2.2 Pengolahan Citra Digital
Menurut Efford 2000, pengolahan citra adalah istilah untuk berbagai teknik contoh gambar berdimensi dua yang dapat diolah dengan mudah. 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 unutk tujuan penyimpanan data, transmisi data, dan waktu proses data. Input dari pengolahan
citra adalah citra, sedangkan output-nya adalah citra hasil pengolahan Sutoyo et al, 2009. 2.2.1
Pengertian citra Sebuah citra adalah kumpulan piksel-piksel yang disusun dalam larik dua-dimensi. Indeks
baris dan kolom x,y dari sebuah piksel dinyatakan dalam bilangan bulat. Piksel 0,0 terletak pada sudut kiri atas pada citra, indeks x bergerak ke kanan dan indeks y bergerah ke bawah
Ahmad, 2005. 2.2.2
Penerapan pengolahan citra digital Pengolahan citra digital dapat diterapkan dalam berbagai bidang. Bidang yang termasuk
diterapkannya pengolahan citra digital antara lain adalah bidang biomedis, bidang biometrika, bidang penginderaan jarak jauh, bidang fotografi, bidang hukum, bidang
ekonomi dan lain sebagainya. Pengolahan citra digital pada bidang medis dapat mendeteksi berbagai penyakit seperti mendeteksi penyakit jantung dan kanker, identifikasi penyakit
paru-paru, identifikasi sel darah merah dan lain-lain Putra, 2009. 2.2.3
Aras Keabuan grayscale Aras keabuan adalah proses perubahan nilai nilai piksel dari warna RGB menjadi gray-
level atau grayscale. Proses grayscaling dilakukan dengan meratakan nilai piksel dari tiga nilai RGB menjadi 1 nilai Sutoyo et al, 2009. Proses konversi citra berwarna ke citra
grayscale dapat dilakukan dengan cara yang terdapat pada persamaan 2.1 :
� , =
�+ +
2.1
Universitas Sumatera Utara
dengan Ix,y adalah tingkat warna keabuan pada posisi x,y. Sedangkan R,G, dan B berturut-turut menyatakan nilai komponen ruang warna dari setiap nilai piksel citra berwarna
pada posisi x,y.
2.2.4 Pengambangan Thresholding
Proses pengambangan akan menghasilkan citra biner, yaitu citra yang memiliki dua tingkat keabuan yaitu hitam dan putih. Secara umum proses pengambangan citra grayscale untuk
menghasilkan citra biner dengan cara yang terdapat pada persamaan 2.2: ,
= { � ,
≥ � �
, �}
2.2 dengan gx,y adalah citra biner dari citra grayscale fx,y, dan T menyatakan nilai ambang.
Nilai T memegang peranan yang sangat penting dalam proses pengambangan Putra, 2009.
2.2.5 Erosi
Operasi erosi dapat dinyatakan ke dalam persamaan 2.3. EA,B =
� = { ∶ ⊂ �} 2.3
Proses erosi dilakukan dengan membandingkan setiap pixel citra input dengan nilai pusat SE dengan cara melapiskan SE dengan citra sehingga pusat SE tepat dengan posisi pixel citra
yang diproses. Dalam proses erosi akan menghasilkan objek yang menyempit mengecil. Lubang pada objek juga akan tampak membesar seiring menyempitnya batas objek tersebut.
2.2.6 Dilasi
Operasi dilasi dapat dinyatakan ke dalam persamaan 2.4. DA,B = A
⊕ B = { ∶ ⋂ ≠ ∅} 2.4
Dengan ∅ menyatakan himpunan kosong.
Proses erosi dilakukan dengan membandingkan setiap pixel citra input dengan nilai pusat SE dengan cara melapiskan SE dengan citra sehingga pusat SE tepat dengan posisi pixel citra
yang diproses.
Universitas Sumatera Utara
2.2.7 Momen Invariant
Fitur momen invariant bermanfaat untuk menyatakan objek dengan memperhitungkan area objek. Fitur ini menggunakan dasar momen pusat yang ternormalisasi. Momen yang
dihasilkan dapat digunakan untuk menangani translasi, penyekalan, dan rotasi gambar Kadir Susanto, 2012. Jika ada sebuah citra dengan nilai intensitas adalah fi,j, dimana nilai i
sebagai baris dan j sebagai kolom maka momen invariant yang mentransformasikan fungsi citra fi,j pada sistem diskrit dinyatakan dengan persamaan 2.5
m
pq
= ∑
∑
− =
=� −
i
p
j
q
fi,j 2.5
dimana: m
pq
= citra dua dimensi H = tinggi citra
W = lebar citra i = baris
j = kolom
Pencipta Momen Invariant adalah Hu, menciptakan tujuh momen invariant seperti persamaan 2.6, 2.7, 2.8, 2.9, 2.10, 2.11 dan 2.12
∅ = ŋ + ŋ 2.6
∅ = ŋ − ŋ + ŋ 2.7
∅ = ŋ − ŋ + ŋ − ŋ 2.8
∅ = ŋ + ŋ + ŋ + ŋ 2.9
∅ = ŋ − ŋ ŋ + ŋ ŋ + ŋ − ŋ + ŋ +
ŋ − ŋ ŋ + ŋ ŋ + ŋ − ŋ + ŋ 2.10
∅ = ŋ − ŋ ŋ + ŋ − ŋ + ŋ +
Universitas Sumatera Utara
ŋ ŋ + ŋ ŋ + ŋ
2.11 ∅ = ŋ − ŋ ŋ + ŋ ŋ + ŋ − ŋ + ŋ
ŋ − ŋ ŋ + ŋ ŋ + ŋ − ŋ + ŋ 2.12
Dimana: ∅ = Momen Invariant
ŋ = Momen pusat ternormalisasi 2.2.8
Roundness R Roundness menggambarkan tingkat kebulatan sel. Kebulatan bentuk Roundness adalah
perbandingan antara luas objek area dan kuadrat perimeter, yang dapat dihitung dari persamaan 2.13.
R= 4π
� �
2
�
2.13
Dimana: R
= Kebulatan bentuk Roundness A = Area
P = Perimeter Hasilnya berupa nilai ≤1. Nilai 1 menyatakan bahwa objek R berbentuk lingkaran.
2.3 Unsupervised learning
Kategori