commit to user
II-5 trimatra tiga dimensi. Informasi bentuk objek dapat diekstraksi dari citra
pada permulaan prapengolahan dan segmentasi citra. 6. Tekstur
Tekstur diartikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel yang bertetangga. Jadi tekstur tidak dapat didefinisikan
untuk sebuah piksel. Sistem visual manusia menerima informasi citra sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala
pada mana tekstur tersebut dipersepsi. 7. Waktu dan Pergerakan
Respon suatu sistem visual tidak hanya berlaku pada faktor ruang, tetapi juga pada faktor waktu. Sebagai contoh, bila citra-citra diam ditampilkan
secara cepat, akan berkesan melihat citra yang bergerak. 8. Deteksi dan Pengenalan
Dalam mendeteksi dan mengenali suatu citra, ternyata tidak hanya sistem visual manusia saja yang bekerja, tetapi juga ikut melibatkan ingatan dan
daya pikir manusia.
2.4 SEGMENTASI GAMBAR
Segmentasi gambar merupakan sebuah proses dimana dalam proses tersebut terjadi pemisahaan objek-objek pada suatu gambar yang telah dipilih.
Secara umum segmentasi dapat dibagi menjadi tiga kelompok yaitu: 1. Segmentasi berdasar klasifikasi classification based segmentation,
segmentasi ini merupakan segmentasi yang dilakukan dengan mencari kesamaan dari ukuran tertentu pada nilai piksel yang terdapat pada suatu
gambar. 2. Segmentasi berdasar tepi edge base segmentation, sedangkan untuk
segmentasi berdasarkan tepi bertujuan untuk mendapatkan batas tepi antar objek yang berguna sebagai pembatas antar segmen.
3. Segmentasi berdasar daerah region based segmentation, untuk segmentasi berdasarkan daerah dilakukan untuk mencari daerah yang di duga sebagai
commit to user
II-6 objek berdasarkan kumpulan piksel yang memiliki kesamaan yang dimulai
dari suatu titik ketitk yang lain yang ada di sekitarnya. Berikut merupakan beberapa contoh pendeteksian yang terdapat pada segmentasi
gambar, diantaranya: 1. Deteksi Tepi
Deteksi tepi merupakan sebuah operasi yang di jalankan untuk mendeteksi garis tepi atau batas untuk segmentasi atau identifikasi objek.
2. Deteksi Garis. Terdapat 4 buah karateristik gari yang dapat di proses untuk dideteksi pada
citra, diantaranya: garis horizontal 0 , garis miring ke atas 45
, garis vertika 90
, atau garis miring ke bawah 45 .
3. Deteksi Titik Deteksi titik merupakan metode deteksi yang dilakukan dengan cara
menghitung harga piksel pusat pada suatu daerah, dengan mengevaluasi beberapa piksel di sekelilingnya pada seluruh citra. Bila citra memiliki
derajat kecerahan yang sama maka akan bernilai nol.
2.5 Citra Biner
Citra biner binary image adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Meskipun saat ini citra berwarna lebih
disukai karena memberi kesan yang lebih kaya daripada citra biner, namun tidak membuat citra biner mati.
2.5.1 Konversi Citra Hitam-Putih ke Citra Biner
Pengkonversian citra hitam-putih grayscale menjadi citra biner dilakukan untuk alasan-alasan berikut :
1. Untuk mengidentifikasi keberasaan objek, yang direpresentasikan sebagai daerah region di dalam citra. Misal kita ingin memisahkan objek dari latar
belakangnya. Piksel-piksel objek ini dinyatakan dengan nilai 1 sedangkan piksel lainnya dengan 0. Objek ditampilkan seperti gambar siluet. Untuk
memperoleh siluet yang bagus, objek harus dapat dipisahkan dengan mudah dari latar belakangnya.
commit to user
II-7 2. Untuk lebih memfokuskan pada analisis bentuk morfologi yang dalam hal ini
intensitas pikselnya tidak terlalu penting dibandingkan dengan bentuknya. 3. Untuk menampilkan citra piranti keluaran yang hanya mempunyai resolusi
intensitas satu bit, yaitu piranti penampilan dua aras atau biner seperti pencetak printer
4. Mengkonversi citra yang telah ditingkatkan kualitas tepinya edge enhancement ke penggambaran garis-garis tepi. Ini perlu untuk
membedakan tepi yang kuat yang berkoresponden dengan batas-batas objek dengan tepi lemah yang berkoresponden dengan perubahan illumination,
bayangan dan lain-lain.
2.6 Deteksi Tepi Edge Detection
2.6.1 Prinsip-Prinsip Deteksi Tepi
Deteksi tepi Edge Detection pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah :
1. Untuk menandai bagian yang menjadi detail citra 2. Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error
atau adanya efek dari proses akuisisi citra suatu titik x,y dikatakan sebagai tepi edge dari suatu citra bila titik tersebut mempunyai perbedaan yang
tinggi dengan tetangganya. Gambar berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh.
Gambar 2.1 Proses deteksi tepi citra
Sumber : Sutoyo 2009
commit to user
II-8 Perhatikan hasil deteksi dari beberapa citra menggunakan model differensial di
atas:
Gambar 1 Gambar 2
Gambar 1 Gambar 2
Gambar 2.2 Hasil beberapa deteksi tepi
Deteksi tepi ini mempunyai 4 macam metode dalam pembuatannya. Yaitu metode robert, canny, prewitt dan sobel. Pada penelitian ini, akan membuat
aplikasi deteksi tepi dengan 2 metode, karena mengingat batasan masalah yang ada. Metode yang digunakan adalah metode prewitt dan metode canny.
1. Metode Prewitt
Pengembangan dari gradient operator dengan menggunakan 2 mask horisontal dan vertikal ukuran 3x3. Pada operator ini kekuatan gradient
ditinjau dari sudut pandang horisontal dan vertikal memperhatikan titik disekitar pada posisi horisontal dan vertikal. Selain itu metode Prewitt
merupakan pengembangan metode Robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari
fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kernel fillter yang digunakan dalam metode Prewitt ini adalah:
commit to user
II-9
Gambar 2.3 Contoh gambar metode prewitt kernel
2. Metode Canny
Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr
dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi
oleh algoritma Canny: a. Mendeteksi dengan baik kriteria 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. b. Melokalisasi dengan baik kriteria lokalisasi
Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.
c. Respon yang jelas kriteria respon Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan
tidak menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil
dari tepian yang dihasilkan. Beberapa parameter tersebut antara lain : • Nilai Standar Deviasi Gaussian
• Nilai Ambang
commit to user
II-10
2.7 SKELETONISASI
Skeletonisasi adalah proses merubah bentuk dari citra hasil restorasi yang berbentuk citra biner menjadi citra yang menampilkan batas-batas objek yang
hanya setebal satu piksel. Untuk melakukan proses skeletonisasi dipergunakan algoritma thinning. Algoritma ini secara iteratif menghapus piksel-piksel pada
citra biner, dimana transisi dari 0 ke 1 atau dari 1 ke 0 pada konvensi lain terjadi sampai dengan terpenuhi suatu keadaan dimana satu himpunan dari lebar perunit
satu piksel terhubung menjadi suatu garis Marvin, 2007. Tujuan thinning pada proses skeletonisasi adalah untuk menghilangkan piksel-piksel yang berada di
dalam obyek depan foreground object pada citra biner. Thinning dalam skeletonisasi berfungsi untuk merapikan atau menyempurnakan hasil output
proses edge detection dengan cara mengurangi lebar sisi ataupun batas. Dan sebagai tambahan untuk melakukan proses skeletonisasi maka hindari citra yang
memiliki tingkat erosi yang tinggi karena akan sedikit sulit melakukan proses skeleton sebab erosi berfungsi untuk mengurangi nilai piksel dan merubah hingga
menjadi beberapa garis-garis. Sehingga dikhawatirkan akan menimbulkan kekancuan pada tahap skeletonisasi.
2.8 ALGORITMA THINNING