TEKNIK PENAJAMAN CITRA DIGITAL DENGAN MENGGUNAKAN METODE CONTRAST STRECHING

Transkripsi

1 TEKNIK PENAJAMAN CITRA DIGITAL DENGAN MENGGUNAKAN METODE CONTRAST STRECHING Harvei Desmon Hutahaean Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan Abstrak Peningkatan kualitas citra merupakan salah satu proses awal dalam peningkatan mutu citra. Peningkatan mutu citra diperlukan karena seringkali citra yang dijadikan objek pembahasan mempunyai kualitas yang buruk, misalnya citra mengalami derau, kabur. Metode contrast streching dibuat dengan beberapa tahapan yaitu antara lain image enhancement berupa proses perbaikan citra dengan meningkatkan kualitas citra baik kontras maupun kecerahan. Peningkatan mutu citra adalah suatu proses mendapatkan citra yang lebih mudah diinterpretasikan oleh mata manusia. Proses pengolahan citra yang termasuk dalam kategori peningkatan mutu citra terdiri dari proses-proses yang bertujuan memperbaiki mutu citra untuk memperoleh keindahan gambar, untuk kepentingan analisis citra, dan untuk mengoreksi citra. Kata kunci: Penajaman,Citra Digital,Contrast Streching 1. Pendahuluan Pengolahan citra merupakan suatu sistem dimana proses dilakukan dengan masukan citra dan hasilnya juga berupa citra. Peningkatan kwalitas citra merupakan salah satu proses awal dalam peningkatan kwalitas citra. Peningkatan kwalitas citra diperlukan karena citra mempunyai kwalitas yang buruk, misalnya citra mengalami derau, kabur. Proses pengolahan citra yang termasuk dalam kategori peningkatan kwalitas citra terdiri dari prosesproses yang bertujuan memperbaiki kwalitas citra untuk memperoleh keindahan citra. Dalam meningkatkan kwalitas citra ada beberapa teknik yang digunakan,yaitu antara lain image enhancement, berupa proses perbaikan citra dengan meningkatkan kwalitas citra baik kontras maupun kecerahan. image restoration, proses memperbaiki model citra, color image processing. 2. Landasan Teori Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra Citra dijital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut; Citra dijital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya atau keabuan (kwantisasi); Citra dijital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar atau piksel atau pixel atau picture element atau pels) menyatakan tingkat keabuan pada titik tersebut. [4]. 2.1 Pengolahan Citra Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik- teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra yang berkualitas lebih baik daripada citra masukan disini terdapat beberap tahap pengolahan citra : 1. Pixel Pixel (picture element ) adalah sebuah titik yang merupakan elemen paling kecil pada citra satelit. Angka numerik (1 byte) dari pixel disebut digital number (DN). DN bisa ditampilkan dalam warna kelabu, berkisar antara putih dan hitam (gray scale), tergantung level energi yang terdeteksi. Pixel yang disusun dalam order yang benar akan membentuk sebuah citra. Kebanyakan citra satelit yang belum diproses disimpan dalam bentuk gray scale, yang merupakan skala warna dari hitam ke putih dengan derajat keabuan yang bervariasi. Untuk PJ, skala yang dipakai adalah 256 shade gray scale, dimana nilai 0 menggambarkan hitam, nilai 255 putih. Dua gambar di bawah ini menunjukkan derajat keabuan dan hubungan antara DN dan derajat keabuan yang menyusun sebuah citra. Untuk citra multispectral, masing masing pixel mempunyai beberapa DN, sesuai dengan jumlah band yang dimiliki. Sebagai contoh, untuk Landsat 7, masing-masing pixel mempunyai 7 Diterbitkan Oleh : STMIK Budi Darma Medan 35

2 DN dari 7 band yang dimiliki. Citra bisa ditampilkan untuk masing-masing band dalam bentuk hitam dan putih maupun kombinasi 3 band sekaligus, yang disebut color composites. Gambar di bawah ini menunjukkan composite dari beberapa band dari potongan Landat 7 dan pixel yang menyusunnya. 2. Contrast Contrast adalah perbedaan antara brightness relatif antara sebuah benda dengan sekelilingnya pada citra. Sebuah bentuk tertentu mudah terdeteksi apabila pada sebuah citra contrast antara bentuk tersebut dengan backgroundnya tinggi. Teknik pengolahan citra bisa dipakai untuk mempertajam contrast. Citra, sebagai dataset, bisa dimanipulasi menggunakan algorithm (persamaan matematis). Manipulasi bisa merupakan pengkoreksian error, pemetaan kembali data terhadap suatu referensi geografi tertentu, ataupun mengekstrak informasi yang tidak langsung terlihat dari data. Data dari dua citra atau lebih pada lokasi yang sama bisa dikombinasikan secara matematis untuk membuat composite dari beberapa dataset. Produk data ini, disebut derived products, bisa dihasilkan dengan beberapa penghitungan matematis atas data numerik mentah (DN). 3. Resolusi Resolusi dari sebuah citra adalah karakteristik yang menunjukkan level kedetailan yang dimiliki oleh sebuah citra. Resolusi didefinisikan sebagai area dari permukaan bumi yang diwakili oleh sebuah pixel sebagai elemen terkecil dari sebuah citra. Pada citra satelit pemantau cuaca yang mempunyai resolusi 1 km, masing-masing pixel mewakili rata-rata nilai brightness dari sebuah area berukuran 1 1 km. Bentuk yang lebih kecil dari 1 km susah dikenali melalui image dengan resolusi 1 km. Landsat 7 menghasilkan citra dengan resolusi 30 meter, sehingga jauh lebih banyak detail yang bisa dilihat dibandingkan pada citra satelit dengan resolusi 1 km. Resolusi adalah hal penting yang perlu dipertimbangkan dalam rangka pemilihan citra yang akan digunakan terutama dalam hal aplikasi, waktu, biaya, ketersediaan citra dan fasilitas komputasi. Gambar berikut menunjukkan perbandingan dari 3 resolusi citra yang berbeda. [4]. 2.2 Warna Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang yang berbeda. Warna merah mempunyai panjang gelombang paling tinggi, sedangkan warna ungu mempunyai panjang gelombang paling rendah. Warna-warna yang diterima oleh mata merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda. Kombinasi warna yang memberikan rentang warna yang paling lebar adalah red(r), green(g) dan blue(b) dan warna bukan merupakan besaran fisik tetapi warna merupakan suatu sensasi yang dihubungkan dengan sistem saraf kita, seperti halnya rasa maupun bau. Sensasi warna diperoleh dengan adanya interaksi antara warna dengan sistem saraf sensitive warna kita [4]. Secara harfiah, citra (image) adalah g ambar pada bidang dwimatra (2 dimensi). Ditinjau dari sudut pandang sistematis, citra merupakan fungsi continue dari intensitas cahaya pada bidang dwimatra (2D). Ada 2 jenis citra yaitu citra diam dan citra bergerak. Citra diam adalah citra tunggal yang tidak bergerak, sedangkan citra bergerak adalah rangkaian citra diam yang ditampilkan secara sekuensial. Sedangkan citra digital merupakan citra yang tersusun dalam bentuk raster (grid). Setiap kotak (tile) yang terbentuk disebut pixel (picture element) dan memiliki koordinat (x,y). Sumbu x (horizontal) : kolom (column), sample sedangkan sumbu y (vertikal) : baris (row,line). Setiap pixel memiliki nilai (value atau number) yang menunjukkan intensitas keabuan pada pixel tersebut. Derajat keabuan dimana Merepresentasikan grey level atau kode warna. Kisaran nilai ditentukan oleh bit yang dipakai dan akan menunjukkan resolusi aras abuabu (grey level resolution), sebagai berikut : 1. 1 bit 2 warna: [0,1] 2. 4 bit 16 warna: [0,15] 3. 8 bit 256 warna: [0,255] bit warna (true color) 5. Kanal Merah -Red (R): [0,255] 6. Kanal Hijau - Green (G): [0,255] 7. Kanal Biru - Blue (B): [0,255] Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan citra digital adalah sebagai berikut : 1. Untuk mendapatkan citra asli dari citra yang sudah rusak karena pengaruh noise yang bercampur dengan citra asli dalam suatu proses tertentu. Proses pengolahan citra bertujuan untuk mendapatkan citra yang mendekati citra asli. 2. Untuk mendapatkan citra dengan karakteristik tertentu dan cocok secara visual yang dibutuhkan dalam proses lanjut dalam pemrosesan analisis citra Operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut: a. Image Enhancement (Perbaikan kualitas citra) b. Image Restoration (Pemugaran Citra) c. Image Compression (Pemampatan Citra) d. Image Segmentation e. Image Analysis f. Image Recontruction (Rekontruksi Citra) Operasi-operasi tersebut bertujuan untuk membentuk objek dari beberapa citra hasil proyeksi. Pada citra digital, dengan tipe bitmap type warna pada titik-titik pixel dibentuk dari sebuah data numerik. Tinggi dan rendahnya keabuan pixel dinyatakan dalam bentuk intensitas atau derajat keabuan. Satuan lebar Diterbitkan Oleh : STMIK Budi Darma Medan 36

3 intensitas merupakan lebar memori (bit) citra yang disebut dengan format pixel[4]. Model warna adalah metode untuk menjelaskan properti atau perilaku warna didalam beberapa konteks tertentu. Tidak ada warna tunggal yang dapat menjelaskan semua aspek warna, sehingga dibuat model yang berbeda untuk mendeskripsikan perbedaan karakteristik dari warna. Sumber cahaya dideskripsikan dengan istilah frekuensi domain (hue), luminance (brighthness) dan purity (saturasi). Istilah chromaticity digunakan untuk mengacu pada dua properti yang mendefinisikan karakteristik warna yaitu purity dan frekuensi yang dominan. Pada tugas akhir ini, untuk pendeteksian wajah terlebih dahulu dilakukan pemisahan skin region dengan non skin region dengan mengacu pada model warna kulit. Dari dua komponen yang direpresentasikan oleh RGB color space, hanya nilai chrominance sebuah citra berwarna yang diambil, karena nilai luminance tidak penting dalam pemisahan skin region dan non skin region, sehingga pada kondisi pencahayaan normal tidak perlu dimasukkan dalam representasi warna kulit. Warna kulit dapat ditampilkan dalam chromatic color space. Warna chromatic didefinisikan sebagai berikut : r = R b = B ( R + G + B ) ( R + G + B ) Warna hijau tidak perlu dinormalisasi karena r + g + b = 1. Selain itu, mata manusia kurang sensitif terhadap warna hijau sehingga komponen warna hijau tidak terlalu berpengaruh. Distribusi warna wajah dapat direpresentasikan dengan Model gauss N (m,c) : Sehingga dengan mentransformasi komposisi nilai r dan b dari setiap piksel dalam suatu gambar berwarna dengan hubungan diatas, diperoleh gambar yang setiap pikselnya menunjukkan tingkat kemiripan setiap piksel dengan warna kulit, dimana dengan proses ini akan menghasilkan gambar skin likelihood Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer. Sebuah cita digital menyimpan data berupa bit yang dapat dimengerti oleh manusia dengan visualisasi bit tersebut pada kanvas menjadi gambar. Pengolahan yang dapat dilakukan terhadap citra digital antara lain adalah menampilkan bentuk gambar, melakukan perubahan terhadap gambar (image editing), dan pencetakan citra digital ke atas media berupa kertas. Citra digital terdiri dari pixel-pixel berukuran kecil yang membentuk sebuah bentuk gambar yang dapat dilihat oleh mata manusia. Kepadatan pixelpixel yang ada dalam gambar ini disebut dengan resolusi. Semakin besar resolusi sebuah citra digital maka kualitas gambar dari citra digital tersebut semakin baik. Gambar 1 menunjukkan pixel-pixel yang ada pada sebuah gambar. m = E {x} dengan x = ( r b N dan r = 1 ri N i=1 N b = 1 bi N i=1 serta C = E {(x-m) (x-m } dimana, m : rata-rata nilai N buah komponen r dan b 36 r : rata-rata nilai N buah komponen r b : rata-rata nilai N buah komponen C : kovariansi komponen-komponen r dan b. Parameter-parameter tersebut dapat digunakan untuk menentukan tingkat kemiripan setiap piksel dalam suatu gambar, dengan hubungan : P (r,b) = exp [-0.5 (x-m (x-m)] Gambar 1 : Ilustrasi Pixel pada Citra digital Warna pada Citra Digital 1. Hitam dan Putih (Monochrom) Citra biner diperoleh melalui proses pemisahan pixe-pixel berdasarkan derajat keabuan yang dimilikinya. Pada citra biner, setiap titik bernilai 0 dan 1, masing masing merepresentasikan warna tertentu. Nilai 0 diberikan untuk pixel yang memiliki derajat keabuan lebih kecil dari nilai batas yang ditentukan, sementara pixel yang memiliki derajat keabuan yang lebih besar dari batas akan di ubah menjadi nilai 1. Pada standard citra untuk ditampilkan di layar komputer, nilai biner ini berhubungan dengan ada tidaknya cahaya yang ditembakkan oleh electron yang terdapat di dalam monitor komputer. Angka 0 Diterbitkan Oleh : STMIK Budi Darma Medan 37

4 menyatakan tidak ada cahaya, dengan demikian warna yang direpresentasikan adalah hitam. Untuk angka 1, terdapat cahaya, sehingga warna yang direpresentasikan adalah putih. Standar tersebut disebut sebagai standar citra cahaya, sedangkan standar citra tinta (cat) adalah berkebalikan, karena biner tersebut menyatakan ada tidaknya tinta. Setiap titik pada citra hanya membutuhkan 1 bit, sehingga setiap byte dapat menampung informasi 8 bit. Ilustrasi dari citra biner bisa dilihat pada Gambar 2 : hitam dan putih adalah warna abu abu. Namun pada prakteknya, warna yang dipakai tidak terbatas pada warna abu abu. Sebagai contoh, dipilih warna minimalnya adalah putih dan warna maksimalnya adalah merah, maka semakin besar nilainya semakin besar pula intensitas warna merahnya. Format citra ini kadang disebut sebagai citra intensitas. Ilustrasi dari citra Gray Scale dapat dilihat pada Gambar 3: Gambar 3 : Ilustrasi Citra Grey Scale Gambar 2 : Ilustrasi Citra Biner Monochrom 2. Hitam Putih dan Abu-abu (GrayScale) Citra skala keabuan memberi kemungkinan warna yang lebih banyak daripada citra biner, karena ada nilai nilai diantara nilai minimum (biasanya = 0) dan nilai maximum. Banyaknya kemungkinan nilai minimum dan nilai maximumnya bergantung pada jumlah bit yang digunakan. Mata manusia pada umumnya hanya mempunyai kemampuan untuk membedakan maksimal 40 tingkat skala keabuan. Untuk citra tampak (v isible image) dipilih skala keabuan lebih dari 40. Pada umumnya, citra skala keabuan menggunakan jumlah bit 8, sesuai dengan satuan memori komputer. Contohnya untuk skala keabuan 4 bit, maka jumlah kemungkinan nilainya adalah 16, dan nilai maksimumnya adalah 24 1 = 23. Sedangkan untuk skala keabuan 8 bit, maka jumlah kemungkinan nilainya adalah 256, dan nilai maksimumnya adalah = 255. Format citra ini disebut skala keabuan, karena pada umumnya warna yang dipakai adalah antara warna hitam sebagai warna minimal dan warna putih sebagai warna maksimalnya, sehingga warna diantara 3. Citra Digital Berwarna Pada citra warna, setiap titik mempunyai warna yang paling spesifik yang merupakan kombinasi dari 3 warna dasar, yaitu merah (red), hijau (green) dan biru (blue). Ada perbedaan warna dasar untuk dasar cahaya. (misalnya disp lay di monitor komputer) dan untuk cat (misalnya cetakan di atas kertas). Untuk cahaya, warna dasarnya adalah red green dan blue (RGB), sedangkan untuk cat warna dasarnya adalah sian, magenta, kuning (cyan -magentayellow, CMY). Keduanya saling berkomponen. 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 Sedangkan warna ungu muda, nilai RGB nya adalah , dengan demikian setiap titik pada citra warna membutuhkan data 3 byte. Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224 atau lebih dari 16 juta warna. Dengan demikian, bisa dianggap mencakup semua warna yang ada, inilah sebabnya format ini dinamakan true color. Ilustrasi dari citra ini ada pada Gambar 4: Diterbitkan Oleh : STMIK Budi Darma Medan 38

5 Berikutnya perhatikan bagaimana pengaruh frekwensi rendah dan frekwensi tinggi pada citra dengan memanfaatkan hasil dari transformasi fourier. Dimana frekwensi pada citra dipengaruhi oleh gradiasi warna yang ada pada citra tersebut. Perhatikan hasil transformasi fourier dari beberapa citra berikut Gambar 7 berikut [6] : Gambar 4 : Ilustrasi Citra 256 Warna Gambar 7 : Contoh Transformasi Fourier Citra Bergradiasi Tinggi Gambar 5 : Ilustrasi Citra dengan warna RGB 24 bit Filtering Citra Filtering adalah suatu proses dimana diambil sebagian sinyal dari frekwensi tertentu, dan membuang sinyal pada frekwensi yang lain. Filtering pada citra juga menggunakan prinsip yang sama, yaitu mengambil fungsi citra pada frekwensi-frekwensi tertentu dan membuang fungsi citra pada frekwensifrekwensi tertentu. Berdasarkan sifat transformasi fourier dari suatu citra dan format koordinat frekwensi seperti Gambar 6 berikut ini [6]: Perhatikan bahwa warna putih (terang) pada gambar hasil transformasi fourier menunjukkan level atau nilai fungsi yang tinggi dan warna hitam (gelap) menunjukkan level atau nilai fungsi yang rendah. Berdasarkan hal ini dan format koordinat frekwensi (pada Gambar 2.6) terlihat bahwa pada Gambar 2.7 nilai-nilai yang tinggi berada pada frekwensi rendah, ini menunjukkan bahwa citra dengan gradiasi (level threshold) tinggi cenderung berada pada frekwensi rendah. Sehingga dapat disimpulkan bahwa citra dengan gradiasi tinggi berada pada frekwensi rendah. Berikutnya dengan menggunakan citra-citra yang bergradiasi rendah seperti gambar logo data sketsa dimana nilai treshold yang digunakan merupakan nilai-nilai yang kecil dapat dilihat pada Gambar 8 berikut [6]: Gambar 6 : Format Koordinat Frekuensi pada citra Gambar 8 : Contoh Transformasi Fourier Dengan Citra Gradasi Rendah Diterbitkan Oleh : STMIK Budi Darma Medan 39

6 Pada Gambar 8 terlihat bahwa hasil transformasi fourier menunjukkan nilai fungsi hanya berada pada frekwensi tinggi. Dengan demikian dapat disimpulkan bahwa citra yang bergradiasi rendah berada pada frekwensi tinggi. Demikian pula citra biner, citra dengan threshold tertentu merupakan citra-citra yang bergradiasi rendah, dan citra-citra ini berada pada frekwensi tinggi. 2.3 Lingkup Proses Perbaikan Kualitas Citra Kecerahan Gambar (Image Brightness) Kecerahan/kecermelangan gambar dapat diperbaiki dengan menambahkan atau mengurangkan sebuah konstanta kepada atau dari setiap pixel didalam citra. Nilai pixel hasil pengubahan mungkin lebih kecil atau sama dengan derajat keabuan minimum (0) atau lebih besar sama dengan derajat keabuan maksimum. Karena itu, pixel tersebut perlu dilakukan clipping ke nilai keabuan minimum atau ke nilai keabuan maximum[7] Peregangan Kontras (Contrast Stretching) 1. Citra Kontras-Rendah Citra Kontras-Rendah dicirikan dengan sebagian besar komposisi citranya adalah terang atau sebagian besar gelap. Tetapi, mungkin saja suatu citra tergolong Kontras-Rendah meskipun tidak terlalu terang atau tidak terlalu gelap bila semua pengelompokan nilai keabuan berada ditengah-tengah. Citra Kontras- Rendah dapat diperbaiki kualitasnya dengan operasi peregangan kontras. Melaui operasi ini, nilai-nilai keabuan pixel akan merentang dari 0 sampai 255 ( pada citra 8-bit ). 2. Citra Kontras-Bagus Citra Kontras-Bagus memperlihatkan jangkauan nilai keabuan yang lebar tanpa ada niali keabuan yang mendominasi. 3. Citra Kontras-Tinggi Citra Kontras-Tinggi memilki nilai jangkauan nilai keabuan yang lebar, tetapi terdapat area yang lebar yang didominasi oleh warna gelap dan area yang lebar yang didominasi oleh warna terang [4]. 4. Penajaman (Image Sharpening) Penajaman Citra bertujuan memperjelas tepi pada objek didalam citra. Penajaman Citra dilakukan dengan melewatkan citra pada penapis lolos-tinggi (high-pass filter). Karena penajaman citra lebih berpengaruh pada tepi (edge) objek, maka penajaman citra disebut juga penajaman tepi (edge sharpening) atau peningkatan kualitas tepi (edge enhancement). Akibatnya, pinggiran objek terlihat lebih tajam dibandingkan sekitarnya [4]. 3. Analisa Pada penelitian ini digunakan citra diam ( still images) 2 dimensi yang direpresentasikan ke dalam bentuk matriks berukuran N M. Matriks tersebut dapat juga dianggap sebagai larik 2 dimensi atau array 2 dimensi, karena memiliki 2 koordinat citra, yaitu koordinat x dan koordinat y. Misalkan hendak melakukan pencerahan terhadap citra ukuran 8 x 10 pixel dibawah ini : Gambar 9 : Citra Yang Akan dipertajam Untuk melakukan penyesuaian kecerahan citra pada Gambar 3.1 diatas maka tingkat kecerahan suatu citra dapat dinyatakan dalam rumus : U = U + c Dimana : U dan U = citra setelah dan sebelum penyesuaian kecerahan C = konstatan faktor penyesuaian Maka hasil pencerahan citra pada gambar 3.1 diatas adalah sebagai berikut : U merupakan nilai RGB dari masing-masing pixel kemudia ditambahkan dengan nilai constanta intensitas kecerahan sebesar 27 maka hasilnya seperti tabel dibawa ini: Tabel 1 : Nilai Rgb Metode Kecerahan Citra Pixel WARNA ASLI CITRA Intensitas Kecerahan Citra = 27 R G B R G B Diterbitkan Oleh : STMIK Budi Darma Medan 40

7 Dari hasil perhitungan tabel diatas bahwa terlihat nilai RGB akan berubah setelah diberikan pencerahan citra dan penajaman citra dengan intensitas nilai penambahannya adalah 27, dengan demikian maka citra akan semakin jelas bergantung dari citra yang diinginkan seperti apa nantinya. Berikut penjelasan mengenai RGB dan perangkat yang mendukung dalam metode kecerahan citra : Diterbitkan Oleh : STMIK Budi Darma Medan 41

8 1. RGB Dalam ruang RGB terdapat tiga bauah komponen (merah, hijau, biru) yang tidak hanya warna saja, tetapi juga luminasi atau kecerahan. Luminasi dapat dihilangkan dari tampilan warna di dalam ruang kromatik, warna kromatik dikenal juga sebagai warna asli tanpa adanya luminasi, yang dapat dilakukan dengan proses normalisasi berikut ini : R = R(R+G+B) B = B(R+G+B) Dengan : R = Komponen warana merah dari citra berwarna G = Komponen warna hijau dari citra berwarna B = Komponen warana biru dari citra berwarna r = Warna merah setelah normalisasi b = Warna biru setelah normalisasi berikut ini adalah langkah konversi citra RGB menjadi komponen Y,Cb, dan Cr Y = 0,257*R+0,504*G+0,098*B+16 Cb = 0,148*R- 0,291*G+0,439*B+128 Cr = 0,439*R-0,368*G- 0,071*B+128 Filter merah hijau biru, adalah filter optic yang biasa menyaring atau melewatkan/menembuskan cahaya merah saja atau hijau saja atau biru saja. Sensor citra seperti yang digunakan dalam kamera EFS-1 tidak bisa melihat warna, tapi hanya bereaksi terhadap photon atau cahaya sesaat dan menghitung instensitasnya. Dengan memakai filter R, G dan B pada rangkain citra, kita bias menterjemahkan warna suatu citra dengan sorting awal dan mengukur intensitas cahaya R, G dan B yang terpantul atau tentranmisi pada suatu citra. Saat komponen RGB diukur, langsung diprosses dan digabungkan secara algoritma untuk menentukan warna yang paling cepat. 2. HSV HSV adalah model yang umumnya digunakan dalam aplikasi komputer grafis. Dalam konteks berbagi aplikasi, pengguna harus memilih warna yang akan diterapkan ke elemen tertentu grafis. Bila digunakan dengan cara ini, roda warna HSV yang sering digunakan. HSL dan HSV adalah dua pernyataan yang terkait poin dalam ruang warna RGB, yang mencoba untuk menjelaskan hubungan perceptual warna yang lebih akurat dari pada RGB. 3. YCbCr Salah satu dari dua warna dasar yang digunakan untuk mewakili spasi komponen digital video (lainya adalah RGB). Perbedaan antara YCbCr dan RGB adalah warna yang mewakili warna merah, hijau, dan biru. Dalam YCbCr, maka Y adalah kecerahan ( luma), Cb adala biru minus lama (BY) dan Cr adalah merah minus (Ry). 4. CIE LUV CIE LUV adalah perangkat yang independent, dan warna yang sama dengan LUV component compiguration adalah untuk melihat yang sama pada semua pamantau. 4. Algoritma Dan Implementasi 4.1 Algoritma Kecerahan Kontras dan Penajaman Citra Adapun algoritma dari Kecerahan dan Kontras Citra yaitu sebagai berikut : Input : Citra Proses : Penajaman dan Pencerahan Citra Output : File Citra hasil Contrast Start View Menu Utama Open File Citra Filter File Citra = "Char_Rec (*.jpg) *jpg Char_Rec (*.bmp) *.bmp Char_Rec (*.ico) *.ico Char_Rec (*.psd) *.psd Char_Rec (*.png) *.png All Files(*.*) *.*" Proses Kecerahan dan Ketajaman File Citra Save as file citra End Algoritma Program Kecerahan File Citra : Dim Brightness As Single Dim NewColor As Long Dim x, y As Integer Dim r, g, b As Integer Brightness = val '/ 100 For x = 0 To opic.scalewidth For y = 0 To opic.scaleheight NewColor = GetPixel(oPic.hdc, x, y) r = (NewColor Mod 256) b = (Int(NewColor / 65536)) g = ((NewColor - (b * 65536) - r) / 256) r = r + Brightness b = b + Brightness g = g + Brightness If r > 255 Then r = 255 If r < 0 Then r = 0 If b > 255 Then b = 255 If b < 0 Then b = 0 If g > 255 Then g = 255 If g < 0 Then g = 0 SetPixelV opic.hdc, x, y, RGB(r, g, b) Next y If x Mod 10 = 0 Then opic.refresh Next x opic.refresh Diterbitkan Oleh : STMIK Budi Darma Medan 42

9 Algoritma Program Ketajaman File Citra : If pix.red < 128 Then pix.red = CheckLowByte(pix.red + iamnt) Else pix.red = CheckHighByte(pix.red - iamnt) End If If pix.blue < 128 Then pix.blue = CheckLowByte(pix.blue + iamnt) Else pix.blue = CheckHighByte(pix.blue - iamnt) End If If pix.green < 128 Then pix.green = CheckLowByte(pix.green + iamnt) Else pix.green = CheckHighByte(pix.green - iamnt) End If Contrast = pix 4.2 Imlementasi Berikut ini tampilan menu utama : Gambar 11 : Tampilan Open File Citra Disini gambar yang digunaka merupakan format jpeg, bmp, gip dan banyak format gambar yang mendukung dari pengambilan data yang telah disimpan pada menu. Format yang mendukung tersebut yang hanya bisa digunakan dalam program ini. Program ini tidak bisa memuat format 3gp, pdf, doc maupun format selain dari format untuk menampilkan gambar. 2. Pilih rasio yang diinginkan kemudian klik Penajaman untuk mengubah Ketajaman File Citra. Gambar 10 : Tampilan Menu Utama Pada halaman utama ini terdapat beberapa menu, yaitu menu File dan about me. Pada sub menu file open berfungsi untuk mengambil file citra yang akan diproses Penajaman dan Pencerahan sesuai rasio yang kita inginkan. Pada sub menu save as berfungsi untuk menyimpan citra hasil Brightness dan Contrast yang telah dibuat. Langkah-langkah penggunaannya : 1. Buka File Citra yang akan diproses. Gambar 12 : Tampilan Penajaman File Citra Rasio disini merupakan pembanding yang penulis jadikan untuk membandingkan gambar yang satu dengan gambar yang lain, disini merupakan resolusi perubahan RGB yang nyata terjadi pada rasio ini dengan cara menambahkan maupun mengurangkan tingkat pencerahan yang terdapat pada perogram yang penulis ciptakan. Disini penulis peruntukkan perogram ini guna untuk mendapatkan hasil yang sempurna pada gambar yang ada. Diterbitkan Oleh : STMIK Budi Darma Medan 43

10 3. Pilih rasio yang diinginkan kemudian klik Pencerahan untuk mengubah Kecerahan File Citra. Gambar 13 : Tampilan Kecerahan File Citra 5. Daftar Pustaka 1. Basuki, A., Palandi, J, F., Fatchurrochman, 2005, Pengolahan Citra Digital menggunakan Visual Basic, Yogyakarta, Graha Ilmu. 2. Kristanto, A., 2004, Rekayasa Perangkat Lunak (Konsep Dasar), Yogyakarta, Gava Media. 3. Kusumo, A, S., 2000, Buku Latihan Visual Basic 6.0, Jakarta, PT. Elex Media Komputindo. 4. Munir, R., 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Bandung, Informatika. 5. Santoso, I., 1997, Interaksi Manuasia dan Komputer Teori dan Praktek, Yogyakarta, Adi Offset. 6. Putra, 2010, Pengolahan Data Citra, Yogyakarta, Penerbit Andi. Diterbitkan Oleh : STMIK Budi Darma Medan 44