Pre-Processing ANALISIS DAN PERANCANGAN

3.2. Pre-Processing

Data yang akan digunakan harus melalui beberapa proses agar dapat digunakan dalam tahap selanjutnya, yaitu proses seleksi citra. Adapun proses tersebut terdiri dari proses pembentukan citra keabuan, penghalusan citra, dan segmentasi citra. 3.2.1. Pembentukan Citra Keabuan Grayscaling Pada tahap ini citra RGB diubah menjadi citra keabuan untuk mendapatkan nilai keabuan dari setiap pixel yang ada pada citra. Proses ini harus dilakukan sebelum masuk kedalam proses penghalusan citra yaitu gaussian. Untuk mengubah citra berwarna yang memiliki nilai masing-masing r,g, dan b menjadi grayscale dengan mengambil nilai rata-rata dari ketiga komponen tersebut . Contoh citra warna dapat dilihat pada Gambar 3.2. Gambar 3.2. Citra daun Konversi dapat dilakukan dengan mengambil nilai rata-rata dari r, g, dan b. citra hasil proses grayscaling dilihat pada Gambar 3.3. Gambar 3.3. Citra daun grayscale Adapun langkah-langkah proses grayscaling dapat dilihat pada gambar 3.4. Gambar 3.4. Langkah-langkah proses grayscaling Masukkan citra RGB fh,w dengan tinggi h, lebar w. For i=0 sampai i=h-1 For j=0 sampai j=w-1 Ambil nilai komponen R, G dan B pada kolom i baris j pada citra fh,w Hitung nilai Grayscale pada posisi kolom i baris j pada citra fh,w dengan menjumlahkan nilai tiap komponen RGB di posisi tersebut kemudian dibagi dengan 3. End For End For Proses grayscaling berakhir Universitas Sumatera Utara 3.2.2. Penghalusan Citra Gaussian Proses ini dilakukan setelah proses grayscale, proses penghalusan citra ini dilakukan untuk mengurangi noise yang ada pada citra. Citra daun yang telah mengalami proses dari gaussian ditunjukkan pada Gambar 3.5. Gambar 3.5. Citra hasil proses gaussian 3.2.3. Segmentasi Citra Thresholding Pada tahap selanjutnya citra yang telah mengalami proses penghalusan citra gaussian akan mengalami proses segmentasi citra. Segmentasi citra dilakukan untuk memisahkan objek dari background. Dalam proses ini citra akan dibagi menjadi dua bagian yaitu objek dan background. Pada tahap ini setiap nilai piksel citra gaussian akan diambil nilainya untuk menentukan nilai biner pada setiap citra. Jika nilai yang dihasilkan kurang dari ambang yang dihasilkan maka nilai piksel tersebut akan diubah menjadi warna hitam dan jika nilai yang dihasilkan lebih dari nilai rata-rata maka nilai piksel akan diubah menjadi warna putih. Adapun contoh gambar yang telah mengalami proses dari thresholding ditunjukkan pada Gambar 3.6. Gambar 3.6. Citra hasil proses thresholding Universitas Sumatera Utara Adapun proses thresholding dapat dilihat pada gambar 3.7. Gambar 3.7. Langkah-langkah proses thresholding

3.3. Feature Extraction