9 kreditnya, internet akses dan kontrol log-in komputer, sistem keamanan untuk verifikasi
passport, tiket dan bagasi, sistem portable untuk pengenalan individu pada kepolisian, sistem rahasia untuk proteksi database dan record, serta lain sebagainya.
2.3 Pengolahan Citra
Image merupakan informasi yang secara umum tersimpan dalam bentuk pemetaan bit–bit, atau lebih dikenal sebagai istilah bitmap. Dimana setiap bit akan membentuk satu
titik informasi yang dikenal sebagai pixel. Atau dengan kata lain, satu pixel merupakan satu titik image yang terdiri dari satu atau beberapa bit informasi. Satuan dari pixel
biasanya dinyatakan dengan posisi x, posisi y dan nilai dari pixel tersebut warna atau gray. Dalam satu bidang gambar, sepenuhnya terdiri dari pixel – pixel disimpan dalam
bentuk bilang biner. Disebut biner karena hanya memiliki dua kemungkinan, yaitu 0 atau 1, ada atau tidak. Image atau video dalam bentuk biner banyak digunakan khususnya
untuk masalah - masalah yang berhubungan dengan deteksi obyek yang sederhana. Misalkan untuk mencari ada atau tidak garis petunjuk dalam suatu robot line tracer. Video
adalah susunan dari beberapa gambar yang ditampilkan secara bergantian dan sangat cepat, sehingga membentuk suatu pergerakan yang halus. Biasanya gambar yang disusun
berasal dari gambar dalam bentuk image bukan grafik. Pengertian Video biasanya mengacu pada proses atau teknologi dari sistem gambar bergerak. Sebelum dilakukan
pembacaan data video dari sensor, ada beberapa perangkat yang harus dipenuhi, mulai dari device sensor, saluran sinyaldata video, video grabber, driver video capture,
pemrograman API dan aplikasi. Penggunaan pixel biner ini dimaksudkan untuk menyederhanakan proses dengan
hanya memperhatikan ada atau tidak. Selain itu, penggunaan biner juga memperkecil data baik saat dikirimkan atau saat disimpan, termasuk juga saat diproses.
Gray scale dan biner sebenarnya memiliki kemiripan, hanya saja kalau biner hanya memiliki 2 kemungkinan nilai, tetapi gray scale memiliki lebih banyak kemungkinan nilai,
misalkan 4, 16 atau 256 kemungkinan. Gray scale banyak digunakan jika adanya perbedaan intensitas antara satu pixel dengan pixel lainnya sangat dipentingkan. Hal ini
terutama jika obyek yang diamati memiliki perbedaan intensitas yang cukup kecil dengan
10 berbagai tingkat kecerahan. Jika digunakan pixel biner, maka kemungkinan perbedaan -
perbedaan tersebut akan hilang hanya menjadi hitam atau putih. Selain format biner dan grayscale, Format RGB juga banyak digunakan dalam
menyatakan pixel dalam sistem digital. Hal ini sehubungan dengan kemudahan pernyataan warna dalam bentuk komponen warna primer R, G dan B.
Format RGB 24 memiliki jumlah kedalaman warna mencapai 16 juta warna, karena itu sering juga dikenal dengan true color, karena dengan warna sejumlah itu hampir
dapat menyamai pewarnaan yang ada secara alami. Pengubahan dari format warna ke gray level banyak dilakukan dengan tujuan
penyederhanaan format warna, dimana dalam penggunaannya tidak diperlukan atau dipentingkan informasi warna yang ada, tetapi hanya perbedaan intensitas dari image.
Selain itu, pengolahan image dalam bentuk gray scale memiliki kemudahan dibandingkan dengan format warna.
Cara deteksi suatu image yang paling umum digunakan adalah cara scaling,
scanning dan cropping.
Pemilihan faktor penskalaan yang sesuai akan mempercepat operasi kerja tanpa mengurangi kinerja sistem. Contoh pada gambar sebelumnya, jika dilakukan penskalaan
1:8, ternyata image aslinya cukup buruk, namun dengan faktor 1:5 didapatkan hasil yang lebih baik, dan kecepatan yang didapatkan kurang 5 x 5 = 25 kecepatan keseluruhan
sistem sangat dipengaruhi oleh proses-proses yang lain kali jika dibandingkan dengan pemrosesan image aslinya.
Untuk menentukan sebenarnya berapa nilai yang terbaik adalah berdasarkan kebutuhan, antara kecepatan dan ketelitian. Jika menginginkan ketelitian, maka harus
ditentukan penskalaan yang sedemikian rupa sehingga hasil image yang diamati secara visual masih terlihat dengan baik, ini biasanya tergantung dari ukuran image dan detil dari
bentuk image tersebut. Sebagai contoh, pada gambar sebelumnya memiliki ukuran 200 x 80 pixel, sebut
saja ukuran dari obyek sebesar itu. Jika dilakukan penskalaan 1:5, artinya akan didapatkan obyek dengan ukuran 40 x 16 pixel, dan jika dilakukan penskalaan 1:8 akan didapatkan
obyek dengan ukuran 25 x 10. Jika bentuk dari obyek cukup kompleks seperti tulisan pada contoh tersebut, ukuran dari obyek yang sesuai sekitar 10 sampai 20 pixel ambil
11 saja 16 pixel, sedangkan jika suatu obyek bentuknya sangat kasar lingkaran, kotak dan
sebagainya, di sini hanya dipentingkan keberadaannya saja, bukan bentuknya, ukuran yang sesuai adalah 5 sampai 15 pixel ambil saja 8 atau 10 pixel.
Gambar 2.4 Image 200 x 80 di–skala 1:5 dan 1:8
Dengan memperkecil ukuran image asli akan dapat mempercepat proses perhitungan secara keseluruhan. Namun cara ini juga dapat menurunkan kinerja dari
sistem, dimana suatu image yang semula memiliki jumlah pixel yang besar akan memiliki bentuk yang detil, dengan dilakukan penskalaan akan didapatkan bentuk gambar yang
kurang detil. Pencarian berdasarkan scanning memiliki kelebihan tersendiri, yaitu lebih cepat
kalau obyek yang dicari dekat dengan titik awal dan mudah tetapi tidak akurat. Artinya untuk memastikan apakah pada suatu daerah benar-benar ada obyek harus dilakukan
pemeriksaan yang lebih mendalam pada daerah-daerah tertentu yang dideteksi. Hal ini tentu saja menyebabkan proses menjadi lambat. Kelebihan lain dari proses scanning
adalah metode klasifikasi atau identifikasi dari proses deteksi dapat beragam, artinya dapat menggunakan berbagai metode.
Jika suatu obyek dapat diketahui berdasarkan ciri warnanya saja, maka dapat digunakan metode segmentasi warna. Metode ini secara umum digunakan untuk
memisahkan suatu warna terhadap warna lainnya. Inti dari segmentasi warna adalah membaca warna pixel demi pixel atau daerah demi daerah dan membandingkannya
dengan warna yang dikehendaki. Pada tahapan membandingkan ini, dapat menggunakan berbagai cara yang ada, mulai dari berbasis matematis sederhana, statistik ataupun
kecerdasan buatan. Jika obyek yang akan dideteksi dipastikan hanya berjumlah satu, artinya dalam
penangkapan image nantinya kemungkinan hanya ada satu obyek yang akan muncul, maka proses deteksinya menjadi sederhana. Inipun masih bisa dibedakan antara obyek
yang posisinya tertentu dan obyek yang posisinya tidak tentu.
12 Jika obyek posisinya sudah tentu pada sensor, maka proses deteksi dilakukan
cukup dengan mengamati daerah tersebut, tanpa menghiraukan daerah lainnya. Contoh dalam aplikasi mengamati obyek yang berjalan pada suatu bab berjalan conveyor, maka
lintasan dari obyek sudah tertentu. Dengan memastikan obyek akan melintas pada titik tertentu, maka proses deteksi dapat dipusatkan pada titik tersebut.
Jika obyek ternyata menempati posisi yang tidak tentu, maka harus dilakukan proses pencarian. Proses pencarian dapat dilakukan dengan dua cara, melakukan scanning
di seluruh daerah image, atau langsung menentukan titik tengah titik berat dari obyek yang ada di layar.
Dengan cropping, cara ini mengharuskan program untuk mencari pixel demi pixel, area demi area, ukuran demi ukuran dari seluruh bagian image. Jika suatu obyek berhasil
ditemukan, bagian image yang bertepatan dengan obyek tersebut akan dipotong untuk diproses pada bagian berikutnya. Kelebihan dari cara ini adalah posisi dari obyek dapat
bebas, jumlah dari obyek dapat lebih dari satu, ukuran dari obyek dapat bebas dan dapat menggunakan berbagai metode klasifikasi, dimana hasil crop obyek yang ditemukan
dengan mudah diproses pada classifier yang dikehendaki.
2.4. Fuzzy C-Means FCM
