BAB 4 IMPLEMENTASI DAN EVALUASI

Transkripsi

1 40 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1. Persiapan data Untuk proses perbesaran dan penghalusan, terlebih dahulu dimasukkan file citra bertipe JPEG yang memiliki noise, baik untuk citra yang berintensitas berwarna ataupun citra yang berintensitas keabu-abuan Inputan perintah dalam menjalankan program Didalam proses, terlebih dahulu dimasukkan inputan di dalam DOS. Didalam DOS, dikenali nama citra untuk input dan output beserta extensionnya (.JPEG), dan juga perbesaran yang dimasukkan. Data inputan file JPEG kemudian diubah menjadi file PPM agar dapat dikenali ukuran dan data-data citranya. Perintah eksekusi untuk file : 1. deriche input namafile.[jpeg/jpg] zoom nilai_perbesaran output namafile_output.[jpeg/jpg] atau 2. deriche input namafile.[jpeg/jpeg] output namafile_output.[jpeg/jpg] Pada perintah eksekusi yang kedua, file output yang dihasilkan dianggap tidak diperbesar ukurannya Pengubahan citra JPEG ke citra PPM yang akan dianalisa Citra file bertipe JPEG tidak dapat dilakukan analisa karena data pada file citra bertipe JPEG berisi kode-kode ASCII yang tidak dapat dibaca secara langsung. Pada saat

2 41 file citra inputan dimasukkan ke dalam perintah diatas, maka ImageMagick akan mengubah file bertipe JPEG menjadi file yang bertipe PPM dengan mencari terlebih dahulu path untuk file convert.exe yang terletak pada C:\Program Files\ImageMagick Q16 dan kemudian mencari path untuk template path untuk menaruh file PPM yang terletak pada C:\WINDOWS\Temp. Dengan pengubahan file tersebut menjadi file bertipe PPM, maka citra akan tampil sebagai berikut: Gambar 4.1. Citra JPEG dengan ukuran 22x13 Gambar 4.2.Citra PPM dengan ukuran 22x13 Data citra JPEG untuk mata.jpeg diatas adalah: ÿøÿà JFIF d d ÿá'exif MM * b j( 1 r2 i œ È d d ÿÿ -( & ù H H ÿøÿà JFIF H H ÿí ÿî d ÿû ÿà " ÿý ÿä? 3!1AQa"q2 ±B#$RÁb34r ÑC% Sðáñcs5 ²ƒ&D TdE t6òuâeò³ ÃÓuãóF' ÄÔäô µåõåõvfv ÆÖæö7GWgw Ç ç 5!1AQaq"2 ±B#ÁRÑð3$bár CScs4ñ% ²ƒ&5ÂÒD T deu6teâò³ ÃÓuãóF ÄÔäô µåõåõvfv ÆÖæö'7GWgw ÇÿÚ? Ïnî¹ qeðv hk?eèw ªñGúOÐÑüÝÍìô OOG¾ X6zf²û-. \â?ówó_ ôhcýÿñý_ Ô~ÁêÓ p ô;6è¾ ïîý/ø½_mþïóôªö3"ìïd.ûú3í š ÙoÓü Ûö ýÿô~ J@î :xl ½h ÔmdVß²= ϳý ìª Ñ g öïñùþ ú ³Öõý ÆŸç=8- ÿ ç¾ïéný/ üßøsói%?ÿùÿí 8BIMí d d 8BIM&? 8BIM -8BIM -8BIMó 8BIM 8BIM' 8BIMô 5-8BIM 8BIM- 8BIM 7 a null boundsobjc Rct1 Top long Leftlong Btomlong Rghtlong slicesvlls Objc slice sliceidlong groupidlong originenum ESliceOrigin autogenerated Typeenum ESliceType Img boundsobjc Rct1 Top long Leftlong Btomlong Rghtlong urltext nulltext MsgeTEXT alttagtext celltextishtmlbool celltexttext horzalignenum ESliceHorzAlign default vertalignenum ESliceVertAlign default bgcolortypeenum ESliceBGColorType None topoutsetlong leftoutsetlong bottomoutsetlong rightoutsetlong 8BIM 8BIM 8BIM D t ù ÿøÿà JFIF H H ÿí ÿî d ÿû ÿà " ÿý ÿä? 3!1AQa"q2 ±B#$RÁb34r ÑC% Sðáñcs5 ²ƒ&D TdE t6òuâeò ³ ÃÓuãóF' ÄÔäô µåõåõvfv ÆÖæö7GWgw Ç ç 5!1AQaq"2 ±B#ÁRÑð3$bár CScs4ñ% ²ƒ&5ÂÒD T deu6teâò³ ÃÓuãóF ÄÔäô µåõåõvfv ÆÖæö'7GWgw ÇÿÚ? Ïnî¹ qeðv hk?eèw ªñGúOÐÑüÝÍìô OOG¾ X6zf²û-. \â?ówó_ ôhcýÿñý_ Ô~ÁêÓ p ô;6è¾ ïîý/ø½_mþïóôªö3"ìïd.ûú3í š ÙoÓü Ûö ýÿô~ J@î :xl ½h ÔmdVß²= ϳý ìª Ñ g öïñùþ ú ³Öõý ÆŸç=8- ÿ ç¾ïéný/ üßøsói%?ÿù 8BIM! U 8BIM ÿá'ï» ' id='w5m0mpcehihzreszntczkc9d'?> <rdf:description about='uuid:dafa5b88-8d39-11da-b2cc-e86a53aa34d7'

3 42 Data citra PPM untuk mata.jpeg diatas adalah: P Dari data citra diatas dapat dibaca bahwa baris pertama menunjukkan tipe citra PPM, angka 6 menunjukkan citra dengan warna binary Baris kedua menunjukkan lebar dan tinggi dari citra, Baris ketiga menunjukkan nilai maksimum dari komponen warna. Dan baris keempat sampai seterusnya menunjukkan nilai data citra PPM, dengan komposisi (tiap tiga piksel berurutan, menunjukkan warna RGB dari suatu titik). Data citra PPM itu kemudian disimpan dalam memori komputer untuk selanjutnya diproses Analisa proses penghalusan dan perbesaran Proses penghalusan memerlukan data-data PPM untuk proses penghalusannya. Pada proses ini, dihasilkan sejumlah data citra bayangan untuk digabungkan dengan data

4 43 citra semula. Pada tahap ini, penilaian kehalusan citra tergantung dari pandangan pengguna Hasil data citra PPM untuk sebagai masukan untuk proses citra terhadap gradien Data citra PPM dengan menggunakan gradien Sobel, akan dibentuk data citra bayangan. Untuk proses data PPM, maka citra bayangan yang terbentuk dihitung dari tetangganya. Hasil perhitungan citra bayangan dengan menggunakan gradien Sobel, menghasilkan citra bayangan untuk mata.jpeg diatas adalah: Tabel 4.1. nilai data citra terhadap proses gradien Keterangan lengkapnya lihat lampiran A tabel A.1 Koordinat (x,y) Data citra bayangan(rgb) (0,0) (99372, 36036, 13068) (1,0) (2352, , ) (2,0) (36963, , ) (3,0) (199692, 24768, 3072) (4,0) (10092, , 97200) (5,0) (128547, 13041, 1323) (6,0) (48, -1152, 27648) (7,0) (30603, 6363, 1323) (8,0) (8427, , 23763) (9,0) (25947, , ) (10,0) (78732, , ) Nilai negatif pada intensitas hijau dari data citra bayangan disebabkan karena terjadi penurunan intensitas dari nilai piksel citra sebelum terhadap nilai intensitas piksel sesudah dari koordinat x yang tidak diikuti dengan penurunan intensitas dari nilai piksel sebelum terhadap nilai intensitas piksel sesudah dari koordinat y.

5 Hasil data citra terhadap gradien yang akan dihaluskan terhadap proses penghalusan Canny-Deriche Data citra bayangan hasil proses terhadap gradien Sobel ini kemudian dihaluskan dengan metoda Canny Deriche. Hasil perhitungan citra bayangan dengan menggunakan metoda Canny- Deriche ini menghasilkan citra bayangan untuk mata.jpeg diatas adalah: Tabel 4.2 nilai data citra bayangan terhadap proses penghalusan Canny-Deriche Keterangan lengkapnya lihat lampiran A tabel A.2 Koordinat (x,y) Data citra bayangan (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) Hasil data citra bayangan hasil proses penghalusan Canny-Deriche yang akan diproses terhadap perhitungan nilai eigen Data citra bayangan hasil proses terhadap penghalusan Canny-Deriche ini kemudian dilakukan perhitungan terhadap nilai eigen untuk tiap-tiap koordinat pikselnya. Hasil perhitungan citra bayangan dengan menggunakan proses perhitungan nilai eigen, menghasilkan citra bayangan untuk mata.jpeg diatas adalah:

6 45 Tabel 4.3. nilai data citra bayangan hasil pemrosesan terhadap nilai Eigen Keterangan lengkapnya lihat lampiran A tabel A.3 Koordinat (x,y) Data citra bayangan (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) Hasil data citra bayangan proses perhitungan nilai Eigen terhadap proses perhitungan tepi Data citra bayangan hasil proses terhadap nilai Eigen ini kemudian dilakukan perhitungan terhadap tepi-tepi tetangganya. Hasil perhitungan citra bayangan dengan menggunakan proses perhitungan tepi, menghasilkan citra bayangan untuk mata.jpeg diatas adalah: Tabel 4.4. nilai data citra bayangan hasil pemrosesan terhadap perhitungan tepi Keterangan lengkapnya lihat lampiran A tabel A.4 Koordinat (x,y) Data citra bayangan (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) Hasil data citra baru yang dihasilkan dalam proses penghalusan Data citra bayangan baru yang diperoleh merupakan hasil proses penggabungan data citra semula dengan data citra bayangan hasil proses

7 46 penghalusan tepi-tepinya yang dibandingkan dengan piksel yang memiliki nilai absolut yang tertinggi. Hasil pembentukan nilai piksel baru untuk citra mata.jpeg yang dihasilkan untuk iterasi pertama dari proses penghalusan adalah: Tabel 4.5 nilai piksel untuk citra yang baru pada iterasi ke 1 Keterangan lengkapnya lihat lampiran A tabel A.5 Koordinat (x,y) Nilai piksel untuk citra baru (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) Pada saat modul cut dipanggil, nilai piksel baru yang dihasilkan tidak boleh melebihi nilai piksel maksimum semula dan tidak boleh kurang dari nilai piksel minimum. Ini bertujuan agar nilai piksel yang dihasilkan tidak menyimpang dari warna-warna yang ada pada citra yang diiterasikan. Citra mata.jpeg yang dihasilkan pada iterasi penghalusan pertama adalah: Gambar 4.3. penghalusan citra JPEG pada iterasi pertama

8 Contoh data citra hasil proses perbesaran Data citra baru yang diperoleh ini kemudian diperbesar dengan metoda interpolasi. Hasil pembentukan nilai piksel baru untuk citra mata.jpeg dengan sekali iterasi penghalusan dan 2 kali perbesaran adalah: Tabel 4.6 nilai piksel untuk citra yang baru hasil perbesaran interpolasi Keterangan lengkapnya lihat lampiran A tabel A.6 Koordinat (x,y) Nilai piksel untuk citra baru (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) Citra mata.jpeg yang dihasilkan pada proses perbesaran ini adalah: Contoh data citra hasil proses penghalusan pada iterasi ke 8 Data citra hasil proses penghalusan pada iterasi ke 8 untuk mata.jpeg memiliki data citra untuk tiap-tiap pikselnya yang lebih halus. Gambar 4.4. data citra hasil proses penghalusan pada iterasi ke 8 Nilai data citra yang dihasilkan pada data citra adalah: Tabel 4.7 nilai piksel untuk citra yang baru hasil proses penghalusan pada iterasi ke 8 Keterangan lengkapnya lihat lampiran A tabel A.7 Koordinat (x,y) Data citra bayangan(rgb) (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , )

9 48 (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) 4.5. Analisa waktu yang diperlukan dalam proses penghalusan dan perbesaran Setiap proses dalam penghalusan dan perbesaran memerlukan sejumlah waktu untuk menghasilkan citra dengan penghalusan dan perbesaran yang diinginkan. Dengan menggunakan processor Pentium 4 3,2Ghz dan memory 512 MB, maka pemrosesan citra dari mata.jpeg dengan ukuran piksel 22x13 membutuhkan waktu: Iterasi Citra hasil penghalusan Waktu(ms) (Dihitung awal citra) dari

10 Gambar 4.4. waktu yang diperlukan untuk pemrosesan citra mata. JPEG selama 8 iterasi Dari gambar diatas dapat disimpulkan bahwa total waktu yang diperlukan citra agar mencapai 8 iterasi adalah 63 ms. Waktu total yang diperlukan citra hasil penghalusan agar menjadi ukuran yang 2 kali lebih besar dari ukuran mata.jpeg dan mengubahnya menjadi file JPEG adalah 532 ms. Gambar hasil perbesaran dua kali citra mata.jpeg ukuran 22x13 dengan menggunakan interpolasi adalah: Gambar 4.5. Perbesaran citra dari hasil penghalusan dengan metoda interpolasi Untuk citra mata.jpeg, dengan ukuran 44x26 memerlukan iterasi sebanyak 16 kali agar menjadi citra mata.jpeg yang lebih halus. Total waktu yang diperlukan citra agar mencapai 16 iterasi adalah 188 ms. Waktu total yang diperlukan citra hasil penghalusan agar menjadi ukuran yang 2 kali lebih besar dari ukuran mata.jpeg dan mengubahnya menjadi file JPEG adalah 672 ms.

11 50 Citra awal mata.jpeg dengan ukuran 44x26 Citra hasil penghalusan Citra hasil pembesaran 2 kali dari mata.jpeg dari hasil penghalusan Gambar 4.6. perbandingan citra hasil penghalusan dan perbesaran 2 kali dari citra berukuran 44x26 Untuk citra mata.jpeg, dengan ukuran 66x39 memerlukan iterasi sebanyak 48 kali agar menjadi citra mata.jpeg yang lebih halus. Total waktu yang diperlukan citra agar mencapai iterasi ke 48 adalah 1046 ms. Waktu total yang diperlukan citra hasil penghalusan agar menjadi ukuran yang 2 kali lebih besar dari ukuran mata.jpeg dan mengubahnya menjadi file JPEG adalah 1578 ms. Untuk citra mata.jpeg, dengan ukuran 88x52 memerlukan iterasi sebanyak 192 kali agar menjadi citra JPEG yang halus. Rata-rata penambahan waktu untuk pemrosesan

12 51 citra adalah 31 ms.total waktu yang diperlukan untuk mencapai iterasi ke 192 adalah 1734 ms. Dan waktu total untuk pengubahan file menjadi tipe JPEG adalah 2312 ms Analisa terhadap citra asli Dengan menggunakan data citra asli, kita dapat membandingkan berapa banyak kali iterasi untuk menghasilkan citra dengan perubahan data citra yang paling minimum. Disamping itu, kita juga dapat menghitung berapa banyak perubahan data citra terbaik yang dihasilkan dari iterasi terhadap citra yang tidak terkena noise. Citra awal yang tidak terkena noise Citra awal yang terkena noise Banyaknya iterasi yang menghasilkan citra terbaik 61 Citra akhir hasil yang terbaik Persentase perubahan citra akhir terhadap citra awal % 150* * * % 182* * * % 176* * *126

13 % 120* * * % 184* * * % 160* * * % 143* * * % 145* * *161 Gambar 4.7. Perbandingan citra yang terkena noise dan citra awal 4.7. Analisa hasil penelitian Dari hasil penelitian di atas, dapat dikemukakan: 1. Hasil dari proses penghalusan menyatakan bahwa nilai piksel citra hasil penghalusan dengan metoda Canny-Deriche akan terus diperhalus sampai dengan perbedaan RGB antar piksel yang minimum. Nilai dengan intensitas tertinggi akan terus dikurangi dan nilai dengan intensitas terendah dari piksel akan terus ditambah. Nilai piksel baru akan berada diantara nilai intensitas tertinggi dan terendah dari piksel citra asli.

14 53 2. Proses perbesaran interpolasi untuk memperbesar citra yang diinginkan berhasil diimplementasikan dengan memperkirakan warna yang akan diletakkan pada piksel citra baru sesuai dengan piksel citra yang ada pada tetangganya. 3. Kecepatan pemrosesan citra bergantung pada kecepatan prosessor dan RAM. Disamping itu, pemrosesan bergantung pada banyaknya jumlah piksel yang akan diproses. 4. Banyaknya iterasi untuk perbandingan citra awal yang terkena noise terhadap citra yang tidak terkena noise bergantung pada banyaknya jumlah piksel yang ada dalam citra dan noise yang ada. Semakin banyaknya noise yang ada, maka makin banyak proses iterasi yang diperlukan begitu pula dengan halnya piksel yang ada. Semakin banyak piksel yang ada, maka proses untuk penghalusan semakin banyak.