Salah satu operasi di dalam analisis
citra adalah segmentasi citra, yaitu memisahkan objek dari latar belakangnya
atau dari objek lain yang tidak menjadi perhatian. Metode sementasi yang
sederhana adalah dengan operasi pengambangan (thresholding). Operasi
pengambangan menghasilkan citra biner, yang dalam hal ini objek yang diacu
di-set berwarna putih sedangkan latar belakangnya di-set berwarna hitam (atau
sebaliknya bergantung kasusnya). Eksperimen dilakukan dengan menggunakan kakas MATLAB.
Hasil eksperimen memperlihatkan bahwa pemilihan nilai ambang (threshold)
yang tepat sangat menentukan keberhasilan segmentasi.
Salah satu proses yang penting dalam pengenalan objek
yang tersaji secara visual (berbentuk gambar) adalah segmentasi. Segmentasi
objek di dalam citra bertujuan memisahkan wilayah (region) objek
dengan wilayah latar belakang. Selanjutnya, wilayah objek yang telah
tersegmentasi digunakan untuk proses berikutnya (deteksi tepi, pengenalan pola,
dan interpretasi objek).
Metode segmentasi yang umum adalah
pengambangan citra (image thresholding). Operasi pengambangan
mensegmentasikan citra menjadi dua wilayah, yaitu wilayah objek dan wilayah
latar belakang . Wilayah objek diset berwarna putih sedangkan sisanya diset
berwarna hitam (atau sebaliknya). Hasil dari operasi pengambangan adalah citra
biner yang hanya mempunyai dua derajat keabuan: hitam dan putih.
Sebelum proses segmentasi, citra
mengalami beberapa pemrosesan awal (preprocessing) untuk memperoleh
hasil segmentasi objek yang baik. Pemrosesan awal adalah operasi pengolahan
citrauntuk meningkatkan kualitas citra (image enhancement).
Informasi penting mengenai isi citra
digital dapat diketahui dengan membuat histogram citra. Histogram citra adalah
grafik yang menggambarkan penyebaran kuantitatif nilai derajat keabuan (grey
level) pixel di dalam (atau bagian tertentu) citra.
Misalkan citra digital memiliki L derajat keabuan, yaitu dari
nilai 0 sampai L – 1 (misalnya pada citra dengan kuantisasi derajat
keabuan 8-bit, nilai derajat keabuan dari 0 sampai 255). Gambar 1
memperlihatkan contoh sebuah histogram citra, yang dalam hal ini k
menyatakan derajat keabuan dan nk menyatakan jumlah pixel yang
memiliki nilai keabuan k. Seringkali pada beberapa operasi pengolahan
citrajumlah pixel yang memiliki derajat keabuan k dinormalkan
terhadap jumlah seluruh pixel didalam citra,
Histogram citra menunjukkan banyak
hal tentang kecerahan (brightness) dan kontas (contrast) dari
sebuah gambar. Puncak histogram menunjukkan intensitas pixel yang
menonjol. Lebar dari puncak menunjukkan rentang kontras dari gambar. Citra yang
mempunyai kontras terlalu terang (overexposed) atau terlalu gelap (underexposed)
memiliki histogram yang sempit. Histogramnya terlihat hanya menggunakan
setengah dari daerah derajat keabuan. Citra yang baik memiliki histogram yang
mengisi daerah derajat keabuan secara penuh dengan distribusi yang merata pada setiap
derajat keabuan pixel.
Histogram adalah alat bantu yang
berharga dalam pekerjaan pengolahan citra baik secara kualitatif maupun
kuantitatif. Histogram berguna antara lain untuk perbaikan kontras dengan
teknik histogram equalization dan memilih nilai ambang untuk melakuka
segmentasi objek.
Perbaikan kualitas citra (image
enhancement) merupakan salah satu proses awal dalam pengolahan citra
(image preprocessing). Perbaikan kualitas diperlukan karena seringkali
citra yang diuji mempunyai kualitas yang buruk, misalnya citra mengalami derau
(noise) pada saat pengiriman melalui saluran transmisi, citra terlalu
terang/gelap, citra kurang tajam, kabur, dan sebagainya. Melalui operasi
pemrosesan awal inilah kualitas citra diperbaiki sehingga citra dapat digunakan
untuk aplikasi lebih lanjut, misalnya untuk aplikasi pengenalan (recognition)
objek di dalam citra.
Yang dimaksud dengan perbaikan
kualitas citra adalah proses memperjelas dan mempertajam ciri/fitur tertentu
dari citra agar citra lebih mudah dipersepsi maupun dianalisis secara lebih
teliti. Secara matematis, image enhancement dapat diartikan sebagai
proses mengubah citra f(x, y) menjadi f ’(x,
y) sehingga ciri-ciri yang dilihat pada f(x, y)
lebih ditonjolkan [4]. Image enhancement tidak meningkatkan kandungan
informasi, melainkan jangkauan dinamis dari ciri agar bisa dideteksi lebih
mudah dan tepat.
Operasi-operasi yang digolongkan
sebagai perbaikan kualitas citra cukup beragam antara lain, pengubahan
kecerahan gambar (image brightness), peregangan kontras (contrast
stretching), pengubahan histogram citra, pelembutan citra (image
smoothing), penajaman (sharpening) tepi (edge), pewarnaan
semu (pseudocolouring), pengubahan geometrik, dan sebagainya.
REFERENSI:
[1] http://zone.ni.com/devzone/, Thresholding an Image, diakses
tanggal 11 Maret 2006, pukul 11.00.
[2] Andriyan Bayu Suksmono, Bahan Kuliah EB7031 Pengolahan
Citra Biomedik Lanjut, Teknik Elektro
2006.
[3] Anil K. Jain, Fundamentals of
Digital Image Processing, Prentice-Hall International, 1989.
[4] Hansye S. Dulimarta, Diktat
Kuliah Pengolahan Citra, Jurusan Teknik Informatika ITB,
1997.
[5] Robert J. Schalkoff, Digital
Image Processing and
Computer Vision, John Wiley & Sons, 1989.
[6] Image Processing Toolbox for Use
with MATLAB, User’s Guide
Version 2, The Mathworks, 1993.
Tidak ada komentar:
Posting Komentar