Kombinasi Kecerahan dan Kontras pada citra

Operasi peningkatan kecerahan dan peregangan kontras dapat dilakukan sekaligus untuk kepentingan memperbaiki citra. Secara umum, gabungan kedua operasi tersebut dapat ditulis menjadi

Namun, kalau yang dikehendaki adalah melakukan pengaturan agar aras keabuan pada citra f yang berkisar antara f₁ dan f₂ menjadi citra g dengan aras antara g₁ dan g₂, rumus yang diperlukan adalah

      

rumus di atas dapat diterapkan.Pertama, distribusi histogram perlu digeser ke kiri.Selanjutnya, baru dikenakan peregangan kontras.Implementasinya seperti berikut.

Meregangkan citra (Kontras)

Kontras dalam suatu citra menyatakan distribusi warna terang dan warna gelap. Suatu citra berskala keabuan dikatakan memiliki kontras rendah apabila distribusi warna cenderung pada jangkauan aras  keabuan yang sempit. Sebaliknya, citra mempunyai kontras tinggi apabila jangkauan aras keabuan lebih terdistribusi secara melebar.Kontras dapat diukur berdasarkan perbedaan antara nilai intensitas tertinggi dan nilai intensitas terendah yang menyusun piksel-piksel dalam citra.

       Perlu diketahui, citra dengan kontras rendah acapkali terjadi karena kondisi pencahayaan yang jelek ataupun tidak seragam.Hal itu dapatdiakibatkan oleh sensor-sensor penangkap citra yang tidak linear (Jain, 1989).

       Agar distribusi intensitas piksel berubah perlu dilakukan peregangan kontras. Hal ini dilaksanakan dengan menggunakan rumus

Berdasarkan rumus di atas, kontras akan naik kalau α > 1 dan kontras akan turun kalau α < 1.

            Sebelum mempraktikkan peregangan kontras, perhatikan Gambar 3.8.Gambar tersebut sengaja dibuat ekstrem sempit agar memiliki kontras yang rendah.Hal ini dapat dilihat pada histogramnya

Meningkatkan Kecerahan (brightness)

Operasi dasar yang sering dilakukan pada citra adalah peningkatan kecerahan (brightness).Operasi ini diperlukan dengan tujuan untuk membuat gambar menjadi lebih terang.

       Secara matematis, peningkatan kecerahan dilakukan dengan cara menambahkan suatu konstanta terhadap nilai seluruh piksel. Misalkan, f(y, x) menyatakan nilai piksel pada citra berskala keabuan pada koordinat (y, x). Maka, citra baru

telah meningkat nilai kecerahan semua pikselnya sebesar  terhadap citra asli f(y, x). Apabila β berupa bilangan negatif, kecerahan akanmenurun atau menjadi lebih gelap.

            Sebagai contoh, terdapat citra seperti pada Gambar dibawah.Citra tersebut dapat dicerahkan dengan memberikan perintah seperti berikut

Jika dilihat melalui histogram, peningkatan kecerahan sebenarnya berefek pada penggeseran komposisi intensitas piksel ke kanan bila β berupa bilangan positif atau ke kiri jika β berupa bilangan negatif  di Persamaan diatas. Gambar dibawah memperlihatkan keadaan ketika pencerahan dilakukan.

Histogram Citra

Histogram citra merupakan diagram yang menggambarkan frekuensi setiapnilai intensitas yang muncul di seluruh piksel citra.Nilai yang besar menyatakan bahwa piksel-piksel yang mempunyai intensitas tersebut sangat banyak.

            Pada citra berskala keabuan, jumlah aras keabuan (biasa disimbolkan dengan L) sebanyak 256. Nilai aras dimulai dari 0 hingga 255. Adapun histogram untuk suatu aras dinyatakan dengan hist(k+1) dengan k menyatakan nilai aras (0 sampai dengan L-1). Jadi,hist(k+1) menyatakan jumlah piksel yang bernilai k. Penggunaan k+1 pada hist diperlukan mengingat dalam Octavedan MATLAB tidak ada indeks nol atau hist(0). Cara menghitung hist(k+1) ditunjukkan pada algoritma berikut:

Perlu diketahui, (0:255) untuk membentuk nilai dari 0,1,2, dan seterusnya sampai dengan 255. Dengan kata lain, (0:255) membentuk larik 1 x 256. Tanda ‘ di belakang (0:255) menyatakan operasi transpos, sehingga hasilnya berupa larik berukuran 256x1. Perintah bar digunakan untuk membuat diagram batang.

Pada pengolahan citra, histogram mempunyai peran yang cukup penting.Manfaat yang dapat didapatkan seperti berikut.

1.      Berguna untuk mengamati penyebaran intensitas warna dandapat dipakai untuk pengambilan keputusan misalnya dalam peningkatan kecerahan atau peregangan kontras serta sebaran warna.

2.      Berguna untuk penentuan batas-batas dalam pemisahan  objek dari latarbelakangnya.

3.      Memberikan persentase komposisi warna dan tekstur intensitas untuk kepentingan identifikasi citra.

Khusus pada citra berwarna, histogram dapat diterapkan pada gabungan komponen-komponen RGB penyusunnya ataupun per komponen.Gambar 3.3 menunjukkan contoh mengenai hal itu.Pada gambar tersebut, I menyatakan histogram gabungan intensitas warna, R untuk komponen warna merah, G untuk komponen warna hijau, dan B untuk komponen warna biru.

Gambar Histogram pada citra berwarna secara menyeluruh (I), merah (R), hijau (G), dan biru (B)

            Histogram tidak mencerminkan susunan posisi warna piksel di dalam citra.Oleh karena itu, histogram tidak dapat dipakai untuk menebak bentuk objek yang terkandung di dalam citra. Sebagai contoh, Gambar 3.4 memperlihatkan empat buah citra yang memiliki histogram yang sama, tetapi bentuk masing-masing jauh berbeda. Dengan demikian, histogram tidak memberikan petunjuk apapun tentang bentuk yang terkandung dalam keempat citra tersebut.

Operasi Piksel

Pada pengolahan citra terdapat istilah operasi piksel atau kadang disebut operasi piksel-ke-piksel.Operasi piksel adalah operasi pengolahan citra yang memetakan hubungan setiap piksel yang bergantung pada piksel itu sendiri. Jika f(y, x) menyatakan nilai sebuah piksel pada citra f dan g(y, x) menyatakan piksel hasil pengolahan dari f(y, x), hubungannya dapat dinyatakan dengan

                                                                 

Dalam hal ini, T menyatakan fungsi atau macam operasi yang dikenakan terhadap piksel f(y, x). Model operasi inilah yang akan dibahas di bab ini,termasuk pembahasan pengolahan citra berbasis histogram

Jenis Citra

Citra Berwarna

       Citra berwarna, atau biasa dinamakan citra RGB, merupakan jenis citra yang menyajikan warna dalam bentuk komponen R (merah), G (hijau), dan B (biru).Setiap komponen warna menggunakan 8 bit (nilainya berkisar antara 0 sampai dengan 255). Dengan demikian, kemungkinan warna yang bisa disajikan mencapai 255 x 255 x 255 atau 16.581.375 warna.      Tabel 2.4 menunjukkan contoh warna dan nilai R,G, dan B.

Tabel  Warna dan nilai penyusun warna

Warna	R	G	B
Merah	255	0	0
Hijau	0	255	0
Biru	0	0	255
Hitam	0	0	0
Putih	255	255	255
Kuning	0	255	255

Gambar dibawah menunjukkan pemetaan warna dalam ruang tiga dimensi.Adapun Gambar dibawah menunjukkan keadaan suatu citra dan representasi warnanya.

Gambar  Warna RGB dalam ruang berdimensi tiga

Gambar Citra berwarna dan representasi warnanya. Setiap piksel dinyatakan dengan nilai R, G, dan B

       Hasilnya menunjukkan bahwaKotaberupa larikberdimensi tiga, dengan dimensi ketiga berisi tiga buah nilai.Hal inilah yang membedakan dengan citra berskala keabuan.Secara umum, larik hasil pembacaan citra berwarna dapat digambarkan seperti berikut.

Gambar Hasil pembacaan citra berwarna

Dimensi ketiga menyatakan komponen R, G, B. Indeks pertama menyatakan komponen R, indeks kedua menyatakan komponen G, dan indeks ketiga menyatakan komponen B.

Citra Berskala Keabuan

            Sesuai dengan nama yang melekat, citra jenis ini menangani gradasi warna hitam dan putih, yang tentu saja menghasilkan efek warna abu-abu.Pada jenis gambar ini, warna dinyatakan dengan intensitas.Dalam hal ini, intensitas berkisar antara 0 sampai dengan 255.Nilai 0 menyatakan hitam dan nilai 255 menyatakan putih

Citra Biner

            Citra biner adalah citra dengan setiap piksel hanya dinyatakan dengan sebuah nilai dari dua buah kemungkinan (yaitu nilai 0 dan 1).Nilai 0 menyatakan warna hitam dan nilai 1 menyatakan warna putih.Citra jenis ini banyak dipakai dalam pemrosesan citra, misalnya untuk kepentingan memperoleh tepi bentuk suatu objek.Sebagai contoh, perhatikan Gambar 2.16.Bagian kiri menyatakan citra beraras keabuan, sedangkan bagian kanan adalah hasil konversi ke citra biner.

Gambar Citra di kanan menyatakan bentuk citra di kiri

dengan mengabaikan komposisi warna

Mengonversi Jenis Citra

       Dalam praktik, seringkali diperlukan utuk mengonversi citra berwarna ke dalam bentuk citra berskala keabuan mengingat banyak pemrosesan citra yang bekerja pada skala keabuan.Namun, terkadang citra berskala keabuan pun perlu dikonversikan ke citra biner, mengingat beberapa operasi dalam pemrosesan citra berjalan pada citra biner.

       Bagaimana cara mengubah citra berwarna ke dalam citra berskala keabuan? Secara umum citra berwarna dapat dikonversikan ke citra berskala keabuan melalui rumus:

dengan R menyatakan nilai komponen merah, G menyatakan nilai komponen hijau, dan B menyatakan nilai komponen biru. Misalnya, sebuah piksel mempunyai komponen R, G,B sebagai berikut:

R = 50

G = 70

B = 61

Jika a, b, dan c pada Persamaan 2.1 dibuat sama, akan diperoleh hasil seperti berikut:

       I = (50 + 70 + 60) / 3 = 60

       Salah satu contoh rumus yang biasa dipakai untuk mengubah ke skala keabuan yaitu:

                        

Bagaimana halnya kalau dikehendaki untuk mengonversikan citra berskala keabuan ke citra biner?Strategi yang dipakai yaitu dengan menerapkan suatu nilai yang dikenal sebagai nilai ambang (threshold). Nilai tersebut dipakai untuk menentukan suatu intensitas akan dikonversikan menjadi 0 atau menjadi 1. Secara matematis, konversi dinyatakan dengan rumus:

Membaca Citra

    Untuk kepentingan memudahkan dalam memahami hasil proses pengolahan citra, Anda perlu mengenal perintah yang berguna untuk membaca citra yang tersimpan dalam bentuk file.Octave menyediakan fungsi bernama imread. Bentuk pemanggilannya:

       Img = imread(nama_file_citra)

Dalam hal ini, nama_file_citramenyatakan namafile citra yang hendak dibaca dan Img menyatakan larik (array) yang menampung data citra yang dibaca.Perlu diketahui, format-format gambar yang bisa dibaca oleh imread ditunjukkan pada Tabel dibawah ini

Tabel Daftar formatfile gambar yang bisa dibaca oleh imread

Format Gambar	Ekstensi	Keterangan
TIFF	.tif, .tiff	Tagged Image File Format merupakan format citra yang mula-mula dibuat boleh Aldus. Kemudian, dikembangkan oleh Microsoft dan terakhir oleh Adobe.
JPEG	.jpg, .jpeg	Joint Photographics Expert Group adalah format citra yang dirancang agar bisa memampatkan data dengan rasio 1:16.
GIF	.gif	Graphics Interface Format merupakan format yang memungkinkan pemampatan data hingga 50%. Cocok untuk citra yang memiliki area yang cukup besar dengan warna yang sama.
BMP	.bmp	Windows Bitmap merupakan format bitmap pada Windows.
PNG	.png	Portable Network Graphics biasa dibaca ‘ping’. Asal mulanya dikembangkan sebagai pengganti format GIF karena adanya penerapan lisensi GIF. Mendukung pemampatan data tanpa menghilangkan informasi aslinya.
XWD	.xwd	XWindow Dump

Kualitas Citra

       Di samping cacah intensitas kecerahan, jumlah piksel yang digunakan untuk menyusun suatu citra  mempengaruhi kualitas citra. Istilah resolusicitrabiasa dinyatakan jumlah piksel pada arah lebar dan tinggi. Resolusi piksel biasa dinyatakan dengan notasi m x n, dengan m menyatakan tinggi dan n menyatakan lebardalam  jumlah piksel. Contoh pada Gambar 2.5 menunjukkan bahwa kalau gambar apel hanya dinyatakan dalam 8 x 8 piksel,citra yang terbentuk sangat berbeda dengan aslinya.Seandainya jumlah piksel yang digunakan lebih banyak, tentu akan lebih mendekati dengan gambar aslinya. Contoh pada Gambar 2.6 memperlihatkan efek resolusi piksel untuk menampilkan gambar yang sama.

Gambar 2.7Efek resolusi berdasar jumlah piksel pada citra

ketika gambar disajikan dengan ukuran yang sama

Terlihat bahwa pada resolusi tertentu citra menjadi kabur kalau dinyatakan dengan jumlah piksel yang makinsedikit.

            Resolusi spasial ditentukan oleh jumlah piksel per satuan panjang. Istilah seperti dpi (dot per inch) menyatakan jumlah piksel per  inci. Misalnya, citra 300 dpi menyatakan bahwa citraakan dicetak dengan jumlah piksel sebanyak 300 sepanjang satu inci. Berdasarkan hal itu, maka citra dengan resolusi ruang spasial sebesar 300 dpi dicetak di kertas dengan ukuran lebih kecil daripada yang mempunyai resolusi ruang sebesar 150 dpi, meskipun kedua gambar memiliki resolusi piksel yang sama.

Kuantisasi Citra

 Citra digital sesungguhnya dibentuk melalui pendekatan yang dinamakan kuantisasi.Kuantisasi adalah prosedur yang dipakai untuk membuat suatu isyarat yang bersifat kontinu ke dalam bentuk diskret.Untuk mempermudah pemahaman konsep ini, lihatlah Gambar (a) menyatakan isyarat analog menurut perjalanan waktu t, sedangkan Gambar(b) menyatakan isyarat diskret

Gambar 2.4 Perbandingan isyarat analog dan isyarat diskret

            Pada isyarat digital, nilai intensitas citra dibuat diskret atau terkuantisasi dalam sejumlah nilai bulat. Gambar (a) menunjukkan contoh citra biner  dua nilai intensitas berupa 0 (hitam) dan 1 (putih).Selanjutnya, gambar tersebut ditumpangkan pada grid 8x8 seperti yang diperlihatkan pada Gambar (b).Bagian gambar yang jatuh pada kotak kecil dengan luaslebih kecil dibanding warna putih latarbelakang, seluruh isi kotak dibuat putih.Sebaliknya, jika mayoritas hitam, isi kotak seluruhnya dibuat hitam.Hasil pengubahan ke citra digital tampak pada Gambar (c).Adapun Gambar (d) memperlihatkan bilangan yang mewakili warna hitam (0) dan putih (1).Dengan demikian, citra digital akan lebih baik (lebih sesuai aslinya) apabila ukuran piksel diperkecil atau jumlah piksel diperbanyak.

Gambar 2.5Digitalisasi citra biner 8x8 piksel

untuk memperlihatkan bentuk piksel ideal

            Bagaimana halnya kalau gambar mengandung unsur warna (tidak sekadar hitam dan putih)? Prinsipnya sama saja, tetapi sebagai pengecualian,warna hitam diberikan tiga unsur warna dasar, yaitu merah (R = red), hijau (G = green), dan biru (B = blue). Seperti halnya pada citra monokrom (hitam-putih) standar, dengan variasi intensitas dari 0 hingga 255, pada citra berwarna terdapat 16.777.216 variasi warna apabila setiap komponen R, G, dan B mengandung 256 aras intensitas. Namun, kepekaan mata manusia untuk membedakan macam warna sangat terbatas, yakni jauh di bawah enam belas juta lebih tersebut.

       Untuk beberapa keperluan tertentu, jumlah gradasi intensitas saling berbeda. Tabel 2.1 memberikan lima contoh untuk citra beraras keabuan dan Tabel 2.2 menunjukkan empat contoh penggunaan citra berwarna (RGB). Perhatikan bahwa jumlah gradasi juga bisa dinyatakan dalam jumlah digit biner atau bit 0 dan 1 sebagai sandi digital per piksel.

     

     Dalam pengolahan citra, kuantisasi aras intensitas menentukan kecermatan hasilnya. Dalam praktik, jumlah aras intensitas piksel dapatdinyatakan dengankurang dari 8 bit. Contoh pada Gambar 2.6 menunjukkan citra yang dikuantisasi dengan menggunakan 8, 5, 4, 3, 2, dan 1 bit.

Gambar 2.6Kuantisasi citra dengan menggunakan berbagai bit

       Pada kuantisasi dengan 1 bit, jumlah level sebanyak 2 (2¹).Oleh karena itu, warna yang muncul berupa hitam dan putih saja. Perlu diketahui, penurunan jumlah aras pada tingkat tertentu membuat mata manusia masih bisa menerima citra dengan baik. Sebagai contoh, citra dengan 4 bit (Gambar 2.6(c)) dan citra dengan 8 bit (Gambar 2.6(a))  praktisterlihat sama. Hal seperti itulah yang mendasari gagasan pemampatan data citra, mengingat citra dengan jumlah bit lebih rendah tentu akan membutuhkan tempat dan transmisi yang lebih hemat.