Rangkuman Materi Tentang pengolahan citra dalam Teknik Informatika

Sebuah gambar dapat didefinisikan sebagai fungsi dua dimensi f(x,y) dimana x & y adalah koordinat bidang danbesar dari f(x,y) adalah intensitas cahaya gambar padasebuah titik (x,y). [1] Sementara itu , gambar digital(digital image) merupakan sebuah gambar yang telah melalui proses sampling & quantisizing. Pada awalnya, sebuah gambar bersifat kontinu. Dengan melakukan
proses sampling & quantizing , gambar ini diubah menjadi bersifat diskrit. Proses sampling adalah proses untuk mengubah
koordinat gambar menjadi bersifat diskrit [1]. Hal ini dilakukan dengan membagi gambar menjadi petak-petak
satuan yang disebut dengan piksel (pixel). Sementara itu, proses quantizing adalah proses pemberian nilai intensitas
pada tiap-tiap piksel.Setelah melalui kedua proses ini , gambar digital dapat dipandang sebagai sebuah matriks berukuran m x n , dimana m adalah besarnya panjang gambar, n adalah besarnya lebar gambar dan elemen di dalam matriks
merupakan intensitas warna pada setiap piksel di dalam gambar

Gambar 1.
Sebuah gambar (kiri) , dilakukan proses sampling (pemotongan gambar menjadi beberapa petak pixel) & quantizing (pemberian nilai intensitas pada setiap pixel)

Gambar di atas, setelah diubah ke dalam bentuk gambardigital , dapat direpresentasikan dalam matriks G.
  38,28,19 41,30,17 39,30,13 39,30,13
40,26,20 41,28,18 40,28,16 39,29,13
39,27,19 37,28,18 37,28,16 39,30,15
Dengan memandang sebuah gambar dalam bentuk matriks , kita dapat melakukan pengolahan gambar
dengan mengoperasikan nilai-nilai di dalam matriks ini.

I. REPRESENTASI GAMBAR
MENGGUNAKAN MATRIKS
Agar sebuah gambar bisa diolah oleh komputer , pertama-tama gambar tersebut harus diubah ke dalam
bentuk digital (matriks). Energi cahaya yang berbentuk analog dikonversi menjadi tegangan listrik menggunakansensor. Proses ini disebut juga dengan sampling. Besarnyategangan listrik yang dihasilkan berbanding lurus dengan
intensitas cahaya yang diterima oleh sensor.

 Terdapat beberapa alternatif representasi gambarm enggunakan matriks.[12] 

A. Binary Image
Gambar disimpan dalam bentuk matriks yang elemenelemennya berisi 0 dan 1 . Binary image hanya dapat
menampilkan dua buah warna , yaitu hitam (0) dan putih

Gambar 4 (Kiri) gambar direpresentasikan dalam bentuk gambar biner, (kanan) cuplikan isi matriks pada gambar

B. Grayscale Image
Gambar disimpan dalam bentuk matriks yang elemenelemennya berada di dalam rentang 0 (hitam) sampai
255(putih). Bilangan diantara 0 & 255 merepresentasikanwarna abu-abu. Representasi gambar dalam bentuk
oleh sensor. Namun, nilai intensitas cahaya ini masih berupa nilai
yang kontinu . Oleh karena itu, nilai ini diubah menjadi
nilai yang bersifat diskrit menggunakan proses kuantisasi
 
Terdapat beberapa alternatif representasi gambarmenggunakan matriks.[12]

B. Grayscale Image
Gambar disimpan dalam bentuk matriks yang elemenelemennya berada di dalam rentang 0 (hitam) sampai255(putih). Bilangan diantara 0 & 255 merepresentasikanwarna abu-abu. Representasi gambar dalam bentuk
grayscale image sering digunakan dalam pemrosesan
citra

 https://images.app.goo.gl/DVroHddP6eGhfCHP6https://images.app.goo.gl/n2PtS1DLxKZpAMdr7

Gambar 5 (Kiri) gambar direpresentasikan dalam bentuk grayscale image , (kanan) cuplikan isi matriks pada gambar.Perhatikan bahwa nilai elemen-elemen matriks berada pada rentang 0 - 255

C. RGB
Gambar disimpan dalam bentuk matriks, yang elemenelemennya berupa tripel (x1,x2,x3) dimana x1 adalah
intensitas warna merah, x2 adalah warna hijau dan x3 adalah warna biru. Intensitas masing-masing warna
berada dalam rentang 0 -- 255.

 

Gambar 6. Gambar RGB dipisahkan menurut komponenkomponennnya. Intensitas warna pada tiap komponendirepresentasikan dalam bentuk grayscale

Perhatikan gambar di atas. Pada komponen R (merah) ,bagian kiri gambar memiliki intenstitas yang tinggi
(ditunjukkan dengan grayscale image yang berwarna putih) . Ini menunjukkan bahwa intensitas warna merahpaling tinggi berada di bagian kiri gambar.Untuk mengolah gambar dalam format RGB, gambardipisahkan terlebih dahulu menurut komponenkomponennya . Lalu , komponen-komponennya itudiproses dengan menganggap komponen tersebut sebagai
grayscale. Setelah diproses , komponen itu digabungkan kembali menjadi gambar RGB yang utuh

D. Indexed Image
Gambar disimpan pada dua buah matriks. Matriks pertama memiliki ukuran yang sama dengan jumlah pixel
pada gambar. Setiap elemen pada matriks ini adalah sebuah bilangan yang merupakan kode warna. Sementara itu, matriks kedua(disebut juga color map) menyimpan nilai intensitas warna yang bersesuaian dengan kode
warna pada matriks pertama

 
  0,70,32 0,100,30
0,70,32 0,100,30

  0 1
0 1  0 70 32
0 100 30

Matriks di atas menunjukkan konversi gambar yangdirepresentasikan dengan RGB menjadi indexed image.Pada indexed image , kode warna 0 mengacu pada(0,70,30) dan kode warna 1 mengacu pada (0,100,30).Representasi gambar menggunakan indexed image dapatmengurangi besarnya ukuran penyimpanan data. Dari beberapa alternatif di atas, representasi gambar
menggunakan grayscale banyak digunakan dalam pengolahan citra. 

*Segmentasi

Suatu citra menjadi beberapa daerah atauo bjek yang dimilikinya dengan cara melakukansegmentasi terhadap objek yang ada dalam citra tersebut. Menurut Castleman (1996), segmentasi citra merupakan suatu proses memecah suatu citra menjadi banyak segmen atau bagian daerah yang tidak saling bertabrakan (non-overlapping). Segmentasi Suatu citra menjadi beberapa daerah atau objek yang dimilikinya dengan cara melakukan segmentasi terhadap objek yang ada dalam citra tersebut. Menurut Castleman (1996), segmentasi citra merupakan suatu proses memecah suatu citra menjadi banyak segmen atau bagian daerah yang tidak saling bertabrakan (non-overlapping). Dalam citra digital daerah hasil segmentasi tersebut merupakan kelompok pixel yang bertetangga atau berhubungan. Segmentasi dapat dilakukan melalui beberapa pendekatan, menurut Castleman terdapat 3 macam pendekatan, yaitu :

1. Pendekatan batas (boundary approach).

2. Pedekatan tepi (edge approach).

3. Pendekatan daerah (region approach).

Proses segmentasi digunakan dalam berbagai penerapan, meskipun metode yangdigunakan bervariasi, namun memiliki tujuanyang sama yaitu mendapatkan representasi sederhana yang berguna dari suatu citra.

Pengolahan citra memiliki
beberapa fungsi, diantaranya adalah:
1. Digunakan sebagai proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
2. Digunakan untuk Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain. Contoh : pemampatan citra (image compression) Sebagai proses awal (preprocessing) dari komputer visi .
* Citra Grayscale
Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya, dengan kata lain nilai bagian RED=GREEN=BLUE. Nilai tersebut digunakan untuk menujukkan tingkat intensitas. Warna yang dimiliki adalah warna hitam, keabuan, dan putih. Tingkatan keabuan disini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekatu putih (Darma Putra: 2010).
* Deteksi Tepi
Menurut Elly warni dalam jurnalnya Deteksi tepi ini merupakan salah satu proses pra-pengolahan citra
yang dibutuhkan untuk analisis citra. Proses tersebut bertujuan meningkatkan intensitas garis tepi pada citra, dimana proses ini
akan memperkuat komponen citra yang berfrekuensl tinggi

 *Edge Detection

Tepian citra dapat merepresentasikan

objek objek yang terandung dalam citra, bentuk, ukuran dan terkadang juga informasi mengenai teksturnya. Menurut Dharma Putra (2009), tepian citra adalah posisi dimana intensitas piksel citra berubah dari nilai rendah ke nilai tinggi atau sebalikya. Salah satu operator yang digunakan untuk melakukan pendeteksian tepian citra adalah operator prewitt. Operator Prewitt lebih sensitif terhadap tepian vertikal dan horisontal dari pada teian bersifat horisontal. 

* Filter Median

Filter median sangat populer dalam pengolahan citra. Filter ini dapat dipakai untuk menghilangkan derau bintik-bintik. Nilai yang lebih baik digunakan untuk suatu pixel ditentukan untuk suatu pixel ditentukan oleh nilai median dari setiap piksel dan kedelapan piksel tetangga pada 8-ketetanggaan.Filter ini dikembangkaan oleh Tukey, Secara matematis filter dapat dinotasikan sebagai berikut :

      Pada proses capture atau pengambilan foto

rontgen sering terdapat noise dan membuat informasi yang ditampilkan tidak jelas atau rancu. Proses peningkatkan kulaitas dilakukan dengan cara melakukan perataan pixel ketetanggan, dengan maksud meratakan setiap pixelnoise dengan pixel citra dan menghilangkan noise. Proses komputasi dimensi matrik yang besar membutuhkan waktu proses yang lama sehingga diperlukan reduksi dimensi matrik untuk meminimalisir waktu proses, citra input yang memiliki ukuran 30x30 pixel kemudian dikonversi ke dalam bentuk matriks 30x30

* Analisa Metode Median Filtering

Proses median filter 3 x 3 meliputi koordinati,j dan dimulai dari titik (0,0) (0,1) (0,2) (1,0) (1,1)(1,2) (2,0) (2,1) (2,2), Proses median filteringa dalah proses pengurutan nilai pixel dari yangt erbesar hingga yang terkecil, setelah mendapatkan nilai ketetanggaan pixel yang telah melewati proses pengurutan maka prosesm edian filtering dinyatakan selesai hingga keseluruhan nilai pixel melewati proses ini. Penambahan nilai 0 di setiap bagian luar nilai matriks untuk membantu perhitungan keseluruhan nilai pixel.

*Pengenalan Wajah

Secara umum sistem pengenalan citra wajahd ibagi menjadi dua jenis, yaitu sistem featureb ased dan sistem imaged based. Pada sistem pertama digunakan fitur yang diekstraksi darikomponen citra wajah (mata, hidung, mulut,dll.) yang kemudian hubungan antara fitur-fiturtersebut dimodelkan secara geometris. Sedangkan sistem kedua menggunakani nformasi mentah dari piksel citra yangkemudian direpresentasikan dalam metode tertentu, misalnya Principal Component Analysis (PCA) [1].

  *Metode Deteksi Wajah

Proses deteksi wajah merupakan bagian yangpenting. Sistem harus mendeteksi keberadaanwajah pada citra dengan berbagai variasi pose,pencahayaan, ekspresi wajah, penghalang (kaca mata, kumis dan jenggot) serta ukuran.Pengolahan citra berfungsi untuk menonjolkan ciri tertentu serta mengurangi derau sehingga citra siap digunakan untuk keperluan analisis. Pengolahan citra yang dilakukan meliputi deteksi kulit, normalisasi cahaya, sertanormalisasi dimensi. Terdapat empat jenisdeteksi wajah [7]: 

* Metode Knowledge based

Metode ini berdasarkan aturan yang sederhana. Fitur wajah dideskripsikan menjadi sekumpulan aturan-aturan sederhana. Aturanaturan tersebut menggambarkan hubungan antara fitur wajah. Algoritma pencarian akan mencari wajah yang dimaksud dengan aturan ini. Pengetahuan manusia sulit diubah ke dalam bentuk aturan secara umum. Dalam hal citra wajah akan sulit menjelaskan sebuah wajah berdasar pengetahuan yang dimiliki. Jika wajah dideskripsikan secara detail maka akan dihasilkan aturan dalam jumlah yang sangat besar, sedangkan aturan yang sedikit tidak mampu menjelaskan wajah secara tepat. Adanya variasi pose akan mengurangi performa deteksi wajah jenis ini.

Sekian dari rangkuman materi tentang pengolahan citra adapun link jurnal dari rangkuman materi penjelasan diatas adalah sebagai berikut:

1. https://informatika.stei.itb.ac.id/~rinaldi.munir/AljabarGeometri/2015-2016/Makalah-2015/Makalah-IF2123-2015-093.pdf
2. https://media.neliti.com/media/publications/246499-rancang-bangun-aplikasi-pengolah-gambar-1a8a7318.pdf
3. https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/1913
4. https://elibrary.unikom.ac.id/1598/13/UNIKOM_MUHAMMAD%20FADLI_JURNAL%20DALAM%20BAHASA%20INDONESIA.pdf
5. https://media.neliti.com/media/publications/133531-ID-pengenalan-citra-wajah-sebagai-identifie.pdf