Bab ini berisi kesimpulan dan saran untuk pengembangan aplikasi lebih lanjut dalam upaya memperbaiki kelemahan pada
aplikasi guna untuk mendapatkan hasil kinerja aplikasi yang lebih baik.
DAFTAR PUSTAKA LAMPIRAN
BAB II
TINJ AUAN PUSTAKA
2.1. Definisi Citra
Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi), representasi, kemiripan atau imitasi dari suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik. Berupa foto, bersifat analog berupa sinyal-sinyal, video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan.
Dalam tinjauan matematis, citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dua dimensi. Ada dua jenis citra yaitu citra diam dan citra bergerak. Citra diam adalah citra tunggal yang tidak bergerak, sedangkan citra bergerak adalah rangkaian citra diam yang ditampilkan secara sekuensial.
Sedangkan citra digital merupakan citra yang tersusun dalam bentuk raster (grid
atau kisi). Setiap kotak (tile) yang terbentuk disebut pixel (picture element) dan memiliki koordinat (x, y). sumbu x (horizontal) atau kolom (column), sample sedangkan sumbu y (vertikal) atau baris (row, line). Setiap piksel memiliki nilai (value atau number) yang menunjukkan intensitas keabuan pada piksel tersebut.
Derajat keabuan dimana merepresentasikan grey level atau kode warna. Kisaran
nilai ditentukan oleh bit yang dipakai dan akan menunjukkan resolusi aras abu-abu (grey level resolution). (Pramitarini, 2011)
1 bit – 2 warna [0, 1] 4 bit – 16 warna [0, 15] 8 bit – 256 warna [0, 255]
24 bit – 16.777.216 warna (true color) Kanal merah – Red (R) [0, 255] Kanal hijau – Green (G) [0, 255] Kanal blue – Blue (B) [0, 255]
Gambar 2.1. Piksel Matrik Nilai digital dan banyak bit :
M = banyak piksel per baris (panjang) N = banyak piksel per kolom (lebar) b = banyak atau besar bit pada suatu citra
Ada beberapa sifat citra menurut perekam beserta media penyimpanannya yaitu :
A. Citra Analog
Citra Analog tidak direpresentasikan dalam komputer dan bersifat kontinu, semua merupakan fakta, contoh : gambar pada monitor televisi, foto sinar X, hasil CT scan dan lain-lainnya. Citra analog tersimpan dalam pita kaset.
B. Citra Digital
Digital image processing merupakan proses pengambilan atribut-atribut pada gambar dengan input dan output yang berupa gambar. (Gonzalez dan Woods, 2008 dalam bukunya Pramitarini, 2011)
Citra digital adalah citra yang dapat diolah oleh komputer. Yang disimpan dalam memori komputer hanyalah angka-angka yang menunjukkan besar intensitas pada masing-masing piksel. Karena berbentuk data numeris, maka citra digital dapat diolah dengan komputer.
Di dalam komputer, citra digital disimpan sebagai suatu file dengan format tertentu. Format citra tersebut menunjukan cara sebuah citra digital disimpan, misalnya apakah dengan suatu kompresi atau tidak. Contoh format citra digital adalah .bmp, .jpg, .png, .tif dan sebagainya. Ukuran citra digital dinyatakan dalam piksel (picture element). Umumnya, nilai setiap piksel merupakan kuantisasi harga intensitas cahaya. Dengan demikian, suatu citra digital dapat dipandang sebagai sebuah matriks yang elemen-elemennya menunjukkan intensitas cahaya terkuantisasi.
Citra digital dinyatakan matriks berukuran N x M (baris / tinggi = N, kolom / lebar = M). setiap titik memiliki koordinat dan biasanya dinyatakan dalam bilangan bulat positif, yaitu 0 atau 1 tergantung pada sistem yang digunakan. Format nilai piksel sama dengan format citra kseluruhan. Pada kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif juga. Ilustrasi sistem koordinat piksel dilihat pada gambar 2.2 dan contoh ilustrasi koordinat piksel dengan layer piksel ƒ (2,2) = 1 .
Gambar 2.3. Ilustrasi Sistem Koordinat Piksel Beberapa penjelasan format piksel adalah sebagai berikut :
a. Format piksel 1 Bit (Citra Biner Monocrom)
Citra biner diperoleh melalui proses pemisahan piksel-piksel bedasarkan derajat keabuan yang dimilikinya. Pada citra biner, setiap titik bernilai 0 dan 1, masing-masing merepresentasikan warna tertentu. Nilai 0 diberikan untuk piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan. Sementara piksel yang memiliki derajat keabuan yang lebih besar dari batas akan diubah menjadi nilai 1.
Pada standar citra untuk ditampilkan dilayer komputer, nilai biner ini
berhubungan dengan ada tidaknya cahaya yang ditembakkan oleh electron
gun yang terdapat didalam monitor komputer. Angka 0 menyatakan tidak ada
cahaya, dengan demikian warna yang direpresentasikan adalah hitam. Untuk angka 1, terdapat cahaya, sehingga warna yang direpresentasikan adalah putih. Standar tersebut sebagai standar citra cahaya, sedangkan standar citra tinta atau cat adalah berkebalikan, karena biner tersebut menyatakan ada tidaknya tinta. Setiap titik pada citra hanya membutuhkan 1 bit, sehingga
setiap byte dapat menampung informasi 8 bit. Ilustrasi dari citra biner bisa dilihat pada gambar 2.4.
Gambar 2.4. Ilustrasi Citra Biner Monokrom
b. Format piksel 8 Bit (Citra Gray Scale)
Citra skala keabuan memberi kemungkinan warna yang lebih banyak daripada citra biner, karena ada nilai-nilai diantara nilai minimum (biasanya = 0) dan nilai maksimum. Banyaknya kemungkinan nilai minimum dan nilai maksimumnya bergantung pada jumlah bit yang digunakan. Mata manusia pada umumnya hanya mempunyai kemampuan untuk membedakan maksimal 40 tingkat skala keabuan. Untuk citra tampak (visible image) dipilih skala keabuan lebih dari 40.
Pada umumnya, citra skala keabuan menggunakan jumlah bit 8, sesuai dengan satuan memori computer. Contohnya untuk skala keabuan 4 bit, maka jumlah kemungkinan nilainya adalah 16 dan nilai maksimumnya adalah 24 – 1 = 15. Sedangkan untuk skala keabuan 8 bit, maka jumlah kemungkinan nilainya adalah 256 dan nilai maksimumnya 256 – 1 = 255.
Format citra ini disebut skala keabuan, karena pada umumnya warna yang dipakai adalah antara warna hitam sebagai warna minimal dan warna putih sebagai warna maksimalnya, sehingga warna diantara hitam dan putih adalah abu-abu. Namun pada prakteknya, warna yang dipakai tidak terbatas pada warna abu-abu. Sebagai contoh, dipilih warna minimalnya adalah putih dan warna maksimalnya adalah merah, maka semakin besar nilainya semakin besar pula intensitas warna merahnya. Format citra ini kadang disebut sebagai citra intensitas. Ilustrasi dari citra Gray Scale dapat dilihat pada gambar 2.5.
Gambar 2.5. Ilustrasi Citra Grey Scale
c. Format piksel 24 Bit (Citra Warna atau True Color)
Pada citra warna, setiap titik mempunyai warna yang paling spesifik yang merupakan kombinasi dari 3 warna dasar, yaitu merah (Red), hijua (Green) dan biru (Blue). Ada perbedaan warna dasar untuk dasar cahaya. (misalnya display di monitor komputer) dan untuk cat (misalnya cetakan diatas kertas).
Untuk cahaya, warna dasarnya adalah red, green dan blue (RGB), sedangkan
untuk cat warna dasarnya adalah sian, magenta, kuning (
Keduanya saling berkomponen. Format citra ini sering disebut sebagai
citra RGB (Red-Green-Blue). Setiap warna dasar mempunyai intensitas
sendiri dengan nilai maksimum 255 (8 bit). Misalnya warna kuning merupakan kombinasi warna merah ungu muda, nilai RGB nya adalah 255 255 0. Sedangkan warna ungu muda, nilai RGB nya adalah 150 0 150, dengan demikian setiap titik pada citra warna membutuhkan data 3 byte. Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224 atau lebih dari 16 juta warna. Dengan demikian, bisa dianggap mencakup semua warna yang ada, inilah sebabnya format ini dinamakan true color. Ilustrasi dari citra ini adalah sebagai berikut :
Gambar 2.6. Ilustrasi Citra True Color
2.2. Per modelan War na (Color Model)
Warna merupakan ciri yang paling ekspresif dibandingkan dengan ciri visual yang lain. Warna juga merupakan salah satu ciri yang paling banyak digunakan dalam pengenalan citra. Warna adalah spektrum tertentu yang terdapat di dalam suatu cahaya sempurna (berwarna putih). Nilai warna ditentukan oleh tingkat kecerahan maupun kesuraman warna. Nilai ini dipengaruhi oleh penambahan putih ataupun hitam.
Penelitian memperlihatkan bahwa kombinasi warna yang memberikan rentang paling lebar adalah red (R), green (G) dan blue (B). Ketiga warna tersebut merupakan warna pokok yang biasa disebut RGB. Warna lain dapat diperoleh dengan mencampurkan ketiga warna pokok tersebut dengan perbandingan tertentu. Setiap warna pokok mempunyai intensitas sendiri dengan nilai maksimum 255 (8-bit). Misal warna kuning merupakan kombinasi warna merah dan hijau sehingga nilai RGB: 255 255 0.
RGB disebut juga ruang warna yang dapat divisualisasikan sebagai sebuah kubus seperti gambar 2.8, dengan tiga sumbunya yang mewakili komponen warna merah (red) R, hijau (green) G, biru (blue) B.
Ada beberapa pemodelan warna yang digunakan untuk melakukan digitalisasi citra, yaitu :
A. RGB
Suatu warna tertentu akan didefinisikan sebagai penggabungan 3 warna dasar dengan intensitas tertentu pada setiap warna dasarnya. Warna dasar dari color model RGB adalah merah (red), hijau (green) dan biru (blue). Pemodelan warna RGB merupakan pemodelan terbaik dalam grafika komputer karena mirip dengan visualisasi yang dilakukan mata.
Gambar 2.7. Tiga Warna Dasar RGB yang Ditembakkan pada Ruang Hampa Menghasilkan Wana Putih.
Gambar 2.8. Warna yang Dimodelkan sebagai Kubus dengan Indeks RGB. Kelebihan dari pemodelan warna ini adalah citra tampak nyata seperti aslinya.
B. CMYK
Pemodelan warna yang mengacu 4 warna pada tinta percetakan yang biasanya digunakan. Yaitu warna cyan, magenta, yellow (kuning) dan key
(hitam). Warna hitam disini berfungsi untuk mengatur kontras atau kecerahan suatu warna.
Warna CMY merupakan warna-warna secondary dari warna-warna primary
RGB. Cyan merupakan secondary dari warna hijau dan biru. Magenta
merupakan secondary dari warna merah dan biru. Sedangkan kuning adalah
secondary dari warna merah dan hijau.
Gambar 2.9. Tiga Warna Dasar CMY Ditembakan pada background yang
Berwarna Putih, Biasanya akan Menghasilkan Warna Abu-abu Gelap Kecoklatan.
Kelebihan pemodelan warna ini adalah kemiripannya dengan tinta
yang tersedia untuk mencetak citra, yaitu cyan, magenta, yellow (kuning) dan
key (hitam).
C. YIQ
Pemodelan warna pada sistem televisi berwarna. Y menunjukan
komponen luma, sedangkan I dan Q menunjukan komponen chroma.
Kelebihan pemodelan warna ini adalah mirip dengan warna yang dihasilkan oleh gelompang. Sehingga sangat cocok untuk sistem televisi.
D. YCbCr
Pemodelan warna yang digunakan oleh sistem fotografi digital. Pemodelan warna YCbCr bukan pemodelan warna utama, namun merupakan
cara pengkodean informasi RGB. Y menunjukan komponen luma, Cb
menunjukan perbedaan biru dan Cr menunjukan perbedaan merah pada
chroma.
E. xvYCC
Pemodelan warna yang digunakan oleh video elektronik. Mekanisme yang digunakan sama dengan pada YcbCr yaitu sebagai sistem fotografi digital yang merupakan cara pengkodean informasi RGB.
F. HSL atau HSV
Keduanya adalah pemodelan paling umum dari pemodelan warna RGB. Biasanya digunakan oleh aplikasi visual pada komputer. Pemodelan warna ini mempunyai beberapa komponen, yaitu :
a. Hue : pemodelan pencampuran warna dari merah, kuning, hijau biru.
b. Intensity, radiance : intensitas cahaya yang dierima suatu wilayah.
c. Luminance (Y) : Pencahayaan relatif atau tergantung dari arah pandang atau arah datangnya cahaya.
d. Brightness : kecerahan. e. Lightness : kecerahan relative
f. Colorfullness : sensasi visual karena komponen warna yang terbatas. Kelebihan pemodelan warna ini adalah sangat mirip dengan RGB sehingga mirip dengan aslinya. Namun, punya komponen yang lebih kompleks dari RGB. Sehingga semakin menyerupai aslinya.
Gambar 2.11. Warna-warna pada Pemodelan Warna HSV
2.3. Operasi Pengolahan Citra
Operasi-operasi yang dilakukan dalam pengolahan citra banyak ragamnya, namun secara umum operasi pengolahan citra dapat diklarifikasikan dalam beberapa jenis sebagai berikut:
1. Perbaikkan Kualitas Citra (Image Enchancement)
Jenis operasi ini bertujuan untuk memperbaiki citra dengan cara manipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat didalam citra lebih ditonjolkan.
Contoh-contoh operasi perbaikkan citra:
a. Perbaikkan kontras gelap atau terang
b. Perbaikkan tepian obyek (edge enchancement)
c. Penajaman (sharpening)
d. Pemberian warna semu (pseudocoloring)
2. Perbaikan Citra (Image Restoration)
Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikkan citra. Perbedaanya, pada pemugaran citra penyebab degradasi gambar diketahui.
Contoh-contoh operasi pemugaran citra :
a. Penghilangan kesamaran (deblurring)
b. Penghilangan derau (noise)
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 citra adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus.
4. Segmentasi Citra (Image Segmentation)
Jenis operasi ini bertujuan untuk memecah suatu citra kedalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.
5. Penguraian Citra (Image Analysis)
Jenis operasi ini bertujuan menghitung besaran kuantitif dua citra untuk menghasilkan diskripsinya. Teknik pengolahan citra mengekstrasi ciri-ciri tertentu yang membantu dalam identifikasi obyek. Proses segmentasi kadang kala diperlukan untuk melokalisasi obyek yang diinginkan dari sekelilingnya.
Contoh-contoh operasi pengorakan citra: a. Pendeteksian tepian obyek (edge detection) b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekontruksi Citra (Image Recontruction)
Jenis operasi ini bertujuan untuk membentuk ulang obyek dari beberapa citra hasil proyeksi. Operasi rekontruksi citra banyak digunakan dalam bidang medis.
2.4. Histogram Warna (Color Histogram)
Merupakan fitur warna yang paling banyak digunakan. Histogram warna sangat efektif mengkarakterisasikan distribusi global dari warna dalam sebuah
image. Warna yang sering digunakan adalah RGB (Red, Green, Blue). Jika
masing-masing warna didiskritkan menjadi h interval maka total jumlah
diskritnya adalah hi. Sebuah histogram warna H(hi) adalah sebuah vector (n1, n2, …, n) dimana ni menunjukkan jumlah piksel dalam citra hi pada bin i. Fitur
vector yang disimpan sebagai index dari citra.
Dimana : L = derajat keabuan
ni = jumlah pixel yang memilki derajat keabuan i n = jumlah seluruh pixel didalm citra
Komposisi warna merupakan salah satu fitur yang dapat digunakan dalam sistem temu-balik citra. Komposisi warna dapat direpresentasikan dalam bentuk histogram. Histogram warna merepresentasikan distribusi jumlah piksel untuk tiap intensitas warna dalam citra. Untuk mendefinisikan histogram, warna di
kuantisasi menjadi beberapa level diskrit, kemudian untuk tiap level tersebut dihitung jumlah piksel yang nilainya sesuai. Contoh, citra 8x8 dengan skala keabuan 0 – 15, gambar tabel piksel adalah sebagai berikut :
Gambar 2.12. Piksel Matriks 8x8
Informasi suatu citra seringkali dapat diwakili oleh histogram warna. Komputasi histogram sangat sederhana dan cepat, serta dapat dilakukan pada saat me-load citra.
Tabel 2.1. Penghitungan Algoritma Histogram Citra 8x8.
Manfaat dalam penggunaan histogram citra yaitu dapat menentukan apakah suatu citra sudah berada dalam jangkauan yang tepat dalam suatu skala keabuan atau warna. Jika jangkauan skala belum tepat pada parameter yang diinginkan maka parameter digitasinya perlu diatur lagi lebih dilebarkan atau lebih disempitkan.
Histogram warna terdiri dari dua tipe, Global Color Histograms (GCHs) dan
Local Color Histograms (LCHs). Pada penggunaan GCH, distribusi warna global suatu citra diambil dan digunakan sebagai metada. Jika pengguna mencari citra dengan yang dalam sistem databasenya hanya memperhatikan distribusi warna global suatu citra, maka GCH adalah pilihan terbaik. Walaupun demikian, karena GCH hanya mengambil distribusi warna global suatu citra sebagai pertimbangan untuk membandingkan citra, ini bisa mengembalikan hasil yang tidak sesuai dengan persepsi visual.
Pada penggunaan LCH, menghasilkan citra hasil pencarian yang jumlahnya banyak secara kuantitas, dan hasil pencariannya terpegaruh oleh citra geometri misalnya citra yang dirotasi. Sehingga tidak efektif secara kualitas. karena ada citra yang penyebaran warnanya jauh namun tetap ditampilkan sebagai hasil pencarian.
Pada pengukuran tingkat kemiripan menggunakan histogram warna, persepesi manusia cenderung didominasi oleh faktor komposisi warna yang dimiliki oleh citra. Histogram warna dari piksel-piksel dalam citra dapat digunakan sebagai representasi komposisi warna yang dimiliki citra. Dengan demikian, dapat dicari citra yang memiliki tingkat kemiripan warna dengan komposisi warna yang serupa dan jarak warna yang lebih mendekati pada citra yang dibandingkan.
Sistem yang dibuat juga akan menampilkan keterangan kemiripan tekstur warna kulit manusia berdasarkan sampel yang dibandingkan dengan sampel data yang berbeda berdasarkan prosentase tingkat kemiripan komposisi warnanya yaitu kemiripan sama (80 % - 99 %), kemiripan sedang (70 % - 89 %) dan kurang mirip (<= 69 %).
2.5. Kuantitasi Warna (Color Quantization)
Color quantization atau kuantitasi warna adalah suatu proses pengurangan jumlah warna yang berbeda yang digunakan dalam sebuah citra sehingga menghasilkan citra baru. Kuantisasi warna berfungsi untuk membuang informasi yang kurang penting yaitu informasi yang tidak berpengaruh secara signifikan terhadap visualisasi ketika sub-citra direkontruksi. Proses kuantisasi dapat dibedakan menjadi 2 (dua) bagian yaitu : (Pramitarini, 2011)
• Operasidien Koder : mengkonversi koefisien – koefisien transform
menjadi level – level kuantisasi.
• Operasi di Dekoder : mengkonversi level – level menjadi koefisien
transform rekonstruksi, biasanya disebut inverse quantization.
Kualitas gambar dapat diperoleh melalui seleksi matrik kuantisasi yang spesifik. Ini memungkinkan pengguna untuk menentukan tingkat kualitas berkisar 1 – 100, dimana angka 1 menunjukkan bahwa kualitas cita yang rendah sedangkan angka 100 menunjukkan bahwa kualitas yang dimiliki citra bernilai tinggi. Berikut adalah matrik standar kuantisasi :
Gambar 2.13. Matriks Standar Kuantisasi
Teknik yang paling standar adalah dengan cara memperlakukan kuantisasi warna sama seperti point clustering pada ruang tiga dimensi. Semua algoritma
clustering pada tiga dimensi dapat digunakan untuk kuantisasi warna. Algoritma yang paling popular diciptakan oleh Paul Heckbert (1980). Algoritma tersebut disebut the median cut algorithm.
Median cut algorithm adalah algoritma untuk mengurutkan data data sejumlah dimensi dalam seri set dan memotong masing-masing set data pada titik tengahnya. Kuantisasi warna pada pembuatan histogram, nilai RGB yang mempunyai dari 0 sampai 255 akan kemungkinan kombinasi sebesar 16777216 (didapat dari: 255 x 255 x 255). Pada proses komputasi, tentu akan dapat
menghabiskan banyak waktu dalam melakukan proses (time consuming).
Gambar 2.14. Hasil Kuantisasi Warna Median Cut Algorithm 16 bit Warna / Pixel, 8 bit Warna / Pixel, 4 bit Warna / Pixel, dan 2 bit Warna / Pixel
2.6. Format File Citra J PEG (Joint Photographic Expert Group)
JPEG didirikan oleh komite Joint Photographic Expert Group yang mengeluarkan standar pada tahun 1992. JPEG menetapkan standar yaitu codec. Codec menjelaskan tentang bagaimana sebuah gambar dikompresi menjadi aliran
byte dan dikompresi kembali menjadi sebuah gambar serta digunakan sebagai
streaming sebuah file. JPEG biasanya digunakan untuk foto perts Group atau di
website. JPEG menggunakan kompresi tipe lossy. Kualitas JPEG 2000 bisa
bervariasi tergantung setting kompresi yang digunakan (Pramitarini, 2011). Pada format JPEG, citra disimpan sebagai suatu matriks dimana masing-masing elemennya digunakan untuk menyimpan informasi warna untuk setiap
pixel. Jumlah yang dapat disimpan ditentukan dengan satuan bit-per-pixel.
Semakin besar ukuran bit-per-pixel dari suatu JPEG, semakin banyak pula jumlah
warna yang dapat disimpan. Format JPEG cocok untuk citra-citra fotografi karena perubahan pada warna yang halus dan untuk menyimpan citra digital sangat bagus karena memiliki banyak variasi dalam bentuk maupun warna.
Citra dalam format JPEG mendukung dalam operasi dalam piksel, ada tiga macam: citra biner, citra warna dan citra hitam-putih (grayscale). Citra biner hanya mempunyai dua nilai keabuan, yaitu nilai 0 dan 1. Oleh karena itu, 1 bit sudah merepresentasikan nilai piksel. Citra berwarna adalah yang lebih umum. Warna yang terlihat pada citra JPEG merupakan kombinasi dari tiga warna dasar, yaitu merah (R), hijau (G) dan biru (B). setiap piksel disusun oleh tiga komponen
warna Red, Green dan Blue (RGB). Kombinasi dari ketiga warna RGB tersebut
menghasilkan warna khas untuk piksel yang bersangkutan.
Pada citra 256 warna setiap piksel panjangnya 8 bit, tetapi komponen warna RGBnya disimpan dalam tabel RGB yang disebut palet. Setiap komponen panjangnya 8 bit, jadi 256 nilai keabuan untuk warna merah, 256 nilai keabuan untuk warna hijau, 256 nilai keabuan untuk warna biru. Nilai setiap piksel tidak menyatakan indeks tabel RGB yang memuat nilai keabuan Red (R), Green (G)
dan Blue (B) untuk masing-masing piksel yang bersangkutan. Namun pada citra hitam-putih, nilai R = G = B untuk menyatakan bahwa citra hitam putih hanya mempunyai satu kanal warna. Citra hitam putih umumnya adalah citra 8 bit.
Citra yang lebih kaya warna adalah citra 24 bit. Setiap piksel panjangnya 24 bit, karena setiap piksel langsung menyatakan komponen warna merah, komponen warna hijau dan komponen warna biru. Masing-masing komponen panjangnya 8 bit. Citra 24 bit disebut juga citra 16 juta warna, karena citra ini
mampu menghasilkan 224 = 16.777.216 kombinasi warna. Hubungan antara
bit-per-pixel dengan jumlah warna maksimum pada JPEG ditunjukan pada Tabel 2.2.
Tabel 2.2. Hubungan Antara Bit Per Piksel dengan Jumlah Warna Maksimum
2.7. Pengenalan Matlab 7
Menurut Teguh (2005), MATLAB merupakan suatu program komputer yang bisa membantu memecahkan berbagai masalah matematis yang kerap difungsikan dalam bidang teknis. Kemampuan MATLAB untuk menemukan solusi dari berbagai masalah numerik secara cepat, mulai hal yang paling dasar, misalkan sistem 2 persamaan dengan 2 variabel:
x – 2y = 32
12x + 5y = 12
hingga yang kompleks, seperti mencari akar-akar polinomial, interpolasi dari sejumlah data, perhitungan dengan matriks, pengolahan sinyal, dan metoda numerik.
Salah satu aspek yang sangat berguna dari MATLAB ialah kemampuannya untuk menggambarkan berbagai jenis grafik, sehingga bisa memvisualisasikan data dan fungsi yang kompleks. Sebagai contoh, tiga gambar
berikut diciptakan dengan command surf di MATLAB.
Gambar 2.15.
Grafik 3-Dimensi Diciptakan dengan Command “Surf”
di MATLAB.
MATLAB atau Matrix Laboratory adalah suatu aplikasi berbasis expert
sistem yang digunakan untuk keperluan komputasi sains, seperti halnya Maple
dan Mathematica. Aplikasi yang dibuat oleh MathWorks.inc ini sangat handal untuk komputasi yang terkait dengan array atau matriks. Selain digunakan untuk
komputasi, MATLAB juga dapat dibuat untuk sarana simulasi. Toolbox - toolbox
sebagai pelengkap MATLAB juga disediakan dalam paketnya, seperti toolbox
sebagainya. Toolbox ini berisi paket yang di dalamnya terdapat perintah-perintah
untuk melakukan tugas khusus sesuai dengan nama toolboxnya, misalnya
perintah untuk membaca nilai piksel suatu image, perintah ini terdapat dalam
toolboximage processing. Berikut jendela utama MATLAB:
Gambar 2.16. Jendela Utama MATLAB