c. Struktur Navigasi Non Linear
Struktur navigasi non linear tidak terurut merupakan pengembangan dari struktur navigasi linear, hanya saja pada struktur ini diperkenankan untuk
membuat percabangan. Percabangan pada struktur non linear berbeda dengan percabangan pada struktur hirarki, pada struktur ini kedudukan semua page sama,
sehingga tidak dikenal adanya master page atau slave page.
Gambar 2.24 Struktur Navigasi Non Linear
d. Struktur Navigasi
Composit Campuran
Struktur navigasi composit merupakan gabungan dari struktur sebelumnya dan disebut juga struktur navigasi bebas, maksudnya adalah jika suatu tampilan
membutuhkan percabangan maka dibuat percabangan.
Gambar 2.25 Struktur Navigasi Composit Campuran
2.14 Pengolahan Citra
Digital
Pengolahan citra digital adalah sebuah disiplin ilmu yang mempelajari hal- hal yang berkaitan dengan perbaikan kualitas gambar peningkatan kontras,
transformasi warna, restorasi citra, transformasi gambar rotasi, translasi, skala, transformasi geometric, melakukan pemilihan citra ciri feature image yang
optimal untuk tujuan analisis, melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra, melakukan
kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data. Sutoyo, 2009: 5
2.14.1 Citra
Citra adalah suatu representasi gambaran, kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu
media penyimpanan. Sutoyo dkk, 2009: 9 Citra yang dipakai pada penelitian ini adalah berupa citra diam still
images dengan format gambar raster image bitmap image. Citra diam adalah citra tunggal yang tidak bergerak. Sedangkan citra bergerak moving images
adalah rangkaian citra diam yang ditampilkan secara beruntun sekuensial sehingga memberi kesan sebagai gambar yang bergerak. Munir, 2004: 2
2.14.2 Definisi Pengolahan Citra
Pengolahan citra
adalah pemrosesan
citra, khususnya
dengan menggunakan komputer menjadi citra yang kualitasnya lebih baik sehingga citra
yang baru dapat diinterpretasikan dan nilai tambah informasi citra tersebut juga dapat tersampaikan dengan baik.
Agar citra yang mengalami gangguan mudah diinterpretasi baik oleh manusia maupun mesin, maka citra tersebut perlu dimanipulasi menjadi citra lain
yang kualitasnya lebih baik. Munir, 2004: 3 Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila:
1. Perbaikan atau memodifkasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi
yang terkandung di dalam citra, 2. Elemen di dalam citra perlu dikelompokan, dicocokkan atau diukur,
3. Sebagian citra perlu digabung dengan bagian citra yang lain.
2.14.3 Tujuan Pengolahan Citra
Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin dalam hal ini komputer. Teknik-teknik
pengolahan citra mentransformasikan citra menjadi citra yang lain. Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluaran
mempunyai kualitas lebih baik daripada citra masukan.
2.14.4 Citra Digital
Citra terbagi dua macam yaitu citra kontinyu dan citra diskrit. Citra kontinyu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya
mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinyu, citra diskrit disebut juga citra digital.
Agar dapat diolah dengan komputer digital, maka suatu citra harus direpresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari
fungsi malar kontinyu menjadi nilai-nilai diskrit disebut digitalisasi. Citra yang dihasilkan inilah yang disebut citra digital digital image. Pada umumnya citra
digital berbentuk empat persegi panjang dan dimensi ukurannya dinyatakan sebagai tinggi x lebar lebar x panjang. Munir, 2004: 18
2.14.4.1 Representasi Citra Digital
Seperti yang telah dijelaskan sebelumnya, citra merupakan sebuah fungsi dari intensitas cahaya pada bidang 2 dimensi dwimatra. Secara matematis fungsi
intensitas cahaya disimbolkan dengan fx, dengan x,y adalah koordinat pada bidang 2 dimensi. fx,y adalah intensitas cahaya pada titik koordinat x,y.
Gambar 2.26
Karena komputer hanya dapat mengolah isyarat digital, maka citra harus mempunyai format tertentu yang mampu merepresentasikan objek
pencitraan dalam bentuk bilangan biner. Citra digital direpresentasikan sebagai matriks berukuran N x M dalam bentuk: Gambar 2.27
fx,y fx,y
Gambar 2.26 Representasi Citra Digital
Pada umumnya citra digital berbentuk empat persegi panjang dan dimensi ukurannya dinyatakan sebagai tinggi x lebar lebar x panjang. Citra
digital yang berukuran N x M lazim dinyatakan dengan matriks yang berukuran N baris dan M kolom. Masing-masing elemen pada citra digital berarti elemen
matriks disebut image element, picture element atau pixel atau pel. Jadi, citra yang berukuran NxM mempunyai NM buah pixel. Munir, 2004: 19
2.14.4.2 Format Citra Bitmap
Menurut Munir 2004: 38, citra disimpan di dalam berkas file dengan format tertentu. Citra digital dalam format bitmap BMP ada 3 macam yaitu:
1. Citra biner monokrom
Pada citra biner binary image, setiap titik bernilai 0 yang dinyatakan dengan hitam atau 1 yang dinyatakan dengan putih. Setiap titik pada
citra biner membutuhkan 1 bit, yang berarti 1 byte dapat menampung 8 titik. Gambar 2.28 merupakan contoh citra biner berukuran 9 x 7 pixel dan
representasinya dalam data digital.
,
2 ,
1 ,
, 2
2 ,
2 1
, 2
, 1
2 ,
1 1
, 1
M N
i N
i N
i M
i i
i M
i i
i i
Gambar 2.27 Representasi Matriks pada Citra Digital
Contoh dari penggunaan citra biner adalah pada citra hasil scan text buku, citra hasil deteksi tepi dan citra hasil threshold.
2. Citra aras keabuan grayscale
Citra ini memberikan kemungkinan warna yang lebih banyak, karena ada nilai lain di antara 0 dan 1. Disebut aras keabuan karena ada warna abu-
abu diantara warna minimum hitam dan warna maksimum putih. Gambar 2.29
3. Citra warna true color
Citra berwarna color images dikenal dengan nama citra spektral, karena warna pada citra disusun oleh tiga komponen warna dasar yang disebut
a b
c Gambar 2.28
Citra Biner dengan Representasi bit 0 hitam dan 1 putih a dan Citra Asli dalam Bentuk Hitam Putih b
Gambar 2.29 Contoh Citra Grayscale 8-bit
komponen RGB, yaitu merah red, hijau green, biru blue, sehingga sering disebut dengan citra RGB.
Setiap komponen warna pada citra true color mempunyai intensitas sendiri dengan nilai 0-255. Contoh warna kuning merupakan gabungan antara warna
merah dan hijau sehingga nilai RGB nya adalah R = 255, G = 255 dan B = 0, jadi setiap pixel membutuhkan 3 byte. Gambar 2.30
2.14.4.3 Elemen-Elemen Citra Digital
Citra digital mengandung sejumlah elemen-elemen dasar. Elemen- elemen dasar tersebut dimanipulasi dalam pengolahan citra dan dieksploitasi lebih
lanjut dalam computer vision. Elemen-elemen dasar yang penting di antaranya adalah:
1. Kecerahan brightness Kecerahan merupakan intensitas cahaya, kecerahan pada suatu titik
pixel di dalam citra bukanlah intensitas yang riil, tetapi sebenarnya adalah intensitas rata-rata dari suatu area yang melingkupinya. Sistem
visual manusia mampu menyesuaikan tingkat kecerahan dari yang paling rendah sampai yang paling tinggi.
Gambar 2.30 Citra Warna Asli true color
2. Kontras contrast Kontras menyatakan sebaran terang lightness dan gelap darkness di
dalam sebuah citra. Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi citranya adalah gelap atau sebagian besar terang. Pada
citra dengan kontras yang baik, komposisi gelap dan terang tersebar secara merata.
3. Kontur contour Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada
pixel-pixel yang bertetangga. Karena adanya perubahan intensitas inilah mata seseorang mampu mendeteksi tepi-tepi edge objek di dalam citra.
4. Warna color Warna adalah persepsi yang dirasakan oleh sistem visual manusia
terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang yang berbeda. Warna merah
mempunyai panjang gelombang paling tinggi, sedangkan warna ungu mempunyai panjang gelombang paling rendah.
5. Bentuk shape Bentuk adalah properti intrinsik dari objek 3 dimensi. Citra yang
dibentuk merupakan citra 2 dimensi, sedangkan objeknya adalah 3 dimensi.
6. Tekstur texture Tekstur dicirikan sebagai distribusi spasial dari derajat keabuan di dalam
sekumpulan pixel-pixel yang bertetangga. Tekstur tidak dapat didefinisikan untuk sebuah pixel. Munir, 2004: 25
2.14.5 Operasi Pengolahan Citra Digital
Secara umum operasi pengolahan citra dapat diklasifikasikan dalam enam jenis yaitu:
1. Pemugaran citra image restoration
Operasi ini bertujuan menghilangkan meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra.
Bedanya pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh operasi pemugaran citra:
a. Penghilangan kesamaran deblurring b. Penghilangan derau noise
2. Pemampatan citra image comperession
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih
sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar
yang bagus.
3. Segmentasi citra image segmentation
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat
dengan pengenalan pola. 4.
Pengorakan citra image analysis Jenis operasi ini bertujuan menghitung besaran kuantitatif dari citra untuk
menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri- ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi
kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi pengorakan citra:
a. Pendeteksian tepi objek edge detection b. Ekstraksi batas boundary
c. Representasi daerah region 5.
Rekonstruksi citra image reconstruction Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa
citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan
untuk membentuk ulang gambar organ tubuh. 6.
Perbaikan kualitas citra image enhancement Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara
memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Munir, 2004: 9
Contoh-contoh operasi perbaikan citra:
a. Perbaikan kontras gelap terang b. Perbaikan tepian objek edge enhancement
c. Penajaman sharpening d. Pemberian warna semu pseudocoloring
e. Penapisan derau noise filtering
2.14.6 Teknik Pengolahan Citra
Secara umum teknik pengolahan citra digital dibagi menjadi 3 tingkat pengolahan, yakni sebagai berikut:
Tahap 1: Low-Level Processing pengolahan tingkat rendah. Pengolahan ini operasional-operasioanl dasar dalam pengolahan citra, seperti
pengurangan noise noise reduction, perbaikan citra image enhancement dan restorasi citra image restoration.
Tahap 2: Mid-Level Processing pengolahan tingkat menengah. Pengolahan ini meliputi segmentasi pada citra, deskripsi objek, dan
klasifikasi objek secara terpisah. Tahap 3: High-Level Processing pengolahan tingkat tinggi, yang
meliputi analisis citra. Basuki dkk, 2005: 11
2.14.7 Matriks
Matriks adalah susunan skalar elemen-elemen dalam bentuk baris dan kolom. Matriks A yang berukuran dari m baris dan n kolom m x n adalah
Munir, 2003: 62:
Sebagaimana telah dijelaskan sebelumnya, citra digital yang berukuran N x M tinggi = N, lebar = M lazim dinyatakan dengan matriks N baris dan M
kolom sebagai berikut:
Untuk citra dengan 256 derajat keabuan, harga setiap elemen matriks adalah bilangan bulat di dalam selang [0, 255]. Karena itu, dapat menggunakan
tipe unsigned char untuk menyatakan tipe elemen matriks. Unsigned char adalah tipe integer positif di dalam bahasa C yang rentang nilainya hanya dari 0 sampai
255.
2.15 Image Enhancement Perbaikan Citra
Merupakan salah satu jenis operasi pada pengolahan citra digital yang bertujuan untuk meningkatkan kualitas tampilan citra untuk pandangan manusia
atau untuk mengkonversi suatu citra agar memiliki format yang lebih baik sehingga citra tersebut menjadi lebih mudah diolah dengan mesin komputer.
1
, 1
1 ,
1 ,
1 ,
1 1
, 1
, 1
, 1
, ,
, M
N f
N f
N f
M f
f f
M f
f f
y x
f
mn m
m n
n
a a
a a
a a
a a
a A
2 1
2 22
12 1
12 11
Perbaikan suatu citra dapat dilakukan dengan operasi titik point operation, operasi spasial spatial operation, operasi geometri geometric
operation dan operasi aritmatik arithmetic operation. Putra, 2010: 119 2.15.1
Operasi Spasial Filtering
Pentapisan pada pengolahan citra biasa disebut dengan pentapisan spasial spatial filtering. Pada proses pentapisan, nilai pixel baru umumnya
dihitung berdasarkan pixel tetangga. Cara perhitungan pixel baru tersebut dapat dikelompokkan menjadi 2, yaitu pertama, pixel baru diperoleh melalui kombinasi
linier pixel tetangga yang disebut cara dengan tapis linier dan kedua pixel baru diperoleh langsung dari salah satu nilai pixel tetangga yang disebut juga dengan
tapis nonlinier. Proses penapisan tidak dapat dilepaskan dari teori kernel mask dan konvolusi.
2.15.2 Kernel
Kernel adalah matriks yang pada umumnya berukuran kecil dengan elemen-elemennya adalah berupa bilangan. Kernel digunakan pada proses
konvolusi. Oleh karena itu kernel disebut juga dengan convolution window jendela konvolusi. Ukuran kernel dapat berbeda-beda, seperti 2x2, 3x3, 5x5 dan
sebagainya. Kernel biasa juga disebut dengan tapis filter, template, mask, serta sliding window. Putra, 2010: 137
a b
Gambar 2.31 Contoh kernel a-b Berturut-turut kernel berukuran 2x2 dan 3x3
sel dengan warna abu-abu menyatakan pusat koordinat {0,0}
2.15.3 Konvolusi
Convolution
Merupakan operator sentral pengolah citra dan telah digunakan secara luas pada berbagai piranti lunak pengolah citra.
Proses konvolusi dapat dijelaskan sebagai berikut. Kernel sliding window diletakkan pada setiap pixel dari citra input dan menghasilkan pixel baru.
Nilai pixel baru dihitung dengan mengalikan setiap nilai pixel tetangga dengan bobot yang berhubungan pada kernel dan kemudian menjumlah hasil perkalian
tersebut. Contoh citra input dan kernel ditunjukkan pada Gambar 2.32.
U1,1 U1,2 U1,3 U1,4 U1,5 U1,6 U2,1 U2,2 U2,3 U2,4 U2,5 U2,6
U3,1 U3,2 U3,3 U3,4 U3,5 U3,6 U4,1 U4,2 U4,3 U4,4 U4,5 U4,6
U5,1 U5,2 U5,3 U5,4 U5,5 U5,6 U6,1 U6,2 U6,3 U6,4 U6,5 U6,6
a
K1,1 K1,2 K1,3 K2,1 K2,2 K2,3
b
Gambar 2.32 a Citra Input b Kernel 2x3
Sesuai contoh pada Gambar 2.32 maka nilai pixel sebagai berikut.
3 ,
2 5
, 5
2 ,
2 4
, 5
1 ,
2 3
, 5
3 ,
1 5
, 4
2 ,
1 4
, 4
1 ,
1 3
, 4
3 ,
4
xK u
xK u
xK u
xK u
xK u
xK u
O
Operator konvolusi biasanya menggunakan tanda . Secara
matematika proses konvolusi UK dapat dinyatakan sebagai berikut.
, 1
, 1
,
1 1
l k
K l
j k
i U
j i
O
m k
n l
Dengan i = 1...M – m + 1 dan j = 1...N – n + 1. M dan N menyatakan ukuran baris dan kolom dari citra input, sedangkan m dan n menyatakan ukuran
baris dan kolom dari kernel. Ukuran citra hasil proses konvolusi di atas adalah M
– m + 1 baris dan N – n + 1 kolom, yang berarti ukuran citra hasil proses konvolusi lebih kecil dari ukuran citra awal. Berubahnya ukuran citra hasil ini
dapat dijelaskan dengan contoh berikut.
7 7
2 3
7 7
4 2
6 7
5 2
4 4
1 1
1 3
3 3
1 2
3 4
4 1
1 4
3 3
1 1
1 1
Dengan menyatakan bukan nilai. Nilai 5 pada konvolusi diatas diperoleh dari: 1 x 1 + 0 x 3 + 0 x 1 + 1 x 4
Tanda pada hasil keluaran di atas dinyatakan sebagai bukan nilai karena untuk melakukan proses konvolusi pada pixel tersebut, sebagian kernel
berada di luar batas ukuran citra sementara tidak ada nilai pixel di luar batas ukuran citra. Hal ini dapat dijelaskan karena proses konvolusi di luar batas ukuran
citra tetap dilakukan dengan menambahkan sembarang nilai pixel untuk pixel di luar batas yang umumnya digunakan atau ditambahkan nilai 0 zero padding.
Dengan cara tersebut proses konvolusi tetap dapat dilakukan. Namun demikian, nilai pixel hasil konvolusi di luar batas ukuran citra tidak menunjukkan nilai pixel
yang sebenarnya. Putra, 2010: 139 Gambar 2.33 di bawah ini menunjukkan ilustrasi dari proses konvolusi.
A. Penapis Lolos Tinggi
High-Pass Filter
Penapis lolos-tinggi merupakan penapis yang berfungsi untuk meloloskan memperkuat komponen yang berfrekuensi tinggi misal tepi atau
pinggiran objek dan akan menurunkan komponen berfrekuensi rendah. High-pass filter dapat digunakan pada operasi penajaman yang dilakukan dengan
melewatkan komponen citra yang memiliki frekuensi tinggi. Citra yang telah melalui high pass filter mengakibatkan pinggiran objek
citra terlihat lebih tajam dibandingkan sekitarnya. Karena penajaman citra lebih berpengaruh pada tepi edge objek, maka penajaman citra sering disebut juga
penajaman tepi edge sharpening atau peningkatan kualitas tepi edge enhancement. Gambar 2.34 menunjukkan gambar sebuah citra Lena sebelum
dan setelah penajaman.
Gambar 2.33 Ilustrasi Hitung Konvolusi
Aturan penapis lolos tinggi: 1. Koefisein penapis boleh positif, negatif atau nol
2. Jumlah semua koefisien adalah 0 atau 1 Jika jumlah koefisien = 0, maka komponen berfrekuensi rendah akan turun
nilainya, sedangkan jika jumlah koefisien sama dengan 1, maka komponen berfrekuensi rendah akan tetap sama dengan nilai semula. Contoh-contoh penapis
lolos tinggi:
1
1 1
1 8
1 1
1 1
i
1 1
1 1
1 9
1 1
1 1
ii
1 1
1 5
1 1
iii
1 1
2 1
2 5
2 1
2 1
iv
1
2 1
2 4
2 1
2 1
v
1 1
4 1
1 vi
Nilai koefisien yang besar di titik pusat penapis memainkan peranan kunci dalam proses konvolusi. Pada komponen citra dengan frekuensi tinggi yang
a Sebelum b Sesudah
Gambar 2.34 Gambar Sebuah Citra Lena Sebelum a dan Sesudah b
Penajaman Citra image sharpening
berarti perubahan yang besar pada nilai intensitasnya, nilai tengah ini dikalikan dengan nilai pixel yang dihitung. Koefisien negatif yang lebih kecil di sekitar titik
tengah penapis bekerja untuk mengurangi faktor pembobotan yang besar. Efek nettonya adalah, pixel-pixel yang bernilai besar diperkuat, sedangkan area citra
dengan intensitas pixel konstan tidak berubah nilainya. Penapis lolos tinggi juga digunakan untuk mendeteksi keberadaan tepi
edge detection. Dalam hal ini, pixel-pixel tepi ditampilkan lebih terang highlight sedangkan pixel-pixel bukan tepi dibuat gelap hitam.
Dibawah ini memperlihatkan hasil konvolusi citra dengan high-pass filter yang digambarkan dalam bentuk matriks dan direpresentasikan dalam bentuk
kurva. Munir, 2004: 129
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4 4
4
8 8
8 8
4 4
4 8
8 8
8 4
4 4
8 8
8 8
4 4
4 8
8 8
8 4
4 4
8 8
8 8
4 4
4
Gambar 2.35 Representasi Matriks dan Kurva dengan High-Pass Filter
B. Penapis Lolos Rendah
Low-Pass Filter
Low-pass filter merupakan penapis yang berfungsi sebagai penekan komponen yang berfrekuensi tinggi misal pixel gangguan, pixel tepi dan
meloloskan komponen yang berfrekuensi rendah.
x 8
4 fx,y
Aturan untuk penapis lolos rendah adalah: 1. Semua koefisien penapis harus positif
2. Jumlah semua koefisien harus sama dengan 1 Jika jumlah semua koefisien lebih besar dari 1, maka konvolusi
menghasilkan penguatan tidak diinginkan. Jika jumlah semua koefisen kurang dari 1, maka yang dihasilkan adalah penurunan dan nilai mutlak setiap pixel di
seluruh bagian citra berkurang. Munir, 2004: 125
Operasi pelembutan dapat dilakukan pada ranah spasial maupun pada ranah frekuensi. Pada ranah spasial, operasi pelembutan dilakukan dengan
mengganti intensitas suatu pixel dengan rata-rata dari nilai pixel tersebut dengan nilai pixel-pixel tetangganya. Jadi, diberikan citra fx,y yang berukuran N x M.
Citra hasil pelembutan, gx,y, didefinisikan sebagai berikut:
2 1
2 1
, 1
,
m m
r n
n s
s y
r x
f d
y x
g Yang dalam hal ini d adalah jumlah pixel yang terlibat dalam perhitungan
rata-rata. Contoh penapis rerata yang berukuran 3 x 3 dan 2 x 2 adalah seperti a Sebelum
b Sesudah
Gambar 2.36 Gambar Sebuah Citra Sebelum a dan Sesudah b
Pelembutan Citra image smoothing
gambar di bawah ini elemen yang bertanda menyatakan posisi 0,0 dari pixel
yang dikonvolusi:
9
1 9
1 9
1 9
1 9
1 9
1 9
1 9
1 9
1 i
4 1
4 1
4 1
4 1
ii
Operasi penapisan ini mempunyai efek pemerataan derajat keabuan, sehingga gambar yang diperoleh tampak lebih kabur kontrasnya. Efek pengaburan
ini disebut efek blurring. Munir, 2004: 121
2.15.4 Aras Komputasi
Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen-elemen matriks. Elemen matriks yang
dimanipulasi dapat berupa elemen tunggal sebuah pixel, sekumpulan elemen yang berdekatan, atau keseluruhan elemen matriks.
Operasi-operasi yang
dilakukan pada
pengolahan citra
dapat dikelompokkan ke dalam empat aras level komputasi, yaitu aras titik, aras lokal,
aras global dan aras objek. Munir, 2004: 53 1.
Aras Titik Operasi pada aras titik hanya dilakukan pada pixel tunggal di dalam citra.
Operasi titik dikenal juga dengan nama operasi pointwise. Operasi ini terdiri dari pengaksesan pixel pada lokasi yang diberikan, memodifikasinya dengan operasi
lanjar linear atau nirlanjar nonlinear dan menempatkan nilai pixel baru pada lokasi yang bersesuaian di dalam citra yang baru. Operasi ini diulangi untuk
keseluruhan pixel di dalam citra.
2. Aras Lokal
Operasi pada aras lokal menghasilkan citra keluaran yang intensitas suatu pixel bergantung pada intensitas pixel-pixel tetangganya. Contoh operasi beraras
lokal adalah operasi konvolusi untuk mendeteksi tepi edge detection dan pelembutan citra image smoothing
3. Aras Global
Operasi pada aras global menghasilkan citra keluaran yang intensitas suatu pixel bergantung pada intensitas keseluruhan pixel.
4. Aras Objek
Operasi jenis ini hanya dilakukan pada objek tertentu di dalam citra. Tujuan dari operasi pada aras objek adalah untuk mengenali objek tersebut,
misalnya dengan menghitung rata-rata intensitas, ukuran, bentuk, dan karakteristik lain dari objek.
2.15.5 Kernel Konvolusi
Kernel konvolusi merupakan kernel yang digunakan pada proses konvolusi yang elemen-elemennya berupa bilangan yang menyusun nilai matriks yang biasa
disebut dengan convolution window jendela konvolusi. Berikut adalah beberapa penggunaan kernel konvolusi dalam proses image enhancemnet.
A. Smoothing Kernel
Smoothing kernel merupakan kernel yang digunakan untuk menghaluskan sebuah citra, kernel ini berkaitan dengan penapis lolos rendah low-pass filter.
Tapis low-pass bertujuan untuk mempertahankan komponen berfrekuensi rendah perubahan nilai pixel yang bertahap dan mengurangi komponen yang
berfrekuensi tinggi perubahan nilai pixel secara mendadak pada citra, sehingga tapis ini sangat cocok untuk proses penghalusan citra. Semua koefisien dari tapis
low-pass adalah bilangan positif.
1 1
1 1
1 1
1 1
1 9
1
1 3
1 3
16 3
1 3
1 8
1
a b
Gambar 2.37 Tapis Low-Pass
Faktor dan pada tapis di atas adalah untuk menjamin agar nilai pixel baru tidak berada di luar batas nilai grayscale intensitas. Gambar 2.37 a adalah tapis
mean, pembentukan tapisnya menggunakan aturan bobot semua koefisiennya sama. Sedangkan pada Gambar 2.37 b, pembentukan tapisnya menggunakan
aturan nilai bobot pixel pusat sama hampir sama dengan jumlah semua bobot nilai pixel tetangga. Selain semua koefisien harus bernilai positif, aturan kedua di
atas biasa digunakan sebagai acuan untuk membentuk tapis low-pass. Tapis mean, tapis Gaussian adalah tapis yang tergolong low-pass karena
tapis ini mempertahankan frekuensi rendah menghaluskan citra output.
1 1
1 1
2 1
1 2
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 9
1
1 1
1 1
1 6
1 1
1 1
1 1
1 1
1 1
1 1
1
Gambar 2.38 Contoh Tapis Mean adalah Tapis Low-Pass
Pada contoh di atas, komponen frekuensi tinggi perubahan pixel dari 1 ke 6 pada citra input dengan tapis low-pass menjadi komponen frekuensi rendah
perubahan pixel dari 1 ke 2 Berikut adalah contoh penerapan penggunaan salah satu smoothing kernel
3x3 dengan citra berukuran 5x5 dari teknik konvolusi.
10 22
24 15
17 15
16 15
14 1
1 1
1 1
1 1
1 1
2 1
2 7
1 1
3 2
1 1
6 1
5 4
1 3
2 1
2
I
1
= 2x1+1x1+2x1+0x1+0x1+1x1+1x1+6x1+1x1=14 I
2
= 1x1+2x1+0x1+0x1+1x1+4x1+6x1+1x1+0x1=15 I
3
= 2x1+0x1+3x1+1x1+4x1+5x1+1x1+0x1+0x1=16 I
4
= 0x1+0x1+1x1+1x1+6x1+1x1+1x1+2x1+3x1=15 I
5
= 0x1+1x1+4x1+6x1+1x1+0x1+2x1+3x1+0x1=17 I
6
= 1x1+4x1+5x1+1x1+0x1+0x1+3x1+0x1+1x1=15 I
7
= 1x1+6x1+1x1+1x1+2x1+3x1+1x1+7x1+2x1=24 I
8
= 6x1+1x1+0x1+2x1+3x1+0x1+7x1+2x1+1x1=22 I
9
= 1x1+0x1+0x1+3x1+0x1+1x1+2x1+1x1+2x1=10
B. Sharpening Kernel
Penajaman sharpening pada sebuah citra bertujuan untuk mempertajam kualitas sebuah citra. Kernel sharpening itu sendiri juga berkaitan dengan tapis
high-pass filter yang merupakan kebalikan dari tapis low-pass yaitu untuk mempertahankan mempertajam komponen frekuensi tinggi dan menghilangkan
mengurangi komponen frekuensi rendah sehingga tapis ini sangat cocok untuk penajaman tepi citra.
Nilai koefisien tapis pada koordinat pusat bernilai positif dan koefisien kelilingnya bernilai negatif. Bila proses pentapisan dilakukan di atas area yang
nilai intensitasnya konstan atau mengalami perubahan yang lamban maka nilai pixel keluaran adalah nol atau sangat kecil. Putra, 2010:145
Proses penajaman pada dasarnya merupakan aplikasi dari high pass filter atau penapis lolos tinggi ke dalam sebuah citra. Array di bawah ini adalah contoh
kernel yang biasa dipakai pada high pass filter untuk mempertajam sebuah citra.
1 1
1 1
8 1
1 1
1 9
1
1 1
4 1
1
Gambar 2.39 Tapis High-Pass 3 x 3
Tampak pada contoh di atas, nilai pixel 6 pada citra input, setelah ditapis high-pass, dipertajam menjadi 20 demikian juga semula pada citra input tidak ada
perubahan nilai pixel nilai pixel dari 1 ke 1 pada baris ke-2,3,4 menjadi ada perubahan nilai pixel menjadi 2 ke 1, 1 ke 0, 0 ke 1 dan seterusnya.Contoh
perhitungan tapis high-pass yang lain adalah sebagai berikut.
2 4
2 4
20 4
1 5
1 1
1 1
1 2
1 2
1 1
4 1
1
1 1
1 1
1 6
1 1
1 1
1 1
1 1
1 1
1 1
1
I
1
= 0x0+0 x-1+0x0+0 x-1+1x4+1 x-1+0x0+1 x-1+1x0 = 2 I
2
= 0x0+0 x-1+0x0+1 x-1+1x4+1 x-1+1x0+1 x-1+1x0 = 1
dan seterusnya sama seperti perhitungan pada kernel smoothing sebelumnya.
C. Laplacian Kernel
Adalah operator urutan kedua atau turunan kedua dari metode perbaikan kualitas citra, operator ini sangat baik sekali digunakan untuk menemukan bagian
yang detail dari sebuah image. Satu atau beberapa ciri dari ketajaman citra yang tidak sempurna seperti noise akan diperbaiki oleh operator laplacian. Jadi
laplacian kernel berguna untuk mengembalikan detail pada suatu citra menjadi citra yang lebih baik yang dihaluskan untuk mengurangi noise.
Dibawah ini merupakan laplacian kernel atau filter yang berukuran 3x3, dimana dalam teknik konvolusi filter kernel ditempatkan.
Gambar 2.40 Contoh Filter Laplacian
Berikut adalah contoh penerapan penggunaan kernel laplacian dalam teknik konvolusi.
10 5
7 15
8 39
26 5
13 1
1 1
1 8
1 1
1 1
2 1
2 7
1 1
3 2
1 1
6 1
5 4
1 3
2 1
2
I
1
= 2x-1+1x-1+2x-1+0x-1+0x8+1x-1+1x-1+6x-1+1x-1 = -13 I
2
= 1x-1+2x-1+0x-1+0x-1+1x8+4x-1+6x-1+1x-1+0x-1 = 5 I
3
= 2x-1+0x-1+3x-1+1x-1+4x8+5x-1+1x-1+0x-1+0x-1 = 26
2.16 Macromedia Flash Professional 8
Flash adalah authoring tool yang dapat digunakan oleh para desainer dan developer untuk membuat sebuah presentasi, aplikasi, dan konten lainnya yang
memungkinkan interaksi dari penggunanya. Membuat project flash dapat meliputi animasi sederhana, konten video, presentasi yang kompleks, sebuah aplikasi dan
lain-lain. Flash Professional 8 menyediakan beberapa fitur tambahan yang dapat
mempermudah pengguna. Flash juga mempunyai bahasa pemrograman sendiri yang diberi nama actionscript. Bahasa actionscript digunakan untuk menambah
interaktifitas dalam aplikasi yang dibuat baik dalam bentuk aplikasi sederhana maupun yang lebih kompleks seperti aplikasi berbasis web.
Selain itu fitur terbaru yang disediakan oleh flash professional 8 adalah tersedianya efek grafis untuk memanipulasi objek, gambar maupun animasi
berupa movie clip atau button, pada flash disebut dengan filters dan blend effects.
Gambar 2.41 Antarmuka Macromedia Flash Professional 8
2.17 Adobe Photoshop CS 2
Photoshop merupakan software berbasis bitmap yang merupakan produksi dari Adobe yang banyak digunakan untuk mengolah gambar atau citra.
Penambahan fasilitas yang ada pada photoshop CS 2 yang tidak ada pada versi sebelumnya diantaranya yaitu: penambahan tool image warp, noise reduction,
optical lens correction, smarth sharpen, all new pdf engine dan lain sebagainya. Penambahan fitur dengan menggunakan fasilitas tools grafis yang ada di
dalamnya. Gambar 2.24 adalah tampilan atau area kerja photoshop CS 2.
Gambar 2.42 Antarmuka Adobe Photoshop CS 2
2.18 Matlab Simulink R2009a
Kategori