Berisi tentang kesimpulan dari beberapa bab yang telah di susun sebelumnya.
BAB 2
LANDASAN TEORI
2.1 Citra Digital
Menurut Baxes (2004 : 1), “Citra digital dapat didefinisikan sebagai fungsi dua variabel f(x,y), di mana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue - RGB)”.
Tampilan citra digital dapat dilihat pada Gambar 2.1.
Gambar 2.1 Contoh Citra Digital Sumber : Baxes (2004 :3)
RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru, digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar, misalnya merah, dapat diberi rentang-nilai. Untuk monitor komputer, nilai rentangnya paling kecil = 0 dan paling besar = 255. Pilihan skala 256 ini didasarkan pada cara mengungkap 8 digit bilangan biner yang digunakan oleh
mesin komputer. Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 1677726 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu x, komponen-y dan komponen-z. Misalkan sebuah vektor dituliskan sebagai r = (x,komponen-y,z). Untuk warna, komponen-komponen tersebut digantikan oleh komponen R(ed), G(reen), B(lue). Jadi, sebuah jenis warna dapat dituliskan sebagai berikut: warna = RGB(30, 75, 255). Putih = RGB (255,255,255), sedangkan untuk hitam= RGB(0,0,0). Bentuk Representasi warna dari sebuah citra digitial dapat dilihat pada Gambar 2.2.
Gambar 2.2 Representasi Warna RGB Pada Citra Digital Sumber : Baxes (2004 : 5)
Misal : terdapat Gambar berukuran 100 pixel x 100 pixel dengan color encoding 24 bits dengan R = 8 bits, G = 8 bits, B = 8 bits, maka color encoding akan mampu mewakili 0 ... 16.777.215 (mewakili 16 juta warna), dan ruang disk yang dibutuhkan = 100 x 100 x 3 byte (karena RGB) = 30.000 bytes = 30 KB atau 100 x 100 x 24 bits = 240.000 bits.
Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat : 1. Optik berupa foto.
2. Analog berupa sinyal video seperti gambar pada monitor televisi. 3. Digital yang dapat langsung disimpan pada suatu pita magnetic .
Citra juga dapat dikelompokkan menjadi 2 yaitu :
1. Citra tampak, misalnya foto, gambar, lukisan, apa yang nampak di layer monitor/televisi, hologram, dan lain-lain.
2. Citra tidak tampak, misalnya data foto / gambar dalam file, citra yang direpresentasikan dalam fungsi matematis (Munir,2004).
2.2 Format Citra Digital
Citra Digital memiliki beberapa format yang memiliki karakteristk tersendiri. Format pada citra digital ini umumnya berdasarkan tipe dan cara kompresi yang digunakan pada citra digital tersebut.
Menurut Awcock (2006 : 18), “Ada empat format citra digital yang sering dijumpai, antara lain :
1. Bitmap (BMP)
Merupakan format Gambar yang paling umum dan merupakan format
standard windows. Ukuran filenya sangat besar karena bisa mencapai ukuran
Megabytes. File ini merupakan format yang belum terkompresi dan menggunakan sistem warna RGB (Red, Green, Blue) di mana masing-masing warna pixelnya 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.
Tabel 2.1 Bitmap Info Header
Nama Field Size in Bytes Keterangan
bfType 2 Mengandung karakter “BM” yang
mengidentifikasikan tipe file
bfSize 4 Memori file
bfReserved1 2 Tidak dipergunakan bfReserved1 2 Tidak dipergunakan
Tabel 2.2 Bitmap Core Header Field Name Size in Bytes Keterangan
bcSize 4 Memori Header
bcWidth 2 Lebar Gambar
bcHeight 2 Tinggi Gambar
bcPlanes 2 Harus 1
bcBitCount 2 Bits per pixels – 1,4,8 atau 24
2. Joint Photographic Expert Group (JPEG/JPG)
Format JPEG merupakan format yang paling terkenal sampai sekarang ini. Hali ini karena sifatnya yang berukuran kecil (hanya puluhan/ratusan KB saja), dan bersifat portable. File ini sering digunakan pada bidang fotografi untuk menyimpan
file foto. File ini bisa digunakan di web (internet).
3. Graphic Intrechange Format (GIF)
Tipe file GIF memungkinkan penambahan warna transparan dan dapat digunakan untuk membuat animasi sederhana, tetapi saat ini standar GIF hanya maksimal 256 warna saja. File ini menggunakan kompresi yang tidak menghilangkan data (lossles compression) tetapi penurunan jumlah warna menjadi 256 sering membuat gambar yang kaya warna seperti pemandangan menjadi tidak realistis. Pada program MS Paint, tidak ada fasilitas penyesuaian warna yang digunakan (color table) sehingga menyimpan file GIF di MS Paint seringkali menghasilkan gambar yang terlihat rusak atau berubah warna. Pada program pengolah gambar yang lebih baik, seperti AdobePhotoshop, colortable bisa diatur otomatis atau manual sehingga gambar tidak berubah warna atau rusak.
File GIF cocok digunakan untuk:
a. Gambar dengan jumlah warna sedikit (dibawah 256).
b. Gambar yang memerlukan perbedaan warna yang tegas seperti logo tanpa gradien.
c. Gambar animasi sederhana seperti banner-banner iklan, header, dan sebagainya.
d. Print shoot (hasil dari print screen) dari program-program simple dengan jumlah warna sedikit.
File GIF tidak cocok digunakan untuk:
a. Gambar yang memiliki banyak warna seperti pemandangan. b. Gambar yang didalamnya terdapat warna gradien atau semburat.
4. Portable Network Graphics (PNG)
Tipe file PNG merupakan solusi kompresi yang powerfull dengan warna yang lebih banyak (24 bit RGB + alpha). Berbeda dengan JPG yang menggunakan teknik kompresi yang menghilangkan data, file PNG menggunakan kompresi yang tidak menghilangkan data (lossles compression). Kelebihan file PNG adalah adanya warna transparan dan alpha. Warna alpha memungkinkan sebuah gambar transparan, tetapi gambar tersebut masih dapat dilihat mata seperti samar-samar atau bening. File PNG dapat diatur jumlah warnanya 64 bit (true color + alpha) sampai indexed color 1 bit. Dengan jumlah warna yang sama, kompresi file PNG lebih baik daripada GIF, tetapi memiliki ukuran file yang lebih besar daripada JPG. Kekurangan tipe PNG adalah belum populer sehingga sebagian browser tidak mendukungnya.
File PNG cocok digunakan untuk : a. Gambar yang memiliki warna banyak.
b. Gambar yang mau diedit ulang tanpa menurunkan kualitas.
File PNG tidak cocok digunakan untuk gambar yang jika dikompress dengan JPG hampir-hampir tidak terlihat penurunan kualitasnya.
5. Tagged Interchange File Format (TIFF)
Merupakan format file terkompresi yang biasa digunakan di paket desktop publishing dan merupakan format file bagi perusahaan percetakan. File ini diindikasikan dengan ekstensi .TIF Kekuatan dari format file TIFF adalah lebih fleksibel dari format gambar bitmap yang didukung secara ritual oleh seluruh point,
6. Portable Document Format (PDF)
Format file ini digunakan oleh Adobe Acrobat, dan dapat digunakan oleh grafik berbasis pixelmaupun vektor. Format file ini mampu menyimpan gambar dengan mode warna RGB, CMYK,Indexed Color, Lab Color, Grayscale dan Bitmap. Format file ini tidak mampu menyimpanalpha channel. Format file ini sering menggunakan kompresi JPG dan ZIP, kecuali untuk modewarna Bitmap yaitu menggunakan CCIT.
7. Encapsuled Postcript
Format file ini merupakan format yang sering digunakan untuk keperluan pertukaran dokumenantar program grafis. Selain itu, format file ini sering pula digunakan ketika ingin mencetakgambar. Keunggulan format file ini menggunakan bahasa postscript sehingga format file inidikenali oleh hampir semua program persiapan cetak. Kelemahan format file ini adalah tidakmampu menyimpan alpha channel, sehingga banyak pengguna Adobe Photoshop menggunakanformat file ini ketika gambar yang dikerjakan sudah final. Format file ini mampu menyimpangambar dengan mode warna RGB, CMYK, Lab, Duotone, Grayscale, Indexed Color, serta Bitmap. Selain itu format file ini juga mampu menyimpan clipping path.
8. PCX Format
file ini dikembangkan oleh perusahaan bernama Zoft Cooperation. Format file ini merupakan format yang fleksibel karena hampir semua program dalam PC mampu membaca gambar dengan format file ini. Format file ini mampu menyimpan informasi bit depth sebesar 1 hingga 24 bit namun tidak mampu menyimpan alpha channel. Format file ini mampu menyimpan gambar dengan mode warna RGB, Grayscale, Bitmpa dan Indexed Color.
9. Photoshop Document (PSD)
Format file ini merupakan format asli dokumen Adobe Photoshop. Format ini mampu menyimpan informasi layer dan alpha channel yang terdapat pada sebuah gambar, sehingga suatu saat dapat dibuka dan diedit kembali. Format ini juga mampu
menyimpan gambar dalam beberapa mode warna yang disediakan Photoshop. Anda dapat menyimpan dengan format file ini jika ingin mengeditnya kembali.
2.3 Pengolahan Citra Digital
Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit tertentu.
Pengolahan citra juga dapat dikatakan merupakan proses untuk menghasilkan citra sesuai dengan keinginan kita atau kualitasnya menjadi lebih baik. Inputannya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik daripada citra masukan. Misal citra warnanya kurang tajam, kabur (blurring) dan mengandung
noise (misal bintik-bintik putih) sehingga perlu ada pemrosesan untuk memperbaiki citra karena citra tersebut menjadi sulit diinterpretasikan karena informasi yang disampaikan menjadi berkurang.
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.
Format data citra digital berhubungan erat dengan warna. Pada kebanyakan kasus, terutama untuk keperluan penampilan secara visual, nilai data digital merepresentasikan warna dari citra yang diolah. Format citra digital yang banyak
dipakai adalah Citra Biner (monokrom), Citra Skala Keabuan ( gray scale ), Citra Warna (true color ), dan Citra Warna Berindeks.
Adapun contoh dari implementasi pengolahan citra digital seperti ditunjukkan pada Gambar 2.3.
Gambar 2.3 (a) Citra burung nuri yang agak gelap, (b) Citra burung yang telah diperbaiki kontrasnya
Sumber : Gonzales dan Woods (2003 : 37)
Menurut Richard dan Woods (2003 : 38), “Umumnya, operasi-operasi pengolahan citra diterapkan pada citra bila :
1. Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra.
2. Elemen di dalam citra perlu di kelompokkan, dicocokkan atau diukur. 3. Sebagian citra perlu di gabung dengan bagian citra yang lain.
Di dalam bidang komputer, ada 3 bidang studi yang berkaitan dengan citra, namun tujuan ketiganya berbeda, yaitu :
1. Grafika Komputer
Grafika komputer adalah proses untuk menciptakan suatu citra berdasarkan deskripsi maupun latar belakang yang terkandung dalam citra tersebut, seperti terlihat pada Gambar 2.4. Grafika komputer berperan dalam visualisasi dan
Gambar 2.4 Grafika Komputer Sumber : Baxes, Gregory (2004 : 61)
2. Pengolahan Citra
Pengolahan Citra merupakan proses perbaikan atau modifikasi citra dilakukan untuk meningkatkan kualitas penampakan citra tersebut, seperti terlihat pada Gambar 2.5. Contoh aplikasi dari pengolahan citra antara lain perbaikan kontras gelap, perbaikan tepian objek, penajaman dan pemberian warna semu. Steganography dan watermarking juga termasuk dalam bagian studi citra ini.
Gambar 2.5 Pengolahan Citra Sumber : Baxes, Gregory (2004 : 63) 3. Pengenalan Pola
Pengenalan Pola adalah proses mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh komputer, seperti terlihat pada Gambar 2.5. Tujuan dari pengelompokkan adalah untuk mengenali suatu objek di dalam citra. Komputer akan menerima masukan berupa citra objek yang akan diidentifikasi kemudian memproses citra tersebut dan memberikan keluaran berupa informasi atau deskripsi objek di dalam citra.
Gambar 2.6 Pengenalan Pola Sumber : Baxes, Gregory (2004 : 67)
Operasi-operasi yang dilakukan di dalam pengolahan citra banyak ragamnya. Namun, secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut :
Grafika komputer
Data deskriptif Citra
Pengolahan Citra
Citra Citra
Pengenalan Pola
Citra Objek Informasi/Deskripsi
a. 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: 1. Perbaikan kontras gelap / terang
2. Perbaikan tepian objek (edge enhancement) 3. Penajaman (sharpening)
4. Pemberian warna semu (pseudocoloring) 5. Penapisan derau (noise filtering)
Gambar 2.7 di bawah ini 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.
Gambar 2.7 (a) Sebelum, (b) Sesudah Penapisan Median Sumber : journal.uii.ac.id/index.php/Snati/article/view/1521/1301
a. 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:
1. Penghilangan kesamaran (deblurring). 2. Penghilangan derau (noise).
Gambar 2.8 di bawah ini 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.
Gambar 2.8 (a) Citra Kupu-Kupu Semula, (b) Citra Kupu-Kupu Hasil Blurring
c. 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, seperti ditunjukkan pada Gambar 2.9. 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 2.9 (a) Citra Kota.bmp Asli, (b) Citra Kota.jpg Hasil Kompresi Sumber : eprints.undip.ac.id/24651/2/L2F000589_MTA.pdf
d. 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.
e. 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 :
1. Pendeteksian tepi objek (edge detection) 2. Ekstraksi batas (boundary)
3. Representasi daerah (region)
Gambar 2.10 di bawah ini adalah contoh operasi pendeteksian tepi pada citra
Camera. Operasi ini menghasilkan semua tepi (edge) di dalam citra.
Gambar 2.10 Citra Sebelum dan Sesudah Deteksi Garis Tepi Sumber : hasbinurhaqy.wordpress.com/2010/11/25/25/
f. 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.
2.4 Pencocokan Citra Digital
Teknologi fotogrametri terus mengalami perkembangan dari sistem fotogrametri analog hingga sistem fotogrametri digital yang lebih praktis, murah dan otomatis. Proses otomatisasi pada fotogrametri digital ditujukan untuk mengurangi proses pengambilan informasi dalam rangkaian kerja fotogrametri. Identifikasi titik sekawan pada fotogrametri digital dapat dilakukan dengan otomatis menggunakan metode pencocokan citra (image matching). Problem dalam otomatisasi sistem fotogrametri digital adalah sulit untuk mengidentifikasi titik sekawan secara otomatis pada citra homogen yang bertampalan. Pekerjaan mencocokan titik sekawan dalam fotogrametri analog membutuhkan seorang operator yang memiliki keahlian khusus
untuk mengenali karakteristik kesamaan citra kiri dan kanan pada pasangan foto stereo. Otomatisasi pencocokan citra fotogrametri digital diharapkan menjadi solusi terhadap masalah campur tangan dan kelelahan operator sehingga faktor ketelitian dan kecepatan dapat ditingkatkan.
Pencocokan citra adalah dasar proses otomatisasi pada rangkaian proses fotogrametri. Pencocokan citra dapat diaplikasikan untuk orientasi dalam dengan menentukan tanda tepi secara otomatis antara foto yang memiliki tanda tepi (fiducial marks) dan bagian citra lain yang bertampalan sehingga menghasilkan posisi yang ideal dari tanda tepi tersebut. Pencocokan citra juga dapat digunakan dalam proses orientasi relatif untuk menentukan titik sekawan sebanyak minimal 5 titik pada citra yang bertampalan dengan mencocokan matriks pada citra kiri dengan titik sekawan pada citra kanan. Titik sekawan tersebut didefinisikan pada dua foto udara yang bertampalan sebagai titik indikator untuk mengetahui kelayakan model 3D hasil orientasi relatif.
Pencocokan citra dalam orientasi absolut berperan dalam pengukuran titik kontrol utama dengan menghasilkan bagian citra lainnya (citra kanan) dari titik utama dibandingkan dengan bagian kecil dari foto udara. Pencocokan citra juga digunakan untuk menghasilkan DEM dengan mengotomatisasi serangkaian titik objek pada citra dipilih dalam satu bentuk DEM grid teratur untuk dipasangkan dengan serangkaian titik pada citra sebelahnya.
Metode pencocokan citra yang banyak dipakai untuk keperluan proses fotogrametri adalah berbasis area (area-based) dan berbasis unsur (feature-based). Metode berbasis real time menggunakan komposisi nilai derajat keabuan (gray level) citra sebagai sampel yang akan diuji dalam penelitian. Metode area based matching digunakan dalam penelitian ini karena merupakan metode yang paling mudah dilakukan dan memberikan hasil pencocokan yang relatif cepat (Ilham, 2007). Metode ini juga memiliki akurasi yang cukup tinggi untuk area yang memiliki tekstur baik dan unik, dan pada beberapa kasus tingkat akurasi dari kecocokan dapat dinyatakan kuantitasnya dalam unit matrik. Area based matching pada dasarnya membandingkan nilai derajat keabu-abuan (gray level) suatu bentuk kecil matriks
citra dimana pusat matriksnya merupakan lokasi gray value dari titik yang akan dicocokan.
Proses pengidentifikasian titik sekawan dilakukan dengan cara memilih titik di citra kiri pada objek yang mudah dikenal. Titik yang dipilih tersebut dibandingkan dengan titik citra di kanan pada objek yang sama di citra kiri. Pusat sub-citra tersebut merupakan lokasi nilai keabu-abuan dari titik yang akan dicocokkan. Sampel titik diambil dari citra pada sistem koordinat lokal dalam bentuk posisi kolom-baris. Pada pencocokan citra berbasis area, setiap titik yang akan dicocokan adalah pusat dari sebuah jendela pixel yang kecil pada citra acuan, dan jendela ini dibandingkan dengan jendela yang lain pada citra pencarian dengan ukuran tertentu. Ukuran kecocokan dilihat dengan kecilnya perbedaan nilai yang dihasilkan. Keunikan objek merupakan penentu keberhasilan pencocokan citra. Salah satu penentu keunikan objek adalah ukuran sub citra acuan (SCA). Semakin besar ukuran sub citra acuan, detail yang merupakan bagian dari objek semakin banyak. Ketika ukuran citra acuan diperbesar dapat dilihat adanya keunikan lain dari area yang dikategorikan mewakili jenis objek. Keunikan tersebut dapat berupa objek yang berbeda dan memiliki nilai kecerahan yang berbeda pula. Berdasarkan hal tersebut, rentang nilai kecerahan citra acuan akan melebar sehingga nampak semakin heterogen (Putra, 2008).
Proses pencocokan citra diasumsikan berhasil jika diperoleh nilai korelasi ≥ 0.7. Dengan memperbesar ukuran sub citra acuan, akan diperoleh karakteristik objek yang makin unik sehingga nilai korelasi akan meningkat dan mendukung tercapainya keberhasilan pencocokan citra. Dengan adanya keunikan tersebut, pencarian area paling berkorelasi dapat lebih mudah dan terhindar dari kesalahan posisi pusat area yang paling berkorelasi. Keunikan yang dimaksud dapat objek tersebut memiliki sebagian area heterogen. Secara umum, makin besar ukuran citra acuan, makin banyak keunikan objek yang terlihat sehingga makin besar pula rentang nilai kecerahan citra acuannya.
Teknik mengevaluasi pencocokan citra berbasis area adalah dengan menggunakan teknik korelasi maksimal. Nilai korelasi yang dihasilkan bertujuan untuk mengukur derajat kesamaan antara dua atau lebih citra foto yang bertampalan.
Citra pertama adalah sub citra acuan (SCA) pada citra kiri sedangkan sub citra kedua merupakan sub citra pencarian (SCP) yang dibatasi oleh citra pencarian (CP) di dalam citra foto kedua. Proses pencocokan citra berlangsung semi otomatis, posisi titik awal diambil secara manual untuk citra kiri dan citra kanan. Titik tengah SCA dan CP menjadi pusat dari area citra yang akan dicari. Nilai pergeseran maksimum SCA pada CP digunakan persamaan (1), nilai berguna dalam algoritma pencocokan citra tahap selanjutnya.
Dm,n = CPm,n-SCAm,n+1 dengan m =baris dan n = kolom.
Gambar 2.11 Sub Citra Acuan dan Sub Citra Pencarian Sumber : Baxes (2004)
Sub Citra Pencarian akan bergerak dalam citra pencarian, kemudian dihitung nilai korelasi SCA dan semua SCP pada CAP dan nilai korelasi antar kedua citra mempunyai rentang nilai 0 sampai +1 (0 ≤ ρ≤ 1). Secara umum nilai pembatas dari nilai koefisien korelasi adalah lebih besar sama dengan 0.7 atau 70 % yang dinyatakan cocok atau derajat kesamaannya tinggi.
Sampel citra berupa komposisi nilai keabuan array citra yang akan diuji derajat kecocokannya dihitung melalui suatu persamaan matematis untuk kemudian disimpan sebagai nilai korelasi. Metode korelasi dari pencocokan citra berkerja dengan memilih CA dari citra kiri berdasarkan karakteristik tertentu dan jarak objek / area dari titik utama citra untuk dicocokan, dan pencarian posisi yang sekawan akan dilakukan oleh jendela yang bergerak (SCP) pada CP dari citra kanan.
Gambar 2.12 Hubungan Citra Foto, SCA dan CP Sumber : Baxes (2004)
2.5 Efek Mata Merah