BAB II TINJAUAN PUSTAKA
2.1.
Citra RGB dan Skala Keabuan
Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer. Dalam konteks yang lebih luas, pengolahan
citra digital mengacu pada pemrosesan setiap data 2 dimensi. Citra digital merupakan sebuah array yang berisi nilai-nilai real maupun komplek yang
direpresentasikan dengan deretan bit tertentu. Suatu citra dapat didefinisikan sebagai fungsi fx,y berukuran M baris dan
N kolom, dengan x dan y adalah koordinat spasial dan amplitude f di titik koordinat x,y dinamakan intensitas atau tingkat keabuan dari citra pada titik
tersebut. Citra digital dapat dilihat dalam koordinat citra digital dan ditulis dalam bentuk matrik sebagai berikut Putra 2010:
Gambar 1 Koordinat Citra Digital
Citra skala keabuan Grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pikselnya, dengan kata lain bagian
red=green=blue. Nilai tersebut digunakan untuk menunjukan tingkat intensitas. Warna yang dimiliki adalah warna hitam, keabuan dan putih. Tingkatan keabuan
di sini merupakan warna abu dengan berbagai tingkatan dari hitam hingga putih. Putra 2010
Citra RGB dan derajat keabuan merupakan format warna pada citra digital. Citra warna RGB memiliki kombinasi warna RedR, BlueB, dan
GreenG disetiap pikselnya. Setiap komponen RGB memiliki intensitas dengan nilai minimal 0 dan maksimal 255 8 bit. Setiap piksel pada citra RGB
membutuhkan 3 Byte untuk media penyimpanan, sehingga kemungkinan jumlah kombinasi citra RGB adalah lebih dari 16 juta warna.
Citra keabuan merupakan citra digital yang hanya memiliki sebuah kanal pada setiap pixel, dengan kata lain bagian warna RedR sama dengan bagian
GreenG sama dengan bagian BlueB Gonzales et al 2004.
2.2. Reduksi Dimensi Pada Ruang Eigen
Reduksi Dimensi dengan Ruang Eigen Prinsip dasar dari reduksi dimensi dengan ruang eigen adalah mentransformasi titik-titik pada ruang asal ke ruang
baru yang dibentuk oleh sumbu-sumbu yang merupakan vektor eigen ciri dari matriks koragam sumbu-sumbu pembangkit ruang asal. Teknik ini dikenal
dengan analisis komponen utama. Analisis komponen utama merupakan salah satu analisis peubah ganda
yang bertujuan untuk mereduksi dimensi data tanpa harus kehilangan informasi yang berarti. Peubah hasil transformasi ini merupakan kombinasi linear dari
peubah asli, tidak berkorelasi antar sesama, serta tertata berdasar informasi yang dikandungnya.
Hal yang mendasari analisis komponen utama ini adalah bahwa dari suatu obyek, diamati p peubah. Kemungkinan yang menjadi masalah adalah ukuran p
mungkin sangat besar, seperti pada proses pengenalan wajah. Untuk citra wajah yang berukuran 50x40 piksel akan menghasilkan vector amatan dengan dimensi
50x40 = 2000. Jika algoritma pengenalan harus memproses vektor yang berdimensi 2000 ini, kinerja akan turun. Oleh karena itu, perlu dilakukan
transformasi ruang vektor dari dimensi 2000 dimensi p menjadi ruang lain yang
Kategori