Citra Digital 8

BAB 1 PENDAHULUAN

2.2 Citra Digital 8

Citra merupakan suatu signal digital yang dapat di observasi oleh sistem visual manusia. Ditinjau dari sudut pandang matematis, citra merupakan fungsi

continue dari intensitas cahaya. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata manusia, kamera pemindai (scanner) kamera digital, dan sebagainya, sehingga banyak objek citra tersebut terekam.

2.2.1 Definisi Citra Digital

Beberapa definisi citra digital menurut para ahli dipaparkan sebagai berikut:

Menurut Sachs (2000), citra digital merupakan suatu gambar yang tersusun dari piksel, dimana tiap pixel merepresentasikan warna (tingkat keabuan untuk gambar hitam putih) pada suatu titik gambar.

Sedangkan menurut Fahmi (2007), citra digital adalah gambar dua dimensi yang dapat ditampilkan pada layar monitor komputer sebagai himpunan berhingga (diskrit) nilai

digital yang disebut dengan piksel (picture elements).

Fahmi (2007) menyatakan bahwa citra digital (diskrit) dihasilkan dari citra analog (kontinu) melalui digitalisasi. Digitalisasi citra analog terdiri atas penerokan (sampling) dan kuantisasi (quantization). Penerokan (sampling) adalah pembagian citra ke dalam elemen-elemen diskrit (piksel), sedangkan kuantisasi (quantization)

adalah pemberian nilai intensitas warna pada setiap piksel dengan nilai yang berupa bilangan bulat.

Gambar 2.2 Citra Digital

Agar dapat diolah dengan komputer digital, suatu citra harus fungsi kontinu menjadi nilai-nilai diskrit disebut pencitraan (imaging) atau digitalisasi. Citra yang dihasilkan inilah yang disebut citra digital (Digital Image), dinyatakan sebagai kumpulan piksel dalam matrik dua dimensi. Pada umumnya citra digital berbentuk empat persegi panjang dan dimensi ukurannya dinyatakan tinggi dikalikan dengan

lebar atu lebar dikalikan dengan panjang. Salah satu contoh citra digital dapat dilihat pada Gambar2.2.

Citra digital yang berukuran N x M lazim dinyatakan dengan matriks yang berukuran N baris dan M kolom seperti pada Gambar 2.3

f(x,y)=

( )

                1) -M 1, -(N ... 1,1) -(N 1,0) -(N ... ... ... ... 1) -M (2, ) 1 , 2 ( ) 0 , 2 ( 1) -M (1, ... (1,1) (1,0) 1) -M (0, (0,1) 0,0 f f f f ... f f f f f f ... f f ... (2.1)

Gambar 2.3 Representasi citra digital dalam matriks N x M

Warna digital adalah kombinasi dari tiga warna primer yaitu (red), hijau (green), dan biru (blue) (RGB). Setiap warna dapat dispesifikasikan sebagai triplet nilai intensitas RGB, dengan setiap intensitas berkisar antara 0 sampai 255, yaitu:

Red : RGB (255, 0, 0) ……….………….………..………(2.2)

Green : RGB (0, 255, 0) .……….……….……… (2.3)

Blue : RGB (0, 0, 255) …..………. (2.4) Dari nilai triplet RGB persamaan (2) sampai (4) di atas dapat dikonversikan ke dalam nilai desimal seperti dibawah ini:

Red : 255*256⁰ + 0*256¹ + 0*256² = 255 + 0 + 0 = 255 ………..………...…(2.5)

Green : 0*256⁰ + 255*256¹ + 0*256² = 0 + 65,280 + 0 = 65,280 ………(2.6)

Blue : 0*256⁰ + 0*256¹ + 255*256² = 0 + 0 + 16,711,680 = 16,711,680 ….…(2.7)

Rumus dasar mencari nilai RGB citra adalah:

R = COLOR And RGB(255, 0, 0) ….……….……….…. (2.8)

G = (COLOR And RGB(0, 255, 0)) / 256 .…….….………...… (2.9)

Dari persamaan (2.5) sampai (2.7) diatas, rumus RGB pada persamaan (2.8) sampai (2.10) menjadi:

Nilai R = c and 255 ………...………... (2.11) Nilai G = (c and 65,280)/256 ..………...……….……..…..….. (2.12) Nilai B = ((c and 16,711,680)/256)/256 ………...………... (2.13) Dimana c adalah nilai intensitas piksel citra.

Ada beberapa format citra digital yang dijumpai, antara lain : 1. Bitmap (BMP)

Format citra ini adalah yang paling umum dan merupakan format standard windows. Ukuran file-nya besar karena bisa mencapai ukuran megabyte. File ini merupakan format yang belum terkompresi dan menggunakan sistem warna RGB (Red, Green, Blue) di mana masing-masing warna pixel-nya terdiri dari 3 komponen R, G, dan B yang dicampur menjadi satu. File BMP dapat dibuka dengan berbagai macam software pembuka gambar seperti ACDSee, Paint, Irvan

View dan lain-lain. File BMP tidak bisa (sangat jarang) digunakan di web (internet)

karena ukurannya yang besar. Detail gambar BMP dapat dilihat pada Tabel 2.1 dan Tabel 2.1.

Tabel 2.1 Bitmap Info Header

Nama Field Ukuran (Byte) Keterangan

beSize 4 Memori Header

beWidth 2 Lebar Gambar

beHeight 2 Tinggi Gambar

bePlanes 2 Harus 1

Tabel 2.2 Bitmap Core Header

Nama Field Ukuran (Byte) Keterangan

bfType 2 Mengandung karakter “BM” yang

mengidentifikasikan tipe file

bfSize 4 Memori file

bfReserved1 2 Tidak dipergunakan

bfReserved2 2 Tidak dipergunakan

bfOffBits 4 Offset untuk memulai data pixel

2. Joint Photographic Expert Group (JPEG/JPG)

Citra dengan format JPEG adalah yang paling terkenal sampai sekarang ini, karena berukuran kecil (hanya puluhan/ratusan KB saja) dan bersifat portable. Citraini sering digunakan pada bidang fotografi untuk menyimpan file foto hasil perekaman analog to digital converter (ADC). Karena ukurannya kecil maka file

ini banyak digunakan di Web (internet).

Format citra JPEG adalah suatu desain untuk mengkompresi citra baik gray-level maupun citra full-color. JPEG tidak hanya menangani data dalam bentuk citra, tetapi juga dapat berhubungan dengan gambar yang disebut dengan motion picture (MPEG). JPEG merupakan singkatan dari Joint Photographic Experts Group, merupakan suatu komite yang menyusun standar citra pada akhir tahun 80-an dan awal tahun 90-an. Kata “Joint” pada JPEG melambangkan status data di dalam kerja sama panitia ISO dan ITU_T. Format yang dihasilkan merupakan standar ISO IS-10918. Format file ini dikembangkan oleh C-Cube Micro systems untuk memberikan sebuah metode yang efisien untuk menyimpan citra dengan jumlah warna yang sangat banyak seperti foto kamera.

Perbedaan utama antara format JPEG dengan format citra yang lainnya adalah bahwa file JPEG menggunakan metode lossy untuk proses pemampatannya. Pemampatan secara lossy akan membuang sebagian data citra untuk memberikan hasil kompresi yang baik. Hasil file JPEG yang di-dekompres tidak begitu sesuai

dengan citra aslinya, tetapi perbedaan ini sangat sulit dideteksi oleh mata manusia (Putra, 2010).

2.2.2 Jenis – jenis Citra Digital

Ada banyak cara untuk menyimpan citra digital di dalam memori. Cara penyimpanan menentukan jenis citra digital yang terbentuk. Beberapa jenis citra

digital yang sering digunakan adalah citra biner, citra grayscale dan citra warna.

1. Citra Biner (Monokrom)

Citra biner (monokrom) hanya memiliki 2 warna yaitu hitam dan putih. Dibutuhkan 1 bit di memori untuk menyimpan kedua warna ini.

Gradasi warna :

0 1

Bit 0 = warna hitam Bit 1 = warna putih

2. Citra Grayscale (skala keabuan)

Banyaknya warna tergantung pada jumlah bit yang disediakan di memori untuk menampung kebutuhan warna ini. Citra 2 bit mewakili 4 warna dengan gradasi warna berikut:

0 1 2 3

Citra 3 bit mewakili 8 warna dengan gradasi warna berikut :

0 1 2 3 4 5 6 7

Semakin besar jumlah bit warna yang disediakan di memori, semakin halus gradasi warna citra yang ditampilkan di monitor.

3. Citra Warna (True Color)

Setiap piksel pada citra warna mewakili warna yang merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna. Berarti setiap piksel mempunyai kombinasi warna sebanyak 2⁸ .2⁸ .2⁸ = 2²⁴ = 16 juta warna lebih. Itulah sebabnya format ini dinamakan true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam.

Penyimpanan citra true color di dalam memori berbeda dengan citra

grayscale. Setiap piksel dari citra grayscale 256 gradasi warna diwakili oleh 1 byte.

Sedangkan 1 piksel citra true color diwakili oleh 3 byte, dimana masing – masing byte

merepresentasikan warna merah (red), hijau (green) dan biru (blue). Gambar 2.3 adalah contoh citra warna.

Gambar 2.3 Contoh citra warna 2.3 Format File Citra Bitmap

Salah satu format file citra yang sering digunakan dalam pengolahan citra yaitu citra bitmap. Citra bitmap sering disebut juga dengan citra raster. Citra bitmap menyimpan data kode citra secara digital dan lengkap (cara penyimpanannya adalah per piksel). Citra bitmap dipresentasikan dalam bentuk matriks atau dipetakan dengan menggunakan bilangan biner atau sistem bilangan lain. Citra ini memiliki kelebihan

untuk memanipulasi warna, tetapi untuk mengubah objek lebih sulit. Tampilan bitmap mampu menunjukkan kehalusan gradasi bayangan dan warna dari sebuah gambar. Oleh karena itu, bitmap merupakan media elektronik yang paling tepat untk gambar – gambar dengan perpaduan gradasi warna yang rumit, seperti foto dan lukisan digital. Citra bitmap biasanya diperoleh dengan scanner, camera digital, video capture dan lain – lain.

Terjemahan bebas bitmap adalah pemetaan bit. Artinya nilai intensitas piksel di dalam citra dipetakan ke sejumlah bit tertentu. Peta bit umumnya adalah 8, yang berarti setiap piksel panjangnya 8 bit. Delapan bit ini mempresentasikan nilai intensitas piksel. Dengan demikian ada sebanyak 2⁸ =256 derajat keabuan, mulai dari 0 (00000000) sampai 255 (11111111). Setiap berkas bitmap terdiri atas header berkas, header bitmap, informasi palet dan data bitmap. Header adalah data yang terdapat pada awal bagian berkas citra.

Terdapat tiga macam citra dalam format BMP, yaitu citra biner, citra berwarna dan citra hitam-puth (grayscale). Citra biner hanya memiliki dua nilai keabuan 0 dan 1. Oleh kerena itu 1 bit telah cukup untuk mempresentasikan nilai piksel. Citra berwarna adalah citra yang lebih umum. Warna yang terlihat di dalam citra bitmap merupakan kombinasi dari tiga komponen warna, yaitu : R (Red), G (Green) dan B (Blue). Kombinasi dari tiga warna RGB tersebut menghasilkan warna yang khas untuk piksel yang bersangkutan. Pada citra 256 warna, setiap piksel memiliki panjang 8-bit, akan tetapi komponen RGBnya disimpan dalam tabel RGB yang disebut palet.

2.4 Noise

Noise adalah bintik-bintik atau kotoran yang sering timbul pada citra (image).

Noise merupakan suatu masalah yang sering terjadi yang biasanya disebabkan karena beberapa gangguan seperti pada saat proses capture (pengambilan gambar) yang tidak sempurna dan kamera tidak fokus (Jannah, 2008). Selain itu noise pada citra tidak hanya terjadi karena ketidaksempurnaan dalam proses capture, tetapi bisa juga karena kotoran-kotoran pada citra. Pada pengolahan citra, terkadang untuk menguji suatu algoritma untuk mereduksi noise, maka noise dihasilkan melalui proses pembangkitan

noise, untuk menghasilkan noise digunakan bilangan acak sebagai pengganti bilangan

noise yang dihasilkan. Berdasarkan bentuk dan karakteristiknya, noise pada citra dibedakan menjadi beberapa jenis, yaitu :Gaussian Noise, SpeckleNoise dan Salt And Paper Noise seperti terlihat pada Gambar 2.4.

(a) (b) (c)

Gambar 2.4 Jenis-jenis Noise: (a) Gaussian, (b) Salt (c) Pepper

Noise Gaussian merupakan model noise yang mengikuti distribusi normal standar dengan rata-rata 0 dan standar deviasi 1. Efek Gaussian noise adalah munculnya titik-titik berwarna yang jumlahnya sama dengan persentase noise. Noise Speckle merupakan model noise yang memberikan warna hitam pada titik yang terkena noise, sedangkan noise salt and paper tampak seperti taburan garam karena memberikan warna putih pada titik yang terkena noise (Murinto, et al. 2007).

2.5 Membangkitkan Noise Gaussian

Noise Gaussian dapat dibangkitkan dengan cara membangkitkan bilangan acak [0,1] dengan distribusi Gaussian. Kemudian untuk titik-titik yang terkena noise, nilai fungsi citra ditambahkan dengan nilai noise yang ada, atau dirumuskan dengan:

y(i,j) = x(i,j)+ p.a ... (2.14) dimana:

a = nilai bilangan acak berdistribusi Gaussian

p = prosentase noise

y(i,j) = nilai citra terkena noise.

Untuk membangkitkan bilangan acak berdistribusi Gaussian, tidak dapat langsung menggunakan fungsi rnd, tetapi diperlukan suatu metode yang digunakan untuk mengubah distribusi bilangan acak ke dalam fungsi f tertentu. Dalam buku ini digunakan metode rejection untuk memudahkan dalam alur pembuatan programnya. Metode rejection dikembangkan dengan cara membangkitkan dua bilangan acak (x,y) dan ditolak bila y > f(x). Contoh noise Gausian dengan tingkat persentase noisenya dapat dilihat seperti pada Gambar 2.5.

Gambar 2.5 Beberapa Contoh Noise Gaussian Dengan Persentase 10%, 20%, 30%, 50%, 75% dan 90%.