Tabel berikut memperlihatkan contoh-contoh warna yang dihasilkan dari pencampuran warna dasar RGB
Tabel 2.2 Contoh – contoh warna dalam Hexadesimal Nilai
Warna Nilai
Warna 0x00000000
Hitam 0x0000aaff
Orange 0x000000ff
Merah 0x00888888
Abu-abu 0x0000ff00
Hijau 0x00ff00aa
Ungu 0x00ff0000
Biru 0x00aaff00
Hijau Muda 0x0000ffff
Kuning 0x00aa00ff
Merah Muda 0x00ff00ff
Magenta 0x00aaffff Kuning Muda
0x00FFFF00 Cyan 0x000088AA
Coklat 0x00FFFFFF Putih
0x00AA0088 Ungu
2.4. Histogram Warna
Banyak sekali proses pengolahan citra yang melibatkan distribusi data. Bahkan dalam image enhancement
perbaikan citra, distribusi nilai derajat keabuan Gray level pada citra menjadi suatu acuan yang sangat mendasar. Distribusi data untuk nilai
derajat keabuan dapat menggunakan metode yang dinamakan nilai histogram. Histogram adalah suatu fungsi yang menyatakan jumlah kemunculan setiap nilai.
Misalnya, ada data sebagai berikut :
X = 1 3 2 5 3 0 2 1 2 4 2 3
Maka histogramnya adalah munculnya setiap nilai pada data tersebut, yaitu nilai 0 muncul sebanyak 1 kali, nilai 1 muncul sebanyak 2 kali, nilai 2 muncul sebanyak 4
kali, nilai 3 muncul sebanyak 3 kali, nilai 4 muncul sebanyak 1 kali, dan nilai 5 muncul sebanyak 1 kali.
Universitas Sumatera utara
Histogram warna merupakan hubungan dari intensitas tiga macam warna dasar RGB.
Gambar 2.5 Contoh Histogram Warna dari sebuah Gambar
Gambar diatas terdiri dari 3 histogram warna, yaitu histogram warna merah yang terletak paling kiri, histogram warna hijau terletak di tengah, dan histogram warna
biru yang terletak paling kanan. Setiap warna RGB terdiri dari 256 warna, sedangkan pada gambar diatas dilakukan jumlah penurunan kombinasi warna menjadi 32 warna.
Sumbu X adalah jumlah pixel sedangkan sumbu Y adalah jumlah frekuensi kemunculan warna. Dibawah ini adalah contoh – contoh histogram yang diambil dari
suatu citra berikut defenisinya :
Universitas Sumatera utara
Gambar 2.6 Contoh – contoh Histogram Warna
Ciri – ciri citra dari gambar histogram tersebut adalah : a. Gelap
b. Terang c. Normal
d. Normal brightness dan contrast
2.5 Histogram Citra
Histogram citra adalah suatu fungsi yang menyatakan kemunculan jumlah pixel yang memiliki derajat keabuan tertentu di dalam sebuah citra.
2.5.1 Pembuatan Histogram
Pembuatan histogram citra dapat dibentuk dengan menentukan terlebih dahulu masing-masing jumlah dari derajat keabuan.
Histogram citra dapat ditentukan dengan menggunakan rumus:
Dimana: L
= Derajat keabuan n
i
= Jumlah pixel yang memiliki derajat keabuan i n = Jumlah seluruh pixel didalam sebuah citra
Universitas Sumatera utara
Contoh :
Citra 8 x 8 dengan skala keabuan 0 – 15
Sehingga di dapat masing-masing nilai histogram dari setiap derajat keabuan:
2.6 Template Matching
Template Matching adalah metode yang digunakan dalam penelitian ini yang bertujuan untuk mengetahui kemiripan dari dua buah gambar berdasarkan adanya
komposisi-komposisi warna yang dimiliki oleh gambar tersebut. Pertama sekali, gambar template dan gambar query ditentukan. Gambar template adalah gambar yang
digunakan sebagai bahan acuan, sedangkan gambar query adalah gambar yang nantinya diperbandingkan dengan gambar template.
Universitas Sumatera utara
Gambar 2.7 Proses template matching
Gambar template adalah gambar yang digunakan sebagai acuan. Gambar template diperoleh dari hasil pengambilan gambar dengan webcam sebelum peralatan
tersebut digunakan. Sedangkan gambar query diperoleh dari pengambilan gambar dengan menggunakan sebuah webcam web camera sesudah peralatan tersebut
digunakan. Gambar query juga disebut gambar fakta. Kemudian kedua gambar tersebut akan melalui sebuah proses ekstraksi ciri warna masing - masing dengan
menggunakan sebuah metode yaitu metode histogram warna dan kemudian jarak dari nilai histogram RGB pada masing-masing gambar gambar query dan gambar
template dihitung.
Dari jumlah histogram yang mempunyai harga R, G dan B yang sama akan dicari jarak antara gambar template dengan gambar query. Gambar yang mempunyai
jarak yang minimal adalah gambar yang paling mirip dengan gambar template atau Gambar
Acuan
Gambar Fakta
Informasi Akhir
Template Matching
Persentasi Kemiripan
Ekstraksi Ciri Ekstraksi Ciri
Universitas Sumatera utara
dengan kata lain, semakin kecil jarak yang dihasilkan dari kedua gambar tersebut maka semakin kecil pula perbedaan yang dimiliki gambar tersebut semakin mirip ,
sebaliknya gambar yang memiliki jarak yang besar adalah gambar yang memiliki perbedaan yang besar pula.
Persamaan yang digunakan untuk menghitung besarnya jarak histogram dari kedua gambar baik gambar query maupun gambar template dapat dinyatakan sebagai
berikut :
2.7 Visual Basic .Net
