Bab 1
Pengantar
Pengolahan Citra
ata atau informasi tidak hanya disajikan
dalam bentuk teks, tetapi juga dapat berupa gambar, audio (bunyi, suara,
musik), dan video. Keempat macam data atau informasi ini sering disebut
multimedia. Era teknologi informasi saat ini tidak dapat dipisahkan dari
multimedia. Situs web (website) di
Internet dibuat semenarik mungkin dengan menyertakan visualisasi berupa gambar
atau video yang dapat diputar. Beberapa waktu lalu istilah SMS (Short Message Service) begitu populer
bagi pengguna telepon genggam (handphone
atau HP). Tetapi, saat ini orang tidak hanya dapat mengirim pesan dalam bentuk
teks, tetapi juga dapat mengirim pesan berupa gambar maupun video, yang dikenal
dengan layanan MMS (Multimedia Message
Service).
Citra (image)1
–istilah lain untuk gambar– sebagai salah satu komponen multimedia memegang
peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai
karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi. Ada sebuah peribahasa yang berbunyi “sebuah gambar bermakna lebih
dari seribu kata” (a picture is more than
a thousand words). Maksudnya tentu sebuah gambar dapat memberikan informasi
yang lebih banyak daripada informasi tersebut disajikan dalam bentuk kata-kata
(tekstual).
Bab pertama ini berisi pembahasan mengenai citra dan
pengolahannya. Selain itu, di dalam bab ini dipaparkan pula bidang-bidang yang
berkaitan dengan pengolahan citra, seperti grafika komputer dan pengenalan
pola.
1
Di dalam buku ini, kata “gambar” dan “citra”
digunakan secara bergantian, namun keduanya mengacu pada objek yang sama. Kata
“citra” akan lebih banyak digunakan pada materi yang berkaitan dengan
konseptual dan teknis, sementara kata “gambar” digunakan jika mengacu pada
objek yang dibicarakan dalam kehidupan sehari-hari.
1.1 Citra
Secara harafiah, citra (image)
adalah gambar pada bidang dwimatra (dua dimensi). Gambar 1.1 adalah citra
seorang gadis model yang bernama Lena, dan gambar di sebelah kanannya adalah
citra kapal di sebuah pelabuhan. Ditinjau dari sudut pandang matematis, citra
merupakan fungsi menerus (continue)
dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek,
objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya
ini ditangkap oleh oleh alat-alat optik, misalnya mata pada manusia, kamera,
pemindai (scanner), dan sebagainya,
sehingga bayangan objek yang disebut citra tersebut terekam.
Citra sebagai keluaran dari suatu sistem perekaman data
dapat bersifat [MUR92]:
1.
optik berupa foto,
2.
analog berupa sinyal video seperti gambar pada monitor
televisi,
3.
digital yang dapat langsung disimpan pada suatu pita
magnetik.
Citra yang dimaksudkan di dalam keseluruhan isi buku ini
adalah “citra diam”
(still images).
Citra diam adalah citra tunggal yang tidak bergerak. Gambar 1.1 adalah dua buah
citra diam. Untuk selanjutnya, citra diam kita sebut citra saja.
(a) Lena (b)
Kapal
Gambar 1.1 Citra Lena dan citra kapal
Citra bergerak (moving
images) adalah rangkaian citra diam yang ditampilkan secara beruntun
(sekuensial) sehingga memberi kesan pada mata kita sebagai gambar yang
bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau
televisi pada hakikatnya terdiri atas ratusan sampai ribuan frame.
1.2
Definisi Pengolahan 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).
Pengolahan citra adalah pemrosesan citra, khususnya dengan
menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Sebagai
contoh, citra burung nuri pada Gambar 1.2 (a)
tampak agak gelap, lalu dengan operasi pengolahan citra kontrasnya diperbaiki
sehingga menjadi lebih terang dan tajam (b).
Umumnya, operasi-operasi pada pengolahan citra diterapkan
pada citra bila [JAI89]:
1.
perbaikan atau memodifikasi citra perlu dilakukan untuk
meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek
informasi yang terkandung di dalam citra,
2.
elemen di dalam citra perlu dikelompokkan, dicocokkan,
atau diukur,
3.
sebagian citra perlu digabung dengan bagian citra yang
lain.
(a) (b)
Gambar 1.2. (a) Citra burung nuri yang
agak gelap, (b) Citra burung yang telah diperbaiki kontrasnya sehingga terlihat
jelas dan tajam
Di dalam bidang komputer, sebenarnya ada tiga bidang studi
yang berkaitan dengan data citra, namun tujuan ketiganya berbeda, yaitu:
1.
Grafika Komputer (computer
graphics).
2.
Pengolahan Citra (image
processing).
3.
Pengenalan Pola (pattern
recognition/image interpretation).
Hubungan antara ketiga bidang (grafika komputer, pengolahan
citra, pengenalan pola) ditunjukkan pada Gambar 1.3.
Gambar 1.3. Tiga bidang studi yang berkaitan dengan citra
Grafika Komputer
bertujuan menghasilkan citra (lebih tepat disebut grafik atau picture) dengan primitif-primitif
geometri seperti garis, lingkaran, dan sebagainya. Primitif-primitif geometri
tersebut memerlukan data deskriptif
untuk melukis elemen-elemen gambar. Contoh data deskriptif adalah
koordinat titik, panjang garis, jari-jari lingkaran, tebal garis, warna, dan
sebagainya. Grafika komputer memainkan
peranan penting dalam visualisasi dan virtual reality.
deskriptifdatacitra
Contoh grafika komputer misalnya menggambar sebuah ‘rumah’
yang dibentuk oleh garis-garis lurus, dengan data masukan berupa koordinat awal
dan koordinat ujung garis (Gambar 1.4).
Program:
Line(0, 0, 0, 40)
Line(0, 40, 60, 60)
Line(40, 60, 80, 40)
Line(0, 40, 80, 40)
Line(80, 40, 80, 0)
Line(80, 0, 0, 0)
Line(20, 0, 25, 25)
Line(25, 25, 35, 25)
Line(35, 25, 35, 0)
(a)
|
Gambar
hasil:
(b)
|
Gambar 1.4. (a) Program Grafika Komputer untuk membuat gambar ‘rumah (b)
Pengolahan Citra
bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia
atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra
mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan
keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik
daripada citra masukan. Termasuk ke dalam bidang ini juga adalah pemampatan
citra (image compression).
citracitra
Pengubahan kontras citra seperti pada Gambar 1.2 adalah
contoh operasi pengolahan citra. Contoh operasi pengolahan citra lainnya adalah
penghilangan derau (noise) pada citra
Lena (Gambar 1.4). Citra Lena yang di sebelah kiri mengandung derau berupa
bintik-bintik putih (derau). Dengan operasi penapisan (filtering), yang akan dijelaskan di dalam Bab 7, derau pada citra
masukan ini dapat dikurangi sehingga dihasilkan citra Lena yang kualitasnya
lebih baik.
(a) (b)
Gambar 1.4. (a) Citra Lena yang mengandung derau, (b) hasil dari operasi penapisan
derau.
Pengenalan Pola
mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh
mesin (dalam hal ini komputer). Tujuan pengelompokan adalah untuk mengenali
suatu objek 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.
citradeskripsiobjek
Contoh pengenalan pola misalnya citra pada Gambar 1.5
adalah tulisan tangan yang digunakan sebagai data masukan untuk mengenali
karakter ‘A’. Dengan menggunakan
suatu algoritma pengenalan pola, diharapkan komputer dapat mengenali bahwa
karakter tersebut adalah ‘A’.
Gambar 1.5. Citra karakter ‘A’ yang digunakan sebagai masukan untuk pengenalan
huruf.
1.3 Computer
Vision dan Hubungannya dengan Pengolahan Citra
Terminologi lain yang berkaitan erat dengan pengolahan
citra adalah computer vision atau machine vision. Pada hakikatnya, computer vision mencoba meniru cara
kerja sistem visual manusia (human vision).
Human vision sesungguhnya sangat
kompleks. Manusia melihat objek dengan indera penglihatan (mata), lalu citra
objek diteruskan ke otak untuk diinterpretasi sehingga manusia mengerti objek
apa yang tampak dalam pandangan matanya. Hasil interpretasi ini mungkin
digunakan untuk pengambilan keputusan
(misalnya menghindar kalau melihat mobil melaju di depan).
Computer vision merupakan
proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi
visual, seperti akuisisi citra, pengolahan citra, klasifikasi, pengenalan (recognition), dan membuat keputusan.
Computer vision
terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra,
pengukuran ciri yang berkaitan dengan geometri objek, dan menginterpretasi
informasi geometri tersebut. Mungkin berguna bagi anda untuk mengingat
persamaan [JAI95] berikut:
Vision = Geometry + Measurement + Interpretation (1.1)
Proses-proses di dalam computer
vision dapat dibagi menjadi tiga aktivitas:
1.
Memperoleh atau mengakuisisi citra digital.
2.
Melakukan teknik komputasi untuk memperoses atau
memodifikasi data citra (operasi-operasi pengolahan citra).
3.
Menganalisis dan menginterpretasi citra dan menggunakan
hasil pemrosesan untuk tujuan tertentu, misalnya memandu robot, mengontrol
peralatan, memantau proses manufaktur, dan lain-lain.
[SCH89] mengklasifikasikan proses-proses di dalam computer vision dalam hirarkhi sebagai
berikut :
high-level
scene interpretation model-base
recognition via images
Dari penjelasan di atas, dapat kita lihat bahwa pengolahan
citra dan pengenalan pola merupakan bagian dari computer vision. Pengolahan citra merupakan proses awal (preprocessing) pada computer vision, sedangkan pengenalan pola merupakan proses untuk
menginterpretasi citra. Teknik-teknik di dalam pengenalan pola memainkan
peranan penting dalam computer vision
untuk mengenali objek.
Jika dihubungkan dengan grafika komputer, maka computer vision merupakan kebalikannya.
Grafika komputer membentuk (sintesis) citra, sedangkan computer vision mengoraknya (analisis). Pada masa awal kedua bidang
ini, tidak ada hubungan antara keduanya, tetapi beberapa tahun belakangan kedua
bidang tersebut berkembang semakin dekat. Computer
vision menggunakan representasi kurva dan permukaan dan beberapa teknik
lain dari grafika komputer, sedangkan grafika komputer menggunakan
teknik-teknik di dalam computer vision
untuk memuat citra realistik (virtual reality)
[JAI95].
1.4
Operasi Pengolahan Citra
Operasi-operasi yang dilakukan di dalam pengolahan citra
banyak ragamnya. Namun, secara umum, operasi pengolahan citra dapat
diklasifikasikan dalam beberapa jenis sebagai berikut:
1.
Perbaikan kualitas citra (image enhancement).
Jenis operasi ini bertujuan untuk memperbaiki kualitas
citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini,
ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh-contoh operasi perbaikan citra: a. perbaikan
kontras gelap/terang
b.
perbaikan tepian objek (edge enhancement)
c.
penajaman (sharpening)
d.
pembrian warna semu (pseudocoloring)
e.
penapisan derau (noise
filtering)
Gambar 1.6 adalah contoh operasi penajaman. Operasi ini
menerima masukan sebuah citra yang gambarnya hendak dibuat tampak lebih tajam.
Bagian citra yang ditajamkan adalah tepi-tepi objek.
(a)
(b)
Gambar 1.6 (a) Citra Lena asli, (b) Citra Lena
setelah ditajamkan
2.
Pemugaran citra (image
restoration).
Operasi ini bertujuan menghilangkan/meminimumkan cacat pada
citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra.
Bedanya, pada pemugaran citra penyebab degradasi gambar
diketahui. Contoh-contoh operasi
pemugaran citra:
a.
penghilangan kesamaran (deblurring).
b.
penghilangan derau (noise)
Gambar 1.7 adalah contoh operasi
penghilangan kesamaran. Citra masukan adalah citra yang tampak kabur (blur). Kekaburan gambar mungkin
disebabkan pengaturan fokus lensa yang tidak tepat atau kamera bergoyang pada
pengambilan gambar. Melalui operasi deblurring,
kualitas citra masukan dapat
diperbaiki sehingga tampak lebih baik.
(a)
(b)
Gambar 1.7 Kiri: Citra Lena yang kabur
(blur), kanan: citra Lena setelah deblurring
3.
Pemampatan citra (image
compression).
Jenis operasi ini dilakukan agar citra dapat
direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori
yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah
citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus.
Contoh metode pemampatan citra adalah
metode JPEG. Perhatikan Gambar 1.8. Gambar sebelah kiri adalah citra kapal yang
berukuran 258 KB. Hasil pemampatan citra dengan metode JPEG dapat mereduksi
ukuran citra semula sehingga menjadi 49 KB saja.
(a) (b)
Gambar 1.8. (a) Citra boat.bmp (258 KB) sebelum dimampatkan, (b) citra boat.jpg (49 KB) sesudah dimampatkan.
4.
Segmentasi citra (image
segmentation).
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu
kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.
5.
Pengorakan citra (image
analysis)
Jenis operasi ini bertujuan menghitung besaran kuantitif
dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra
mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses
segmentasi kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari
sekelilingnya.
Contoh-contoh operasi pengorakan citra:
a.
Pendeteksian tepi objek (edge detection)
b.
Ekstraksi batas (boundary)
c.
Representasi daerah (region)
Gambar 1.9 adalah contoh operasi pendeteksian tepi pada
citra Camera. Operasi ini
menghasilkan semua tepi (edge) di
dalam citra.
(a)
(b)
Gambar 1.9. (a) Citra camera, (b) citra
hasil pendeteksian seluruh tepi
6.
Rekonstruksi citra (image
reconstruction)
Jenis operasi ini bertujuan untuk membentuk ulang objek
dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan
dalam bidang medis. Misalnya beberapa foto rontgen
dengan sinar X digunakan untuk
membentuk ulang gambar organ tubuh.
1.5 Aplikasi Pengolahan Citra dan Pengenalan
Pola
Pengolahan citra mempunyai aplikasi yang
sangat luas dalam berbagai bidang kehidupan. Di bawah ini disebutkan beberapa
aplikasi dalam beberapa bidang [MEN89].
1.
Bidang perdagangan
(a)
Pembacaan kode batang (bar code) yang tertera pada barang (umum digunakan di pasar swalayan/supermarket).
(b)
Mengenali huruf/angka pada suatu formulir secara
otomatis.
2.
Bidang militer
(a)
Mengenali sasaran peluru kendali melalui sensor visual.
(b)
Mengidentifikasi jenis pesawat musuh.
3.
Bidang kedokteran
(a)
Pengolahan citra sinar X untuk mammografi (deteksi
kanker payudara)
(b)
NMR (Nuclear
Magnetic Resonance)
(c)
Mendeteksi kelainan tubuh dari foto sinar X.
(d)
Rekonstruksi foto janin hasil USG
4.
Bidang biologi
Pengenalan jenis kromosom melalui gambar mikroskopik
5.
Komunikasi data
Pemampatan citra yang ditransmisi.
6.
Hiburan
Pemampatan video (MPEG)
7.
Robotika Visualy-guided
autonomous navigation
8.
Pemetaan
Klasifikasi penggunaan tanah melalui foto udara/LANDSAT
9.
Geologi
Mengenali jenis batu-batuan melalui foto udara/LANDSAT
10.
Hukum
(a)
Pengenalan sidik jari
(b) Pengenalan foto narapidana.
1.6
Citra Uji
Pada pembahasan operasi-operasi pengolahan citra, biasanya
penulis buku/ literatur menggunakan beberapa contoh citra uji (test images) atau sampel. Terdapat
sejumlah citra yang sering dipakai di dalam literatur pengolahan citra atau computer vision. Citra-citra tersebut
banyak ditemukan di situs-situs web universitas yang menawarkan mata kuliah (course) pengolahan citra. Anda bisa
mencari citra tersebut dengan menggunakan bantuan mesin pencari Google (www.google.com)
Kebanyakan dari citra tersebut merupakan citra klasik dalam pengolahan citra.
Inilah beberapa diantaranya (dengan keterangan nama citra dan ukurannya, lebar × tinggi, dalam satuan pixel):
|
Lena, 256 × 256
|
Peppers 512 × 512
|
Zelda 512 × 512
|
|
Bird 256 × 256
|
Camera 256 × 256
|
Mandrill 512 × 512
|
|
Barbara 512 × 512
|
Boat 512 × 512
|
Slope 256 × 256
|
|
San Fransisco 256 × 256
|
Collie 256 ×
256
|
Circle 256 ×
256
|
|
Squares 256 ×
256
|
Text 256 ×
256
|
Mountain 640 ×
480
|
|
Goldhill 512 ×
512
|
Eltoro 512 ×
512
|
Girl 256 ×
256
|
