Pengolahan Citra Digital

            Citra merupakan suatu representasi (gambaran), kemiringan atau imitasi dari suatu obyek. Citra juga dapat didefinisikan sebagai sebuah fungsi dua demensi f(x,y) dimana x dan y adalah koordinat bidang datar dan harga fungsi f di setiap pasangan koordinat (x,y) disebut intensitas atau level keabuan (grey level) dari gambar di titik tersebut. Jika x, y dan f semuanya berhingga (finite) dan nilainya diskrit disebut citra digital (Hermawati, 2013)

            Citra digital juga dapat diolah oleh komputer menggunakan metode pengolahan citra digital. Pengolahan citra digital berfungsi untuk memperbaiki mutu citra dan menghasilkan citra yang baru untuk memudahkan proses indentifikasi pada jaringan syaraf tiruan.

Jenis Citra

            Nilai suatu piksel memeiliki nilai dalam rentang tertentu dari nilai minimum hingga nilai maksimum. Secara umum rentang nilai yang biasa digunakan 0 – 255. Berikut ini adalah jenis-jenis citra berdasarkan nilai pikselnya (Putra, 2010)

Citra warna (True Color)

            Setiap piksel pada citra warna merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Jumlah bit yang digunakan untuk mempresentasikan setiap piksel dalam wilayah RGB disebut pixel depth.  Setiap warna dasar menggunakan penyimpananan 8 bit = 1byte, yang berarti setiap warna memiliki gradasi sebanyak 255 warna sehingga setiap piksel mempunyai kombinasi warna sebanyak 16 juta lebih. Citra memiliki jumlah warna yang cukup besar itulah yang dinamakan true color (Sutoyo dkk, 2009).

Citra Grayscale

            Citra grayscale merupakan citra digital yang mempunyai satu niali kanal pada setiap pikselnya sehingga nilai RGB bernilai sama. Nilai tersebut digunakan untuk menunjukan tingkat intensitas dari citra. Warna yang ditampilkan adalah warna hitam, keabuhan dan putih. Tingkat keabuhan merupakan warna abu dengan tingkat hitam yang mendekati putih (putra, 2010).

            Perhitungan matematis mendapatkan nilai  grayscale menggunakan metode mengambil ketiga unsur warna dasar yang kemudian dirata-rata (Saraswati, 2011)

Dimana X adalah warna grayscale, R adalah warna merah, G adalah warna hijau dan B adalah warna biru. Keempat element tersebut dalam satu piksel.

            Sedangkan untuk mengubah citra warna grayscale lebih tepatnya memberikan bobot yang berbeda pada setiap unsure warna Red,Green, dan Blue(Delima, 2011).

            Citra Biner

            Citra biner merupakan citra digital yang hanya memiliki dua kemungkinan nilai piksel yaitu hitam dan putih. Citra biner disebut juga sebagai citra B&W (black and white) atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap pixel dari citra biner.

Perbaikan Citra (Image Enhancement)

            Perbaikan citra bertujuan untuk meningkatkan kualitas tampilan citra agar memiliki format yang lebih baik sehingga citra tersebut lebih mudah diolah dengan computer (Putra, 2010).

Contrast Stretching

            Kontras suatu citra merupakan distribusi piksel terang dan gelap. Pada citra grasyscale  dengan kontras rendah akan terlihat terlalu gelap, terlalu terang atau terlalu abu-abu. Histogram Citra dengan kontras rendah, semua piksel akan terkelompokan secara rapat pada sisi tertentu. Sedangkan citra dengan kontras tinggi mempunyai daerah gelap dan terang yang luas. Histogram citra dengan kontras tinggi mempunyai dua puncak yang masing-masing terkontraksi pada bagian kiri dan kanan histogram (Putra, 2010). Salah satu perbaikan citra yang sangat berguna adalah perenggangan kontras atau biasa dikenal dengan contrast stretching.

Median Filtering

            Salah satu teknik perbaikan citra adalah filtering yang berfungsi untuk mengurangi noise dan menajamkan citra. Salah satu macam filtering adalah median filtering. Median filtering merupakan salah satu teknik filtering menggunakan niali tengah (median) dari nilai-nilai dalam matriks kernel (mask) NxM sebagai piksel baru di pusat kernel.

Operasi untuk mendapatkan nilai median terbesar dan terkecil berada di ujung atas atau ujung bawah urut, jadi median akan menggantikan suatu nilai berderau (noise) dengan nilai dekat dengan tetangganya (Sianipar, 2013).

Histogram Citra

Histogram adalah suatu grafik yang menunjukan frekuensi kemunculan setiap nilai gradasi warna. Apabila ditampilkan pada koordinat kartesian maka sumbu x (absis) menunjukan tingkat warna dan sumbu y (ordinat) menunjukan frekuensi kemunculan. Histogram bermanfaat sebagai indikasi visual untuk menentukan skala keabuan yang tepat sehingga diperoleh kualitas citra yang diinginkan. Selain itu histogram juga bermanfaat untuk menentukan nilai batas ambang (threshold). Pada proses segmentasi obyek dengan background (Sutoyo dkk, 2009).

Segmentasi Citra

Segmentasi citra adalah salah satu metode yang digunakan untuk membagi kedalam daerah intensitasnya masing-masing sehingga dapat dipisahkan antara obyek dan background-nya. Similaritas merupakan salah satu algoritma dalam segmentasi citra. Similaritas merupakan pembagian citra berdasarkan kesamaan-kesamaan kreteria yang dimilikinya. Salah satu contohnya adalah thresholding.

Thresholding

Proses threshold akan menghasilkan citra biner dimana citra tersebut memiliki dua nilai tingkat keabuhan yaitu hitam dan putih (Putra, 2010).

Fungsi g (x,y) adalah citra biner dari citra warna atau citra grayscale f(x,y) dan T menyatakan nilai ambang. Nilai ambang memiliki peranan yang penting dan menyatakan kualitas citra biner (Putra, 2010). Pada persamaan diatas, proses thresholding akan merupakan piksel dengan nilai diatas nilai  thresholding akan menjadi nilai 1 (piksel putih) dan merubah piksel dengan nilai dibawah nilai threshold menjadi nilai 0 (pikel hitam).

Connedted Component Labeling

Connedted compont labeling atau lebih dikenal dengan penandaan komponen terhubung ini berfungsi untuk memeriksa suatu citra dan pengelompokkan setiap piksel kedalam suatu komponen terhubung menurut aturan keterhubungan(4, 8 atau m-connectivity). Setiap komponenen terhubung yang tidak saling terhubung (disjoin) pada suatu citra akan diberikan tanda (label) berbeda (Putra, 2010).

Penandaan komponenen terhubung dilakukan dengan cara memeriksa masing-masing piksel dalam citra untuk mengidentifikasi area piksel yang terhubung. Area piksel yang terhubung merupakan area dari piksel yang mempunyai nilai intensitas yang sama. Penandaan komponenen terhubung ini dapat dilakukan pada citra biner dan citra grayscale. Langkah pertama yang dilakukan penandaan komponen terhubung dengan 8-connectivity  yaitu memeriksa nilai piksel tetangga dari P yaitu piksel atas, kiri diagonal atas kiri dan diagonal atas kanan dengan ketentuan sebagai berikut :

1.      Bila keempat piksel mempunyai keteganggan bernilai 0 maka berilah tanda baru pada P.

2.      Bila hanya salah satu piksel tetangga bernilai 1 maka berilah tanda dari piksel tetangga tersebut pada P.

3.      Bila salah satu atau lebih piksel tetangga bernilai 1 maka berilah salah satu tanda dari piksel tetangga tersebut pada P kemudian semua tanda dari piksel tetangga bernilai 1 tsb adalah ekuivalen (Putra, 2010).

Ekstrasi Fitur

            Ekstarasi fitur (feature extraction) merupakan bagian terpenting dari analisis citra. Fitur adalah suatu karakteristik unik dari suatu obyek. Karakteristik fitur yang baik sebisa mungkin memenuhi persyaratan sebagai berikut (Putra, 2010):

1.      Dapat membedakan suatu obyek dengan yang lain nya (discrimination).

2.      Memperhatikan kompleksitas komputasi dalam memperoleh fitur. Kompleksitas komputasi yang tinggi akan menjadi beban tersendiri dalam menemukan suatu fitur.

3.      Tidak terikat (independence), dalam arti bersifat invarian terhadap berbagai transformasi.

4.      Jumlahnya sedikit, karena fitur yang jumlahnya sedikit akan dapat menghemat waktu komputasi dan ruang penyimpanan untuk proses selanjutnya (proses pemanfaatan fitur).

Pada penelitian ini digunakan beberapa fitur seperti area, parameter dan faktor bentuk perhitungannya berdasarkan kode rantai (Chain Code). Kode rantai sering digunakan untuk mendiskripsikan atau mengkodekan bentuk (countour) suatu obyek (Putra, 2010).