PENGOLAHAN CITRA

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 :

Perhatikan bahwa filter ini mengkombinasikan order statistics dan averaging. Filter ini bekerja paling baik untuk noise yang tersebar acak, seperti Gaussian atau uniform noise.

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 :

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.