Pembacaan Nilai RGB - ANALISIS DAN PERANCANGAN

ANALISIS DAN PERANCANGAN

3.1.1 Pembacaan Nilai RGB

Pembacaan warna piksel ini dilakukan untuk mengetahui nilai-nilai RGB piksel pada citra. Sehingga dalam proses pengolahan citra selanjutnya akan dilakukan perhitungan secara matematis terhadap nilai-nilai tersebut. Pada citra bitmap 24-bit, tiap pixel-nya mengandung 24-bit kandungan warna atau 8-bit untuk masing-masing warna dasar (R,

G, dan B), dengan kisaran nilai kandungan antara 0 (00000000) sampai 255 (11111111) untuk tiap warna.

Misalkan diberikan citra warna dengan dimensi 1024 x 690 piksel yang dihasilkan dari alat perekam digital hasil foto satelit. Tujuan yang hendak dicapai adalah mengelompokkan pola-pola yang sama agar diperoleh bagian-bagian yang mempunyai pola yang sama yang dalam hal ini adalah memisahkan bagian yang merupakan hutan dan perkebunan. Pada gambar di bawah ini terlihat area hutan terdiri pola-pola yang tidak teratur sedangkan perkebunan adalah pola yang teratur.

Pada bagian pola yang teratur berisi nilai piksel dengan komponen warna (RGB) yang hampir sama dengan piksel tetangganya (berdekatan) sedangkan pada bagian pola yang tidak teratur berisi nilai piksel dengan komponen warna yang berbeda jauh dengan piksel tetangganya. Bagian foto satelit yang akan diproses dengan segmentasi dapat dilihat pada Gambar 3.1.

Citra pada Gambar 3.1 di atas dilakukan penghitungan nilai komponen warna RGB-nya dengan membagi citra dalam piksel-piksel dapat dilihat seperti pada Gambar 3.2. Untuk mendapatkan nilai RGB sebuah citra-A, dilakukan dengan cara mengekstraksi komponennya. Proses pertama adalah mengambil nilai R, G dan B dari suatu citra bertipe RGB. Pada tipe .bmp citra direpresentasikan dalam 24 bit, sehingga diperlukan proses untuk mengambil masing-masing 3 kelompok 8 bit dari 24 bit tadi. Sebagai contoh suatu piksel memiliki nilai RGB 24 bit sebagai berikut:

Gambar 3.2 Citra Foto Satelit 5 x 5 Piksel

Untuk mendapatkan masing-masing nilai R, G dan B dilakukan operasi modulo (sisa bagi) dengan rumus sebagai berikut:

Nilai R = c Mod 256 ……….. (3.4) Nilai G = (c \ 256) Mod 256 ……….. (3.5) Nilai B = (c \ 256 \ 256) Mod 256 ……….. (3.6) Dimana c adalah nilai piksel citra

Pada Gambar 3.2 di atas, nilai piksel A adalah 111100001111000011111111.

Nilai R dihitung dengan persamaan (3.4) yaitu nilai piksel modulo bilangan 256 (10000000) sebagai berikut:

Nilai komponen R dengan rumus = nilai piksel A mod 10000000 Nilai R = 111100001111000011111111 mod 10000000

= 00010010

Nilai komponen G dihitung dengan persamaan (3.5):

Nilai G = (111100001111000011111111\10000000) mod 100000000 = 00010100

Nilai komponen B dihitung dengan persamaan (3.6):

Nilai B= (111100001111000011111111\10000000\10000000) mod 10000000 = 00110100

Nilai piksel : 111100001111000011111111

Sehingga diperoleh nilai piksel 11110000 11110000 11111111: R = 00010010 = 50

G = 00010100 = 180 B = 00110100 = 52

Untuk mendapatkan nilai RGB piksel selanjutnya dilakukan sama seperti cara di atas dan selanjutnya nilai RGB semua piksel pada citra foto satelit 5 x 5 dimasukkan ke dalam matriks seperti pada Tabel 3.3.

Tabel 3.3 Matriks Nilai RGB Citra Foto Satelit 5 x 5 50,180,52 20,250,45 25,240,101 0,200,20 10,220,12 69,189,34 56,180,52 50,180,56 50,180,52 45,300,34 45,200,67 65,180,52 50,180,67 50,180,52 50,180,52 78,204,45 34,180,52 50,180,45 50,180,52 67,230,34 56,100,123 45,120,35 50,230,123 45,200,200 56,230,100

Citra warna di atas lalu ditransformasikan menjadi citra grayscale dengan menghitung rata-rata warna Red, Green dan Blue. Secara matematis penghitungannya adalah sebagai berikut.

f₀ (x,y) = ……… (3.7)

Sebagai contoh menghitung nilai grayscale piksel (0,0) dengan nilai komponen RGB (50,180,52) menggunakan persamaan (3.7) adalah:

f₁ (0,0) =

=

Dengan menghitung nilai grayscale pada Tabel 3.3 di atas, maka diperoleh matriks nilai grayscale citra satelit 5 x 5 dimasukkan ke dalam matriks nilai grayscale seperti pada Tabel 3.4.

Tabel 3.4 Matriks Nilai Grayscale Citra Foto Satelit 5 x 5 94 105 122 73 80

97 95 95 94 126 104 99 99 94 94 109 88 91 94 110 93 66 134 148 128

Dari matriks nilai grayscale diatas, maka kemudian diurutkan dari nilai RGB piksel citra yang paling kecil sampai ke nilai terbesarnya, yaitu sebagai berikut:

66, 73, 80, 88, 91, 93, 94, 94, 94, 94, 94, 95, 95, 97, 99, 99, 104, 105, 109, 110, 122, 126, 128, 134, 148

Nilai grayscale matriks citra foto satelit di atas selanjutnya di proses:

Pertama-tama bangkitkan 5 bilangan acak (karena matriks citra adalah 5 x 5) antara 66 (nilai RGB terkecil) s/d 148 (nilai RGB terbesar), misalnya diperoleh:

Cluster-1 = 83.64 Cluster-2 = 90.50 Cluster-3 = 112.25 Cluster-4 = 102.22 Cluster-5 = 101.28

Dengan menggunakan persamaan (3.3) hitung jarak data dengan centroid dengan meminimalkan jarak melalui iterasi.

Lakukan iterasi-1 untuk data pertama:

1. Hitung jarak data pertama ke pusat cluster pertama: D11=

D11 = = 74.18

2. Hitung jarak data pertama ke pusat cluster kedua: D12=

D12 = = 98.25

3. Hitung jarak data pertama ke pusat cluster ketiga: D13=

D13 = = 146.49

4. Hitung jarak data pertama ke pusat cluster keempat: D14=

D14 = = 151.38

5. Hitung jarak data pertama ke pusat cluster kelima: D15=

D15 = = 139.79

1. Hitung jarak data kedua ke pusat cluster pertama: D21=

D21 = = 82.83

2. Hitung jarak data kedua ke pusat cluster kedua: D22=

D22 = = 108.67

3. Hitung jarak data kedua ke pusat cluster ketiga: D23=

D23 = = 158.07

4. Hitung jarak data kedua ke pusat cluster keempat: D24=

D24 = = 163.34

5. Hitung jarak data kedua ke pusat cluster kelima: D25=

D25 = = 150.97

Untuk data ketiga:

1. Hitung jarak data ketiga ke pusat cluster pertama: D31=

D31 = = 68.49

2. Hitung jarak data ketiga ke pusat cluster kedua: D32=

D32 = = 104.53

3. Hitung jarak data ketiga ke pusat cluster ketiga: D33=

D33 = = 143.31

4. Hitung jarak data ketiga ke pusat cluster keempat: D34=

D34 = = 149.09

5. Hitung jarak data ketiga ke pusat cluster kelima: D35=

D35 = = 137.12

1. Hitung jarak data keempat ke pusat cluster pertama: D41=

D41 = = 71.88

2. Hitung jarak data keempat ke pusat cluster kedua: D42=

D42 = = 94.98

3. Hitung jarak data keempat ke pusat cluster ketiga: D43=

D43 = = 143.31

4. Hitung jarak data keempat ke pusat cluster keempat: D44=

D44 = = 148.64

5. Hitung jarak data keempat ke pusat cluster kelima: D45=

D45 = = 136.79

Untuk data kelima:

1. Hitung jarak data kelima ke pusat cluster pertama: D51=

D51 = = 127.10

2. Hitung jarak data kelima ke pusat cluster kedua: D52=

D52 = = 151.68

3. Hitung jarak data kelima ke pusat cluster ketiga: D53=

D53 = = 199.15

D54=

D44 = = 204.13

5. Hitung jarak data kelima ke pusat cluster kelima: D55=

D55 = = 192.72

Hasil perhitungan di atas diperoleh jarak antara data dengan cluster dan dimasukkan ke dalam Tabel 3.1 di bawah ini

Tabel 3.1 Cluster Citra Foto Satelit 5 x 5

1 2 3 4 5 C1 C2 C3 C4 C5 1 94 105 122 73 80 74.18 98.25 146.49 151.38 139.79 2 97 95 95 94 126 82.83 108.67 158.07 163.34 150.97 3 104 99 99 94 94 168.49 104.53 143.31 149.09 137.12 4 109 88 91 94 110 71.88 71.88 143.31 148.64 136.79 5 93 66 134 148 128 127.10 151.68 199.15 204.13 192.72

Lakukan pemilihan cluster yang paling kecil sehingga diperoleh Tabel 3.2. Tabel 3.2 Pusat Cluster Citra Foto Satelit 5 x 5

Maka diperoleh cluster pertama adalah data piksel (1,1), (1,2), (1,4) dan (1,5) sehingga: C11 = (94+97+109+93)/4= 98.25

Cluster Kedua adalah hanya data piksel (2,3), sehingga C21 = 104

Lakukan Iterasi-2 seperti langkah di atas dengan cluster-1 = 98.25 dan Cluster-2 = 104. Jika Iterasi-1 ke iterasi-2 posisi cluster tidak berubah, maka iterasi dihentikan dan dari hasil pusat cluster yang diperoleh update nilai piksel, maka diperoleh matriks nilai piksel citra foto satelit 5x5 Iterasi 1 seperti pada Tabel 3.5.

98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25 98.25

Dari tabel 3.5 di atas dapat dilihat bahwa semua nilai piksel pada matriks citra satelit memiliki nilai yang homogen dengan nilai 98.25. Untuk blok yang lain pada citra satelit dilakukan perhitungan yang sama seperti di atas yang hasilnya seperti pada pada Tabel 3.6.

Tabel 3.6 Matriks Nilai Piksel Citra Foto Satelit 5 x 5 Iterasi 1

98.25 98.25 98.25 98.25 98.25 xxx xxx xxx xxx xxx 98.25 98.25 98.25 98.25 98.25 xxx xxx xxx xxx xxx 98.25 98.25 98.25 98.25 98.25 xxx xxx xxx xxx xxx 98.25 98.25 98.25 98.25 98.25 xxx xxx xxx xxx xxx 98.25 98.25 98.25 98.25 98.25 xxx xxx xxx xxx xxx yyy yyy yyy yyy yyy zzz zzz zzz zzz zzz yyy yyy yyy yyy yyy zzz zzz zzz zzz zzz yyy yyy yyy yyy yyy zzz zzz zzz zzz zzz yyy yyy yyy yyy yyy zzz zzz zzz zzz zzz yyy yyy yyy yyy yyy zzz zzz zzz zzz zzz

Keterangan:

Nilai xxx : Nilai piksel blok-2 citra dihitung pada iterasi 1 Nilai yyy : Nilai piksel blok-3 citra dihitung pada iterasi 1 Nilai zzz : Nilai piksel blok-4 citra dihitung pada iterasi 1

Jika semua blok telah dihitung, maka akan terbentuk pola-pola yang homogen yang mempermudah dalam pengenalan karena terdapat pemisah antara pola yang homogen yaitu nilai pikselnya.

Dalam dokumen BAB 2 LANDASAN TEORI. 2.1 Pengertian Citra (Halaman 29-38)