Pengolahan Citra LANDASAN TEORI

 Pemberian koagulan yang berlebihan akan menyebabkan koagulum menjadi keras dan sulit digiling.  Penggilingan RSS dilakukan untuk memisahkan air dari gumpalan. Kecepatan penggilingan berbeda antara rol yang satu dengan yang berikutnya.

2.2 Pengolahan Citra

Pengolahan citra merupakan proses pengolahan dan analisis citra tentang persepsi pada suatu citra. Pengolahan citra digital adalah disiplin ilmu yang mempelajari hal yang berhubungan dengan perbaikan citra, kualitas citra peningkatan kontras, transformasi warna, restorasi citra, transformasi citra rotasi, translasi, skala, transformasi geometrik, melakukan pemilihan ciri citra feature image yang optimal untuk dianalisis, penarikan informasi pada objek atau pengenalan objek yang terkandung pada citra, melakukan kompresi untuk memperkecil penyimpanan data, transmisi data dan waktu proses data. Input dari pengolahan citra adalah citra dan output-nya berupa citra hasil pengolahan Sutoyo et al, 2009 Terminologi yang berkaitan dengan pengolahan citra adalah Computer vision. Computer vision ini mencoba meniru cara kerja sistem visual manusia. Dalam berbagai aplikasi Computer vision yang banyak dikembangkan adalah proses mengambil informasi dari gambar berupa fitur yang telah diekstraksi secara otomatis dari gambar itu sendiri. Proses ini sering disebut sebagai CBIR Content-Based Image Retrieval Proses yang menjadi populer selama beberapa tahun dalam bidang pengolahan citra Choras, 2007. CBIR menggabungkan beberapa teknologi seperti multimedia, pengolahan citra dan sinyal, pengenalan pola, interaksi manusia dan komputer serta ilmu informasi persepsi manusia. Proses CBIR dapat dibagi dalam beberapa tahapan yaitu : 1. Preprocessing Proses ini digunakan untuk memproses citra sebelum dilakukan ekstraksi fitur dalam mendeskripsikan konten citra. Proses ini terdiri atas penyaringan, normalisasi, segmentasi, dan identifikasi objek. Hasil akhir dari proses preprocessing ini adalah sebuah area atau pun objek yang akan diekstraksi. Universitas Sumatera Utara 2. Ekstraksi Fitur Proses mengambil nilai inti fitur dari citra yang menggambarkan bentuk, tekstur, warna dan lain-lain. Beberapa algoritma yang digunakan dalam pengembangan CBIR terdiri atas tiga tugas yaitu :  Ekstraksi Fitur  Seleksi  Klasifikasi Dari ketiga tugas ini, ekstraksi fitur memiliki fungsi paling penting karena fitur tertentu didapatkan untuk mendiskriminasikan suatu fitur yang dapat mempengaruhi proses klasifikasi. Pada proses klasifikasi pada CBIR , pengolahan citra dan pengenalan pola merupakan bagian CBIR. Pada CBIR, pengolahan citra merupakan proses awal dan pengenalan pola merupakan proses intepretasi citra. Pada penelitian ini akan dilakukan beberapa proses pada prapengolahan yang akan digunakan untuk mendapatkan nilai fitur pada proses ekstraksi fitur antara lain :  Resizing Pada proses ini, citra akan diperkecil ukuran pikselnya guna menambah fokus pada objek yang akan diidentifikasi, membuang citra yang tidak memiliki informasi penting, memperbesar area tertentu pada suatu citra serta mengubah orientasi citra Fajri, 2014.  Grayscale Proses Grayscale adalah proses merubah nilai - nilai piksel dari warna RGB menjadi graylevel. Proses ini dapat digunakan untuk memisahkan bayangan dengan warna asli pada citra. Pada citra terdiri dari 24 bit yang setiap pikselnya mengandung warna dasar Red, Green, Blue. Setiap warna dasar ini memiliki 8-bit warna yang berada pada rentang warna 0 00000000 sampai 255 11111111. Proses perhitungan nilai grayscale dapat dilakukan dengan persamaan 2.1 2.1 Universitas Sumatera Utara  Thresholding Proses thresholding digunakan untuk mengatur derajat keabuan pada citra. Pada proses thresholding, citra memiliki dua tingkat keabuan yaitu hitam dan putih. Proses penentuan tingkat warna citra pada proses thresholding dilakukan dengan mendapatkan nilai ambang. Pada proses ini, perhitungan nilai ambang dilakukan pada setiap piksel pada citra. Jika nilai yang dihasilkan kurang dari nilai ambang maka nilai piksel tersebut akan diubah menjadi warna hitam dan jika nilai yang dihasilkan lebih dari nilai rata- rata maka nilai piksel akan diubah menjadi warna putih. Proses perhitungan nilai ambang dapat dilakukan dengan persamaan : Keterangan : T = Nilai threshold fmaks = Nilai piksel maksimum fmin = Nilai piksel minimum

2.3 Ekstraksi Fitur