PERBANDINGAN METODE THINNING ZHANG SUENDENGAN STENTIFORD PADA PENGENALAN KARAKTER.
PERBANDINGAN METODE THINNING ZHANG
SUEN DENGAN STENTIFORD PADA PENGENALAN
KARAKTER
SKRIPSI
Disusun oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN"
J AWA TIMUR
SURABAYA
2014
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN STENTIFORD PADA PENGENALAN KARAKTER
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
SURABAYA
2014
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
LEMBAR PENGESAHAN
PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN STENTIFORD PADA PENGENALAN KARAKTER
Disusun Oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
Telah disetujui untuk mengikuti Ujian Negara Lisan
Gelombang IV Tahun Akademik 2013/2014
Pembimbing Utama
Wahyu S.J . Saputra, S.Kom, M.Kom
NPT. 3 8608 100 295 1
Pembimbing Pendamping
EVA YULIA P. S.Kom
NPT. 38907 1303 461
Mengetahui,
Ketua J urusan Teknik Infor matika
Fakultas Teknologi Industri
UPN ”Veteran” J awa Timur
Dr. Ir. Ni Ketut Sari, MT
NIP. 19650731 199203 2 001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SKRIPSI
PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN STENTIFORD PADA PENGENALAN KARAKTER
Disusun Oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi
J urusan Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur
Pada Tanggal 15 J anuari 2014
Pembimbing :
Tim Penguji :
1.
1.
Wahyu S.J . Saputra, S.Kom, M.Kom
NPT. 3 8608 100 295 1
Budi Nugroho, S.Kom, M.Kom
NPT. 38006 050 205 1
2.
2.
EVA YULIA PUSPANINGRUM. S.Kom
NPT. 38907 1303 461
Rizky Par lika, S.Kom, M.Kom
NPT. 3 8006 040 198
3.
Yisti Vita Via, S.ST, M.Kom
NPT. 3 8604 130 347 1
Mengetahui,
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur
Ir. SUTIYONO, MT.
NIP. 19600713 198703 1001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
YAYASAN KESEJ AHTERAAN PEDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189
Fax. (031) 8706372 Website. www.upnjatim.ac.id
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
:
Ryche Destyani Yuniar
NPM
:
0934010096
Program Studi
:
Teknik Informatika
Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2013/2014
dengan judul :
“PERBANDINGAN METODE THINNING ZHANG SUEN DENGAN
STENTIFORD PADA PENGENALAN KARAKTER “
Surabaya, Januari 2014
Dosen penguji yang memeriksa revisi
1.
Budi Nugroho, S.Kom, M.Kom
NPT. 38006 050 205 1
2.
}
{
}
{
}
Rizky Par lika, S.Kom, M.Kom
NPT. 3 8006 040 198
3.
{
Yisti Vita Via, S.ST, M.Kom
NPT. 38604 130 347 1
Mengetahui,
Pembimbing Utama
Pembimbing Pendamping
Wahyu S.J . Saputra, S.Kom, M.Kom
NPT. 3 8608 100 295 1
EVA YULIA P. S.Kom
NPT. 38907 1303 461
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Puji syukur alhamdulillaahi rabbil ‘alamiinpenulis ucapkan kehadirat
Allah SWT atas segala rahmat serta karunia-Nyayang diberikan kepada penulis
sehingga penulis dapat menyelesaikan skripsi yang berjudul“PENGENALAN
WAJ AH MANUSIA MENGGUNAKAN ALGORITMA EIGENFACE”.
Skripsi dengan beban 4 SKS ini disusun sebagai salah satu syarat untuk
menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika,
Fakultas Teknologi Industri, UPN “Veteran” Jawa Timur.
Penulis menyadari bahwa penulisan skripsi ini masih jauh dari
kesempurnaan dikarenakan pengetahuan dan
pengalaman
yang
dimiliki
olehpenulis masih sangat terbatas dan masih perlu diperbaiki baik dari segi
penyajian maupun isinya. Oleh karena itu, penulis mengharapkan kritik dan saran
yang bersifat membangun dari semua pihak yang membaca skripsi ini. Semoga
skripsi ini bermanfaat bagi semua pembaca pada umumnya dan bagi penulis pada
khususnya. Amiin.
Surabaya, Januari 2014
(Penulis)
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
UCAPAN TERIMA KASIH
Skripsi ini dapat diselesaikan dengan baik karena dukungan, bimbingan
dan bantuan dari berbagi pihak. Oleh karena itu dalam kesempatan ini
perkenankan penulis mengucapkan rasa terima kasih yang sebesar-besarnya
kepada :
1) Allah SWT., karena berkat rahmat dan karunia-Nya penulis dapat menyusun
dan menyelesaikan skripsi ini.
2) Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor Universitas
Pembangunan Nasional “Veteran” Jawa Timur.
3) Bapak Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
4) Ibu Dr. Ir. Ni Ketut Sari, MT selaku Ketua Jurusan Teknik Informatika UPN
“Veteran” Jawa Timur.
5) Ibu Yisti Vita Via, S.ST, M.Kom selaku PIA Tugas Akhir Teknik Informatika
UPN “Veteran” Jawa Timur.
6) Bapak Wahyu S.J Saputra, S.Kom, M.Kom, dan Ibu Eva Yulia P S.Kom
selaku dosen pembimbing skripsi ini di UPN “Veteran” Jawa Timur yang
telah banyak memberikan waktu, bimbingan dan petunjuk sejak awal hingga
terselesainya skripsi ini.
7) Abah dan Umi tercinta yang selalu memberikan kasih sayang, dukungan
moril, doa, semangat dan materiil yang tiada henti-hentinya.
8) Anak mama, Queen Chessa V.A yang selalu mendoakan dan selalu
mengobati di saat kejenuhan.
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
iv
9) Nur Slamet, Suami tercinta yang selalu mendampingi, memberikan semangat
dan motivasi.
10) Adik Chacha dan saudara-saudara tersayang yang selalu memberikan doa dan
semangat.
11) Teman-teman ku, Mas Rully, Novia, Nindy , Fibri, dll terima kasih atas
bantuan, doa dan semangatnya.
12) Semua teman-teman Teknik Informatika 2009 UPN “Veteran” Jawa Timur.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
Halaman
ABSTRAK ...................................................................................................
i
KATA PENGANTAR ................................................................................. ii
UCAPAN TERIMA KASIH ...................................................................... iii
DAFTAR ISI ...............................................................................................
v
DAFTAR GAMBAR ................................................................................... viii
DAFTAR TABEL ....................................................................................... xi
BAB I PENDAHULUAN ..........................................................................
1
1.1. Latar Belakang .......................................................................
1
1.2. Rumusan Masalah ..................................................................
2
1.3. Batasan Masalah ....................................................................
2
1.4. Tujuan ……….. .....................................................................
3
1.5. Manfaat ..................................................................................
3
1.6. Metode Penelitian .................................................................
3
1.7. Sistematika Penulisan .............................................................
4
BAB II TINJ AUAN PUSTAKA ................................................................
6
2.1. Citra ......................................................................................
6
2.1.1. Definisi Citra .............................................................
7
2.1.2. Citra Digital ...............................................................
7
2.1.2.1. Citra BMP ....................................................
9
2.1.2.2. Elemen-elemen Citra Digital ........................ 10
v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.1.3. Digitalisasi ................................................................. 13
2.1.4. Citra Teks .................................................................. 14
2.1.4.1. Optical Character Recognition (OCR) ......... 14
2.2. Pengolahan Citra .................................................................... 17
2.3. Citra RGB ............................................................................. 19
2.4. Piksel .................................................................................... 20
2.5. Pengenalan Pola ..................................................................... 20
2.6. Citra Grayscale ..................................................................... 22
2.7. Citra Biner ............................................................................ 24
2.8. Operasi Morfologi ................................................................. 25
2.9. Algoritma Thinning ............................................................... 25
2.9.1.
Algoritma Zhang Suen ............................................. 26
2.9.2.
Algoritma Stentiford ................................................ 28
2.10. MATLAB ............................................................................. 31
2.10.1. Operator Komputasi ................................................ 34
2.10.2. Bilangan Kompleks .................................................. 35
2.10.3. Fungsi Matematis .................................................... 35
2.10.4. Variabel ................................................................... 36
2.10.5. Kelengkapan Pada Sistem MATLAB ....................... 37
BAB III METODOLOGI PENELITIAN .................................................. 39
3.1. Analisis Sistem ...................................................................... 39
3.2. Flowchart Algoritma Zhang Suen .......................................... 41
3.3. Simulasi Proses Cara Kerja Algoritma Zhang Suen ............... 43
vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4. Flowchart Algotirma Stentiford ............................................. 46
3.5. Simulasi Proses Cara Kerja Algoritma Stentiford .................. 50
3.6. Perancangan Interface ........................................................... 56
3.6.1. Interface Tampilan GUI ............................................. 56
BAB IV HASIL DAN PEMBAHASAN...................................................... 58
4.1. Implementasi Data ................................................................ 58
4.2. Implementasi Interface ........................................................... 58
4.3. Uji Coba Program ................................................................. 60
4.4. Evaluasi Aplikasi .................................................................. 63
4.4.1. Analisis Proses Thinning ............................................... 63
4.1.1.1 Analisis Akurasi Hasil Thinning ........................ 64
BAB V KESIMPULAN DAN SARAN ...................................................... 76
5.1. Kesimpulan ............................................................................ 76
5.2. Saran .................................................................................... 77
DAFTAR PUSTAKA .................................................................................. 78
vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
J UDUL
: PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN
STENTIFORD
PADA
PENGENALAN
KARAKTER
PENYUSUN
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II
: RYCHE DESTYANI YUNIAR
: WAHYU S.J SAPUTRA S.KOM M.KOM
: EVA YULIA P S.KOM
ABSTRAK
Image thinning merupakan salah satu aplikasi dari segmentasi citra untuk
menghasilkan bentuk kerangka dari sebuah citra digital dan mengolah citra digital
tersebut agar lebih padat. Dengan kata lain, image thinning bertujuan untuk
memproses pixel-pixel pada sebuah citra digital agar menghasilkan sebuah citra
digital yang lebih kecil ukurannya namun tetap memiliki informasi yang sama
seperti sebelum dilakukan proses thinning.
Ada beberapa algoritma untuk metode thinning. Pada penelitian ini
menggunakan algoritma Zhang Suen dan algoritma Stentiford dengan bahasa
pemrograman MATLAB. Kedua algoritma tersebut dibandingkan sehingga dapat
diketahui algoritma manakah yang terbaik untuk proses pengenalan karakter
dengan cara membandingkan hasil thinning citra digital asli dengan hasil thinning
citra original dari scanning. Dengan menggunakan pemrosesan awal, dilakukan
resize dan RGB ke gray. Kemudian dilakukan Threshold untuk mendapatkan dua
keadaan warna yaitu hitam dan putih, Binerisasi. Setelah itu di thinning dengan
algotirma Zhang Suen dan algoritma Stentiford.
Dari percobaan dan pengujian perbandingan algoritma yang telah
dilakukan, dapat dilihat bahwa pada hasil Validasi yang dilakukan pada kedua
algoritma menggunakan metode Kappa Cohen, algoritma Zhang Suen
menghasilkan nilai value 0,415 sedangkan algoritma Stentiford menghasilkan
nilai value 0,514.
Kata Kunci: Thinning, Zhang Suen, Stentiford, Kappa Cohen.
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB I
PENDAHULUAN
1.1
Latar Belakang
Segmentasi citra (image segmentation) merupakan langkah awal pada
proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di
dalam suatu citra. Langkah ini akan menentukan berhasil atau tidaknya proses
analisa citra.
Dalam
proses
Normalization
pada
pengenalan
karakter
dapat
menggunakan metode thinning untuk merubah dimensi region tiap karakter dan
ketebalan karakter (Arief, Sukmawan. 2009).
Thinning merupakan suatu proses penting sebelum melakukan prosesproses atau operasi-operasi pengolahan citra, seperti dalam proses pengenalan
karakter optic, pengenalan sidik jari, pemrosesan teks, dan lain sebagainya dengan
mengurangi bagian yang tidak perlu (redundant).
Dengan melakukan thinning pada sebuah citra digital, dapat dihasilkan
sebuah citra digital dengan ukuran objek yang lebih kecil namun tidak
mengurangi kualitas dari citra digital tersebut. Metode image thinning yang dapat
digunakan adalah Zhang Suen dan Stentiford.
Metode Zhang Suen merupakan algoritma image thinning yang
menggunakan perbandingan sebagai basis dalam melakukan image thinning.
Dengan menggunakan perbandingan yang dilakukan secara berulang-ulang,
metode ini akan menghasilkan citra digital yang lebih padat sehingga cocok
digunakan dalam proses thinning sebuah citra digital.
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2
Metode Stentiford merupakan algoritma thinning dengan menggunakan
teknik template-based mark-and-delete. Metode thinning jenis ini menggunakan
template untuk dicocokkan dengan citra yang akan di thinning. Algoritma ini
bersifat iterative yang berguna untuk mengikis lapisan pixel terluar sampai tidak
ada lapisan lagi yang dapat dihilangkan.
Untuk itu penulis akan melakukan analisa terhadap kedua metode tersebut
dengan menganalisis akurasi dari hasil thinning kedua algoritma untuk pengenalan
karakter secara visual dan membandingkan hasil validasi yang dilakukan pada
kedua algoritma menggunakan metode Kappa Cohen.
1.2
Rumusan Masalah
Berdasarkan beberapa uraian latar belakang di atas maka dapat
dirumuskan masalah, yaitu :
1.
Bagaimana mengimplementasikan metode Zhang Suen
dan Stentiford
pada proses thinning.
2.
Bagaimana membandingkan hasil thinning menggunakan
algoritma
Zhang Suen dengan Stentiford.
1.3
Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas
akhir ini dapat berjalan dengan baik adalah sebagai berikut :
1.
Citra yang digunakan berukuran 200x200 piksel.
2.
Algoritma thinning yang dibandingkan yaitu algoritma Zhang Suen dan
algoritma Stentiford.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
3.
Format gambar .bmp.
4.
Yang diukur pada hasil thinning yaitu akurasi kedua algoritma untuk
pengenalan karakter secara visual dan hasil Validasi yang dilakukan pada
kedua algoritma menggunakan metode Kappa Cohen.
1.4
Tujuan
Tujuan dari tugas akhir ini adalah untuk membandingkan metode thinning
Zhang Suen dengan Stentiford pada pengenalan karakter.
1.5
Manfaat
Manfaat dari pembuatan aplikasi adalah untuk mengetahui metode mana
yang terbaik dari kedua metode tersebut untuk proses pengenalan karakter.
1.6.
Metode Penelitian
Metode yang digunakan dalam penulisan tugas akhir ini antara lain :
1.
Metode Pengumpulan Data
Metode pengumpulan data dalam penulisan ini menggunakan studi
kepustakaan dengan membaca dan mempelajari buku-buku literatur,
jurnal-jurnal, artikel-artikel yang berhubungan dengan pengenalan citra
berbasis komputer dan pembuatan interface.
2.
Metode Analisis
Metode analisis dalam penulisan ini dibagi menjadi beberapa tahap:
a.
Analisis cara kerja Algoritma untuk melakukan proses thinning.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
b.
Analisis penggunaan Algoritma untuk menghasilkan hasil thinning
yang kemudian akan dibandingkan.
3.
Perancangan dan Pembuatan Aplikasi
Melakukan perancangan
Algoritma
yang
digunakan,
perancangan
interface yang digunakan untuk aplikasi yang dibuat.
4.
Pengujian dan Evaluasi Aplikasi
Melakukan pengujian pada aplikasi yang telah dibuat dan mengevaluasi
hasil yang diperoleh sehingga dapat mengetahui apakah aplikasi sesuai
dengan tujuan yang diharapkan.
5.
Pembuatan Naskah Skripsi
Melakukan dokumentasi dari semua tahap agar dapat dipelajari untuk
pengembangan lebih lanjut. Memaparkan dasar-dasar teori dan metode
yang terlibat di dalamnya, diantaranya desain perangkat lunak dan
implementasinya, hasil pengujian aplikasi termasuk juga perbaikan.
1.7.
Sistematika Penulisan
Pada penyusunan tugas akhir, sistematika pembahasan diatur dan disusun
dalam lima bab, dan tiap-tiap bab terdiri dari sub-sub bab. Untuk memberikan
gambaran yang lebih jelas, maka diuraikan secara singkat mengenai materi dari
bab-bab dalam penulisan tugas akhir ini sebagai berikut:
BAB I
PENDAHULUAN :
Pada bab ini berisi latar belakang, perumusan masalah, batasan
masalah, tujuan penelitian, manfaat penelitian, dan sistematika
penulisan pembuatan tugas akhir ini.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5
BABII
TINJAUAN PUSTAKA :
Pada bab ini menjelaskan mengenai landasan teori-teori pendukung
pembuatan tugas akhir ini.
BABIII
METODOLOGI PENELITIAN :
Pada bab ini berisi tentang analisis dan perancangan aplikasi dalam
pembuatan tugas akhir ini.
BAB IV
HASIL DAN PEMBAHASAN :
Pada bab ini akan membahas tentang kerja dari aplikasi secara
keseluruhan, menjelaskan tentang pelaksanaan uji coba dan evaluasi
dari pelaksanaan uji coba dari program yang dibuat. Uji coba
dilakukan pada akhir dari tahap-tahap analisis aplikasi, desain
aplikasi dan tahap penerapan aplikasi atau implementasi.
BAB V
KESIMPULAN DAN SARAN :
Pada bab ini berisi kesimpulan dan saran dari penulis untuk
pengembangan aplikasi.
DAFTAR PUSTAKA :
Pada bagian ini akan dipaparkan tentang sumber-sumber literatur
yang digunakan dalam pembuatan laporan tugas akhir ini.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1.
Citra
Citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut
pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas
cahaya pada bidang dua dimensi. Citra sebagai output dari suatu sistem
perekaman data dapat bersifat :
1.
Optik, berupa foto.
2.
Analog berupa sinyal video, seperti gambar pada monitor televisi.
3.
Digital yang dapat langsung disimpan pada suatu pita magnetik.
Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
image) adalah citra tunggal yang tidak bergerak dan citra bergerak (moving
image) yaitu rangkaian citra diam yang ditampilkan secara beruntun (sekuensial),
sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiap citra
didalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film
layar lebar atau televisi yaitu terdiri dari ratusan sampai ribuan frame.
Dari sudut pandang pencitraan, citra (image) adalah rekaman hasil
interaksi antara gelombang dengan benda (object), yang memberikan sebagian
gambaran atau informasi dari benda tersebut. Proses pembentukan citra dengan
merekam hasil interaksi inilah yang disebut sebagai proses pencitraan (imaging).
Dengan demikian ada 3 (tiga) komponen utama dalam pencitraan, yaitu :
6
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
7
1.
Gelombang pengindera (sensing waves).
2.
Benda (object).
3.
Alat pengindera (sensor).
2.1.1. Definisi Citra
Secara harfiah citra (image) adalah gambar pada bidang dua dimensi.
Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
(continue) dari intensitas cahaya pada bidang dua dimensi.(Sitorusdkk, 2006)
Citra didefinisikan sebagai fungsi intensitas cahaya dua dimensi f(x,y)
dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y)
sebanding
dengan
tingkat
kecerahan
(gray
level)
dari citra
di
titik
tersebut.(Purwanto Ari, 2009)
Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
images) dan citra bergerak (moving images). Citra diam adalah citra tunggal yang
tidak bergerak. Sedang citra bergerak adalah rangkaian citra diam yang
ditampilkan secara beruntun (sekuensial), sehingga memberi kesan pada mata
sebagai gambar yang bergerak.(Sitorus dkk, 2006)
2.1.2 Citra digital
Citra digital adalah citra dengan f(x,y) yang nilainya didigitalisasikan baik
dalam koordinat spasial maupun dalam gray level. Digitalisasi dari koordinat
spasial citra disebut dengan image sampling. Sedangkan digitalisasi dari gray
level citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan
sebagai suatu matriks dimana baris dan kolomnya merepresentasikan suatu titik di
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
dalam citra, dan nilai elemen matriks tersebut menunjukkan gray level di titik
tersebut.(Purwanto Ari, 2009)
Hal tersebut dapat diilustrasikan pada Gambar 2.1.
Gambar 2.1. Citra Digital
Citra digital merupakan representatif dari citra yang diambil oleh mesin
dengan bentuk pendekatan berdasarkan sampling dan kuantitasi. Sampling
menyatakan besarnya kota-kotak yang disusun dalam baris dan kolom. Dengan
kata lain sampling pada citra menyatakan besar kecilnya ukuran pixel (titik) pada
citra, jika kuantitasi menyatakan besarnya nilai tingkat kecerahan yang dinyatakan
dalam nilai tingkat keabuan (gray scale) sesuai dengan jumlah bit Biner yang
digunakan oleh mesin, maka dapat dikatakan bahwa kuantitasi pada citra
menyatakan jumlah warna yang ada pada citra.
Ada beberapa format citra digital, antara lain: BMP, PNG, JPG, GIF dan
sebagainya. Masing-masing format mempunyai perbedaan satu dengan yang lain
terutama pada header file. Namun ada beberapa yang mempunyai kesamaan, yaitu
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
9
penggunaan palette untuk penentuan warna piksel. Sebagai studi kasus dalam
tugas akhir ini akan digunakan format citra *.bmp yang dikeluarkan oleh
Microsoft.
2.1.2.1 Citra BMP
Format BMP, disebut dengan bitmap atau format DIB (Device Independent
Bitmap) adalah sebuah format citra yang digunakan untuk menyimpan citra bitmap
digital terutama pada sistem operasi Microsoft Windows atau OS/2. Pada citra
berformat *.bmp (bitmap) yang tidak terkompresi, piksel citra disimpan dengan
kedalaman warna 1, 4, 8, 16 atau 24 bit per piksel. (Ahmad, 2005).
Gambar 2.2 Citra BMP
Pada umumnya citra bitmap teridir dari 4 blok data yaitu: BMP header, Bit
Information (DIB header), Color Pallete, dan Bitmap Data. BMP header berisi
informasi umum dari citra bitmap. Blok ini berada pada bagian awal file citra dan
digunakan untuk mengidentifikasi citra. Beberapa aplikasi pengolah citra akan
membaca blok ini untuk memastikan bahwa citra tersebut berformat bitmap dan
tidak dalam kondisi rusak. Bit information berisi informasi detail dari citra
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
bitmap, yang akan digunakan untuk menampilkan citra pada layar. Color pallete
berisi informasi warna yang digunakan untuk indeks warna bitmap, dan bitmap
data berisi data citra yang sebenarnya, piksel per piksel.
2.1.2.2 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 diantaranya adalah:
1.
Kecerahan (brightness).
Kecerahan adalah kata lain untuk intensitas cahaya. Sebagaimana telah
dijelaskan pada bagian penerokan, kecerahan pada sebuah titik (pixel) di dalam
citra bukanlah intensitas yang riil, tetapi sebenarnya adalah intensitas rata-rata dari
suatu area yang melingkupinya.
Gambar 2.3 Kecerahan
Sistem visual manusia mampu menyesuaikan dirinya dengan tingkat
kecerahan (brightness level) mulai dari yang paling rendah sampai yang paling
tinggi.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
2.
Kontras (contrast).
Kontras menyatakan sebaran terang (lightness) dan gelap (darkness) di
dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar
komposisi citranya adalah terang atau sebagian besar gelap. 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 kita
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 (l) yang berbeda.
Gambar 2.4 Warna
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Warna merah mempunyai panjang gelombang paling tinggi, sedangkan
warna ungu (violet) mempunyai panjang gelombang paling rendah. Warna-warna
yang diterima oleh mata (sistem visual manusia) merupakan hasil kombinasi
cahaya dengan panjang gelombang berbeda. Penelitian memperlihatkan bahwa
kombinasi warna yang memberikan rentang warna yang paling lebar adalah red
(R), green (G), dan blue (B).
Gambar 2.5 Citra RGB
Persepsi sistem visual manusia terhadap warna sangat relatif sebab
dipengaruhi oleh banyak kriteria, salah satunya disebabkan oleh adaptasi yang
menimbulkan distorsi. Misalnya bercak abu-abu di sekitar warna hijau akan
tampak keunguunguan (distorsi terhadap ruang), atau jika mata melihat warna
hijau lalu langsung dengan cepat melihat warna abu-abu, maka mata menangkap
kesan warna abu-abu tersebut sebagai warna ungu (distorsi terhadap waktu).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
2.1.3 Digitalisasi
Agar dapat diolah dengan dengan komputer digital, maka suatu citra harus
direpresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari
fungsi malar (kontinu) menjadi nilai-nilai diskrit disebut digitalisasi . Citra yang
dihasilkan inilah yang disebut citra digital (digital image). Pada umumnya citra
digital berbentuk empat persegipanjang, dan dimensi ukurannya dinyatakan
sebagai tinggi ´ lebar (atau lebar ´ panjang).
Citra digital dihasilkan dengan proses digitalisasi terhadap citra kontinu.
Sama halnya Proses digitalisasi dalam bentuk data lain, proses digitalisasi pada
citra juga merupakan proses pengubahan suatu bentuk data citra dari yang bersifat
analog ke digital. Yang mana proses ini dihasilkan dari peralatan digital yang
langsung bisa diproses oleh komputer. Proses ini dapat dijelaskan sebagai berikut.
Ada sebuah objek yang akan diambil gambarnya untuk dijadikan citra digital.
Sumber cahaya diperlukan untuk menerangi objek, yang berarti ada
intensitas cahaya (brightness) yang diterima oleh objek. Oleh objek, intensitas
cahaya ini sebagian diserap dan sebagian lagi dipantulkan ke lingkungan sekitar
objek secara radikal. Sistem pencitraan (imaging) menerima sebagian dari
intensitas cahaya yang dipantul oleh objek tadi.
Di dalam sistem pencitraan terdapat sensor optik yang digunakan untuk
mendeteksi intensitas cahaya yang masuk ke dalam sistem. Keluaran dari sistem
ini berupa arus yang besarnya sebanding dengan intensitas cahaya yang
mengenainya. Arus tersebut kemudian dikonversi menjadi data digital yang
kemudian dikirimkan ke unit penampil atau unit pengolah lainnya. Secara
keseluruhan hasil keluaran sistem pencitraan berupa citra digital.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
2.1.4 Citra Teks
Teks adalah data yang terdiri dari karakter-karakter yang menyatakan katakata atau lambang-lambang untuk berkomunikasi oleh manusia dalam bentuk
tulisan. Terdapat dua jenis teks, antara lain:
1.
Teks tulisan tangan, merupakan data yang terdiri dari karakter-karakter
yang menyatakan kata-kata untuk berkomunikasi dalam bentuk tulisan
tangan manusia.
2.
Teks digital, merupakan data yang terdiri dari karakter-karakter yang
menyatakan kata-kata untuk berkomunikasi dalam bentuk tulisan di dalam
sistem komputer. Dengan arti lainnya, teks digital adalah suatu jenis
penggambaran dari rangkaian karakter pada sistem komputer.
2.1.4.1 Optical Character Recognition (OCR)
Manusia mengenali objek-objek yang ada di sekelilingnya, dengan cara ini
mata menerapkan mekanisme optik. Namun sementara otak melihat input,
kemampuan untuk memahami sinyal-sinyal ini bervariasi pada setiap orang sesuai
dengan banyak faktor.
Begitu halnya dengan OCR (Optical Character Recognition). Teknologi
ini memungkinkan mesin untuk secara otomatis mengenali karakter melalui
mekanisme optik. (AIM.Inc, 2000) AIM. Inc dalam artikel berjudul Optical
Character Recognition pada tahun 2000 juga menjelaskan, OCR banyak
digunakan untuk mengkonversi buku-buku dan dokumen ke dalam bentuk file
elektronik,
misalnya
dalam
bentuk
PDF
dan
lain
sebagainya,
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
untuk
15
mengkomputerisasi
sistem
pencatatan
misalnya
di
kantor,
atau
untuk
mempublikasikan teks pada website.
OCR memungkinkan untuk mengedit teks, mencari kata atau frase, dan
menerapkan teknik seperti mesin penerjemahan, text-to-speech dan text mining.
OCR biasa digunakan untuk bidang penelitian dalam pengenalan pola, kecerdasan
buatan (artificial intelligent) dan computer vision.
Sistem OCR memerlukan kalibrasi untuk membaca font yang spesifik,
versi awal harus diprogram dengan gambar karakter masing-masing, dan bekerja
pada satu font pada suatu waktu. Sistem cerdas (intelligent system) dengan tingkat
akurasi yang tinggi pengakuan untuk font yang paling sekarang umum. Beberapa
sistem mampu mereproduksi output diformat yang erat mendekati halaman yang
dipindai asli termasuk gambar, kolom dan non-tekstual komponen.
Secara umum, proses pengenalan karakter yang dilakukan oleh OCR
disajikan pada gambar diagram di bawah ini.
Gambar 2.6 Proses pengenalan oleh OCR secara umum
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
Proses segmentasi bertujuan untuk memisahkan wilayah (region) objek
dengan wilayah latar belakang agar objek dalam citra mudah dianalisis dalam
rangka mengenali objek. Dengan demikian citra yang besar terdiri dari objek
karakter dapat disegmentasi menjadi masing-masing karakter.
Proses selanjutnya adalah normalisasi, yang di dalamnya masih terdapat 2
proses lagi yaitu:
1.
Scalling, adalah fungsi untuk mengubah ukuran suatu gambar dimana
scalling merupakan istilah yang cenderung untuk memperbesar gambar,
dan shrink untuk memperkecil gambar.
2.
Thinning, adalah operasi morfologi yang digunakan untuk menghapus
piksel foreground yang terpilih dari gambar Biner, biasanya digunakan
untuk proses mencari tulang dari sebuah objek.
Langkah selanjutnya adalah ekstraksi fitur (feature extraction). Feature
Extraction adalah suatu proses analisis citra dalam mengidentifikasi sifat-sifat
yang melekat dari tiap-tiap karakter atau disebut juga dengan fitur dari sebuah
objek yang terdapat dalam citra.
Karakteristik ini digunakan dalam mendeskripsikan sebuah objek atau
atribut dari sebuah obyek, kemudian fitur yang dimiliki oleh karakter dapat
digunakan sebagai proses recognition.
Setelah langkah-langkah di atas selesai dilakukan, maka OCR siap untuk
melakukan tahap pengenalan dan akan memberikan output atau hasil pengenalan
karakter angka maupun huruf.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
2.2
Pengolahan Citra
Pengolahan citra digital adalah pemrosesan citra menjadi citra yang lain
dengan kualitas yang lebih baik, yaitu pemrosesan pada usaha untuk
memanipulasi. Citra yang telah menjadi gambar lain menggunakan algoritma atau
teknik tertentu. Pengolahan citra mempunyai tujuan yaitu:
1.
Proses memperbaiki kualitas citra agar mudah diinterpretasikan oleh
manusia atau computer.
2.
Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra
lain.
3.
Pengolahan citra merupakan proses awal dari komputer visi.
Ada beberapa hal yang penting didalam pengolahan citra digital, antara lain
teknik-teknik pengambilan citra, model citra digital, sampling dan kuantitasi,
histogram, proses filtering, perbaikan citra sampai pada pengolahan citra digital
yang lebih lanjut seperti segmentasi, image clustering dan ekstrasi ciri.
Proses pengolahan citra secara diagram yaitu proses dimulai dari
pengambilan citra, perbaikan citra sampai dengan pernyataan representatif citra
digambarkan denga gambar:
Gambar 2.7 Proses Pengolahan Citra
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
Secara umum teknik pengolahan citra digital dibagi menjadi 3 tingkat
pengolahan, yakni:
1.
Tahap 1 yang dinamakan dengan Low-Level Processing (pengolahan
tingkat rendah). Pengolahan ini operasional-operasional dasar dalam
pengolahan citra, seperti pengurangan noise (noise redution), perbaikan
citra (image enhancement) dan restorasi citra (image restoration).
2.
Tahap 2 yang dinamakan dengan Mid-Level Processing (pengolahan
tingkat menengah). Pengolahan ini meliputi segmentasi pada citra,
deskripsi objek dan klasifikasi objek secara terpisah.
3.
Tahap 3 yang dinamakan dengan High-Level Processing (pengolahan
tingkat tinggi), yang meliputi analisis citra.
Operasi – operasi pengolahan citra meliputi perbaikan kualitas citra, yakni
perbaikan kualitas citra ini bertujuan memperbaiki kualitas citra dengan
memanipulasi parameter-parameter citra. Melalui operasi ini, ciri-ciri khusus yang
terdapat dalam didalam citra dapat lebih ditonjolkan.
Dalam perbaikan kualitas citra dapat dilakukan operasi – operasi citra,
seperti yang tertulis dalam buku Pengolahan Citra Digital yaitu :
a.
Perbaikan kontras gelap dan terang.
b.
Perbaikan tepian objek.
c.
Penajaman.
d.
Pemberian warna semu.
e.
Penapisan derau.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
2.3
Citra RGB
Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan
suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan
suatu representasi, kemiripan atau imitasi dari suatu objek atau benda.
Citra dalam komputer tidak lebih dari sekumpulan sejumlah piksel dimana
setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red,
green dan blue. Representasinya dalam citra, triplet akan terdiri dari 3 angka yang
mengatur intensitas dari Red (R), Green (G) dan Blue (B) dari suatu triplet. Setiap
triplet akan merepresentasikan 1 piksel (picture element). Suatu triplet dengan
nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai 228 dan
B ke nilai 180. Angka-angka RGB ini yang seringkali disebut dengan color
values.
Model RGB digunakan pada citra yang ditampilkan di layar monitor
semakin kecil presentase maka warna yang dihasilkan semakin terang, semakin
besar presentase makan warna yang dihasilkan semakin gelap. Pada format .bmp
citra setiap piksel pada citra direpresentasikan dengan dengan 24 bit, 8 bit untuk
R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti pada gambar
dibawah ini ( Sitorus, S dkk. 2006).
Gambar 2.8 Citra RGB
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
Setiap piksel panjangnya 24 bit, karena setiap piksel langsung menyatakan
komponen warna merah, komponen warna hijau, dan komponen warna biru.
Masing-masing komponen panjangnya 8 bit. Citra 24 bit disebut juga citra 16 juta
warna, karena citra ini mampu menghasilkan 16.777.216 kombinasi warna.
2.4
Piksel
Piksel merupakan informasi terkecildari sebuah citra yang terdiri dari 3
buah layer yaitu Red layer,Green layer dan Blue layer yang membentuk sebuah
warna.
Gambar 2.9 Piksel
Ketiga unsur warna tersebut ( Red = Merah, Green = Hijau, Blue = Biru)
dapat membentuk 2553 kombinasi warna. Ketiga unsur warna pembentuk warna
piksel ini dapat dipisah-pisahkan untuk membantu dalam pengolahan citra.
2.5
Pengenalan Pola
Pola adalah entitas yang terdefinisi dan dapat didefinisikan melalui ciri-
cirinya (feature). Ciri-ciri tersebut digunakan untuk membedakan suatu pola
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
dengan pola yang lain. Pengenalan pola bertujuan untuk menentukan kelompok
untuk kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan
kata lain pengenalan pola membedakan objek dengan objek lain.
Ada 3 pendekatan yang digunakan dalam menerapkan pattern recognition
(pengenalan pola), yaitu :
1.
Statistik
Semakin banyak pola yang disimpan, maka sistem akan semakin cerdas.
Salah satu contoh penerapannya banyak pada pola pengenalan iris scan.
Kelemahannya : hanya bergantung pada data yang disimpan saja, tidak
memiliki sesuatu struktur yang unik yang dapat menjadi kunci pengenalan
pola.
2.
Sintaks (rule)
Dengan rule / aturan maka sistem yang lebih terstruktur sehingga memiliki
sesuatu ciri yang unik. Salah satu contoh penerapannya pada pola
pengenalan sidik jari / fingerprint.
3.
Jaringan Saraf Tiruan (JST)
Merupakan gabungan dari pendekatan statistik dan pendekatan sintaks.
Dengan gabungan dari dua metode maka JST merupakan pengenalan pola
yang lebih akurat.
Salah satu contoh penerapannya pada pola pengenalan suatu citra JST
merupakan suatu sistem yang dapat memproses informasi dengan meniru
cara kerja jaringan saraf otak manusia ( Sitorus, S dkk. 2006).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
2.6
Citra Grayscale
Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu,
bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih
pada intensitas terkuat. Citra Grayscale berbeda dengan citra ”hitam-putih”,
dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja
yaitu ”hitam” dan ”putih” saja.
Pada citra Grayscale warna bervariasi antara hitam dan putih, tetapi variasi
warna diantaranya sangat banyak. Citra Grayscale seringkali merupakan
perhitungan
dari
intensitas
cahaya
pada
setiap
pixel
pada
spektrum
elektromagnetik single band ( Sitorus, S dkk. 2006).
Hal tersebut dapat diilustrasikan pada Gambar 2.3. berikut ini.
Gambar 2.10 Citra Grayscale
Citra Grayscale disimpan dalam format 8 bit untuk setiap sample pixel,
yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam
pemrograman karena manipulasi bit yang tidak terlalu banyak.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
Untuk mengubah citra berwarna yang mempunyai nilai matrik masingmasing R, G dan B menjadi citra Grayscale dengan nilai X, maka konversi dapat
dilakukan dengan mengambil rata-rata dari nilai R, G dan B sehingga dapat
dituliskan menjadi:
X = (R + G + B) / 3
Warna = (X)
Proses Grayscale dapat dilihat seperti gambar algoritma 2.11.
Start
Input citra RGB
Ukuran 200x200
X = (R + G + B) / 3
War na = (X)
Citra
grayscale
End
Gambar 2.11 Proses Greyscale
Menginput citra RGB yang berukuran 200x200 piksel, menghitung
Grayscale dengan rumus X=(R+G+B)/3, misalkan suatu piksel memiliki nilai
R=200, G=200, B=200 maka nilai X=200, setelah itu keluar piksel berwarna abuabu yang memiliki nilai derajat keabuan 200.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
2.7
Citra Biner
Citra Threshold Dilakukan dengan mempertegas citra dengan cara
mengubah citra hasil yang memiliki derajat keabuan 256 (8bit), menjadi hanya
dua buah yaitu hitam dan putih. Hal yang perlu diperhatikan pada Proses
Thresholding adalah memilih sebuah nilai Threshold dimana piksel yang bernilai
dibawah nilai Threshold akan diset menjadi citra biner nilai (0) mewakili hitam
dan piksel yang bernilai diatas nilai Threshold akan diset menjadi citra biner nilai
(1) mewakili warna putih.
J ika X
SUEN DENGAN STENTIFORD PADA PENGENALAN
KARAKTER
SKRIPSI
Disusun oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN"
J AWA TIMUR
SURABAYA
2014
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN STENTIFORD PADA PENGENALAN KARAKTER
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
SURABAYA
2014
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
LEMBAR PENGESAHAN
PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN STENTIFORD PADA PENGENALAN KARAKTER
Disusun Oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
Telah disetujui untuk mengikuti Ujian Negara Lisan
Gelombang IV Tahun Akademik 2013/2014
Pembimbing Utama
Wahyu S.J . Saputra, S.Kom, M.Kom
NPT. 3 8608 100 295 1
Pembimbing Pendamping
EVA YULIA P. S.Kom
NPT. 38907 1303 461
Mengetahui,
Ketua J urusan Teknik Infor matika
Fakultas Teknologi Industri
UPN ”Veteran” J awa Timur
Dr. Ir. Ni Ketut Sari, MT
NIP. 19650731 199203 2 001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SKRIPSI
PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN STENTIFORD PADA PENGENALAN KARAKTER
Disusun Oleh :
RYCHE DESTYANI YUNIAR
NPM. 0934010096
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi
J urusan Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur
Pada Tanggal 15 J anuari 2014
Pembimbing :
Tim Penguji :
1.
1.
Wahyu S.J . Saputra, S.Kom, M.Kom
NPT. 3 8608 100 295 1
Budi Nugroho, S.Kom, M.Kom
NPT. 38006 050 205 1
2.
2.
EVA YULIA PUSPANINGRUM. S.Kom
NPT. 38907 1303 461
Rizky Par lika, S.Kom, M.Kom
NPT. 3 8006 040 198
3.
Yisti Vita Via, S.ST, M.Kom
NPT. 3 8604 130 347 1
Mengetahui,
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur
Ir. SUTIYONO, MT.
NIP. 19600713 198703 1001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
YAYASAN KESEJ AHTERAAN PEDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189
Fax. (031) 8706372 Website. www.upnjatim.ac.id
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
:
Ryche Destyani Yuniar
NPM
:
0934010096
Program Studi
:
Teknik Informatika
Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2013/2014
dengan judul :
“PERBANDINGAN METODE THINNING ZHANG SUEN DENGAN
STENTIFORD PADA PENGENALAN KARAKTER “
Surabaya, Januari 2014
Dosen penguji yang memeriksa revisi
1.
Budi Nugroho, S.Kom, M.Kom
NPT. 38006 050 205 1
2.
}
{
}
{
}
Rizky Par lika, S.Kom, M.Kom
NPT. 3 8006 040 198
3.
{
Yisti Vita Via, S.ST, M.Kom
NPT. 38604 130 347 1
Mengetahui,
Pembimbing Utama
Pembimbing Pendamping
Wahyu S.J . Saputra, S.Kom, M.Kom
NPT. 3 8608 100 295 1
EVA YULIA P. S.Kom
NPT. 38907 1303 461
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Puji syukur alhamdulillaahi rabbil ‘alamiinpenulis ucapkan kehadirat
Allah SWT atas segala rahmat serta karunia-Nyayang diberikan kepada penulis
sehingga penulis dapat menyelesaikan skripsi yang berjudul“PENGENALAN
WAJ AH MANUSIA MENGGUNAKAN ALGORITMA EIGENFACE”.
Skripsi dengan beban 4 SKS ini disusun sebagai salah satu syarat untuk
menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika,
Fakultas Teknologi Industri, UPN “Veteran” Jawa Timur.
Penulis menyadari bahwa penulisan skripsi ini masih jauh dari
kesempurnaan dikarenakan pengetahuan dan
pengalaman
yang
dimiliki
olehpenulis masih sangat terbatas dan masih perlu diperbaiki baik dari segi
penyajian maupun isinya. Oleh karena itu, penulis mengharapkan kritik dan saran
yang bersifat membangun dari semua pihak yang membaca skripsi ini. Semoga
skripsi ini bermanfaat bagi semua pembaca pada umumnya dan bagi penulis pada
khususnya. Amiin.
Surabaya, Januari 2014
(Penulis)
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
UCAPAN TERIMA KASIH
Skripsi ini dapat diselesaikan dengan baik karena dukungan, bimbingan
dan bantuan dari berbagi pihak. Oleh karena itu dalam kesempatan ini
perkenankan penulis mengucapkan rasa terima kasih yang sebesar-besarnya
kepada :
1) Allah SWT., karena berkat rahmat dan karunia-Nya penulis dapat menyusun
dan menyelesaikan skripsi ini.
2) Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor Universitas
Pembangunan Nasional “Veteran” Jawa Timur.
3) Bapak Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
4) Ibu Dr. Ir. Ni Ketut Sari, MT selaku Ketua Jurusan Teknik Informatika UPN
“Veteran” Jawa Timur.
5) Ibu Yisti Vita Via, S.ST, M.Kom selaku PIA Tugas Akhir Teknik Informatika
UPN “Veteran” Jawa Timur.
6) Bapak Wahyu S.J Saputra, S.Kom, M.Kom, dan Ibu Eva Yulia P S.Kom
selaku dosen pembimbing skripsi ini di UPN “Veteran” Jawa Timur yang
telah banyak memberikan waktu, bimbingan dan petunjuk sejak awal hingga
terselesainya skripsi ini.
7) Abah dan Umi tercinta yang selalu memberikan kasih sayang, dukungan
moril, doa, semangat dan materiil yang tiada henti-hentinya.
8) Anak mama, Queen Chessa V.A yang selalu mendoakan dan selalu
mengobati di saat kejenuhan.
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
iv
9) Nur Slamet, Suami tercinta yang selalu mendampingi, memberikan semangat
dan motivasi.
10) Adik Chacha dan saudara-saudara tersayang yang selalu memberikan doa dan
semangat.
11) Teman-teman ku, Mas Rully, Novia, Nindy , Fibri, dll terima kasih atas
bantuan, doa dan semangatnya.
12) Semua teman-teman Teknik Informatika 2009 UPN “Veteran” Jawa Timur.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
Halaman
ABSTRAK ...................................................................................................
i
KATA PENGANTAR ................................................................................. ii
UCAPAN TERIMA KASIH ...................................................................... iii
DAFTAR ISI ...............................................................................................
v
DAFTAR GAMBAR ................................................................................... viii
DAFTAR TABEL ....................................................................................... xi
BAB I PENDAHULUAN ..........................................................................
1
1.1. Latar Belakang .......................................................................
1
1.2. Rumusan Masalah ..................................................................
2
1.3. Batasan Masalah ....................................................................
2
1.4. Tujuan ……….. .....................................................................
3
1.5. Manfaat ..................................................................................
3
1.6. Metode Penelitian .................................................................
3
1.7. Sistematika Penulisan .............................................................
4
BAB II TINJ AUAN PUSTAKA ................................................................
6
2.1. Citra ......................................................................................
6
2.1.1. Definisi Citra .............................................................
7
2.1.2. Citra Digital ...............................................................
7
2.1.2.1. Citra BMP ....................................................
9
2.1.2.2. Elemen-elemen Citra Digital ........................ 10
v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.1.3. Digitalisasi ................................................................. 13
2.1.4. Citra Teks .................................................................. 14
2.1.4.1. Optical Character Recognition (OCR) ......... 14
2.2. Pengolahan Citra .................................................................... 17
2.3. Citra RGB ............................................................................. 19
2.4. Piksel .................................................................................... 20
2.5. Pengenalan Pola ..................................................................... 20
2.6. Citra Grayscale ..................................................................... 22
2.7. Citra Biner ............................................................................ 24
2.8. Operasi Morfologi ................................................................. 25
2.9. Algoritma Thinning ............................................................... 25
2.9.1.
Algoritma Zhang Suen ............................................. 26
2.9.2.
Algoritma Stentiford ................................................ 28
2.10. MATLAB ............................................................................. 31
2.10.1. Operator Komputasi ................................................ 34
2.10.2. Bilangan Kompleks .................................................. 35
2.10.3. Fungsi Matematis .................................................... 35
2.10.4. Variabel ................................................................... 36
2.10.5. Kelengkapan Pada Sistem MATLAB ....................... 37
BAB III METODOLOGI PENELITIAN .................................................. 39
3.1. Analisis Sistem ...................................................................... 39
3.2. Flowchart Algoritma Zhang Suen .......................................... 41
3.3. Simulasi Proses Cara Kerja Algoritma Zhang Suen ............... 43
vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.4. Flowchart Algotirma Stentiford ............................................. 46
3.5. Simulasi Proses Cara Kerja Algoritma Stentiford .................. 50
3.6. Perancangan Interface ........................................................... 56
3.6.1. Interface Tampilan GUI ............................................. 56
BAB IV HASIL DAN PEMBAHASAN...................................................... 58
4.1. Implementasi Data ................................................................ 58
4.2. Implementasi Interface ........................................................... 58
4.3. Uji Coba Program ................................................................. 60
4.4. Evaluasi Aplikasi .................................................................. 63
4.4.1. Analisis Proses Thinning ............................................... 63
4.1.1.1 Analisis Akurasi Hasil Thinning ........................ 64
BAB V KESIMPULAN DAN SARAN ...................................................... 76
5.1. Kesimpulan ............................................................................ 76
5.2. Saran .................................................................................... 77
DAFTAR PUSTAKA .................................................................................. 78
vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
J UDUL
: PERBANDINGAN METODE THINNING ZHANG SUEN
DENGAN
STENTIFORD
PADA
PENGENALAN
KARAKTER
PENYUSUN
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II
: RYCHE DESTYANI YUNIAR
: WAHYU S.J SAPUTRA S.KOM M.KOM
: EVA YULIA P S.KOM
ABSTRAK
Image thinning merupakan salah satu aplikasi dari segmentasi citra untuk
menghasilkan bentuk kerangka dari sebuah citra digital dan mengolah citra digital
tersebut agar lebih padat. Dengan kata lain, image thinning bertujuan untuk
memproses pixel-pixel pada sebuah citra digital agar menghasilkan sebuah citra
digital yang lebih kecil ukurannya namun tetap memiliki informasi yang sama
seperti sebelum dilakukan proses thinning.
Ada beberapa algoritma untuk metode thinning. Pada penelitian ini
menggunakan algoritma Zhang Suen dan algoritma Stentiford dengan bahasa
pemrograman MATLAB. Kedua algoritma tersebut dibandingkan sehingga dapat
diketahui algoritma manakah yang terbaik untuk proses pengenalan karakter
dengan cara membandingkan hasil thinning citra digital asli dengan hasil thinning
citra original dari scanning. Dengan menggunakan pemrosesan awal, dilakukan
resize dan RGB ke gray. Kemudian dilakukan Threshold untuk mendapatkan dua
keadaan warna yaitu hitam dan putih, Binerisasi. Setelah itu di thinning dengan
algotirma Zhang Suen dan algoritma Stentiford.
Dari percobaan dan pengujian perbandingan algoritma yang telah
dilakukan, dapat dilihat bahwa pada hasil Validasi yang dilakukan pada kedua
algoritma menggunakan metode Kappa Cohen, algoritma Zhang Suen
menghasilkan nilai value 0,415 sedangkan algoritma Stentiford menghasilkan
nilai value 0,514.
Kata Kunci: Thinning, Zhang Suen, Stentiford, Kappa Cohen.
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB I
PENDAHULUAN
1.1
Latar Belakang
Segmentasi citra (image segmentation) merupakan langkah awal pada
proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di
dalam suatu citra. Langkah ini akan menentukan berhasil atau tidaknya proses
analisa citra.
Dalam
proses
Normalization
pada
pengenalan
karakter
dapat
menggunakan metode thinning untuk merubah dimensi region tiap karakter dan
ketebalan karakter (Arief, Sukmawan. 2009).
Thinning merupakan suatu proses penting sebelum melakukan prosesproses atau operasi-operasi pengolahan citra, seperti dalam proses pengenalan
karakter optic, pengenalan sidik jari, pemrosesan teks, dan lain sebagainya dengan
mengurangi bagian yang tidak perlu (redundant).
Dengan melakukan thinning pada sebuah citra digital, dapat dihasilkan
sebuah citra digital dengan ukuran objek yang lebih kecil namun tidak
mengurangi kualitas dari citra digital tersebut. Metode image thinning yang dapat
digunakan adalah Zhang Suen dan Stentiford.
Metode Zhang Suen merupakan algoritma image thinning yang
menggunakan perbandingan sebagai basis dalam melakukan image thinning.
Dengan menggunakan perbandingan yang dilakukan secara berulang-ulang,
metode ini akan menghasilkan citra digital yang lebih padat sehingga cocok
digunakan dalam proses thinning sebuah citra digital.
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2
Metode Stentiford merupakan algoritma thinning dengan menggunakan
teknik template-based mark-and-delete. Metode thinning jenis ini menggunakan
template untuk dicocokkan dengan citra yang akan di thinning. Algoritma ini
bersifat iterative yang berguna untuk mengikis lapisan pixel terluar sampai tidak
ada lapisan lagi yang dapat dihilangkan.
Untuk itu penulis akan melakukan analisa terhadap kedua metode tersebut
dengan menganalisis akurasi dari hasil thinning kedua algoritma untuk pengenalan
karakter secara visual dan membandingkan hasil validasi yang dilakukan pada
kedua algoritma menggunakan metode Kappa Cohen.
1.2
Rumusan Masalah
Berdasarkan beberapa uraian latar belakang di atas maka dapat
dirumuskan masalah, yaitu :
1.
Bagaimana mengimplementasikan metode Zhang Suen
dan Stentiford
pada proses thinning.
2.
Bagaimana membandingkan hasil thinning menggunakan
algoritma
Zhang Suen dengan Stentiford.
1.3
Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas
akhir ini dapat berjalan dengan baik adalah sebagai berikut :
1.
Citra yang digunakan berukuran 200x200 piksel.
2.
Algoritma thinning yang dibandingkan yaitu algoritma Zhang Suen dan
algoritma Stentiford.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
3.
Format gambar .bmp.
4.
Yang diukur pada hasil thinning yaitu akurasi kedua algoritma untuk
pengenalan karakter secara visual dan hasil Validasi yang dilakukan pada
kedua algoritma menggunakan metode Kappa Cohen.
1.4
Tujuan
Tujuan dari tugas akhir ini adalah untuk membandingkan metode thinning
Zhang Suen dengan Stentiford pada pengenalan karakter.
1.5
Manfaat
Manfaat dari pembuatan aplikasi adalah untuk mengetahui metode mana
yang terbaik dari kedua metode tersebut untuk proses pengenalan karakter.
1.6.
Metode Penelitian
Metode yang digunakan dalam penulisan tugas akhir ini antara lain :
1.
Metode Pengumpulan Data
Metode pengumpulan data dalam penulisan ini menggunakan studi
kepustakaan dengan membaca dan mempelajari buku-buku literatur,
jurnal-jurnal, artikel-artikel yang berhubungan dengan pengenalan citra
berbasis komputer dan pembuatan interface.
2.
Metode Analisis
Metode analisis dalam penulisan ini dibagi menjadi beberapa tahap:
a.
Analisis cara kerja Algoritma untuk melakukan proses thinning.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
b.
Analisis penggunaan Algoritma untuk menghasilkan hasil thinning
yang kemudian akan dibandingkan.
3.
Perancangan dan Pembuatan Aplikasi
Melakukan perancangan
Algoritma
yang
digunakan,
perancangan
interface yang digunakan untuk aplikasi yang dibuat.
4.
Pengujian dan Evaluasi Aplikasi
Melakukan pengujian pada aplikasi yang telah dibuat dan mengevaluasi
hasil yang diperoleh sehingga dapat mengetahui apakah aplikasi sesuai
dengan tujuan yang diharapkan.
5.
Pembuatan Naskah Skripsi
Melakukan dokumentasi dari semua tahap agar dapat dipelajari untuk
pengembangan lebih lanjut. Memaparkan dasar-dasar teori dan metode
yang terlibat di dalamnya, diantaranya desain perangkat lunak dan
implementasinya, hasil pengujian aplikasi termasuk juga perbaikan.
1.7.
Sistematika Penulisan
Pada penyusunan tugas akhir, sistematika pembahasan diatur dan disusun
dalam lima bab, dan tiap-tiap bab terdiri dari sub-sub bab. Untuk memberikan
gambaran yang lebih jelas, maka diuraikan secara singkat mengenai materi dari
bab-bab dalam penulisan tugas akhir ini sebagai berikut:
BAB I
PENDAHULUAN :
Pada bab ini berisi latar belakang, perumusan masalah, batasan
masalah, tujuan penelitian, manfaat penelitian, dan sistematika
penulisan pembuatan tugas akhir ini.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5
BABII
TINJAUAN PUSTAKA :
Pada bab ini menjelaskan mengenai landasan teori-teori pendukung
pembuatan tugas akhir ini.
BABIII
METODOLOGI PENELITIAN :
Pada bab ini berisi tentang analisis dan perancangan aplikasi dalam
pembuatan tugas akhir ini.
BAB IV
HASIL DAN PEMBAHASAN :
Pada bab ini akan membahas tentang kerja dari aplikasi secara
keseluruhan, menjelaskan tentang pelaksanaan uji coba dan evaluasi
dari pelaksanaan uji coba dari program yang dibuat. Uji coba
dilakukan pada akhir dari tahap-tahap analisis aplikasi, desain
aplikasi dan tahap penerapan aplikasi atau implementasi.
BAB V
KESIMPULAN DAN SARAN :
Pada bab ini berisi kesimpulan dan saran dari penulis untuk
pengembangan aplikasi.
DAFTAR PUSTAKA :
Pada bagian ini akan dipaparkan tentang sumber-sumber literatur
yang digunakan dalam pembuatan laporan tugas akhir ini.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1.
Citra
Citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut
pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas
cahaya pada bidang dua dimensi. Citra sebagai output dari suatu sistem
perekaman data dapat bersifat :
1.
Optik, berupa foto.
2.
Analog berupa sinyal video, seperti gambar pada monitor televisi.
3.
Digital yang dapat langsung disimpan pada suatu pita magnetik.
Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
image) adalah citra tunggal yang tidak bergerak dan citra bergerak (moving
image) yaitu rangkaian citra diam yang ditampilkan secara beruntun (sekuensial),
sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiap citra
didalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film
layar lebar atau televisi yaitu terdiri dari ratusan sampai ribuan frame.
Dari sudut pandang pencitraan, citra (image) adalah rekaman hasil
interaksi antara gelombang dengan benda (object), yang memberikan sebagian
gambaran atau informasi dari benda tersebut. Proses pembentukan citra dengan
merekam hasil interaksi inilah yang disebut sebagai proses pencitraan (imaging).
Dengan demikian ada 3 (tiga) komponen utama dalam pencitraan, yaitu :
6
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
7
1.
Gelombang pengindera (sensing waves).
2.
Benda (object).
3.
Alat pengindera (sensor).
2.1.1. Definisi Citra
Secara harfiah citra (image) adalah gambar pada bidang dua dimensi.
Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
(continue) dari intensitas cahaya pada bidang dua dimensi.(Sitorusdkk, 2006)
Citra didefinisikan sebagai fungsi intensitas cahaya dua dimensi f(x,y)
dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y)
sebanding
dengan
tingkat
kecerahan
(gray
level)
dari citra
di
titik
tersebut.(Purwanto Ari, 2009)
Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
images) dan citra bergerak (moving images). Citra diam adalah citra tunggal yang
tidak bergerak. Sedang citra bergerak adalah rangkaian citra diam yang
ditampilkan secara beruntun (sekuensial), sehingga memberi kesan pada mata
sebagai gambar yang bergerak.(Sitorus dkk, 2006)
2.1.2 Citra digital
Citra digital adalah citra dengan f(x,y) yang nilainya didigitalisasikan baik
dalam koordinat spasial maupun dalam gray level. Digitalisasi dari koordinat
spasial citra disebut dengan image sampling. Sedangkan digitalisasi dari gray
level citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan
sebagai suatu matriks dimana baris dan kolomnya merepresentasikan suatu titik di
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
dalam citra, dan nilai elemen matriks tersebut menunjukkan gray level di titik
tersebut.(Purwanto Ari, 2009)
Hal tersebut dapat diilustrasikan pada Gambar 2.1.
Gambar 2.1. Citra Digital
Citra digital merupakan representatif dari citra yang diambil oleh mesin
dengan bentuk pendekatan berdasarkan sampling dan kuantitasi. Sampling
menyatakan besarnya kota-kotak yang disusun dalam baris dan kolom. Dengan
kata lain sampling pada citra menyatakan besar kecilnya ukuran pixel (titik) pada
citra, jika kuantitasi menyatakan besarnya nilai tingkat kecerahan yang dinyatakan
dalam nilai tingkat keabuan (gray scale) sesuai dengan jumlah bit Biner yang
digunakan oleh mesin, maka dapat dikatakan bahwa kuantitasi pada citra
menyatakan jumlah warna yang ada pada citra.
Ada beberapa format citra digital, antara lain: BMP, PNG, JPG, GIF dan
sebagainya. Masing-masing format mempunyai perbedaan satu dengan yang lain
terutama pada header file. Namun ada beberapa yang mempunyai kesamaan, yaitu
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
9
penggunaan palette untuk penentuan warna piksel. Sebagai studi kasus dalam
tugas akhir ini akan digunakan format citra *.bmp yang dikeluarkan oleh
Microsoft.
2.1.2.1 Citra BMP
Format BMP, disebut dengan bitmap atau format DIB (Device Independent
Bitmap) adalah sebuah format citra yang digunakan untuk menyimpan citra bitmap
digital terutama pada sistem operasi Microsoft Windows atau OS/2. Pada citra
berformat *.bmp (bitmap) yang tidak terkompresi, piksel citra disimpan dengan
kedalaman warna 1, 4, 8, 16 atau 24 bit per piksel. (Ahmad, 2005).
Gambar 2.2 Citra BMP
Pada umumnya citra bitmap teridir dari 4 blok data yaitu: BMP header, Bit
Information (DIB header), Color Pallete, dan Bitmap Data. BMP header berisi
informasi umum dari citra bitmap. Blok ini berada pada bagian awal file citra dan
digunakan untuk mengidentifikasi citra. Beberapa aplikasi pengolah citra akan
membaca blok ini untuk memastikan bahwa citra tersebut berformat bitmap dan
tidak dalam kondisi rusak. Bit information berisi informasi detail dari citra
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
bitmap, yang akan digunakan untuk menampilkan citra pada layar. Color pallete
berisi informasi warna yang digunakan untuk indeks warna bitmap, dan bitmap
data berisi data citra yang sebenarnya, piksel per piksel.
2.1.2.2 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 diantaranya adalah:
1.
Kecerahan (brightness).
Kecerahan adalah kata lain untuk intensitas cahaya. Sebagaimana telah
dijelaskan pada bagian penerokan, kecerahan pada sebuah titik (pixel) di dalam
citra bukanlah intensitas yang riil, tetapi sebenarnya adalah intensitas rata-rata dari
suatu area yang melingkupinya.
Gambar 2.3 Kecerahan
Sistem visual manusia mampu menyesuaikan dirinya dengan tingkat
kecerahan (brightness level) mulai dari yang paling rendah sampai yang paling
tinggi.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
2.
Kontras (contrast).
Kontras menyatakan sebaran terang (lightness) dan gelap (darkness) di
dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar
komposisi citranya adalah terang atau sebagian besar gelap. 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 kita
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 (l) yang berbeda.
Gambar 2.4 Warna
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Warna merah mempunyai panjang gelombang paling tinggi, sedangkan
warna ungu (violet) mempunyai panjang gelombang paling rendah. Warna-warna
yang diterima oleh mata (sistem visual manusia) merupakan hasil kombinasi
cahaya dengan panjang gelombang berbeda. Penelitian memperlihatkan bahwa
kombinasi warna yang memberikan rentang warna yang paling lebar adalah red
(R), green (G), dan blue (B).
Gambar 2.5 Citra RGB
Persepsi sistem visual manusia terhadap warna sangat relatif sebab
dipengaruhi oleh banyak kriteria, salah satunya disebabkan oleh adaptasi yang
menimbulkan distorsi. Misalnya bercak abu-abu di sekitar warna hijau akan
tampak keunguunguan (distorsi terhadap ruang), atau jika mata melihat warna
hijau lalu langsung dengan cepat melihat warna abu-abu, maka mata menangkap
kesan warna abu-abu tersebut sebagai warna ungu (distorsi terhadap waktu).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
2.1.3 Digitalisasi
Agar dapat diolah dengan dengan komputer digital, maka suatu citra harus
direpresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari
fungsi malar (kontinu) menjadi nilai-nilai diskrit disebut digitalisasi . Citra yang
dihasilkan inilah yang disebut citra digital (digital image). Pada umumnya citra
digital berbentuk empat persegipanjang, dan dimensi ukurannya dinyatakan
sebagai tinggi ´ lebar (atau lebar ´ panjang).
Citra digital dihasilkan dengan proses digitalisasi terhadap citra kontinu.
Sama halnya Proses digitalisasi dalam bentuk data lain, proses digitalisasi pada
citra juga merupakan proses pengubahan suatu bentuk data citra dari yang bersifat
analog ke digital. Yang mana proses ini dihasilkan dari peralatan digital yang
langsung bisa diproses oleh komputer. Proses ini dapat dijelaskan sebagai berikut.
Ada sebuah objek yang akan diambil gambarnya untuk dijadikan citra digital.
Sumber cahaya diperlukan untuk menerangi objek, yang berarti ada
intensitas cahaya (brightness) yang diterima oleh objek. Oleh objek, intensitas
cahaya ini sebagian diserap dan sebagian lagi dipantulkan ke lingkungan sekitar
objek secara radikal. Sistem pencitraan (imaging) menerima sebagian dari
intensitas cahaya yang dipantul oleh objek tadi.
Di dalam sistem pencitraan terdapat sensor optik yang digunakan untuk
mendeteksi intensitas cahaya yang masuk ke dalam sistem. Keluaran dari sistem
ini berupa arus yang besarnya sebanding dengan intensitas cahaya yang
mengenainya. Arus tersebut kemudian dikonversi menjadi data digital yang
kemudian dikirimkan ke unit penampil atau unit pengolah lainnya. Secara
keseluruhan hasil keluaran sistem pencitraan berupa citra digital.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
2.1.4 Citra Teks
Teks adalah data yang terdiri dari karakter-karakter yang menyatakan katakata atau lambang-lambang untuk berkomunikasi oleh manusia dalam bentuk
tulisan. Terdapat dua jenis teks, antara lain:
1.
Teks tulisan tangan, merupakan data yang terdiri dari karakter-karakter
yang menyatakan kata-kata untuk berkomunikasi dalam bentuk tulisan
tangan manusia.
2.
Teks digital, merupakan data yang terdiri dari karakter-karakter yang
menyatakan kata-kata untuk berkomunikasi dalam bentuk tulisan di dalam
sistem komputer. Dengan arti lainnya, teks digital adalah suatu jenis
penggambaran dari rangkaian karakter pada sistem komputer.
2.1.4.1 Optical Character Recognition (OCR)
Manusia mengenali objek-objek yang ada di sekelilingnya, dengan cara ini
mata menerapkan mekanisme optik. Namun sementara otak melihat input,
kemampuan untuk memahami sinyal-sinyal ini bervariasi pada setiap orang sesuai
dengan banyak faktor.
Begitu halnya dengan OCR (Optical Character Recognition). Teknologi
ini memungkinkan mesin untuk secara otomatis mengenali karakter melalui
mekanisme optik. (AIM.Inc, 2000) AIM. Inc dalam artikel berjudul Optical
Character Recognition pada tahun 2000 juga menjelaskan, OCR banyak
digunakan untuk mengkonversi buku-buku dan dokumen ke dalam bentuk file
elektronik,
misalnya
dalam
bentuk
dan
lain
sebagainya,
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
untuk
15
mengkomputerisasi
sistem
pencatatan
misalnya
di
kantor,
atau
untuk
mempublikasikan teks pada website.
OCR memungkinkan untuk mengedit teks, mencari kata atau frase, dan
menerapkan teknik seperti mesin penerjemahan, text-to-speech dan text mining.
OCR biasa digunakan untuk bidang penelitian dalam pengenalan pola, kecerdasan
buatan (artificial intelligent) dan computer vision.
Sistem OCR memerlukan kalibrasi untuk membaca font yang spesifik,
versi awal harus diprogram dengan gambar karakter masing-masing, dan bekerja
pada satu font pada suatu waktu. Sistem cerdas (intelligent system) dengan tingkat
akurasi yang tinggi pengakuan untuk font yang paling sekarang umum. Beberapa
sistem mampu mereproduksi output diformat yang erat mendekati halaman yang
dipindai asli termasuk gambar, kolom dan non-tekstual komponen.
Secara umum, proses pengenalan karakter yang dilakukan oleh OCR
disajikan pada gambar diagram di bawah ini.
Gambar 2.6 Proses pengenalan oleh OCR secara umum
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
Proses segmentasi bertujuan untuk memisahkan wilayah (region) objek
dengan wilayah latar belakang agar objek dalam citra mudah dianalisis dalam
rangka mengenali objek. Dengan demikian citra yang besar terdiri dari objek
karakter dapat disegmentasi menjadi masing-masing karakter.
Proses selanjutnya adalah normalisasi, yang di dalamnya masih terdapat 2
proses lagi yaitu:
1.
Scalling, adalah fungsi untuk mengubah ukuran suatu gambar dimana
scalling merupakan istilah yang cenderung untuk memperbesar gambar,
dan shrink untuk memperkecil gambar.
2.
Thinning, adalah operasi morfologi yang digunakan untuk menghapus
piksel foreground yang terpilih dari gambar Biner, biasanya digunakan
untuk proses mencari tulang dari sebuah objek.
Langkah selanjutnya adalah ekstraksi fitur (feature extraction). Feature
Extraction adalah suatu proses analisis citra dalam mengidentifikasi sifat-sifat
yang melekat dari tiap-tiap karakter atau disebut juga dengan fitur dari sebuah
objek yang terdapat dalam citra.
Karakteristik ini digunakan dalam mendeskripsikan sebuah objek atau
atribut dari sebuah obyek, kemudian fitur yang dimiliki oleh karakter dapat
digunakan sebagai proses recognition.
Setelah langkah-langkah di atas selesai dilakukan, maka OCR siap untuk
melakukan tahap pengenalan dan akan memberikan output atau hasil pengenalan
karakter angka maupun huruf.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
2.2
Pengolahan Citra
Pengolahan citra digital adalah pemrosesan citra menjadi citra yang lain
dengan kualitas yang lebih baik, yaitu pemrosesan pada usaha untuk
memanipulasi. Citra yang telah menjadi gambar lain menggunakan algoritma atau
teknik tertentu. Pengolahan citra mempunyai tujuan yaitu:
1.
Proses memperbaiki kualitas citra agar mudah diinterpretasikan oleh
manusia atau computer.
2.
Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra
lain.
3.
Pengolahan citra merupakan proses awal dari komputer visi.
Ada beberapa hal yang penting didalam pengolahan citra digital, antara lain
teknik-teknik pengambilan citra, model citra digital, sampling dan kuantitasi,
histogram, proses filtering, perbaikan citra sampai pada pengolahan citra digital
yang lebih lanjut seperti segmentasi, image clustering dan ekstrasi ciri.
Proses pengolahan citra secara diagram yaitu proses dimulai dari
pengambilan citra, perbaikan citra sampai dengan pernyataan representatif citra
digambarkan denga gambar:
Gambar 2.7 Proses Pengolahan Citra
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
Secara umum teknik pengolahan citra digital dibagi menjadi 3 tingkat
pengolahan, yakni:
1.
Tahap 1 yang dinamakan dengan Low-Level Processing (pengolahan
tingkat rendah). Pengolahan ini operasional-operasional dasar dalam
pengolahan citra, seperti pengurangan noise (noise redution), perbaikan
citra (image enhancement) dan restorasi citra (image restoration).
2.
Tahap 2 yang dinamakan dengan Mid-Level Processing (pengolahan
tingkat menengah). Pengolahan ini meliputi segmentasi pada citra,
deskripsi objek dan klasifikasi objek secara terpisah.
3.
Tahap 3 yang dinamakan dengan High-Level Processing (pengolahan
tingkat tinggi), yang meliputi analisis citra.
Operasi – operasi pengolahan citra meliputi perbaikan kualitas citra, yakni
perbaikan kualitas citra ini bertujuan memperbaiki kualitas citra dengan
memanipulasi parameter-parameter citra. Melalui operasi ini, ciri-ciri khusus yang
terdapat dalam didalam citra dapat lebih ditonjolkan.
Dalam perbaikan kualitas citra dapat dilakukan operasi – operasi citra,
seperti yang tertulis dalam buku Pengolahan Citra Digital yaitu :
a.
Perbaikan kontras gelap dan terang.
b.
Perbaikan tepian objek.
c.
Penajaman.
d.
Pemberian warna semu.
e.
Penapisan derau.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
2.3
Citra RGB
Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan
suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan
suatu representasi, kemiripan atau imitasi dari suatu objek atau benda.
Citra dalam komputer tidak lebih dari sekumpulan sejumlah piksel dimana
setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red,
green dan blue. Representasinya dalam citra, triplet akan terdiri dari 3 angka yang
mengatur intensitas dari Red (R), Green (G) dan Blue (B) dari suatu triplet. Setiap
triplet akan merepresentasikan 1 piksel (picture element). Suatu triplet dengan
nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai 228 dan
B ke nilai 180. Angka-angka RGB ini yang seringkali disebut dengan color
values.
Model RGB digunakan pada citra yang ditampilkan di layar monitor
semakin kecil presentase maka warna yang dihasilkan semakin terang, semakin
besar presentase makan warna yang dihasilkan semakin gelap. Pada format .bmp
citra setiap piksel pada citra direpresentasikan dengan dengan 24 bit, 8 bit untuk
R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti pada gambar
dibawah ini ( Sitorus, S dkk. 2006).
Gambar 2.8 Citra RGB
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
Setiap piksel panjangnya 24 bit, karena setiap piksel langsung menyatakan
komponen warna merah, komponen warna hijau, dan komponen warna biru.
Masing-masing komponen panjangnya 8 bit. Citra 24 bit disebut juga citra 16 juta
warna, karena citra ini mampu menghasilkan 16.777.216 kombinasi warna.
2.4
Piksel
Piksel merupakan informasi terkecildari sebuah citra yang terdiri dari 3
buah layer yaitu Red layer,Green layer dan Blue layer yang membentuk sebuah
warna.
Gambar 2.9 Piksel
Ketiga unsur warna tersebut ( Red = Merah, Green = Hijau, Blue = Biru)
dapat membentuk 2553 kombinasi warna. Ketiga unsur warna pembentuk warna
piksel ini dapat dipisah-pisahkan untuk membantu dalam pengolahan citra.
2.5
Pengenalan Pola
Pola adalah entitas yang terdefinisi dan dapat didefinisikan melalui ciri-
cirinya (feature). Ciri-ciri tersebut digunakan untuk membedakan suatu pola
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
dengan pola yang lain. Pengenalan pola bertujuan untuk menentukan kelompok
untuk kategori pola berdasarkan ciri-ciri yang dimiliki oleh pola tersebut. Dengan
kata lain pengenalan pola membedakan objek dengan objek lain.
Ada 3 pendekatan yang digunakan dalam menerapkan pattern recognition
(pengenalan pola), yaitu :
1.
Statistik
Semakin banyak pola yang disimpan, maka sistem akan semakin cerdas.
Salah satu contoh penerapannya banyak pada pola pengenalan iris scan.
Kelemahannya : hanya bergantung pada data yang disimpan saja, tidak
memiliki sesuatu struktur yang unik yang dapat menjadi kunci pengenalan
pola.
2.
Sintaks (rule)
Dengan rule / aturan maka sistem yang lebih terstruktur sehingga memiliki
sesuatu ciri yang unik. Salah satu contoh penerapannya pada pola
pengenalan sidik jari / fingerprint.
3.
Jaringan Saraf Tiruan (JST)
Merupakan gabungan dari pendekatan statistik dan pendekatan sintaks.
Dengan gabungan dari dua metode maka JST merupakan pengenalan pola
yang lebih akurat.
Salah satu contoh penerapannya pada pola pengenalan suatu citra JST
merupakan suatu sistem yang dapat memproses informasi dengan meniru
cara kerja jaringan saraf otak manusia ( Sitorus, S dkk. 2006).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
2.6
Citra Grayscale
Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu,
bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih
pada intensitas terkuat. Citra Grayscale berbeda dengan citra ”hitam-putih”,
dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja
yaitu ”hitam” dan ”putih” saja.
Pada citra Grayscale warna bervariasi antara hitam dan putih, tetapi variasi
warna diantaranya sangat banyak. Citra Grayscale seringkali merupakan
perhitungan
dari
intensitas
cahaya
pada
setiap
pixel
pada
spektrum
elektromagnetik single band ( Sitorus, S dkk. 2006).
Hal tersebut dapat diilustrasikan pada Gambar 2.3. berikut ini.
Gambar 2.10 Citra Grayscale
Citra Grayscale disimpan dalam format 8 bit untuk setiap sample pixel,
yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam
pemrograman karena manipulasi bit yang tidak terlalu banyak.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
Untuk mengubah citra berwarna yang mempunyai nilai matrik masingmasing R, G dan B menjadi citra Grayscale dengan nilai X, maka konversi dapat
dilakukan dengan mengambil rata-rata dari nilai R, G dan B sehingga dapat
dituliskan menjadi:
X = (R + G + B) / 3
Warna = (X)
Proses Grayscale dapat dilihat seperti gambar algoritma 2.11.
Start
Input citra RGB
Ukuran 200x200
X = (R + G + B) / 3
War na = (X)
Citra
grayscale
End
Gambar 2.11 Proses Greyscale
Menginput citra RGB yang berukuran 200x200 piksel, menghitung
Grayscale dengan rumus X=(R+G+B)/3, misalkan suatu piksel memiliki nilai
R=200, G=200, B=200 maka nilai X=200, setelah itu keluar piksel berwarna abuabu yang memiliki nilai derajat keabuan 200.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
2.7
Citra Biner
Citra Threshold Dilakukan dengan mempertegas citra dengan cara
mengubah citra hasil yang memiliki derajat keabuan 256 (8bit), menjadi hanya
dua buah yaitu hitam dan putih. Hal yang perlu diperhatikan pada Proses
Thresholding adalah memilih sebuah nilai Threshold dimana piksel yang bernilai
dibawah nilai Threshold akan diset menjadi citra biner nilai (0) mewakili hitam
dan piksel yang bernilai diatas nilai Threshold akan diset menjadi citra biner nilai
(1) mewakili warna putih.
J ika X