Pengolahan Citra Digital

• Pengertian citra digital

Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin ilmu yang mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud pada penelitian ini adalah gambar statis yang berasal sensor vision berupa webcam. Secara matematis, citra merupakan fungsi kontinyu dengan intensitas cahaya pada bidang dua dimensi. Agar dapat diolah dengan komputer digital, maka suatu citra harus dipresentasikan secara numerik dengan nilai-nilai diskrit. 

Sebuah citra digital dapat diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M kolom dan N baris. Pada pengolahan warna gambar, ada bermacam-macam model salah satunya adalah model rgb atau normalisai RGB. Model pengolahan ini merupakan pengolahan warna dengan menghitung prosentase warna RGB dalam sebuah citra. 

Dengan menggunakan model ini, sebuah obyek dengan warna tertentu dapat dideteksi dan terbebas dari pengaruh perubahan intensitas cahaya dari luar. Kelemahan dari pengolahan warna model ini adalah tidak dapat membedakan warna hitam dan putih, karena memiliki prosentase nilai RGB yang sama yaitu 33%. Guna melihat pengaruh pendeteksian obyek terhadap perubahan intensitas cahaya maka nilai brightness diubahubah. Berdasarkan hasil tersebut pada saat nilai brightness antara 1 – 80 obyek target yang diinginkan masih dapat dideteksi.

Sebuah citra digital dapat diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (pixel = picture element) atau elemen terkecil dari sebuah citra.

Suatu citra ƒ(x,y) dalam fungsi matematis dapat dituliskan sebagai berikut:

0 ≤ x ≤ M-1

0 ≤ y ≤ N-1

0 ≤ ƒ(x,y) ≤ G-1

dimana :

M = jumlah piksel baris (row) pada array citra

N = jumlah piksel kolom (column) pada array citra

G = nilai skala keabuan (graylevel)

Besarnya nilai M, N dan G pada umumnya merupakan perpangkatan dari dua.

Dokpri

dimana nilai m, n dan k adalah bilangan bulat positif. Interval (0,G) disebut skala keabuan (grayscale). Besar G tergantung pada proses digitalisasinya. Biasanya keabuan 0 (nol) menyatakan intensitas hitam dan 1 (satu) menyatakan intensitas putih. Untuk citra 8 bit, nilai G sama dengan 2^8 = 256 warna (derajat keabuan).

Gambar 1 Representasi citra digital dalam 2 dimensi/Dokpri

Obyek tertentu dapat dideteksi dengan menggunakan pengolahan citra digital ini. Salah satu metode yang digunakan adalah berdasarkan segmentasi warna. Normalisasi RGB adalah salah satu metode segmentasi warna yang memiliki kelebihan yaitu mudah, proses cepat dan efektif pada obyek trafiic sign [4], maupun aplikasi untuk face detection [5][6].

• Jenis citra digital

Pada aplikasi pengolahan citra digital pada umumnya, citra digital dapat dibagi menjadi 3, color image, balck and white image dan binary image.

a. Color Image atau RGB (Red, Green, Blue).

Pada color image ini masing-masing piksel memiliki warna tertentu, warna tersebut adalah merah (Red), hijau (Green) dan biru (Blue). Jika masing-masing warna memiliki range 0 - 255, maka totalnya adalah 2553 = 16.581.375 (16 K) variasi warna berbeda pada gambar, dimana variasi warna ini cukup untuk gambar apapun. Karena jumlah bit yang diperlukan untuk setiap pixel, gambar tersebut juga disebut gambar-bit warna. Color image ini terdiri dari tiga matriks yang mewakili nilai-nilai merah, hijau dan biru untuk setiap pikselnya, seperti yang ditunjukkan gambar 2.

Gambar 2 Color Image/Dokpri

b. Black and White.

Citra digital black and white (grayscale) setiap pikselnya mempunyai warna gradasi mulai dari putih sampai hitam. Rentang tersebut berarti bahwa setiap piksel dapat diwakili oleh 8 bit, atau 1 byte. Rentang warna pada black and white sangat cocok digunakan untuk pengolahan file gambar. Salah satu bentuk fungsinya digunakan dalam kedokteran (X-ray). Black and white sebenarnya merupakan hasil rata-rata dari color image, dengan demikian maka persamaannya dapat dituliskan sebagai berikut :

Dokpri

dimana IR(x , y ) = nilai piksel Red titik (x , y), IG ( x, y ) = nilai piksel Green titik (x , y),  IB ( x, y) = nilai piksel Blue titik (x , y) sedangkan IBW (x , y)= nilai piksel black and white titik (x , y).

Gambar 3 Black and White (Grayscale)[7]/Dokpri

c. Binary Image.

Setiap piksel hanya terdiri dari warna hitam atau putih, karena hanya ada dua warna untuk setiap piksel, maka hanya perlu 1 bit per piksel (0 dan 1) atau apabila dalam 8 bit ( 0 dan 255), sehingga sangat efisien dalam hal penyimpanan. Gambar yang direpresentasikan dengan biner sangat cocok untuk teks (dicetak atau tulisan tangan), sidik jari (finger print), atau gambar arsitektur. Binary image merupakan hasil pengolahan dari black and white image, dengan menggunakan fungsi sebagai berikut :

Dokpri

dan dalam bentuk floating point :

Dokpri

Dimana  IBW  (x y, )= nilai  piksel Gray titik (x , y),  IBin(x , y) = nilai piksel  Binary titik (x , y), sedangkan T adalah nilai threshold.

Gambar 4 Binary Image/Dokpri

Segmentasi warna normalisasi RGB

Segmentasi warna, ada bermacam-macam model warna. Model RGB (Red Green Blue) merupakan model yang banyak digunakan, salah satunya adalah monitor. Pada model ini untuk merepresentasikan gambar menggunakan 3 buah komponen warna tersebut. Selain model RGB terdapat juga model normalisasi RGB dimana model ini terdapat 3 komponen yaitu, r, g, b yang merepresentasikan prosentase dari sebuah piksel pada citra digital [5][8]. Nilai-nilai tersebut mengikuti persamaan-persamaan dibawah ini :

Dokpri

sehingga : R + G+ B = 1. Dengan demikian berdasarkan persamaan 7 maka cukup hanya menggunakan r dan g saja, karena nilai b bisa didapatkan dengan menggunakan b = 1 – r – g.

Pengolahan citra menggunakan EmguCV.

EmguCV adalah cross platform yang terdapat dalam .NET untuk library pengolahan citra pada Intel OpenCV. EmguCV ini mengikuti fungsi yang terdapat pada OpenCV yang diambil dari .NET oleh sebab itu compatible dengan bahasa pemrograman C#, VB, VC++, IronPython dan sebagainya. Program ini bersifat opensource sehingga sangat cocok apabila digunakan untuk penelitian, salah satunya adalah untuk aplikasi computer vision.

Daftar Pustaka :

Sutoyo. T, Mulyanto. Edy, Suhartono. Vincent, Dwi Nurhayati Oky, Wijanarto,  “ Teori Pengolahan Citra Digital ”, Andi Yogyakarta dan UDINUS Semarang, 2009.

Purnomo Mauridhi Hery, Muntasa Arif, “ Konsep Pengolahan Citra Digital dan Ektraksi Fitur “, Graha Ilmu Yogyakarta, 2010.

Jähne Bernd, Haußecker Horst, “Computer Vision and Applications “, San Diego, California, Academic Press, 2000.

Aryuanto, Somawirata Komang, Limpraptono. F. Yudi, “A New Color Segmentation Method Based on Normalized RGB Chromaticity DiagramI” , ISSN 2085 – 973, Seminar on Intelligent Technology and Its Applications, 2009.  

KONG Wan-zeng, ZHU Shan-an, “Multi-face detection based on downsampling and modified subtractive clustering for color images“,Journal of Zhejiang University SCIENCE A, ISSN 1009-3095 (Print); ISSN 1862-1775 (Online), Received Jan. 9, 2006;  revision accepted Aug. 2, 2006 

Dimitrova Desislava, Popov Antony, “Finding face features in color images using fuzzy hit-or-miss transform “, 9th WSEAS International Conference on FUZZY SYSTEM (FS’08) which was held in Sofia, Bulgaria, 2008

McAndrew Alasdair, (2004), An Introduction to Digital Image Processing with Matlab. Notes for SCM2511 Image Processing 1, School of Computer Science and Mathematics Victoria University of Technology.

Jähne Bernd, Haußecker Horst, “Computer Vision and Applications “, San Diego, California, Academic Press, 2000.

Direktorat Penelitian dan Pengabdian kepada Masyarakat, Direktorat Jenderal Pendidikan Tinggi, Kementerian Pendidikan Nasional, ” Panduan Kontes Robot Cerdas Indonesia (KRCI 2011)”, 2011.