Pencitraan Digital

Pengolahan Citra Digital

Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :

1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.

2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.

Bidang aplikasi kedua yang sangat erat hubungannya dengan ilmu pengetahuan pole (pattern recognition) yang umumnya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra atau image recognition. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari.

Transformasi citra, sesuai namanya, merupakan proses perubahan bentuk citra untuk mendapatkan suatu informasi tertentu

Transformasi bisa dibagi menjadi 2 :

Transformasi piksel/transformasi geometris:

Transformasi ruang/domain/space

Transformasi piksel masih bermain di ruang/domain yang sama (domain spasial),hanya posisi piksel yang kadang diubah.

Contoh: rotasi pada gambar (Foto)

menjadi

Transformasi ruang merupakan proses perubahan citra dari suatu ruang/domain ke ruang/domain lainnya, contoh: dari ruang spasial ke ruang frekuensi

Akusisi citra

Pengambilan data dapat dilakukan dengan menggunakan berbagai media seperti kamera analog, kamera digital, handycamp, scanner, optical reader dan sebagainya. Citra yang dihasilkan belum tentu data digital, sehingga perlu didigitalisasi.

Peningkatan kualitas citra

Pada tahap ini dikenal dengan pre-processing dimana dalam meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap pengolahan citra digital berikutnya.

Segmentasi citra

Segmentasi bertujuan untuk memilih dan mengisolasikan (memisahkan) suatu objek dari keseluruhan citra. Segmentasi terdiri dari downsampling, penapisan dan deteksi tepian. Tahap downsampling merupakan proses untuk menurunkan jumlah piksel dan menghilangkan sebagian informasi dari citra. Dengan resolusi citra yang tetap, downsampling menghasilkan ukuran citra yang lebih kecil. Tahap segmentasi selanjutnya adalah penapisan dengan filter median, hal ini dilakukan untuk menghilangkan derau yang biasanya muncul pada frekuensi tinggi pada spektrum citra. Pada penapisan dengan filter median, gray level citra pada setiap piksel digantikan dengan nilai median dari gray level pada piksel yang terdapat pada window filter. Tahap yang terakhir pada proses segmentasi yaitu deteksi tepian. Pendekatan algoritma Canny dilakukan berdasarkan konvolusi fungsi citra dengan operator Gaussian dan turunan-turunannya. Pendeteksi tepi ini dirancang untuk merepresentasikan sebuah tepian yang ideal, dengan ketebalan yang diinginkan. Secara umum, proses segmentasi sangat penting dan secara langsung

akan menentukan keakurasian sistem dalam proses identifikasi iris mata.

Representasi dan Uraian

Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.

Pengenalan dan Interpretasi

Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-macam citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang sama akan dikelompokkan pada suatu kelompok tertentu. Interpretasi meliputi penekanan dalam mengartikan objek yang dikenali.

Model Representasi Color

Menggunakan tiga primary color

• RGB

• CMY

Menggunakan luminance dan chrominance

HIS (Hue, saturation, intensity)‏

YIQ (digunakan pd TV warna NTSC)‏

YC_bC_r (digunakan TV warna digital)

Spesifikasi Amplituda:

8 bit utk tiap komponen warna, atau 24 bit total utk tiap pixel

Total 16 juta warna

‏

Konversi antara set primary berbeda adalah linier

Konversi antara primary dan XYZ/YIQ/YUV juga linier

Formula konversi diantara banyak color coordinates dp dilihat di [Gonzales1992]