Aljabar Linear pada Pengolahan Citra Digital

Pengolahan Citra Digital

Pendahuluan

Pengolahan citra digital, atau digital image processing_, adalah setiap bentuk pemrosesan sinyal dengan masukan berupa gambar, seperti foto. Keluaran dari proses pengolahan citra dapat berupa gambar lain atau sejumlah karakteristik yang terkait dengan gambar tersebut.

Secara umum, pengolahan citra merupakan pemrosesan citra dua dimensi dengan tujuan untuk melakukan transformasi suatu citra atau gambar menjadi citra lain menggunakan teknik tertentu. Proses ini dilakukan oleh komputer, karena citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi kontinu melalui proses sampling.

Proses Sampling

Proses sampling adalah penentuan warna pada piksel tertentu suatu citra dari sebuah gambar yang kontinu. Pada proses ini, biasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan. Proses ini juga sering disebut sebagai proses digitisasi.

Citra Digital

Citra digital adalah citra yang dapat diolah oleh komputer. Citra dapat dinyatakan dalam titik-titik koordinat pada kawasan ruang (spasial) atau bidang, dan untuk menentukan warna atau menyatakan nilai keabuan suatu citra.

Salah satu contoh bentuk citra digital adalah citra monokrom atau citra hitam putih, yang merupakan citra satu kanal. Dalam citra monokrom, citra f(x,y) merupakan fungsi tingkat keabuan dari hitam ke putih, di mana x menyatakan variabel baris dan y menyatakan variabel kolom. Indeks baris dan kolom (x,y) dari sebuah piksel dinyatakan dalam bilangan bulat (integer).

Untuk tingkat pencahayaan suatu piksel, seringkali digunakan bilangan bulat 8-bit dengan rentang nilai 0-255, di mana 0 mewakili warna hitam, 255 mewakili warna putih, dan tingkat abu-abu berada di antara nilai 0 dan 255.

Sejarah perkembangan pengolahan citra digital :

a. Awal Pengolahan Citra Analog (Sebelum Era Digital)

- Pengolahan citra dilakukan secara analog menggunakan teknik fotografi dan teknik pencitraan kimia.

- Teknik ini terbatas dalam hal manipulasi citra dan pengambilan tindakan lebih lanjut berdasarkan hasil pencitraan.

b. Era Awal Pengolahan Citra Digital (1940-an - 1950-an)

- Pada tahun 1940-an dan 1950-an, komputer pertama mulai digunakan untuk pemrosesan citra, seperti komputer ENIAC yang digunakan untuk mengolah citra radar selama Perang Dunia II.

- Ini menjadi titik awal pengolahan citra digital.

c. Pengembangan Teknik Pengolahan Citra Digital (1960-an - 1970-an)

- Pada tahun 1960-an dan 1970-an, pengolahan citra digital mulai berkembang sebagai disiplin ilmu tersendiri.

- Teknik-teknik seperti pemrosesan histogram dan deteksi tepi mulai dikembangkan.

- Penggunaan komputer menjadi lebih umum dalam pengolahan citra.

d. Munculnya Standar Pengolahan Citra (1980-an - 1990-an)

- Pada tahun 1980-an dan 1990-an, industri dan organisasi internasional mulai mengembangkan standar untuk pengolahan citra digital.

- Hal ini membantu memfasilitasi pertukaran dan pemrosesan citra antar platform dan aplikasi.

e. Era Modern Pengolahan Citra Digital (2000-an - Sekarang)

- Dengan perkembangan pesat teknologi komputer dan perangkat keras yang kuat, pengolahan citra digital telah mencapai tingkat yang belum pernah terjadi sebelumnya.

- Algoritma-algoritma canggih seperti pengenalan pola dan pembelajaran mesin digunakan dalam berbagai aplikasi, termasuk pengenalan wajah, kendaraan otonom, dan banyak lagi.

Pemrosesan Citra Digital pada Domain Spasial dan Teknik Super Resolusi

Pemrosesan Citra Digital pada Domain Spasial

Secara matematis, pemrosesan citra digital pada domain spasial dapat direpresentasikan oleh persamaan: g(x,y) = T[f(x,y)], di mana f(x,y) adalah citra masukan, g(x,y) adalah citra keluaran, dan T adalah operator yang didefinisikan terhadap kumpulan tetangga (x,y). Operator T dapat berupa berbagai transformasi, seperti smoothing, sharpening, atau segmentasi.

Teknik Super Resolusi

Salah satu teknik yang menarik dalam pemrosesan citra digital adalah super resolusi. Teknik ini bertujuan untuk mendapatkan citra beresolusi tinggi dari kumpulan citra beresolusi rendah. Proses super resolusi terdiri dari tiga tahap utama:

1. Registrasi: Metode seperti average atau median digunakan untuk mencari kesesuaian titik-titik antara citra.

2. Interpolasi: Metode bilinier atau bikubik diterapkan untuk meningkatkan resolusi citra.

3. Smoothing: Filter median digunakan untuk memperhalus citra hasil.

Penilaian Subjektif (MOS)

Dalam mengevaluasi kualitas citra digital, salah satu metode yang sering digunakan adalah penilaian subjektif atau Mean Opinion Score (MOS). Metode ini melibatkan penilaian oleh responden manusia pada skala 1 hingga 5, di mana 5 merepresentasikan kualitas terbaik. Meskipun bersifat subjektif, metode MOS dapat memberikan wawasan berharga mengenai persepsi visual manusia terhadap kualitas citra digital.

Berikut adalah artikel yang merangkum dan memperluas informasi yang Anda berikan:

Teknik-Teknik Pengolahan Citra Digital: Dari Grayscaling hingga Median Filtering

Dunia pengolahan citra digital terus berkembang, menawarkan berbagai teknik yang dapat dimanfaatkan untuk menganalisis, memodifikasi, dan mengekstrak informasi dari gambar digital. Dalam artikel ini, kita akan mengeksplorasi empat teknik penting dalam pengolahan citra: grayscaling, segmentasi, deteksi tepi, dan median filtering.

1. Grayscaling

Grayscaling adalah proses penyederhanaan citra dari format RGB (Merah, Hijau, Biru) menjadi gambar berwarna abu-abu (grayscale). Hal ini dilakukan dengan mengambil rata-rata nilai R, G, dan B (k = (R + G + B) / 3) atau dengan rumus khusus (k = 0.299R + 0.587G + 0.114B). Grayscaling berguna dalam berbagai aplikasi, seperti pengenalan pola, analisis tekstur, dan prapemrosesan citra.

2. Segmentasi

Segmentasi adalah proses memecah suatu citra menjadi beberapa segmen atau bagian daerah yang tidak saling bertabrakan (non-overlapping). Pendekatan yang dapat digunakan adalah pendekatan batas (boundary), pendekatan tepi (edge), dan pendekatan daerah (region). Tujuan utama segmentasi adalah untuk mendapatkan representasi sederhana yang berguna dari suatu citra, memudahkan analisis lebih lanjut.

3. Deteksi Tepi

Tepian citra dapat merepresentasikan objek yang terkandung dalam citra, bentuk, ukuran, dan terkadang informasi mengenai teksturnya. Salah satu operator yang digunakan adalah operator Prewitt, yang lebih sensitif terhadap tepian vertikal dan horizontal. Deteksi tepi berguna dalam aplikasi seperti pengenalan objek, segmentasi, dan analisis struktur.

4. Median Filtering

Median filtering merupakan salah satu filter non-linear yang bertujuan untuk menghilangkan noise pada citra. Metode ini menghitung nilai setiap piksel baru berdasarkan nilai median dari piksel tetangganya. Median filtering efektif dalam menghilangkan salt-and-pepper noise, menjaga tepi objek, dan mempertahankan fitur penting dalam citra.

Noise dalam Citra

Dalam pengolahan citra digital, terdapat beberapa jenis noise yang dapat mempengaruhi kualitas citra, yaitu:

1. Noise Tambahan (Additive Noise): Noise ini biasa muncul karena sensor yang bekerja tidak sempurna dan memberikan sinyal tambahan yang terdistribusi secara Gaussian, yang tidak bergantung pada sinyal asli. Secara matematis dapat ditulis:

   g(x,y) = f(x,y) + d(x,y)

   Dimana g(x,y) adalah sinyal yang telah terkena noise, f(x,y) adalah sinyal asli, dan d(x,y) adalah noise.

2. Noise Perkalian (Multiplicative Noise): Noise perkalian biasa terjadi pada film fotografi. Noise ini biasa disebut sebagai noise bercak (speckle noise). Secara matematis dapat ditulis:

   g(x,y) = f(x,y) * d(x,y)

   Dimana g(x,y) adalah sinyal yang telah terkena noise, f(x,y) adalah sinyal asli, dan d(x,y) adalah noise.

3. Noise Impuls (Impulse Noise): Sensor atau saluran data terkadang memberikan noise berbentuk biner (0 atau 1). Noise seperti itu dapat dimodelkan sebagai:

   g(x,y) = f(x,y) * p

   Dimana g(x,y) adalah sinyal yang telah terkena noise, f(x,y) adalah sinyal asli, d adalah noise, dan p adalah parameter biner yang nilainya 0 atau 1.

4. Noise Kuantisasi (Quantization Noise): Noise kuantisasi termasuk sebagai noise yang bergantung pada sinyal. Hal ini terjadi saat kuantisasi terhadap sinyal dilakukan sebelum dikonversi menjadi sinyal digital. Noise ini dapat mengakibatkan detail citra hilang.

Daftar Pustaka :

Gunadi, I. G. A., Wicaksana, I. G. A., Dwija, M. R., Putra, I. P. A. S., & Putra, P. P. (2020). Pengurangan noise pada citra digital menggunakan filter aritmatik mean, harmonik mean, Gaussian, max, min, dan median dengan membandingkan PSNR. Jurnal Ilmu Komputer Indonesia (JIK), 5(2), 34-44.

Rancang Bangun Aplikasi Pengolah Gambar. (n.d.). Jurnal Tek.

Aditra. (n.d.). P-ISSN: 2303-3142 E-ISSN: 2548-8570 Vol.10 No.2.

Penulis: (n.d.). Buku Ajar Pengolahan Citra Digital.

Peningkatan Kualitas Citra Digital Menggunakan. (n.d.). Jurnal Rekayasa Elektrika, 9.