PENGOLAHAN CITRA PADA KOMPUTER

“ PENGOLAHAN CITRA “

Pengolahan citra adalah salah satu cabang dari ilmu informatika (Komputer). Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu.

Berikut ini adalah definisi dasar yang dipergunakan dalam pengolahan citra :

Citra

Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling.

Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut dengan piksel. Contohnya adalah gambar/titik diskrit pada baris n dan kolom m disebut dengan piksel [n,m].

Samplings

Sampling adalah proses untuk menentukan warna pada piksel tertentu pada citra dari sebuah gambar yang kontinu. Pada proses sampling biasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan. Proses sampling sering juga disebut proses digitisasi. Sampling merupakan bagian dari metodologi statistika.

Kuantisasi

Adakalanya, dalam proses sampling, warna rata-rata yang didapat di relasikan ke level warna tertentu. Contohnya apabila dalam citra hanya terdapat 16 tingkatan warna abu-abu, maka nilai rata-rata yang didapat dari proses sampling harus diasosiasikan ke 16 tingkatan tersebut. Proses mengasosiasikan warna rata-rata dengan tingkatan warna tertentu disebut dengan kuantisasi.

Derau

Derau (Noise) adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis(optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. bintik acak ini disebut dengan derau salt & pepper.

Contoh penghilangan derau (noise) pada citra Lena. Citra Lena yang di sebelah kiri mengandung derau berupa bintik-bintik putih (derau). Dengan operasi penapisan (filtering), derau pada citra masukan ini dapat dikurangi sehingga dihasilkan citra Lena yang kualitasnya lebih baik.

Pengenalan Pola

mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin (dalam hal ini komputer). Tujuan pengelompokan adalah untuk mengenali suatu ob jek di dalam citra.Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek -objek di alam sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskripsi objek di dalam citra.

Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang.

Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image processing).

Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan operasi yang dilakukan terhadap citra.

Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai berikut :

1. Peningkatan Kualitas Citra (Image Enhancement)

Operasi peningkatan kualitas citra bertujuan untuk meningkatkan fitur tertentu pada citra

2. Pemulihan Citra (Image Restoration)

Operasi pemulihan citra bertujuan untuk mengembalikan kondisi citra pada kondisi yang diketahui sebelumnya akibat adanya pengganggu yang menyebabkan penurunan kualitas citra.

Berdasarkan cakupan operasi yang dilakukan terhadap citra, Operasi pengolahan citra dikategorikan sebagai berikut :

· Operasi titik, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya hanya ditentukan oleh nilai piksel itu sendiri.

· Operasi area, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya dipengaruhi oleh piksel tersebut dan piksel lainnya dalam suatu daerah tertentu. Salah satu contoh dari operasi berbasis area adalah operasi ketetanggaan yang nilai keluaran dari operasi tersebut ditentukan oleh nilai piksel-piksel yang memiliki hubungan ketetanggaan dengan piksel yang sedang diolah.

· Operasi global, yaitu operasi yang dilakukan tehadap setiap piksel pada citra yang keluarannya ditentukan oleh keseluruhan piksel yang membentuk citra.

Operasi-operasi yang dilakukan didalam pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut :

1. Perbaikan citra (image restoration)

Tujuan : memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra.

Operasi perbaikan citra :
•Perbaikan kontras gelap/terang
•Perbaikan tepian objek (edge enhancement)
•Penajaman (sharpening)
•Pemberian warna semu(pseudocoloring)
•Penapisan derau (noise filtering)

2. Perbaikan kualitas citra (image enhancement)

Tujuan : menghilangkan cacat pada citra.Perbedaannya dengan perbaikan citra : penyebab degradasi citra diketahui.

Operasi pemugaran citra :
•Penghilangan kesamaran (deblurring)
•Penghilangan derau (noise)

3. Pemampatan citra (image compression)

Tujuan : citra direpresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan kualitas gambar (misal dari .BMP menjadi .JPG)

4. Segmentasi Citra (Image Segmentation)

Tujuan : memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu.
Berkaitan erat dengan pengenalan pola.

5. Analisis Citra (Image Analysis)

Tujuan : menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya. Diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya

Operasi pengorakan citra :
–Pendeteksian tepi objek (edge detection)
–Ekstraksi batas (boundary)
–Represenasi daerah (region)

6. Rekonstruksi citra (image reconstruction

Tujuan : membentuk ulang objek dari beberapa citra hasil proyeksi.

Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan ada pula yang berbentuk segienam) yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh titik tersebut.

Pada umumnya, berdasarkan kombinasi warna pada piksel, citra dibagi menjadi tiga jenis yaitu citra RGB, citra grayscale, dan citra biner. Citra pada Gambar 1 termasuk dalam jenis citra RGB truecolor 24-bit. Citra tersebut tersusun oleh tiga kanal warna yaitu kanal merah, kanal hijau, dan kanal biru.

Masing-masing kanal warna memiliki nilai intensitas piksel dengan kedalaman bit sebesar 8-bit yang artinya memiliki variasi warna sebanyak 2^8 derajat warna (0 s.d 255).

Pada kanal merah, warna merah sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0. Pada kanal hijau, warna hijau sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0. Begitu juga pada kanal biru, warna biru sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0.

Perintah MATLAB untuk menampilkan citra digital dan masing-masing kanal penyusunnya adalah sebagai berikut:

clc; clear; close all; warning off all;
I = imread('lena_color_256.tif');
Red = I(:,:,1);
Green = I(:,:,2);
Blue = I(:,:,3);
I_Red = cat(3,Red,Green*0,Blue*0);
I_Green = cat(3,Red*0,Green,Blue*0);
I_Blue = cat(3,Red*0,Green*0,Blue);
figure, imshow(I);
figure, imshow(I_Red);

figure, imshow(I_Green);

figure, imshow(I_Blue);

Representasi citra RGB dan masing-masing kanal warna penyusunnya ditunjukkan pada Gambar 1.

Gambar 1. Representasi citra RGB dan kanal warna penyusunnya

Setiap piksel pada citra RGB, memiliki intensitas warna yang merupakan kombinasi dari tiga nilai intensitas pada kanal R, G, dan B. Sebagai contoh, suatu piksel yang memiliki nilai intensitas warna sebesar 255 pada kanal merah, 255 pada kanal hijau, dan 0 pada kanal biru akan menghasilkan warna kuning. Pada contoh lain, suatu piksel yang memiliki nilai intensitas warna sebesar 255 pada kanal merah, 102 pada kanal hijau, dan 0 pada kanal biru akan menghasilkan warna orange. Banyaknya kombinasi warna piksel yang mungkin pada citra RGB truecolor 24-bit adalah sebanyak 256 x 256 x 256 = 16.777.216. Representasi nilai intensitas piksel dengan kombinasi warna R, G, dan B ditunjukkan pada Gambar 3.

Gambar 3. Representasi piksel dengan kombinasi warna R, G, dan B

Jenis citra yang kedua adalah citra grayscale. Citra grayscale merupakan citra yang nilai intensitas pikselnya didasarkan pada derajat keabuan. Pada citra grayscale 8-bit, derajat warna hitam sampai dengan putih dibagi ke dalam 256 derajat keabuan di mana warna hitam sempurna direpresentasikan dengan nilai 0 dan putih sempurna dengan nilai 255. Citra RGB dapat dikonversi menjadi citra grayscale sehingga dihasilkan hanya satu kanal warna. Persamaan yang umumnya digunakan untuk mengkonversi citra RGB truecolor 24-bit menjadi citra grayscale 8-bit adalah

Grayscale = 0.2989*R + 0.5870*G + 0.1140*B

Perintah MATLAB untuk mengkonversi citra RGB menjadi grayscale adalah:

1 2	I_Gray = rgb2gray(I); figure, imshow(I_Gray);

Citra hasil konversi RGB menjadi grayscale ditunjukkan pada Gambar 4.

Gambar 4. Citra hasil konversi RGB menjadi grayscale

Jenis citra yang ketiga adalah citra biner. Citra biner adalah citra yang pikselnya memiliki kedalaman bit sebesar 1 bit sehingga hanya memiliki dua nilai intensitas warna yaitu 0 (hitam) dan 1 (putih). Citra grayscale dapat dikonversi menjadi citra biner melalui proses thresholding. Dalam proses thresholding, dibutuhkan suatu nilai threshold sebagai nilai pembatas konversi. Nilai intensitas piksel yang lebih besar atau sama dengan nilai threshold akan dikonversi menjadi 1. Sedangkan nilai intensitas piksel yang kurang dari nilai threshold akan dikonversi menjadi 0. Misalnya nilai threshold yang digunakan adalah 128, maka piksel yang mempunyai intensitas kurang dari 128 akan diubah menjadi 0 (hitam) dan yang lebih dari atau sama dengan 128 akan diubah menjadi 1 (putih).

Perintah MATLAB untuk mengkonversi citra grayscale menjadi citra biner adalah:

1 2	I_bw = im2bw(I_Gray); figure, imshow(I_bw);

Citra hasil konversi grayscale menjadi biner ditunjukkan pada Gambar 5.

Gambar 5. Citra hasil konversi grayscale menjadi biner

Thresholding pada umumnya digunakan dalam proses segmentasi citra. Proses tersebut dilakukan untuk memisahkan antara foreground (objek yang dikehendaki) dengan background (objek lain yang tidak dikehendaki). Pada hasil segmentasi, foreground direpresentasikan oleh warna putih (1) dan background direpresentasikan oleh warna hitam (0). Pada kasus segmentasi pada satu citra saja, kita dapat menentukan nilai threshold dengan metode trial and error. Namun pada kasus segmentasi pada citra dengan jumlah yang banyak, dibutuhkan suatu metode untuk menentukan nilai threshold secara otomatis. Nilai threshold dapat diperoleh secara otomatis dengan menggunakan metode Otsu (1979).

Perintah MATLAB untuk melakukan thresholding dengan metode Otsu adalah:

thresh = graythresh(I_Gray);

I_bw_otsu = im2bw(I_Gray,thresh);

figure, imshow(I_bw_otsu);

Citra hasil thresholding menggunakan metode Otsu ditunjukkan pada Gambar 6.

Gambar 6. Citra hasil thresholding menggunakan metode Otsu

Aplikasi Pengolah Citra Digital

1. Corel Painter

Program pencitraan ini sekarang tersedia baik di Windows dan Macintosh. Desainer dapat menggunakan program untuk membuat gambar yang terlihat alami dengan fitur freehand nya. Pengguna juga dapat memilih dari beberapa efek seperti cat minyak dan cat air dan mencetak output dalam kanvas atau kertas.

2. Corel Paint Shop Pro Photo

Ini merupakan program pencitraan untuk mengedit bitmap grafis dan vektor mengedit grafis. Hak untuk program awalnya dimiliki oleh Jasc Software Minneapolis. Hak untuk mendistribusikan program ini sekarang milik Corel Corporation setelah dibeli Jasc Software pada tahun 2004. Program, yang lebih dikenal sebagai Paint Shop dan sebagai pesaing Adobe Photoshop, dapat didownload sebagai shareware. Adobe Photoshop lebih populer dari program pencitraan karena pertama memiliki versi untuk Microsoft dan Apple Macintosh.

3. Adobe Photoshop

Program pencitraan dikembangkan oleh Adobe Systems dan dianggap sebagai favorit pasar dalam hal mengedit gambar, manipulasi gambar dan gambar bitmap. Versi terbaru Adobe Photoshop CS3 Extended yang dirilis hanya tahun ini. Ini adalah versi ketiga sejak Adobe Photoshop berganti nama produk. Ia menawarkan alat-alat baru, filter non-destruktif, 3D dan pencitraan ilmiah.

4. Corel Photo-Paint

Program pencitraan dibundel dengan Corel Draw Graphics Suite. Hal ini dapat membuat grafik dan memanipulasi gambar. Hal ini juga memungkinkan pengguna untuk menghilangkan mata merah dalam foto. Program ini dapat didownload dari situs Corel sebagai freeware.

5. Microsoft Paint

Program pencitraan yang digunakan dikenal sebagai Kuas untuk Windows dan dapat ditemukan dibundel dengan Microsoft Windows. Pengguna dapat melakukan percobaan dengan campuran warna program ini memungkinkan bersamaan mengambil tiga warna. Ada banyak fungsi dimana pengguna dapat berlatih untuk meningkatkan keahliannya.

6. Penggunaan ULTRASONOGRAFI (USG)

Ultrasonografi medis (sonografi) adalah sebuah teknik diagnostik pencitraan menggunakan suara ultra yang digunakan untuk mencitrakan organ internal dan otot, ukuran mereka, struktur, dan luka patologi, membuat teknik ini berguna untuk memeriksa organ.

Mesin USG merupakan bagian dari USG dimana fungsinya untuk mengolah data yang diterima dalam bentuk gelombang. Mesin USG adalah CPU nya USG sehingga di dalamnya terdapat komponen-komponen yang sama seperti pada CPU pada PC cara USG merubah gelombang menjadi gambar.

7. Mikroskop Elektron

Mikroskop elektron adalah salah satu contoh dari pengolahan citra dalam bidang kedokteran, yang di maksud dengan mikroskop elektron adalah sebuah mikroskop yang dapat memperbesar detail gambar yang sangat kecil. Adapun kegunaan dari mikroskop elektron ini yaitu digunakan dalam patologi anatomi, Patologi anatomi ini berfungsi untuk mengindentifikasi organel dalam sel namun kegunaanya telah sangat dikurangi dengan immunhistochemistry tetapi masih tak tergantikan untuk diagnosis penyakit ginjal, identifikasi sindrom silia immotile dan banyak tugas-tugas lainnya.

Demikianlah penjelasan tentang Pengolahan Citra Pada Komputer, semoga bermanfaat. 😄

Search This Blog

Computer Education Technology