CITRA
Citra
adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek.
Citra sebagai keluaran suatu sistem perekaman data bersifat optik foto,
bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor
televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media
penyimpan.
Citra
adalah gambaran dua dimensi yang dihasilkan dari gambar analog dua dimensi yang
continue menjadi gambar diskrit
proses sampling. Gambar analaog
dibagi menjadi N baris M kolom sehingga menjadi gambar diskrit. Dimana setiap
pasangan indeks baris dan kolom menyatakan suatu titik pada citra. Nilai
matriksnya menyatakan nilai kecerahan titik tersebut. Titik-titik tersebut
dinamakan sebagai elemen citra, atau pixel
(picture elemen).
REPRESENTASI
CITRA DIGITAL
Sebuah citra
digital dapat diwakili oleh sebuah matriks yang terdiri dari M kolom dan N
baris, dimana perpotongan antara kolom dan baris disebut piksel (piksel= picture
element), yaitu element terkecil dari sebuah citra. Piksel mempunyai dua parameter,
yaitu koordinat dan intensitas atau warna. Nilai yang terdapat pada koordinat
(x,y) adalah f(x,y), yaitu besar intensitas atau warna dari piksel dititik itu.
Oleh sebab itu, sebuah citra digital dapat ditulis dalam bentuk matriks
berikut.
f(0,0) f(0,1) ... f(0,M-1)
f(1,0) ... ... f(1,M-1)
... ... ...
...
f(N-1,0) f(N-1,1) ... f(N-1,M-1)
Berdasarkan gambaran tersebut, secara matematis citra digital dapat
dituliskan sebagai fungsi intensitas f(x,y), dimana harga x (baris) dan
y (kolom) merupakan koordinasi posisi dan f(x,y) adalah nilai fungsi
pada setiap titik (x,y) yang menyatakan besar intensitas citra atau tingkat
keabuan atau warna dari piksel dititik tersebut. Pada proses digitalisasi
(sampling dan kuantisasi) diperoleh besar baris M dan kolom N hingga citra
berbentuk matriks MxN dan jumlah tingkat keabuan piksel
PIXEL
Pixel (Picture Element)
adalah nilai tiap-tiap entri matriks pada bitmap.
Rentang nilai-nilai pixel ini
dipengaruhi oleh banyaknya warna yang dapat ditampilkan. Jika suatu bitmap dapat menampilkan 256 warna maka
nilai-nilai pixelnya dibatasi dari 0
hingga 255.
JENIS
CITRA
Nilai suatu pixel
memiliki nilai dengan rentang tertentu, dari nilai minimum sampi nilai maximum.
Jangkauan yang digunakan berbeda-beda tergantung dari jenis warnanya. Namum
secara umum jangkauannya adalah 0-255.
CITRA BINER
Citra biner adalah citra digital yang hanya
dimiliki dua kemungkinan nilai pixel yaitu hitam dan putih. Citra biner juga
disebut sebagai citra B&W (black dan
white) atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai
setiap pixel dari citra biner. Citra biner sering kali muncul sebagai hasil
dari proses pengolahaan seperti segmentasi, pengembangan, morfologi ataupun,
dithering.
CITRA
GRAYSCALE
Citra
grayscale merupakan citra digital yang hanya memilik satu nilai kanal pada
setiap pixelnya, dengan kata lain nilai bagian RED = GREEN=BLUE. Nilai tersebut
digunakan untuk menunjukkan tingkat intensitas. Warna yang dimiliki adalah
warna dari hitam, keabuan, dan putih. Tingkat keabuan di sini merupakan warna
abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Citra grayscale berikut memiliki kedalaman
warna 8 bit (256 kombinasi warna keabuan).
CITRA WARNA (8 BIT)
Setiap pixel dari citra warna (8 bit)
hanya diwakili oleh 8 bit dengan jumlah warna maksimum yang dapat digunakan
adalah 256 warna. Ada dua jenis citra warna 8 bit. Pertama, citra warna 8 bit
dengan menggunakan palet warna 256 dengan setiap paletnya memiliki pemetaan
nilai (colormap) RGB tertentu. Model
ini lebih sering digunakan. Kedua, setiap pixel memiliki format 8 bit.
CITRA
WARNA (16 BIT)
Citra
warna 16 bit (biasanya disebut sebagai citra highcolor) dengan setiap pixelnya diwakili dengan 2 byte memory (16 bit). Warna 16 bit memiliki
65.536 warna. Dalam formasi bitnya, nilai merah dan biru mengambil tempat di 5
bit di kanan da kiri. Komponen hijau memiliki 5 bit ditambah 1 bit ekstra.
Pemilhan komponen hijau dengan deret 6 bit dikarenakan penglihatan manusia
lebih sensitif terhadap warna hijau.
CITRA
WARNA (24 BIT)
Setiap
pixel dari citra warna 24 bit diwakili dengan 24 bit sehingga total 16.777.216
variasi warna. Variasi ini sudah lebih dari cukup untuk memvisualisasikan
seluruh warna yang dapat dilihat pengelihatan manusia. Pengelihatan manusia
dipercaya hanya dapat membedakan hingga 10 juta warna saja. Setiap poin
informasi pixel (RGB) disimpan ke dalam 1 byte
data. 8 bit pertama menyimpan nilai
biru, kemudian diikuti oleh nilai hijau pada 8 bit kedua dan pada 8 bit
terakhir merupakan warna merah.
MEDIAN FILTER
Merupakan order-statistics filter
yang paling banyak diketahui, yang mana sesuai namanya, mengganti nilai pixel
dengan median dari gray level dalam neighbourhood dari pixel itu :
Nilai asli dari pixel diikutkan
dalam komputasi median. Median filters sangat popular karena, untuk tipe – tipe
tertentu random noise, dia memberikan kemampuan noise-reduction yang sangat
baik, dengan blurring yang amat lebih sedikit daripada linear smoothing filter
dari ukuran yang sama. Median filters secara khusus efektif dalam keadaan
bipolar dan unipolar impulse noise. Median filter memberikan hasil yang sangat
bagus untuk image yang dirusak oleh tipe noise ini.
MIDPOINT FILTER
Midpoint filter dengan mudah
menghitung midpoint antara nilai maksimum dan minimum dalam area yang dicakup
oleh filter :
MEAN
FILTER
Ini
adalah metode paling mudah dari mean filters. Misalkan Sxy mewakili himpunan
koordinat dalam sebuah window kotak subimage berukuran m x n, berpusat di titik
(x, y). Proses Arithmetic Mean Filtering menghitung rata – rata nilai dari
gambar yang rusak g(x, y) pada area yang didefinisika oleh Sxy. Nilai dari
gambar yang diperbaiki
pada tiap titik (x, y) adalah
arithmetic mean mudah yang dihitung dengan menggunakan pixel dalam daerah yang
didefinisikan oleh Sxy. Dengan kata lain :
![a](file:///C:\DOCUME~1\SABARM~1\LOCALS~1\Temp\msohtmlclip1\01\clip_image006.gif)
Histogram
Histogram warna
merupakan fitur yang paling banyak digunakan untuk merepresentasikan ciri warna
suatu citra. Citra pada umumnya dikonversi ke dalam suatu ruang warna tertentu,
kemudian setiap komponen ruang warna dibuat histogramnya.
Peregangan Kontras
Kontras
menyatakan sebaran terang (lightness) dan gelap (darkness) di
dalam sebuah gambar.Citra dapat dikelompokkan ke dalam tiga kategori kontras:
citra kontras-rendah (low contrast), citra kontras-bagus (good
contrast atau normal contrast), dan citra kontras-tinggi(high
contrast). Ketiga kategori ini umumnya dibedakan secara intuitif.
Citra
kontras-rendah dicirikan dengan sebagian besar komposisi citranya adalah terang
atau sebagian besar gelap. Dari histogramnya terlihat sebagian besar derajat
keabuannya terkelompok (clustered) bersama atau hanya menempati sebagian
kecil dari rentang nilai-nilai keabuan yang mungkin. Jika pengelompokan
nilai-nilai pixel berada di bagian kiri (yang berisi nilai keabuan yang
rendah), citranya cenderung gelap.
Jika
pengelompokan nilai-nilai pixel berada di bagian kanan (yang berisi
nilai keabuan yang tinggi), citranya cenderung terang. Tetapi, mungkin saja
suatu citra tergolong kontras-rendah meskipun tidak terlalu terang atau tidak
terlalu gelap bila semua pengelompokan nilai keabuan berada di tengah histogram.
CONTRAST
STRETCHING
Kontras
suatu citra adalah distribusi pixel terang dan gelap. Citra grayscale dengan kontras rendah maka
akan terlihat terlalu gelap, terlalu terang, atau terlalu abu-abu. Histogram
citra dengan kontras rendah, semua pixel akan terkonsentrasi pada sisi kiri,
sisi kanan, atau di tengah. Semua pixel akan terkelompok secara rapat pada
suatu sisi tertentu dan menggunakan sebagian kecil dari semua kemungkinan nilai
pixel
Pada peregangan kontras, setiap pixel
pada citra U ditransformasikan dengan menggunakan fungsi sebagai berikut.
Proses contrast stretching termasuk proses perbaikan citra yang
bersifat point processing, yang artinya proses ini hanya tergantung dari nilai
intensitas (gray level) satu pixel, tidak tergantung dari pixel lain yang ada
di sekitarnya.
KOMPRESI DATA CITRA
Proses kompresi merupakan proses mereduksi ukuran suatu data untuk
menghasilkan representasi digital yang padat atau mampat (compact) namun
tetap dapat mewakili kuantitas informasi yang terkandung pada data tersebut.
Pada citra, video, dan audio, kompresi mengarah pada minimisasi jumlah bit
rate untuk representasi digital. Pada beberapa literatur, istilah kompresi
sering disebut juga source coding, data compression, bandwidth
compression, signal compression.
MANFAAT KOMPRESI
CITRA
Beberapa
manfaat kompresi citra adalah:
1.
Waktu pengiriman data pada saluran
komunikasi data lebih singkat. Contohnya pengiriman gambar dari fax, video conferencing, handphone, download
dari internet, pengiriman data medis, pengiriman dari satelit, dan lain-lain.
2.
Membutuhkan ruang memori dalam storage yang lebih sedikit dibandingkan
dengan citra yang tidak dimampatkan.
TEKNIK KOMPRESI
CITRA
Ada
2 teknik yang dapat dilakukan dalam melakukan kompresi citra.
1.
Lossless
Compression
Lossless
Compression merupakan
kompresi citra dimana hasil kompresi dari citra di mana hasil dekompresi dari
citra yang terkompresi sama dengan citra aslinya, tidak ada informasi yang hilang.
Sayangnya, ratio kompresi citra metode ini sangat rendah. Banyak aplikasi yang
memerlukan kompresi tanpa cacat, seperti pada aplikasi radiografi, kompresi
citra hasil diagnosa medis ato gambar satelit, diman kehilangan gambar sekecil
apa pun akan menyebabkan hasil yang tak diharapkan. Contohnya Run Length Encoding (RLE), Entropy Encoding (huffman, aritmatik),
dan Adaptive Dictionary Based (LZW,
LZMA)
2.
Lossy
Compression
Lossy
Compression
adalah kompresi citra di mana hasil dekompresi dari citra yang terkompresi
tidak sama dengan citra aslinya karena ada informasi yang hilang, tetapi masih
bisa ditolerir oleh persepsi mata. Mata tidak dapat membedakan perubahan kecil
pada gambar. Metode ini menghasilkan ratio kompresi yang lebih tinggi dari pada
metode lossless. Contohnya adalah color reduction, chroma subsampling, dan
transform coding, seperti
transformasi Fourier, Wavelet, dan lain-lain.