Yang menjadi perhatian penting dalam pemampatan adalah mempertahankan kualitas citra agar tetap baik.
4. Segmentasi citra image segmentation
Operasi segmentasi citra bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan
pengenalan pola. 5.
Analisis citra image analysis Operasi analisis citra bertujuan untuk menghitung besaran kuantitatif dari citra
untuk menghasilkan deskripsinya. Teknik analisis citra adalah mengekstraksi ciri- ciri tertentu yang sangat membantu dalam identifikasi objek. Proses segmentasi
juga diperlukan untuk melokalisasi objek dari seklilingnya. Contoh dari operasi analisis citra yaitu pendeteksian tepi objek, ekstraksi batas, dan representasi
daerah. 6.
Rekonstruksi citra image reconstruction Operasi rekonstruksi citra bertujuan untuk membentuk ulang objek dari beberapa
citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan didalam bidang medis.
2.7.3 Tujuan pengolahan citra digital
Tujuan dari pengolahan citra digital adalah 1.
Mermperbaiki kualitas gambar dilihat dari aspek radiometrik peningkatan kontras, transformasi warna, restorasi citra dan dari aspek geometrik rotasi,
translasi, skala, transformasi geometrik. 2.
Melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra.
3. Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data,
transmisi data, dan waktu proses data Hermawati, 2013.
2.8 Perbaikan Kualitas Citra
Perbaikan kualitas citra bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Melalui operasi ini, ciri-ciri khusus yang
Universitas Sumatera Utara
terdapat didalam citra dapat ditonjolkan. Beberapa operasi perbaikan citra antara lain Munir, 2007:
1. Perbaikan kontras gelapterang.
2. Perbaikan tepian objek edge enhancement.
3. Penajaman sharpening.
4. Pemberian warna semu pseudocoloring,dan
5. Penapisan derau noise filtering.
2.8.1 Nonlinear Filter
Sebagian besar filter pengolahan citra jatuh dibawah kategori Nonlinear filters. Nonlinear filter beroperasi pada sebuah gambar dengan menghitung fungsi
Nonlinear pada sebuah jendela-jendela di setiap pixel dan menggantikan nilai-nilai yang ada pada jendela-jendela tersebut dengan nilai pixel yang sudah di hitung
menggunakan fungsi nonlinear. Salah satu yang paling penting dari Nonlinear filter yang didasarkan pada median filter lainnya. Biasanya digunakan untuk
menghilangkan salt and pepper noise dari sebuah gambar dengan memberikan keunggulan di bandingkan menggunakan Aritmetic mean filter untuk memberikan
hasil informasi dari sebuah 19 tepi yang telah di filter dalam sebuah gambar. Nonlinear filters tidak terbatas dalam penghapusan sebuah noise dari sebuah
gambar. Nonlinear Filter memiliki beberapa jenis, antara lain Harmonic mean filter, Contra-Harmonic Mean Filter dan sebagiannya Chairy, 2014.
2.8.2 Kernel mask
Kernel adalah matrik yang pada umumnya berukuran kecil dengan elemen- elemennya adalah berupa bilangan. Kernel digunakan pada proses konvolusi. Oleh
karena itu kernel juga disebut dengan convolution window jendela konvolusi. Ukuran kernel dapat berbeda-beda seperti 2x2, 3x3, 5x5, dan sebagainya. Elemen-
elemen kernel juga disebut sebagai bobot weight merupakan bilangan-bilangan yang membentuk pola tertentu. Kernel juga biasa disebut dengan tapis filter,
template, mask, serta sliding window Putra, 2010.
Universitas Sumatera Utara
Gambar 2.6. Berikut merupakan contoh kernel 2x2 dan kernel 3x3
a b
Gambar 2.6. a Kernel 2x2 b Kernel 3x3
2.8.3 Konvolusi
Konvolusi merupakan operator sentral pengolah citra dan telah digunakan secara luas pada berbagai piranti lunak pengolah citra. Proses konvolusi terjadi dengan cara kernel
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. Berikut ini di disajikan citra input 4x5 yang dikonvolusikan dengan kernel 2x2 dan dihasilkan citra input 3x4.
[ ]
=
Nilai pixel baru didapat setelah melakukan proses perhitungan sebagai berikut : f0,0 : 1x1+0x1+0x1+1x1 : 2
f0,2 : 1x3+0x3+0x4+1x4 : 7 f0,1 : 1x1+0x3+0x1+1x4 : 5
f0,3 : 1x3+0x4+0x4+1x3 : 6 f1,0 : 1x1+0x1+0x2+1x1 : 2
f1,2 : 1x4+0x4+0x3+1x3 : 7 f1,1 : 1x1+0x4+0x1+1x3 : 4
f1,3 : 1x4+0x3+0x3+1x3 : 7 1
1 1
-1 1
-1 4
-1 1
-1 1
Universitas Sumatera Utara
f2,0 : 1x2+0x1+0x1+1x1 : 3 f2,2 : 1x3+0x3+0x1+1x4 : 7
f2,1 : 1x1+0x3+0x1+1x1 : 2 f2,3 : 1x3+0x3+0x4+1x4 : 7
Nilai 0 pada hasil keluaran diatas dinyatakan sebagai bukan nilai karena untuk melakukan proses konvolusi pada pixel tersebut, sebagian kernel berada diluar batas ukuran citra
sementara tidak ada nilai pixel diluar batas ukuran citra Putra, 2010.
2.8.4 Harmonic Mean Filter
Harmonic mean filter adalah anggota dari bagian Nonlinear filter yang lebih baik dalam menghilangkan Gaussian noise dari pada metode Aritmetic mean filter Chairy, 2014.
Harmonic Mean Filter bekerja dengan baik untuk noise salt, tetapi gagal untuk noise pepper. Filter ini juga bekerja baik dengan tipe noise yang lain, seperti noise Gaussian
Sutoyo, at. all, 2009.
Operasi Harmonic Mean Filter diberikan persamaan :
, =
∑
� , , ∈�
………………………...7
Keterangan :
f x,y : hasil harmonic mean filter m
: ukuran panjang window n
: ukuran lebar window g s,t : sub-image S
xy
S
xy
: window daerah yang diliputi oleh filter
Contoh perhitungan digital dari Harmonic Mean Filter. Misalkan S
xy
adalah subimage dari sebuah citra dan S
xy
berukuran 3x3 yang mempunyai nilai-nilai intensitas seperti berikut.
Universitas Sumatera Utara
5 5
4 7
2 6
6 4
2
Maka
, =
� + + + + + + + +
≈ 3,79 = 4
Sehingga bagian dari citra ini menjadi:
5 5
4 7
4 6
6 4
2
2.9 Segmentasi Citra
