Makalah Pengolahan Citra

HYSTOGRAM

Pengertian Pengolahan Citra 

Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit tertentu.

Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan ada pula yang berbentuk segienam) yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh titik tersebut.

Format data citra digital berhubungan erat dengan warna. Pada kebanyakan kasus, terutama untuk keperluan penampilan secara visual, nilai data digital merepresentasikan warna dari citra yang diolah. Format citra digital yang banyak dipakai adalah Citra Biner (monokrom), Citra Skala Keabuan ( gray scale ), Citra Warna ( true color ), dan Citra Warna Berindeks.

1. Warna

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 2.4, dengan tiga sumbunya yang mewakili komponen warna merah (red) R, hijau (green) G, biru (blue) B. Salah satu pojok alasnya yang Sistem Klasifikasi Jenis dan Kematangan Buah Tomat Berdasarkan Bentuk dan Ukuran serta Warna Permukaan Kulit Buah Berbasis Pengolahan Citra Digital berlawanan menyatakan warna hitam ketika R = G = B = 0, sedangkan pojok atasnya yang berlawanan menyatakan warna putih ketika R= G= B= 255 ( sistem warna 8 bit bagi setiap komponennya ).

Pada gambar 2.5 di atas, garis diagonal ruang menyatakan warna grayscale, yakni warna-warna piksel dalam rentang gradasi warna hitam dan putih yang dapat diperoleh dengan mengalikan ketiga komponen warna pokok merah, hijau dan biru dengan suatu koefisien yang jumlahnya satu.

 2.Citra Biner (Binary Image)

Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Alasan masih digunakannya citra biner dalam pengolahan citra digital hingga saat ini adalah algoritma untuk citra biner telah berkembang dengan baik dan waktu pemrosesan lebih cepat karena jumlah bit untuk tiap pikselnya lebih sedikit.

3.Citra YCbCr

YCbCr merupakan standar internasional bagi pengkodean digital gambar televisi yang didefinisikan di CCIR Recommendation. Y merupakan komponen luminance, Cb dan Cr adalah komponen chrominance. Pada monitor monokrom nilai luminance digunakan untuk merepresentasikan warna RGB, secara psikologis ia mewakili intensitas sebuah warna RGB yang diterima oleh mata. Chrominance merepresentasikan corak warna dan saturasi (saturation). Nilai komponen ini juga mengindikasikan banyaknya komponen warna biru dan merah pada warna. YCbCr (256 level) dapat diperoleh dari RGB 8 bit dengan menggunakan rumus berikut:

Y = 0.299 R + 0.587 G + 0.114 B

Cb = -0.1687 R – 0.3313 G + 0.5 B + 128

Cr = 0.5 R – 0.4187 G – 0.0813 B + 128

Sedangkan untuk konversi YCbCr ke RGB dapat dilakukan dengan rumus:

R = Y + 1.402 (Cr-128)

G = Y – 0.34414 (Cb-128) – 0.71414 ( Cr – 128)

B = Y + 1.772 (Cb – 128)

Berikut ini adalah gambar yang menunjukkan dekomposisi citra RGB ke dalam komponen luminance dan chrominance-nya.

C. Berdasarkan jenisnya, citra digital dapat dibagi menjadi 3 (Sutoyo, 2009), yaitu:

Citra Biner (Monokrom)

Memiliki 2 buah warna, yaitu hitam dan putih. Warna hitam bernilai 1 dan warna putih bernilai 0. Untuk menyimpan kedua warna ini dibutuhkan 1 bit di memori. Contoh dari susunan piksel pada citra monokrom adalah sebagai berikut:

 Cita Grayscale (skala keabuan)

Citra grayscale mempunyai kemungkinan warna hitam untuk nilai minimal dan warna putih untuk nilai maksimal. Banyaknya warna tergantung pada jumlah bit yang disediakan di memori untuk menampung kebutuhan warna tersebut. Semakin besar jumlah bit warna yang disediakan di memori, maka semakin halus gradasi warna yang terbentuk. Contoh:

skala keabuan 2 bit… jumlah kemungkinan 22 = 4 warna

Jadi,, kemungkinan warna 0 (minimal) sampai 4 (maksimal)

Citra Warna (true color)

Setiap piksel pada citra warna mewakili warna yang merupakan kombinasi tiga warna dasar, yaitu merah, hijau, dan biru (RGB = Red, Green, Blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte (nilai maksimum 255 warna), jadi satu piksel pada citra warna diwakili oleh 3 byte.

Pengolahan citra digital adalah salah satu bentuk pemrosesan informasi dengan inputan berupa citra (image) dan keluaran yang juga berupa citra atau dapat juga bagian dari citra tersebut. Tujuan dari pemrosesan ini adalah memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin computer. Operasi-operasi pada pengolahan citra digital secara umum dapat diklasifikasikan sebagai berikut:

 Perbaikan kualitas citra (image enhancement), contohnya perbaikan kontras      gelap/terang, penajaman (sharpening), dan perbaikan tepian objek (edge enhancement)

 Restorasi citra (image restoration), contohnya penghilangan kesamaran (deblurring)

 Pemampatan citra (image compression)

 Segmentasi citra (image segmentation)

 Pengorakan citra (image analysis), contohnya pendeteksian tepi objek (edge enhancement) dan ekstraksi batas (boundary)

Rekonstruksi citra (image recronstruction)

Pengertian histogram dalam pengolahan citra adalah .representasi grafis untuk distribusi warna dari citra digital atau menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Dari sebuah histogram dapat diketahui frekuensi kemunculan relatif dari intensitas pada citra, kecerahan, dan kontas dari sebuah gambar. 

Histogram citra adalah suatu grafik yang menyatakan hubungan antara BV (brightness value) dengan frekuensi. Dari histogram pada suatu citra yang ada kita dapat menentukan berapa buah objek yang terdapat pada citra tersebut. Satu kurva sempurna mencerminkan satu buah objek. Jadi semakin banyak kurva yang terdapat pada suatu histogram maka semakin bervariasi pula objek pada citra tersebut. Untuk tiap band yang berbeda pada satu citra, memiliki histogram dengan bentuk kurva yang berbeda-beda pula.

Histogram citra merupakan salah satu bentuk representasi grafis karakteristik spektral citra yang bersangkutan. Dengan histogram, analis citra dapat memahami citra yang dipelajari misalnya aspek kecerahan dan ketajamannya. Dari histogram juga kadang-kadang dapat diduga jenis saluran spektral citra yang digunakan. Perubahan atas distribusi nilai pada citra secara langsung berakibat pada perubahan tampilan histogram. Sebaliknya, dengan memainkan bentuk histogramnya banyak program pengolah citra secara interaktif mampu mengubah tampilan citranya. Dengan kata lain, perangkat lunak pengolah citra kadang-kadang menggunakan histogram sebagai jembatan komunikasi antara pengguna dengan data citra. [Projo, 2002].

Histogram citra dipresentasikan dengan dua bentuk: pertama tabel yang memuat kolom-kolom nilai piksel jumlah absolut setiap nilai piksel, jumlah komulatif piksel, presentase absolut setiap nilai, dan presentase komulatifnya; kedua, gambaran grafis yang menunjukkan nilai piksel pada sumbu x dan frekuensi kemunculan pada sumbu y. Melalui gambaran grafis histogram ini, secara umum dapat diketahui sifat-sifat citra yang diwakilinya. Misalnya citra yang direkam dengan spectrum gelombang relatif pendek akan menghasilkan “ bukit tunggal “ histogram yang sempit (unimodal) wilayah yang memuat tubuh air agak luas akan menghasilkan kenampakan histogram dengan dua puncak, apabila direkam pada spektrum inframerah dekat (bi-modal). Histogram unimodal yang sempit biasanya kurang mampu menyajikan kenampakan obyek secara tajam, sedangkan histogram yang gemuk (lebar) relatif lebih tajam dibandingkan yang sempit. 

Penajaman kontras citra melalui histogram dapat dilakukan dengan dua macam cara yaitu perentangan kontras dan ekualisasi histogram. Perentangan kontras merupakan upaya mempertajam kenampakan citra dengan merentang nilai maksimmum dan nilai minimum citra. Kompresi citra justru sebaliknya dilakukan dengan memampatkan histogram yaitu menggeser nilai minimum ke nilai minimum baru yang lebih tinggi dan menggeser nilai maksimum ke nilai maksimum baru yang lebih rendah sehingga histogramnya menjadi lebih “langsing”. Berbeda halnya dengan perentangan kontras yang bersifat linier, ekualisasi histogram merupakan upaya penajaman secara non- linier yang menata kembali distribusi nilai piksel citra dalam bentuk histogram ke bentuk histogram yang baru, dimana dapat terjadi penggabungan beberapa nilai menjadi nilai baru dengan frekuensi kemunculan yang baru pula. Untuk penajaman citra sendiri meliputi semua operasi yang menghasilkan citra baru dengan kenampakan visual dan karakteristik visual yang berbeda [Projo, 1996]. Citra baru disini maksudnya aadalah citra dengan kenampakan yang lebih bagus dibanding dengan citra aslinya.

Penajaman citra (enhancement) dalam pengertiannya adalah proses mengubah nilai piksel secara sistematis sehingga menghasilkan efek kenampakan citra yang lebih ekspresif sesuai dengan kebutuhan pengguna. Meliputi semua operasi yang menghasilkan citra baru dengan kenampakan visual dan karakteristik spektral yang berbeda. Penajaman Kontras ini bertujuan untuk memperoleh kesan kontras yang lebih tinggi. Dengan mentransformasi seluruh nilai kecerahan maka hasilnya adalah berupa citra baru dengan nilai maksimum awal, dan nilai minimum baru lebih rendah dari nilai minimum awal dan jika dilihat secara visual hasilnya berupa citra baru yang variasi hitam putihnya lebih menonjol sehingga tampak lebih tajam dan memudahkan proses interpretasi.

Kontras citra dapat dilakukan dengan merentangkan nilai kecerahan pikselnya. Citra asli biasanya memiliki panjang gelombang yang lebih sempit dari 0-255. Sehingga hasil citra baru memiliki histogram yang memiliki kurva lebih besar.

Pemfilteran adalah cara untuk ekstraksi bagian data tertentu dari suatu himpunan data dengan menghilangkan bagian-bagian data yang tidak diinginkan.

Filter dirancang untuk menyaring informasi spectral sehingga menghasilkan citra baru yang mempunyai variasi nilai spektral yang berbeda dengan citra asli. Terdapat dua jenis filtering, yaitu filter high pass dan filter low pass.

Filter high pass menghasilkan citra dengan variasi nilai kecerahan yang besar dari piksel ke piksel, sedangkan filter low pass justru sebaliknya, memiliki fungsi untuk menaikkan frekwensi sehingga batas satu bentuk dengan bentuk lainnya menjadi jelas. Tujuannya untuk menonjolkan perbedaan antara objek ataupun perbedaan nilai, kondisi ataupun sifat antar objek yang diwakili oleh nilai piksel.

Filter low pass adalah batas antara satu bentuk dengan bentuk lainnya menjadi kabur sehingga terkesan memiliki gradasi yang halus. Tujuannya untuk memperhalus kenampakan citra.

Membuat Histogram dengan opencv 2.47

Langkah langkah Membuat Histogram dengan menguunakan librabry opencv 2.47 dan editor menggunakan visual studio 2010.

Tuliaskn source code kode seperti dibawah ini

Lalu Build Proses, jika sukses lalu pilih tombol run dan akan membuild file.exe
Lalu klik dua kali pada file.exe

Ini adalah gambar original

ini adalah gambar yang telah di histogram