BAB II TINJAUAN PUSTAKA
2.8. Pre-processing
Sebuah gambar mengandung satu atau lebih channel warna yang menentukan intensitas atau warna pada pixel tertentu I (m,n). Dalam kasus yang paling sederhana, setiap lokasi pixel hanya berisi nilai numerik tunggal mewakili level sinyal pada titik tertentu dalam gambar. Konversi dari serangkaian nomor ke gambar (ditampilkan) aktual dicapai melalui peta warna. Peta warna memberikan warna spesifik untuk setiap level numerik dalam gambar untuk memberikan representasi data secara visual.
2.8.1.1 Model Warna RGB (Red, Green, Blue)
Model warna RGB berorientasi hardware, terutama untuk warna monitor dan warna pada kamera video. Dalam model ini tiap warna ditunjukkan dengan kombinasi tiga warna primer yang membentuk sistem koordinat cartesian tiga dimensi. Seperti pada Gambar 2.3. subruang pada diagram tersebut menunjukkan posisi tiap warna. Nilai RGB terletak pada satu sudut dengan cyan, magenta, dan
yellow berada di sudut lainnya. Warna hitam berada pada titik asal, sedangkan
warna putih terletak pada titik terjauh dari titik asal. lurus dan terletak di antara kedua titik tersebut.
Sumber : Gonzales, 2002.
2.8.1.2 Model Warna HSV Model HSV (
bentuk tiga komponen utama, yaitu
menunjukkan jenis warna atau corak warna, yaitu tempat warna tersebut ditemukan dalam spe
Saturasi suatu warna adalah ukuran seberapa besar kemurnian dari warna tersebut. Saturasi biasanya bernilai 0 sampai 1 (atau 0% sampai 100%) dan menunjukkan nilai keabu-abuan warna dimana 0 menunjukkan abu
warna primer murni.
suatu warna atau seberapa besar cahaya datang dari suatu warna. Nilai 0% sampai 100%.
berada di sudut lainnya. Warna hitam berada pada titik asal, sedangkan warna putih terletak pada titik terjauh dari titik asal. Grayscale membentuk garis lurus dan terletak di antara kedua titik tersebut.
Sumber : Gonzales, 2002.
Gambar 2.3. Skema warna RGB Warna HSV
Model HSV (Hue Saturation Value) menunjukkan ruang warna dalam bentuk tiga komponen utama, yaitu hue, saturation dan value (brightness) menunjukkan jenis warna atau corak warna, yaitu tempat warna tersebut ditemukan dalam spektrum warna. Hue berupa sudut dari 0 sampai 360 derajat. Saturasi suatu warna adalah ukuran seberapa besar kemurnian dari warna tersebut. Saturasi biasanya bernilai 0 sampai 1 (atau 0% sampai 100%) dan menunjukkan
abuan warna dimana 0 menunjukkan abu-abu dan 1
warna primer murni. Value atau intensitas yaitu ukuran seberapa besar kecerahan suatu warna atau seberapa besar cahaya datang dari suatu warna. Nilai
berada di sudut lainnya. Warna hitam berada pada titik asal, sedangkan membentuk garis
) menunjukkan ruang warna dalam
value (brightness). Hue
menunjukkan jenis warna atau corak warna, yaitu tempat warna tersebut berupa sudut dari 0 sampai 360 derajat. Saturasi suatu warna adalah ukuran seberapa besar kemurnian dari warna tersebut. Saturasi biasanya bernilai 0 sampai 1 (atau 0% sampai 100%) dan menunjukkan abu dan 1 menunjukkan atau intensitas yaitu ukuran seberapa besar kecerahan suatu warna atau seberapa besar cahaya datang dari suatu warna. Nilai value dari
2.8.1.3 Grayscale
Untuk mendapatkan citra grayscale (keabuan) digunakan rumus:
I(x,y) = α.R + β.G + γ.B ………. (2.1) dengan I(x,y) adalah level keabuan pada suatu koordinat yang diperoleh dengan mengatur komposisi warna R (merah), G (hijau) dan B (biru) yang ditunjukkan oleh nilai parameter α, β dan γ. Secara umum nilai untuk ketiga parameter tersebut adalah 0.33. Nilai yang lain juga dapat diberikan dengan syarat total nilai seluruh parameter adalah 1.
Intensitas citra keabuan disimpan sebagai integer 8 bit sehingga memberikan 28 = 256 tingkat keabuan dari warna hitam sampai warna putih. Dengan menggunakan pola 8-bit ini citra beraras keabuan membutuhkan ruang memori dan waktu pengolahan yang lebih sedikit daripada citra berwarna (RGB). Pada Gambar 2.3 diperlihatkan visualisasi 256 aras keabuan.
Sumber: Pratt, 2001.
2.8.2. Pengambangan (Thresholding)
Proses pengambangan akan menghasilkan citra biner, yaitu citra yang memiliki dua nilai tingkat keabuan, yaitu hitam dan putih. Secara umum proses pengambangan menggunakan rumus sebagai berikut:
, = 1,0, , ≥ , < ………. (2.2)
dengan g(x,y) adalah citra biner dari citra grayscale f(x,y) dan T menyatakan nilai ambang. Ada beberapa metode yang dapat digunakan untuk menentukan nilai ambang T, yaitu metode histogram dan metode otsu.
2.8.2.1 Metode Histogram
Nilai T ditentukan berdasarkan histogram dari citra yang akan diambangkan. Suatu citra yang memiliki objek tunggal dengan latar belakang homogen biasanya memiliki histogram yang bimodal (memiliki dua maksimum puncak).
2.8.3.2 Metode Otsu
Nilai T dihitung secara otomatis berdasarkan citra masukan, dengan melakukan analisis diskriminan, yaitu menentukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis diskriminan akan memaksimumkan variabel tersebut agar dapat memisahkan objek dengan latar belakangnya.
2.8.3. Normalisasi Intensitas
Normalisasi atau pengaturan kontras dan intensitas cahaya dilakukan dengan mengurangi perbedaan kekuatan penerangan dan dampak dari derau pada sensor. Proses normalisasi intensitas dilakukan terhadap setiap piksel pada citra asli sehingga pengaruh dari proses ini dapat dilihat dari histogramnya. Histogram akan menunjukkan bahwa proses normalisasi sebenarnya hanya menggeser histogram citra asli yang memiliki sebaran intensitas yang berbeda-beda menjadi histogram yang memiliki sebaran sama (seragam). Bila hasil normalisasi terlalu gelap, maka histogram akan bergeser ke kiri, dan bila terlalu cerah maka histogram akan bergeser ke kanan.
2.8.4. Morphologi
Morphologi dapat dikatakan sebagai bentuk atau struktur. Dalam pengolahan citra digital morphologi digunakan untuk mengidentifikasi dan mengekstraksi keterangan citra yang bermakna berdasarkan properti bentuk (shape) citra. Operasi morphologi secara umum digunakan untuk mengolah citra biner yang memiliki dua kemungkinan yaitu 1 untuk foreground pixel dan 0 untuk
background pixel. Suatu objek dalam citra biner memiliki kelompok pixel yang
berhubungan atau bertetanggaan (connected pixels), ada dua definisi dari pixel yang berhubungan yaitu : 4-connected dan 8-connected seperti pada gambar berikut :
Sumber: Solomon, C dan Breckon T. 2011.
Gambar 2.5. Kelompok pixel yang berhubungan 4-connected dan 8-connected Dalam operasi morphologi digunakan dua input himpunan yaitu citra biner dan structuring elements (SE) yang sering disebut dengan kernel. SE merupakan suatu matrik yang mempunyai centre pixel dan yang umumnya berukuran kecil. Gambar berikut adalah contoh SE yang dapat digunakan dalam operasi morphologi.
Sumber: Solomon, C dan Breckon T. 2011.
Gambar 2.6. Contoh structuring elements (SE)
Pada operasi morphologi terdapat dua operasi dasar yaitu dilasi dan erosi. Kedua operasi dasar tersebut dapat digunakan untuk berbagai operasi morphologi seperti opening, closing, hit and miss transform, thinning dan thickening. Operasi
opening digunakan untuk menghilangkan objek-objek kecil yang terdapat dalam
citra. Secara matematis proses opening dalam dinyatakan sebagai berikut :
O A, B = AoB = D E A, B , B ………. (2.3)
2.8.5. Connected Component Labeling
Suatu pixel atau kumpulan pixel yang berhubungan dengan pixel yang lain disebut dengan komponen terhubung (connected component), untuk membedakan kelompok pixel yang terhubung dilakukan pemberian label secara unik. Proses ekstraksi komponen terhubung menghasilkan objek baru dimana kelompok pixel tersebut terhubung dengan diberikan nilai integer secara berurutan, misalnya latar belakang memiliki nilai 0, pixel objek pertama diberikan nilai 1,pixel objek berikutnya diberikan nilai 2 dan seterusnya. Suatu komponen terhubung bisa
4-connected atau 8-4-connected. Berikut adalah langkah-langkah dalam melakukan
penandaan komponen terhubung dengan menggunakan aturan 4-connected. Proses
scanning citra dilakukan sepanjang baris sampai menemukan pixel p(nilai p
berada dalam himpunan V). bilai p sudah ditemukan makan dilanjutkan dengan
scanning pixel tetangga dari p, yaitu pixel di atas dan di kiri p, kemudian
dilakukan scanning berikut :
- Bila kedua pixel tetangga bernilai 0 maka berilah tanda (label) baru pada p - Jika hanya satu saja dari pixel tetangga tersebut bernilai 1 maka berilah
tanda dari pixel tetangga tersebut pada p.
- Bila kedua pixel tetangga bernilai 1 dan memiliki tanda sama maka berilah tanda dari pixel tetangga tersebut pada p.
- Bila kedua pixel tetangga bernilai 1 dan memiliki tanda berbeda maka berilah tanda dari salah satu pixel tetangga tersebut pada p dan buat catatan bahwa kedua tanda yang berbeda tersebut ekuivalen.
Proses terakhir dilakukan pengurutan pasangan-pasangan tanda yang ekuivalen ke dalam kelas-kelas ekuivalen selanjutnya diberikan tanda berbeda pada setiap kelas ekuivalen.
Penandaan komponen terhubung dengan 8 connected
- Dilakukan proses scanning citra dengan bergerak secara berurutan sepanjang baris paling atas menuju ke bawah.
- Ketika proses scanning sampai pada pixel objek p, dilakukan pemeriksaan 4 ketetanggaan yang telah ditemui selama scanning sehingga proses penandaan (labeling) terjadi keempat pixel ketetanggaan mempunyai nilai 0 maka diberi tanda baru pada pixel p, jika hanya salah satu pixel tetangga yang mempunyai nilai 1, maka tanda tersebut diberikan pada p. jika dua atau lebih pixel tetangga mempunyai nilai 1 maka salah satu tanda dari
pixel tetangga diberikan pada p, kemudian dicatat bahwa semua tanda dari pixel tetangga yang bernilai 1 tersebut ekuivalen.
2.8.6. Run Length Encoding (RLE)
RLE merupakan teknik kompresi yang sering digunakan pada citra dengan format bitmat termasuk TIFF, BMP dan PCX (Khan, A. 2010). Teknik RLE digunakan luas pada teknologi facsimile yang menggunakan metode Huffman. Teori dasar yang digunakan pada metode RLE adalah dari pada mengirim setiap nilai 1 dan 0, lebih baik mengirim dalam bentuk hitungan yang berurutan dari
nilai 1 kemudian diikuti oleh nilai 0. Contoh RLE dapat dilihat pada gambar berikut :
Sumber : Tomkins, D. A. D. 2000
Gambar 2.7. Contoh RLE sederhana
2.8.7. Bounding Box
Bounding box merupakan kotak persegi panjang pembatas objek dalam
citra. Area minimum dari bounding box didapat dari rumus berikut :
Area = majorAxisLength ∗ minorAxisLength ………. (2.4)
Sumber : Huque, A.E. 2006.
Gambar 2.8. Major dan minor axis
Sumber : Huque, A.E. 2006.
Gambar 2.9. bounding box
2.8.8. Transformasi Geometri (Cropping)
Salah satu jenis transformasi geometri atau perubahan bentuk adalah proses pemotongan citra (cropping) yang bertujuan untuk mengambil elemen citra yang diinginkan pada citra digital. Berikut contoh pemotongan citra sebesar W x H.
Sumber : Sutoyo, T., dkk. 2009.
Gambar 2.10. Contoh cropping citra
Titik (x1,y1) dan (x2,y2) adalah koordinat titik pojok kiri atas dan pojok kanan bawah citra yang akan di-crop. Adapun rumus yang digunakan adalah :
Sumber : Sutoyo, T., dkk. 2009.
Gambar 2.11. Contoh citra di-crop sebesar W x H