 Digital Image processing merupakan kumpulan teknik komputasi untuk menganalisis, meningkatkan, mengompresi dan merekonstruksi gambar. Adapun komponen utamanya adalah importing (mengimpor), di mana gambar diambil melalui scanning (pemindaian) atau fotografi digital.Â
 Kemudian ada komponen analisis dan manipulasi gambar, dilakukan dengan menggunakan berbagai aplikasi perangkat lunak khusus, serta yang terakhir yaitu output yang merupakan keluaran (sebagai contoh misalnya ke printer atau monitor). Image processing atau pemrosesan citra ini memiliki aplikasi ekstensif (khusus) di banyak bidang lainnya, termasuk astronomi, kedokteran, robotika industri dan penginderaan jauh (remote sensing) oleh satelit.
Selain itu, Digital Image processing juga dapat mengedintifikasi atau memverifikasi wajah seseorang melalui gambar digital yang biasanya di sebut dengan istilah pengenalan wajah (Face Recognition).
Apa itu Face Recognition?
Sebelum memahami face recognition, terlebih dahulu kita harus mengenal istilah teknologi biometrik. Teknologi biometrik merupakan proses identifikasi seseorang secara digital lewat aspek biologis yang dimilikinya. Umumnya, teknologi ini digunakan untuk keperluan keamanan, jadi dikenal pula istilah biometric security.
Face recognition adalah salah satu contoh penerapan teknologi biometrik yang jamak digunakan belakangan ini, di samping voice recognition, fingerprint recognition, dan eye retina recognition.
Face recognition sendiri merupakan teknologi untuk mengenali identitas seseorang lewat wajahnya. Teknologi ini tidak hanya mendeteksi orang secara langsung saat berhadapan dengan kamera, tapi juga foto dan video.
Penerapan face recognition dalam kehidupan sehari-hari bisa dilihat pada keamanan smartphone atau laptop. Perangkat yang terkunci akan terbuka saat mendeteksi wajah pemilik lewat kamera yang terpasang.
Penerapan Aljabar Linier dalam Pengenalan Wajah (Face Recognition).
 Pengenalan wajah (Face Recoginiton) adalah sebuah teknologi untuk mengidentifikasi serta memverfikasi wajah seseorang melalui gambar digital. Caranya yaitu dengan mencocokkan fitur-fitur yang diekstraksi dari wajah yang diidentifikasi dengan data wajah yang tersimpan dalam basis data. Pengenalan wajah telah digunakan sebagai suatu system biometrik. Fitur-fitur dari gambar wajah diekstraksi oleh sebuah prosedur komputasi menggunakan teknik-teknik dalam pengolahan citra (Image Processing). Sekumpulan fitur tersebut direpresentasikan sebagai vector. Proses pencocokan vector yang diidentifikasi dengan vector-vector wajah di dalam basis data menggunakan matriks similarity. Matriks similarity ini mengukur seberapa dekat atau mirip antara dua buah vector.
Ada dua matriks similarity yang umum digunakan dalam pencocokan data, yaitu jarak Euclidean (Euclidean distance) dan cosine similarity.
Euclidean distance
d = Â ((A1 -- B1)2-(A2 -- B2)2 + ... + (An -- Bn)2)Â
Nilai d yang kecil menunjukkan kedekatan. Maka nilai d yang paling minimum menunjukkan jarak dua vector yang paling mirip.
Cosine similarity
Matriks cosine similarity di hitung dari perkalian titik (dot product) antara dua buah vector.
A.B = ||A||||B||cos       Â
cos = Â Â A.B
      ||A||||B||
Dua buah vector A dan B dikatakan sama jika sudut antara keduanya nol ( = 0). Cosinus 0 adalah 1 sifat ini di pakai di dalam proses pencocokan antara dua buah vector. Nilai cosinus yang besar (maksimum 1) menunjukkan kemiripan. Jika nilai cosinus mendekati 1, maka dua vector dikatakan hampir sama atau mirip.
Sebuah gambar dapat didefinisikan sebagai fungsi dua dimensi (x, y)(gambar 2D), di mana x dan y adalah koordinator spasial, dan amplitudo f pada pasangan (x, y) adalah tingkat abu-abu gambar pada saat itu. titik. Misalnya, gambar tingkat abu-abu dapat direpresentasikan sebagai:
fij di mana fij f (xi, yj)
Jika x, y dan nilai amplitudo dari f terbatas, besaran diskrit, gambar itu disebut "gambar digital".
Kumpulan nilai digital yang terbatas disebut elemen gambar atau piksel. Biasanya, piksel disimpan dalam memori komputer sebagai array dua dimensi atau matriks bilangan real. Gambar berwarna di bentuk oleh kombinasi gambar 2D individu. Banyak teknik pemrosesan gambar untuk gambar monokrom yang dapat diperluas ke gambar berwarna (3D) dengan memproses gambar tiga komponen secara individual.
PCA (Principal Component Analysis)
 PCA banyak digunakan dan terkenal dari metode multivariat "standar" yang ditemukan oleh Pearso (1901) dan Hotelling (1993) pertama kali diterapkan dalam ekologi oleh Goodall (1954) dengan nama 'Analisis faktor' ('Analisis faktor utama' adalah sinonim dari PCA). Ini adalah cara untuk mengidentifikasi pola dalam data, dan mengungkapkan data sedemikian rupa untuk persamaan dan perbedaannya. PCA adalah alat yang ampuh untuk menganalisis data.Â
 Keuntungan utama lain dari PCA adalah setelah anda menemukan pola-pola ini dalam data, dan anda memproses data, yaitu dengan mengurangi jumlah dimensi, tanpa banyak kehilangan informasi. Teknik ini digunakan dalam kompresi gambar. Dibutuhkan matriks dari n objek dengan variabel p, yang mungkin berkorelasi (komponen utama atau sumbu utama) yang merupakan kombinasi linier dari variabel p asli, komponen k pertama menampilkan sebanyak mungkin dari variasi antar objek.
Mekanisme Pengenalan Wajah (Face Recognition).
 Teknologi ini memiliki beberapa tahapan atau mekanisme, diantaranya:
1. Mendeteksi Wajah (Face Detection)
Teknologi ini dapat mendeteksi atau mencari wajah seseorang dalam gambar, video, atau secara real-time. Jika dilihat dalam kamera atau media sosial, tahap ini ditandai dengan adanya kotak yang mengelilingi wajah seseorang. Tahap ini hanya mendeteksi wajah seseorang, belum mengarah pada pengenalan identitasnya.
2. Normalisasi Wajah
Setelah gambar wajah terdeteksi, sistem akan memperbaiki posisi, ukuran dan sikap kepala untuk membuatnya menjadi standar dan mudah dibandingkan dengan data wajah yang telah tersimpan.
3. Analisis Wajah (Analysis)
Tahap berikutnya adalah proses analisis atau verifikasi tekstur wajah dengan lebih detail. Teknologi ini akan mengenali wajah seseorang secara spesifik, seperti jarak antara kedua matanya, bentuk dagu, bentuk hidung, dan lain-lain.
Hasil analisis ini kemudian dikonversi ke format deretan angka yang disebut faceprint. Setiap faceprint berbeda-beda antara satu orang dan lainnya, bahkan untuk orang kembar identik sekalipun.
5. Mengidentifikasi Wajah
Pada tahap ini, data wajah akan diidentifikasi berdasarkan verifikasi fitur wajah yang telah ditentukan sebelumnya. Seluruh fitur-fitur wajah, termasuk kontur wajah, geometri, dan tekstur, tidak akan terlepas dari tahap ini.
Data wajah akan diubah menjadi titik-titik, yang kemudian diubah menjadi data. Pada tahap ini, data yang masuk akan dibandingkan dengan data pada database, di mana perbandingannya harus mencapai 1:1. Setelah itu, sistem akan menilai apakah wajah tersebut cocok dengan database.
6. Pengenalan Wajah (Recognition)
Di tahap terakhir, algoritma akan berusaha mengonfirmasi identitas seseorang yang terdeteksi wajahnya. Tahap inilah yang digunakan untuk verifikasi keamanan perangkat yang akan digunakan. Recognition memanfaatkan basis data (database) yang sudah terekam sebelumnya, demi memastikan bahwa pengguna perangkat tersebut bukanlah orang yang berbahaya.
Cara kerja teknologi pengenalan wajah dapat bervariasi tergantung pada jenis teknologi yang digunakan. Beberapa teknologi pengenalan wajah dapat menggunakan deep learning, machine learning, dan pengolahan citra digital untuk meningkatkan akurasi dan kecepatan pengenalan wajah.
Manfaat atau Kegunaan dari Teknologi Pengenalan Wajah (Face Recognition)
 Teknologi ini memiliki banyak digunakan serta banyak memberi manfaat dalam kehidupan kita, diantaranya:
1. Peningkatan Sistem Keamanan
Fungsi  umum dari teknologi face recognition adalah digunakan untuk meningkatkan sistem keamanan baik dalam lingkup militer seperti pengawasan perbatasan, maupun ruang publik seperti keamanan stasiun, terminal, bandara, hingga lembaga pendidikan.
2. Memudahkan Identifikasi Kriminal
Teknologi face recognition juga dapat membantu lembaga penegak hukum dalam mengidentifikasi para pelaku kejahatan secara efektif. Para pelaku kriminal yang tertangkap CCTV akan lebih mudah tertangkap dan menjadi barang bukti atas tindak kejahatannya.
3. Pengelolaan Identitas
Sistem pengenalan wajah ini adalah dapat membantu dalam pengelolaan identitas seseorang yang berhubungan dengan akses ke layanan publik, misalnya pengontrol akses ke gedung, aplikasi keuangan seperti pengiriman uang. Selain itu, teknologi pendeteksian wajah ini juga sudah umum digunakan sebagai pengganti kata sandi dan PIN, sekaligus sebagai alternatif untuk membuka smartphone.
4. Periklanan
Pada bidang digital marketing, pemanfaat teknologi pendeteksian wajah dapat digunakan dalam periklanan, di mana ia dapat mengidentifikasi identitas target pasar seperti usia dan jenis kelamin. Kemudian hasil pemindaian data pelanggan akan memudahkan para digital marketer untuk menampilkan iklan yang tepat untuk audiens yang ditargetkan.
5. Pengenalan Emosi
Dalam dunia kesehatan, pemanfaatan teknologi face recognition dapat mengidentifikasi ekspresi wajah dan membantu menganalisis emosi seorang pasien yang berhubungan dengan masalah kesehatan mental ataupun gangguan emosi.
 Dari sini kita dapat mengetahui seberapa pentingnya teknologi ini dalam kehidupan manusia. Teknologi ini banyak membantu dalam menyelesaikan masalah seperti kriminalitas, kesehatan, bahkan keamanan masyarakat.
