrika untuk mencocokkan dua vektor cirri, dapat digunakan metode, Euclide Distance,
City Block Manhattan Distance , Chebyshev Distance, Minkowski
Distance , Canberra Distance, Bray Curtis Distance. Angular Separation,
Correlation Coefficient , Hamming Distance, dan Dynamic Time Warping
DTW . Metrika pencocokan digunakan untuk menentukan tingkat
kesamaan similarity degree atau ketidaksamaan dissimilarity degree dua vektor ciri. Tingkat kesamaan berupa suatu skor dan berdasarkan skor
tersebut dua vektor akan dikatakan mirip atau tidak. Pada sistem biometrik, skor tersebut digunakan untuk mengenali mengklasifikasi suatu vektor cirri
apakah sah atau tidak sah, dengan membandingkanya dengan suatu nilai ambang Threshold value.
5. Keputusan: tahap ini adalah tahap akhir dalam proses identifikasi iris. Tahap
ini membuat keputusan berdasarkan perbandingan yang dilakukan pada
tahap sebelumnya. Pada tahap ini terdapat dua nilai, yaitu TERIDENTIFIKASI atau DITOLAK.
Pada penulisan skripsi ini, penulis meneliti dengan memfokuskan pada satu poin dari lima poin. satu langkah untuk biometrik iris mata tersebut adalah pre-
prossesing atau lokalisasi iris mata. Tahap pre-processing atau lokalisasi iris mata
sangat penting untuk keberhasilan proses-proses selanjutnya.
2.2.6 Beberapa Metode Sistem Biometrik Iris Mata
Terdapat beberapa metode dalam sistem pengenalan biometrika iris mata, diantaranya adalah:
2.2.6.1 Metode Daugman 1. Akuisisi Citra
Sistem Daugman ini, pengambilan data dapat dilakukan dengan sebuah kamera video, lensa, framegrabber, dan sebuah monitor tampilan yang dihubungkan ke sebuah
komputer workstation. Dalam penelitian ini, pengambilan database telah diasumsikan tersedia di Opthamology Assosiaties of Connecticus. Jumlah citra mata yang diambil
sebanyak 592 iris yang berasal dari 323 orang yang berbeda masing-masing orang sekitar 3 citra iris dengan ukuran 480x640 monokrom 8 bitspiksel.
2. Segmentasi
Pada proses segmentasi, metode Daugman melalui beberapa tahapan yaitu proses pengenalan citra, proses deteksi tepi, dan proses pendeteksian batas radius pupil dan
iris. Bentuk iris yang berupa lingkaran, untuk menentukan lokasinya dibutuhkan
rumus integrasi dan diferensiasi. Proses ini dilakukan dengan memperbesar rekayasa pengaburan gambar parsial, dan menambahkan batas radius r, dari integral kontur
gambar yang dinormalisasi sepanjang busur radius dan pusat iris. Dibawah ini rumus integrasi dan deferensiasi:
ds y
x r
r y
x r
r G
y x
r ∫
∂ ∂
, ,
2 ,
1 ,
, max
π σ
…...…..……
1
Dimana menandakan perkalian dan G σ r adalah fungsi smoothing atau
penghalusan seperti Gaussian skala σ. Lengkap operator behaves berlaku sebagai
ujung detector circular, kabur pada skala σ yang telah ditetapkan oleh intensitas
pencarian untuk maksimum garis integral turunan dengan peningkatan berturut-turut di radius halus skala analisis melalui tiga parameter ruang pusat dan radius koordinat
x , y
, r mendefinisikan garis integrasi. Proses pendeteksian batas dalam ini mirip dengan prose sebelumnya, hanya menggunakan jangkauan pencarian batas yang lebih
kecil.
3. Ekstraksi Ciri
Setelah proses segmentasi dilakukan, untuk menentukan ekstraksi ciri suatu citra iris digunakan metode filter Gabor 2-D. Property matematis yang digunakan memiliki
kemampuan menyediakan informasi resolusi tinggi tentang orientasi dan isi frekuensi spasial dari struktur gambar. Dengan memperoleh koefisian yang dibutuhkan untuk
fungsi kompleks ini akan menghasilkan informasi yang dibutuhkan untuk merepresentasikan iris dengan transformasi Gabor.
4. Pencocokan
Pencocokan dilakukan dengan jarak hamming Hamming Distance yang cocok untuk pencocokan vektor biner. Hasil pencocokan adalah skor yang akan menentukan hasil
pengenalan citra.
2.2.6.2 Metode Wildes 1. Akuisisi citra
Terdapat 3 sub komponen antara lain: 1.
Penengkapan fisik: untuk menangkap gambar mata digunakan kamera putih Silicon intensified SIT dengan tingkat pencahayaan rendah digabung dengan
penangkap frame standar DASMFGM Analog dengan resolusi 512x480 piksel.
2. Iluminasi: untuk pencahayaan yang merata tanpa mengurangi kenyamanan
pengguna, digunakan sebuah array cahaya 8.5 watt lampu quartzhalogen diarahkan pada iris. Pencahayaan merata dapat dicapai dengan meletakkan
filter panel difusi antara iris dengan kamera. 3.
Peletakan Posisi: menggunakan proses otomatis yang diarahkan oleh self positioning operator
. Tujuanya untuk memberikan batasan pada tiga derajat kebebeasan mata yang akan digambarkan dengan menempatkan mata
ditengah array sensor pada fokus lensa. Hal ini bias dicapai dengan
menggunakan kontur segi empat dan membuat operator memposisikan mata dengan mengatur ukuran dan jarak relatif [Wildes,1997].
2. Segmentasi
Terdapat 2 langkah yang akan dilakukan dalam segmentasi. Yang pertama adalah informasi intensitas gambar di rubah menjadi biner edge-map, kedua adalah edge
point memberikan nilai-nilai parameter garis tertentu. Dibawah ini adalah rumus
untuk mencari nilai intensitas threshold magnitude:
, ,
y x
I y
x G
∇
………………………………………………...
2
Dimana,
y x
∂ ∂
∂ ∂
≡ ∇
,
sehingga:
2 2
2 2
2 2
1 ,
σ πσ
y y
x x
y x
G −
+ −
− =
…………………...
3
Rumus diatas adalah dua dimensi Gaussian dengan pusat x0,y0 dan standar deviasi σ yang digunakan untuk menghaluskan gambar untuk memilih ruang skala tepi
gambar.
3. Ekstraksi Ciri
Menurut Wildes, untuk ekstraksi ciri dari citra iris dapat menggunakan metode Transformasi Hough. Dengan melakukan segmentasi kita dapat menentukan lokasi
iris melalui lokasi komponennya atau dengan batas luar dan batas dalam iris limbic,
papillary , dan kelopak mata. Dengan Tranformasi Hough, kita dapat menentukan
parameter-parameter lingkaran dari pupil.
4. Pencocokan
Pencocokan ciri iris dapat dilakukan dengan menggunakan bandpass decomposition yang berasal dari Laplacian Filter Gaussian. Berikut adalah rumus untuk filter
tersebut:
2 2
2 2
2 2
1 2
1
σ σ
πσ
p e
p −
− −
⎟⎟ ⎟
⎠ ⎞
⎜⎜ ⎜
⎝ ⎛
…………………………………………………
4
Proses penyeleksian yang sebenarnya adalah berdasarkan pita dengan lebar oktaf yang dihunting pada empat resolusi yang berbeda sesuai dengan piramid laplace.
Subsampling pada pita frekuensi rendah memungkinkan kecepatan proses tinggi dan penggunaan penyimpanan data yang efektif. Sedangkan untuk mencapai tingkat
korespondensi yang presisi antar struktur, digunakan teknik registrasi image area- based
. Fungsi ini memaksimalkan kemiripan nilai piksel antara gambar input dan data gambar.
Atas dasar hasil penelitian diatas itulah penulis tertarik untuk melakukan penelitian mengenai sistem pengenalan biometrik iris mata khususnya pre-processing
dan lokalisasi pupil dan iris mata.
2.3 PRE-PROCESSING DAN
LOKALISASI
Secara umum pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif ciri atau sifat dari
objek. Pola sendiri merupakan suatu entitas yang terdefinisi dan dapat di identifikasi dan diberi nama. Iris mata adalah suatu contoh pola.pola bias merupakan kumpulan
hasil pengukuran atau pemantauan dan bias dinyatakan dalam notasi vector atau matrik.
Pre-processing adalah transformasi input data mentah untuk membantu
kemampuan komputasional dan pencari ciri serta untuk memperbaiki kualitas citra. Kualitas ciri yang dihasilkan pada proses pemisahan ciri sangat tergantung pada hasil
pre-processing .
Secara luas, ciri adalah semua hasil pengukuran yang bisa diperoleh. Ciri juga bisa menggambarkan karakteristik objek yang dipantau. Contoh dari ciri level
rendah adalah intensitas sinyal. Contoh dari ciri numeric adalah berat. Ciri bisa diperoleh dengan mengaplikasikan algoritma pencari ciri pada data masukan. Ciri
dapat dinyatakan dengan variable kontinu, diskret atau diskrte-biner. Diskret-biner dapat digunakan untuk menyatakan ada tidaknya suatu ciri tertentu.
Ciri yang baik memiliki syarat sebagai berikut: 1 mudah dalam komputasi; 2 memiliki tingkat keberhasilan yang tinggi; dan 3 besarnya data dapat diperkecil
tanpa menghilangkan informasi yang penting. Ciri disusun sebagai vektor ciri berdimensi d, dilambangkan dengan x, yang
menghasilkan ruang ukur multidimensional atau ruang ciri feature space. Contoh
vektor ciri adalah suatu citra grayscale 2D, berukur 512x512 piksel, yang dengan menggunakan teknik pemisahan ciri bisa diubah menjadi ciri 1D berdimensi 144.
Berbagai teknik pre-processing, diantaranya adalah: sistem ruang warna, grayscale
keabuan, thresholding pengambangan, normalisasi intensitas, histogram equalization
equalisasi histogram, contrast stretching peregangan kontras, tapis gaussian dan normalisasi kemiringan.
Berikut ini adalah konsep-konsep dasar yang dibutuhkan untuk melakukan pre-processing
atau lokalisasi objek citra dijital:
2.3.1 Citra Dijital
Istilah citra yang digunakan dalam bidang pengolahan citra dapat diartikan sebagai suatu fungsi kontinu dari intensitas cahaya dalam bidang dua dimensi.
Pemrosesan citra dengan komputer dijital, membutuhkan citra dijital sebagai masukanya. Citra dijital adalah citra kontinu yangn diubah dalam bentuk diskrit, baik
koordinat ruang maupun intensitas cahayanya. Pengolahan dijitalisasi terdiri dari dua proses, yaitu pencuplikan sampling posisi, dan kuantisasi intensitas. Citra dijital
dapat dinyatakan dalam matrik dua dimensi fx,y dimana ‘x’ dan ‘y’ merupakan koordinat piksel dalam matrik dan ‘f’ merupakan derajat intensitas piksel tersebut.
Citra dijital berbentuk matrik dengan ukuran M x N akan tersusun sebagai berikut:
…….
5
f0,0 f0,01
f0,2 …
f0,N-1 f1,0
f1,1 f1,2
… f1,N-1
fx,y = f2,0 f2,1
f2,2 …
f2,N-1 . . . . .
. . . . . fM-1,0
fM-1,1 fM-1,2
… fM-1,N-1
Suatu citra fx,y dalam fungsi matematis dapat dituliskan sebagai berikut: ≤ x ≤ M-1
≤ y ≤ N-1 ≤ fx,y ≤ G-1
Dimana: M = banyaknya baris pada array citra
N = banyaknya kolom pada array citra G = banyaknya skala keabuan grayscale
Interval 0,G disebut skala keabuan grayscale. Besar G tergantung pada proses dijitalisasinya. Biasanya keabuan 0 nol menyatakan intensitas hitam dan G
menyatakan intensitas putih. Untuk citra 8 bit, nilai G sama dengan 2
8
= 256 warna derajat keabuan.
Jika kita memperhatikan citra dijital secara seksama, kita dapat melihat titik- titik tersebut merupakan satuan terkecil dari suatu citra dijital disebut sebagai
”picture element ”, “piksel”, piksel, atau “pel”. Jumlah piksel per satuan panjang akan
menentukan resolusi citra tersebut. Makin banyak piksel yang mewakili suatu citra, maka makin tinggi nilai resolusinya dan makin halus gambarnya. Pada sistem dengan
tampilan citra dijital yang dirancang dengan baik beresolusi tinggi, titik-titik kecil tersebut tidak teramati oleh kita yang melihat secara normal.
Untuk menyederhanakan perhitungan, semua citra pada laporan ini akan diolah kedalam bentuk derajat keabuan grayscale, dimana pada citra berwarna
dipersentasikan dengan nilai yang sama pada ketiga komponen RGB-nya, penyederhanaan ini akan mengurangi waktu yang dibutuhkan untuk melakukan
operasi pengolahan citra.
2.3.1.1 Image Processing
Image Processing adalah suatu metode yang digunakan untuk memproses atau
memanipulasi gambar dalam bentuk 2 dimensi Gonzales, 2002. Image processing dapat juga dikatakan segala operasi untuk memperbaiki, menganalisa, atau mengubah
gambar. Konsep dasar pemrosesan atau objek pada gambar menggunakan image processing
diambil dari kemampuan indera penglihatan manusia yang selanjutnya di hubungkan dengan kemampuan otak manusia.
Dalam sejarahnya, image processing telah diaplikasikan dalam berbagai bentuk, dengan tingkat kesuksesan cukup besar. Seperti berbagai cabang ilmu lainya,
image processing menyangkut pula berbagai gabungan cabang-cabang ilmu,
diantaranya adalah optic, elektronik, matematika, fotografi, dan teknologi computer. Pada umumnya, objektivitas dari image processing adalah
mentransformasikan atau menganalisa suatu gambar sehingga informasi baru tentang gambar dibuat lebih jelas.
Ada empat klasifikasi dasar dalam image processing yaitu point, area, geometric
, dan frame. 1.
Point memproses nilai piksel suatu gambar berdasarkan nilai atau posisi dari piksel tersebut. Contoh dari proses point adalah adding, substracting,
contrast stretching dan lainya.
2. Area memproses nilai piksel suatu gambar berdasarkan nilai piksel
tersebut beserta nilai piksel sekelilingnya. Contoh dari proses area adalah convolusion, blurring, sharpening
, dan filtering. 3.
Geometric digunakan untuk mengubah posisi dari piksel. Contoh dari proses geometric adalah scalling, rotation, dan mirroring.
4. Frame memproses nilai piksel suatu gambar berdasarkan operasi dari 2
buah gambar atau lebih. Contoh dari proses frame adalah addition, substraction
, dan andor. Selain itu masih ada 3 tipe image processing yaitu:
1. Low-level process: proses-proses yang berhubungan dengan operasi
primitive seperti image pre-processing untuk mengurang noise, menambah kontras dan menajamkan gambar. Pada low-level process,
input dan output-nya berupa gambar.
2. Mid-level process: proses-proses yang berhubungan dengan tugas-tugas
seperti segmentasi gambar membagi gambar menjadi objek-objek, pengenalan recognition suatu objek individu. Pada Mid-level process,
input pada umumnya berupa gambar tetapi output-nya berupa atribut yang
dihasilkan dari proses yang dilakukan gambar tersebut seperti garis, garis countour
, dan objek-objek individu. 3.
High-level process: proses-proses yang berhubungan dengan hasil dari Mid-level process.
2.3.1.2 Dasar Pengolahan Citra Dijital
Pengolahan citra image processing merupakan proses mengolah piksel- piksel dalam citra dijital untuk suatu tujuan tertentu. Beberapa alasan dilakukanya
pengolahan citra pada citra dijital antara lain: 1.
Untuk mendapatkan citra asli dari suatu citra yang sudah buruk karena pengaruh derau. Proses pengolahan bertujuan mendapatkan citra yang
diperkirakan medekati citra sesungguhnya. 2.
Untuk memperoleh citra dengan karakteristik tertentu dan cocok secara visual yang dibutuhkan untuk tahap yang lebih lanjut dalam pemrosesan
analisis citra. Dalam proses akuisisi, citra yang akan diolah ditranformasikan dalam suatu
representasi numerik. Pada proses selanjutnya representasi numerik yang akan diolah secara dijital oleh komputer.
Pengolahan citra pada umumnya dapat dikelompokkan dalam dua jenis kegiatan, yaitu:
1. Memperbaiki kualitas citra sesuai kebutuhan
2. Mengolah informasi yang terdapat pada citra
Bidang aplikasi yang kedua ini sangat erat kaitanya dengan komputer aided analisis yang umumnya bertujuan untuk mengolah suatu objek citra dengan cara
mengektrasi informasi penting yang terdapat di dalamnya. Dari informasi tersebut dapat dilakukan proses analisis dan klasifikasi secara cepat memanfaatkan algoritma
perhitungan komputer. Dari pengolahan citra diharapkan terbentuk suatu sistem yang dapat
memproses citra masukan hingga citra tersebut dapat dikenali cirinya. Pengenalan ciri inilah yang sering diaplikasikan dalam kehidupan sehari-hari. Aplikasi yang dibahas
pada laporan ini adalah aplikasi di bidang kedokteran, yaitu untuk aplikasi analisis prediagnosis
melalui penampakan citra iris mata dengan metoda iridiologi. Dalam citra dijital terdapat enam operasi pengolahan citra, antara lain:
1. Perbaikan kualitas citra image enhacement
2. Pemugaran citra image restoration
3. Pemampatan citra image compression
4. Segmentasi citra image segmentation
5. Pengorakan citra image analysis
6. Rekontruksi citra image recontruction
1. Perbaikan Citra image enhacement
Pada hakikatnya semua operasi dalam pengolahan citra bertujuan untuk memperbaiki kualitas citra untuk suatu keperluan tertentu. Perbaikan citra bertujuan untuk
memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra.
Operasi perbaikan citra: a.
Perbaikan kontras gelapterang. b.
Perbaikan tepian objek edge enhacement. c.
Penajaman sharpening. d.
Pemberian warna semu pseudocoloring. e.
Penapisan citra noise filtering.
2. Pemugaran citra image restoration
Pemugaran citra bertujuan untuk menghilangkan cacat pada citra. Perbedaan dengan perbaikan citra adalah degradasi citra diketahui.
Operasi pemugaran citra: a.
Penghilangan kesamaran deblurring b.
Penghilangan derau noise
3. Pemampatan cita image compression
Pemampatan citra bertujuan untuk merepresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan
kualitas gambar misal dari BMP menjadi JPG.
4. Segmentasi citra image segmentation
Segmentasi citra merupakan suatu proses pengelompokkan citra menjadi beberapa region
berdasarkan kriteria tertentu. Berdasarkan pengertianya, segmentasi memiliki
tujuan menemukan karakteristik khusus yang dimiliki oleh citra. Oleh karena itu, segmentasi sangat diperlukan pada proses pengenalan pola. Semakin baik kualitas
segmentasi maka semakin baik pula kualitas pengenalan polanya. Secara umum ada beberapa pendekatan yang banyak digunakan dalam proses segmentasi, antara lain:
1. Tehnik threshold, yaitu pengelompokan citra sesuai dengan distribusi
properti piksel penyusun citra. 2.
Tehnik region-based, yaitu pengelompokan citra kedalam region-region tertentu secara langsung berdasar persamaan karakteristik suatu area
citranya. 3.
Tehnik edge-based methods, yaitu pengelompokkan citra kedalam wilayah berbeda yang terpisahkan karena adanya perbedaan perubahan warna tepid
an warna dasar citra yang mendadak.
5. Pengorakan citra image analysis
Tujuan pengorakan citra adalah menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya. Diperlukan untuk melokalisasi objek yang diinginkan
dari sekelilingnya. Operasi-perasi dari pengorakan citra antara lain:
a. Pendeteksian tepi objek edge detection
b. Ekstraksi batas boundary
c. Representasi daerah region
6. Rekontruksi citra image recontruction
Rekontruksi citra bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi.
2.3.2 Filter
Pemfilteran adalah sebuah cara untuk memodifikasi atau memperbaiki citra. Sebagai contoh, kita dapat memfilterkan sebuah citra untuk memperkuat fitur tertentu
atau menghapus fitur yang lain [Marvin Ch. Wijaya dan Agus Prijono, 2007]. Filter juga termasuk dari operasi neighborhood ketetanggaan, yaitu nilai dari
piksel yang diberikan pada citra keluaran ditentukan dengan menerapkan suatu algoritma pada sekumpulan piksel yang berkorespondensi pada citra masukan.
Terdapat beberapa operasi pemfilteran, tetapi pada penulisan skripsi ini operasi pemfilteran yang dipakai adalah filter median.
Filter median adalah yang paling efektif untuk menghilangkan derau noise. Filter median sangat bermanfaat untuk menghilangkan outlier, yaitu nilai-nilai piksel
yang ekstrim. Filter median menggunakan sliding neigborhoods untuk memproses suatu citra, yaitu suatu operasi dimana filter ini akan menentukan nilai masing-
masing piksel keluaran dengan memeriksa tetangga m x n disekitar piksel masukan yang bersangkutan. Filtering median mengatur nilai-nilai piksel dalam satu tetangga
dan memilih nilai tengah atau median sebagai hasil. Di dalam filter median terdapat rumus persamaan sebagai berikut:
Yn=medX
n-k
,X
n-k
,....,X
n
,....X
n+k
…………………………..
6
Dmana, x1 = x2 =…= xp p ≥K+1
Sedangkan dalam Matlab, fungsi-fungsi yang sering digunakan dalam filter median adalah filter2, fspecial dan medfilt2. dimana fungsi fspecial adalah dapat
menghasilkan sebuah filter perata-rata, fungsi filter2 adalah untukf filter linear dua dimensi. filter2 menghasilkan hasil yang sama dengan conv2, hanya mempunyai
perbedaan pada computational molecule sebagai argument masukan dan bukan menggunakan convolution kernel. Operasi yang dilakukan oleh filter2 disebut dengan
korelasi. Jika k adalahsebuah convolution kernel, h adalah computational molecule dan A adalah matrik dari citra, maka kedua perintah dibawah ini menghasilkan hasil
yang sama: B = conv2a,k,’same’;
B = filter2h,A,’same’; Fungsi fspecial menghasilkan beberapa macam filter predefined dalam bentuk
computational molecules . Setelah menghasilkan sebuah filter fungsi fspecial, kita
dapat menerapkanya secara langsung pada citra. Satu filter fspecial dapat menghasilkan sebuah filter perata-rata. Tipe filter ini menghitung nilai keluaran dari
sebuah piksel keluaran dengan merata-ratakan nilai piksel tetangganya sekelilingnya. Ukuran default dari filter perata-rata fspecial adalah 3 x 3, tetapi kita
dapat merubah ukuranya. Nilai dari setiap elemen adalah 1lengthh:. Sebagai contoh, filter perata-rata berukuran 5 x 5 adalah:
…….
7
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500 0.0500
0.0500
Menerapkan filter tersebut dalam sebuah piksel adalah sama dengan menjumlahkan nilai piksel disekelilingnya yang berukuran 5 x 5 kemudian dibagi dengan 25. hal ini
akan memberikan efek smoothing dan membuat blurring pada sebuah citra. Sedangkan fungsi medfilt2 adalah untuk memperhalus citra yang sudah dihilangkan
noise -nya yang terdapat pada citra asli
2.3.3 Deteksi Tepi Canny
Pengambilan garis tepi dilakukan untuk memudahkan perhitungan parameter- parameter lingkaran iris nantinya. Tepian citra dapat didefinisikan sebagai piksel
yang mengalami perubahan tajam pada skala keabuanya. Tepian akan terlihat sebagai frekuensi tinggi pada spectrum citra, sehingga dapat diekstrak dengan menggunakan
filter tertentu dengan meredam bagian frekuensi rendah. Ada beberapa metode deteksi tepi yang dapat digunakan, antara lain:
- Metode Canny
- Metode Sobel -
Metode Robert - Metode Log
- Metode Prewitt
- Metode Zerocross
Dalam penelitian ini digunakan metode Canny, karena memiliki beberapa kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang
digunakan. Canny edge detector
ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Dalam memodelkan pendeteksian tepi, dia
menggunakan ideal step edge, yang direpresentasikan dengan fungsi Sign satu dimensi.
Ada beberapa kriteria pendeteksian tepian paling optimum yang dapat dipenuhi oleh algoritma Canny;
1. Mendeteksi dengan baik criteria deteksi
Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus
juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.
2. Melokalisasi dengan baik criteria lokalisasi
Dengan metode Canny dimungkinkanya jarak minimum antara tepi yang dideteksi dengan tepi yang asli.
3. Respon yang jelas criteria respon
Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya.
Gambar 2.9 Contoh Deteksi Tepi Canny darI Citra Asli
2.4 PENGENALAN TENTANG BAHASA PEMROGRAMAN MATLAB
Matlab merupakan singkatan dari ‘matrix laboratory’. Pada awalnya Matlab dibuat untuk mempermudah pengembangan perangkat lunak berbasis matrik oleh
proyek LINPACK dan EISPACK. Matlab adalah sebuah bahasa pemrograman dengan unjuk kerja tinggi high-performance untuk komputasi teknis, yang
mengintegrasikan komputasi, visualisasi, dan pemrograman di dalam lingkungan yang mudah penggunaanya dalam memecahkan persoalan dengan solusinya yang
dinyatakan dengan notasi matematika. Penggunaan Matlab antara lain: 1.
Matematika dan komputasi. 2.
Pengembangan algoritma. 3.
Pemodelan, simulasi dan pembuatan ‘prototipe’. 4.
Analisa data, explorasi dan visualisasi. 5.
grafik untuk sains dan teknik.
6. pengembangan aplikasi, termasuk pembuatan anatarmuka grafis untuk
pengguna Graphical User Interface. Fitur-fitur Matlab untuk penyelesaian spesifik disebut ‘toolboxes’. ‘Toolboxes’adalah
koleksi komprehensif dari fungsi-fungsi Matlab M-files yang memperlebar lingkungan Matlab dalam menyelesaikan kelas-kelas tertentu dari permasalahan.
Beberapa ‘toolbox’ yang tersedia meliputi bidang : pengolahan sinyal, sistem kendali, jaringan syaraf neural network, logika ‘fuzzy’, wavelet, simulasi dan lain
sebagainya.
2.4.1 Fungsi Matlab Untuk Pengolahan Citra Dijital
Sistem MATLAB terdiri dari 5 lima bagian utama: 1.
Bahasa pemrograman Matlab. Bagian ini adalah bahasa pemrograman tingkat tinggi yang menggunakan
matrikarray dengan pernyataan aliran kendali program, struktur data, masukankeluaran, dan fitur-fitur pemrograman berorientasi objek.
2. Lingkungan kerja Matlab.
Bagian ini adalah sekumpulan kelas dan fasilitas Matlab yang digunakan oleh pengguna atau pemrogram. Fasilitas yang dimaksudkan untuk mengelola
variable di dalam ruang kerja workspace dan melakukan impor dan ekspor data. Sedangkan kakas yang disediakan untuk pengembangan, pengelolaan,
proses ‘debugging’, dan pembuatan profil M-files untuk aplikasi Matlab.
3. Penanganan grafik
Bagian ini adalah sistem grafik Matlab, termasuk perintah-perintah program tingkat tinggi untuk visualisasi data dimensi dua dan dimensi tiga, pengolahan
citra, animasi, dan presentasi grafik. 4.
Pustaka library fungsi matematis Matlab Bagian ini adalah koleksi algoritma komputasi mulai dari fungsi dasar seperti
menjumlahkan sum, menentukan nilai sinus sine, kosinus cosine, dan aritmatika bilangan komplek: fungsi-fungsi seperti inverse matrik, nilai eigen
matrik, fungsi bessel, dan FFT fast fourier transform. Seperti bahasa pemrograman lainya, Matlab juga menyediakan lingkungan kerja terpadu.
Lingkungan terpadu ini terdiri atas beberapa form atau window yang memiliki kegunaan masing-masing,
Seperti bahasa pemrograman lainya, Matlab juga menyediakan lingkungan kerja terpadu yang sangat mendukung dalam pembangunan aplikasi. Pada setiap versi
Matlab yang terbaru, lingkungan terpadunya akan semakin dilengkapi. Lingkungan terpadu ini terdiri atas beberapa form atau window yang memiliki
kegunaan masing-masing, diantaranya dapat terlihat pada Gambar 2.9.
Workpace Window
Command Window Command History
Matlab Editor
Window Utama MATLAB
Gambar 2.10 Window utama yang terdapat pada MATLAB
a. Window Utama Matlab
Window ini adalah window induk yang melingkupi seluruh lingkungan kerja Matlab. Tidak ada fungsi utama yang ditawarkan oleh window ini
selain sebagai tempat dock-ing bagi form yang lain. b. Workspace Window
Window ini berfungsi sebagai navigator bagi pemakai dalam penyediaan informasi mengenai variable yang sedang aktif dalam workspace pada saat
pemakaian. Workspace adalah suatu lingkungan abstrak yang menyimpan seluruh variable dan perintah yang pernah digunakan selama penggunaan
Matlab berlangsung. c.
Matlab Editor Window ini berfungsi untuk membuat skrip program Matlab. Walaupun
skrip program dapat dibuat dengan menggunakan berbagai program editor seperti notepad, wordpad, word dan lain-lain. Namun sangat dianjurkan
untuk menggunakan Matlab editor ini karena kemampuanya dalam mendeteksi kesalahan pengetikan sintak oleh programmer. Ketika
Window utama Matlab muncul. Window Matlab editor tidak akan muncul dengan sendirinya, anda harus memanggilnya dengan cara mengklik pada
ikon Create New. d.
Command History Window Window ini berfungsi sebagai penyimpan perintah-perintah yang pernah
dikerjakan pada suatu workspace. e.
Command Window Window ini berfungsi sebagai penerima perintah dari pemakai untuk
menjalankan seluruh fungsi-fungsi yang disediakan oleh Matlab pada dasarnya window ini adalah inti dari pemrograman Matlab yang menjadi
media utama satu-satunya bagi kita untuk berinteraksi dengan Matlab.
5. API Applicatian Program Interface MATLAB
Bagian ini adalah pustaka library untuk menuliskan program dalam bahasa C dan Fortran yang berinteraksi dengan Matlab, termasuk fasilitas untuk
memanggil rutin program dari Matlab dynamic linking, memanggil atlab sebagai mesin komputasi computational engine, dan untuk pembacaan serta
penulisan MAT-files.
2.4.2 Graphic User interface GUI
Graphic User interface atau yang disingkat GUI pada dasarnya adalah media
tampilan grafis sebagai pengganti perintah teks untuk user berinteraksi. Untuk keperluan pemrograman windows, Matlab telah menyediakan
komponen-komponen standar, seperti pushbutton, edit, text, combo, checkbox dan lain-lain. Tetapi sebelum dapat menggunakan komponen-komponen tersebut dengan
benar, kita harus memahami konsep Pemrograman Berbasisi Objek PBO. Dalam konteks pemrograman Matlab sendiri, setiap objek tersebut memiliki hierarki objek
yang dijabarkan dalam konsep i. Maksud dari diagram pada Gambar 2.10 adalah setiap objek yang akan
digunakan harus diposisikan pada objek parent-nya. Misalnya pushbutton harus diletakkan pada objek figure sebagai parent-nya.
Screen Figure
Uicontrol Uimenu
Axes • Pushbutton
• Edit • Text
• Chechbox • Frame
• Listbox • Radiobutton
P
arent
Children
Gambar 2.11 Diagram Parent-Children
Pada umumnya objek yang paling sering digunakan dalam pemrograman Matlab adalah sebagai berikut:
1. Objek Figure adalah objek tertinggi yang dapat kita gunakan dalam
pemrograman Window. 2.
Objek Uicontrol adalah objek yang paling kita butuhkan untuk berinteraksi dengan program. Uincontrol berisi komponen-komponen yang kita
butuhkan untuk mendesain form untuk media interaksi objek. 3.
Objek Uimenu pada dasarnya mirip dengan uincontrol khususnya pada komponen pushbutton. Contoh dari objek Uimenu biasa terdapat pada
aplikasi Window di pojok kiri atas terdapat daftar menu yang dapat digunakan dengan cara meng-klik pada menu yang disorot.
4. Objek Axes dalam pemrograman Matlab sangat penting untuk melakukan
visualisasi data, tanpa menggunakan objek axes, kita tidak dapat menampilkan hasil eksekusi fungsi plot, mesh, contour, dan lain-lain, karena
objek axes adalah medianya. 5.
Properti Callback sebagai media interaksi agar objek-objek yang kita buat dapat digunakan untuk mengerjakan perintah-perintah pemrograman
sebagaimana mestinya, ada media yang disediakan disetiap objek untuk itu. Medianya adalah melalui property callback. Dimana nilai property callback
akan dieksekusi sebagai program Matlab ketika objek pemiliknya dikenai sesuatu pada pushbutton misalnya diklik.
6. Interaksi Antar Objek Visual Fungsi Get dan Set mengambil nilai property
dari satu objek dan menggunakanya untuk mengisi property pada objek lain, itulah hakekat pemrograman Window.
2.4.3 Fungsi Matlab Untuk Melokalisasi Objek
Metode yang dikembangkan untuk pemisahan Iris mata dilakukan dengan 3 tahap, antara lain:
a. Filter Median
Dalam filter median terdapat beberapa fungsi yang digunakan antara lain. 1.
Filter2 berfungsi untuk menghasilkan hasil yang sama dengan fungsi konvolusi.
2.
Fspecial berfungsi untuk menghitung nilai keluaran dari sebuah piksel
keluaran dengan merata-ratakan nilai dari piksel disekelilingnya.
3.
Medfilt2 berfungsi untuk meperluas gambar yang sudah dihilangkan nois-nya.
b. Binerisasi
Data sekunder dari Casia Iris Database version 1.0 sudah bertipe citra grayscale atau indeks.
Citra bertipe grayscal tersebut dirubah menjadi citra biner dengan threshold nilai derajat keabuan 128. Hasil dari proses ini adalah bentuk iris mata yang berwarna
hitam piksel 1 proses ini bisa disebut juga tahap segmentasi yang memisahkan pupil dan iris yang diinginkan dengan bagian lain mata yang tidak dibutuhkan secara
global. Fungsi-fungsi MATLAB yang digunakan antara lain:
1. Imread berfungsi untuk memanggil dan menampilkan citra asli fungsi MATLAB. Contoh penggunaan fungsi Imread pada Matlab adalah:
RGB = imreadiris_mata.jpg;
2. Imbw berfungsi untuk mengkonversi suatu gambaran biner yang didasarkan pada nilai threshold.
3. Edge berfungsi untuk merubah nilai intensitas. Sintaks edge dengan menggunakan deteksi Canny berikut:
BW = edgeI,Canny BW = edgeI,Canny,thresh
BW = edgeI,Canny,thresh,sigma [BW,threshold] = edgeI,Canny,...
c. Pencarian daerah objek yang dilokalisasi
