Saturday, January 21, 2017

Thresholding

Tags

Thresholding merupakan konversi citra berwarna ke citra biner yang dilakukan dengan cara mengelompokkan nilai derajat keabuan setiap pixel kedalam 2 kelas, hitam dan putih. Pada citra hitam putih terdapat 256 level, artinya mempunyai skala “0” sampai “255” atau [0, 255], dalam hal ini nilai intensitas 0 menyatakan hitam, dan nilai intensitas 255 menyatakan putih, dan nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih. Kemudian dapat dipisahkan objek menurut rentan nilai thresholdingtersebut, sedang nilai thresholding lain diabaikan (Bradski and Kaehler, 2008). Contoh hasil thresholding adalah pada Gambar dibawah

Gambar Contoh hasil thresholding (Bradski and Kaehler, 2008)

Thursday, January 19, 2017

Blob Detection

Tags

Blob Detection atau deteksi blob yaitu mendeteksi kumpulan titik-titik pixel yang memiliki warna berbeda (lebih terang atau lebih gelap) dari latar belakang dan menyatukannya dalam suatu region. Dalam deteksi blob, algoritma yang dipakai adalah algoritma growing regions. Algoritma ini digunakan untuk menemukan blob didalam gambar dan bisa diaplikasi di sequence image. Konsep dari algoritma ini adalah menampilkan image sebagai matrik pixel dan nilai garis yang sudah pasti. Contohnya, jika image adalah image grayscale, setiap pixel dari image tersebut pastilah memiliki nilai yang mengindikasikan tingkat kecerahan dari image tersebut pada titik pixel tersebut. Dalam algoritma yang dipakai adalah dalam format binary. Frame yang diolah dengan algoritma ini adalah frame asli dan frame hasil segmentasi yang dalam tipe binary. Algoritma growing regions tersebut ditunjukkan pada gambar dibawah
Gambar Pemeriksaan blob pe garis atau suatu image
Gambar diatas adalah contoh penerapan algoritma growing regions pada image dengan ukuran 6x4 pixel. Gambar sebelah kiri adalah keseluruhan image yang telah merupakan background. Setiap titik pixel image dalam tinggi (height) dianggap sebagai garis image. Gambar di sebelah kanan adalah proses penerapan algoritma growing regions.

Konversi RGB ke HSV

Tags
RGB merupakan kependekan dari Red, Green, Blue. Warna – warna yang dibentuk oleh model warna merupakan hasil campuran dari warna-warna primer merah, hijau, dan biru berdasarkan komposisi tertentu.
HSV merupakan kependekan dari Hue, Saturation, dan Value. Dimana karakteristik pokok dari warna tersebut adalah:
1.     Hue: menyatakan warna sebenarnya, seperti merah, violet, dan kuning dan digunakan menentukan kemerahan (redness), kehijauan (greeness), dsb.
2.       Saturation: kadang disebut chroma, adalah kemurnian atau kekuatan warna.
3.      Value : kecerahan dari warna. Nilainya berkisar antara 0-100 %. Apabila nilainya 0 maka warnanya akan menjadi hitam, semakin besar nilai maka semakin cerah dan  muncul variasi-variasi baru dari warna tersebut.
Ada sebuah metode untuk mengkonversi HSV ke RGB dan sebaliknya yang dibuat oleh Travis sebagai berikut:
Pertama-tama cari nila maksimum dan minimum dari ketiga komponen RGB.
1.    Satruation (S) :
S=(max-min)/max
2.   Value (V) :                                  
Vmax
3.   Hue (H) : Pertama-tama hitung R’, G’, dan B’
R'=max-R / max-min
G'=max-G / max-min
B'=max-B / max-min
Jika Satruation, S=0, maka hue tidak terdefinisi (tidak memiliki hue berarti monochrome). kemungkinan lain:
1.      if (R = max and G = min)          -> H = 5 + B’
2.      else if (R = max and G ≠ min)   -> H = 1 − G’
3.      else if (G = max and B = min)   -> H = R’ + 1
4.      else if (G = max and B ≠ min)   -> H = 3 – B’
5.      else if (R = max)                        -> H = 3 + G’
6.      otherwise                                   -> H = 5 – R’
Hue (H) lalu dikonversi menjadi derajat/degrees dengan cara mengalikan dengan 60 sehingga menghasilkan HSV dengan S dan V antara ) dan 1 dan H antara 0-360.Diagram HSV ditunjukkan pada gambar berikut:

Gambar Diagram HSV

Histogram Citra

Tags

Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Dari histogram dapat diketahui frekuensi kemunculan nisbi (relative) dari intensitas pada citra tersebut. Histogram juga dapat menunjukan banyak hal tentang kecerahan dan kontras dari sebuah gambar. Misalkan citra digital memiliki L derajat keabuan, yaitu dari 0 sampai L 1 misalnya pada citra dengan kualitas derajat keabuan 8-bit, nilai derajat keabuan dari 0 sampai 255). Secara matematis histogram citra dihitung menggunakkan Persamaan 1, yaitu :
dimana
h1 = histogram citra
ni = jumlah pixel yang memiliki derajat keabuan i
n = jumlah seluruh pixel di dalam citra
Puncak histogram menunjukan intensitas pixel yang menonjol. Lebar dari puncak menunjukan rentang kontras dari gambar. Citra yang mempunyai kontras terlalu terang (overexposed) atau terlalu gelap (undererexposed) memiliki histogram yang sempit. Histogramnya terlihat hanya menggunakan setengah dari daerah derajat keabuan. Citra yang baik memiliki histogram yang mengisi dearah derajat keabuan secara penuh dengan distribusi yang merata pada setiap nilai intensitas pixel. Histogram citra banyak memberikan informasi penting sebagai berikut :
a.       Nilai hi menyatakan peluang (probability) pixel, P(i) dengan derajat keabuan i. jumlah seruruh nilai hi sama dengan 1, atau dapat dilihat dalam persamaan 2 berikut.
Peluang suatu pixel memiliki derajat keabuan lebih kecil atau sama dengan derajat keabuan tertentu adalah jumlah hi untuk 0 £ i £ j atau dapat dilihat dalam persamaan 3 berikut.
Puncak histogram menunjukan intensitas pixel yang menonjol h(i). Lebar puncak menunjukan rentang kontras dari gambar data tersebut disimpan dalam nilai 0 sampai 255 artinya jika nilai h(i) lebih banyak muncul berada posisi mendekati 0 maka citra tersebut dikatakan gelap sedangkan jika nilai h(i) lebih banyak kemunculan mendekati 255 maka citra tersebut bisa dikatakan terang. 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 derajat keabuan secara penuh dengan distribusi yang merata pada setiap nilai intensitas pixel. (Munir, 2004)

RGB (Red Green Blue)

Tags

Model warna RGB berorientasi hardawre, terutama warna monitor dan warna pada kamera video. Dalam model ini warna ditunjukkan dengan kombinasi tiga warna primer. Ketiga warna primer tersebut membentuk sistem koordinat catresian tiga dimensi, yang ditunjukkan gambar dibawa.
Gambar Skema warna kubik RGB.
Subruang pada gambar diatas menunjukkan posisi tiap warna. Nilai RGB terletak pada satu sudut dan nilai pada satu sudut dan nilai cyan, magenta, dan yellow berada di sudut lainnya. Warna hitam berada pada titik asal, sedangkan warna putih terletak pada titik terjauh dari titik asal. Grayscale membentuk titik garis lurus dan terletak diantara titik tersebut.

Wednesday, January 18, 2017

Citra Warna (True Color)

Tags
Pada citra warna, setiap titik mempunyai warna yang spesifik yang merupakan kombinasi dari 3 warna dasar, yaitu merah, hijau dan biru. Format citra ini sering disebut sebagai citra RGB (red-green-blue). Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit), misalnya warna kuning merupakan kombinasi warna merah dan hijau sehingga nilai RGB-nya adalah 150 0 150. Dengan demikian setiap titik pada citra warna membutuhkan data 3 byte.
Gambar Citra warna true color dan represntasi dalam data digital
Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 2 atau lebih dari 16 juta warna, dengan demikian bisa dianggap mencakup semua warna yang ada, inilah sebabnya format ini dinamakan true color yang ditunjukkan gambar diatas dan menunjukkan contoh representasi citra warna ke dalam data digital.

Citra Digital

Tags
Citra digital adalah citra yang dapat diolah oleh komputer. Perhatikan gambar dibawah Sebuah citra grayscale ukuran 150x150 piksel (elemen terkecil dari citra) diambil sebagian (kotak kecil) berukuran 9x9 piksel. Maka, monitor akan  menampilkan sebuh kotak kecil, namun, yang disimpan dalam memori komputer hanyalah angka-angka yang menunjukkan besar intensitas pada masing-masing piksel tersebut. (Sutoyo dkk, 2010).
Gambar Citra grayscale ukuran 150x150 piksel

Pengertian pengolah citra

Tags
Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh alat - alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam.  Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat, antar lain :
1.      Optik berupa foto
2.      Analog berupa sinyal video seperti gambar pada monitor televisi
3.      Digital yang dapat langsung disimpan pada suatu pita magnetik
Citra diam adalah citra tunggal yang tidak bergerak. Untuk selanjutnya, citra diam disebut citra saja. Sedangkan, citra bergerak (moving images) adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial) sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiap citra di dalam rangkaian disebut frame. (Munir, 2004)