PENERAPAN ALGORITMA IMAGE TINTING PADA CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL REGION MERGING

Transkripsi

1 PENERAPAN ALGORITMA IMAGE TINTING PADA CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL REGION MERGING Erwin Panggabean.,ST.,M.Kom, Guntur Syahputra, S.Kom, M.Kom Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No 1 Medan, Sumatera Utara 0154, Indonesia erwin_gabe @yahoo.co.id Abstrak Image tinting merupakan teknik segmentasi citra yang berfungsi untuk mengubah sebagian warna dari citra digital tanpa mengubah bagian citra digital yang lain. Dalam image tinting, area yang dipisahkan tetap menjadi satu kesatuan dengan citra digital awal. Area yang dipisahkan ini dapat diproses lebih lanjut seperti mengubah warna, ukuran atau menghapusnya tanpa menggangu citra digital awal. Image tinting ini dirancang menggunakan metode SRM (Statistical Region Merging), yang merupakan salah satu metode image tinting yang bekerja dengan cara membaca nilai statistik dari pixel dari wilayah (region) yang dipilih dalam proses pengolahan. Nilai statistik region ini yang nantinya dijadikan bahan acuan dalam menyatukan kembali wilayah yang diolah ke dalam citra yang dipotong sebelumnya. Sistem ini dirancang menggunakan bahasa pemograman Visual Studio dan sudah bisa digunakan untuk melakukan image tinting terhadap citra digital dengan format BMP dan JPG sesuai dengan region yang dipilih dan hasilnya bisa di simpan dalam format BMP. Namun sistem ini belum bisa digunakan untuk menentukan region melebihi 5 region, sehingga masih membutuhkan pengembangan lebih lanjut. Kata Kunci : Pengolahan Citra, Grafika Komputer, Image Tinting dan Statistical Region Merging (SRM) I Pendahuluan 1.1 Latar Belakang Masalah Pengolahan citra merupakan salah satu cabang dalam ilmu komputer yang berfungsi untuk memanipulasi sebuah citra digital. Melalui grafika komputer, pengguna komputer dapat melakukan pemugaran terhadap citra digital yang rusak dan pengubahan terhadap bentuk citra digital. Salah satu bentuk pengolahan citra digital adalah image tinting. Image tinting merupakan teknik segmentasi citra yang berfungsi untuk mengubah sebagian warna dari citra digital tanpa mengubah bagian citra digital yang lain. Image tinting sekilas mirip dengan image cropping, di mana citra digital diblok sesuai dengan area yang akan diproses kemudian dipisahkan dari citra digital tersebut. Namun, pada image cropping, area yang dipisahkan tersebut menjadi bagian yang terlepas dari citra digital awal, sehingga diperoleh citra digital baru hasil pemotongan. Dalam image tinting, area yang dipisahkan tetap menjadi satu kesatuan dengan citra digital awal. Area yang dipisahkan ini dapat diproses lebih lanjut seperti mengubah warna, ukuran atau menghapusnya tanpa menggangu citra digital awal. SRM (Statistical Region Merging), merupakan salah satu metode image tinting yang bekerja dengan cara membaca nilai statistik dari pixel dari wilayah (region) yang dipilih dalam proses pengolahan. Nilai statistik region ini yang nantinya dijadikan bahan acuan dalam menyatukan kembali wilayah yang diolah ke dalam citra yang dipotong sebelumnya. Berdasarkan uraian di atas, penulis tertarik untuk merancang sebuah perangkat lunak dan menuangkannya ke dalam penelitian yang berjudul Penerapan Image Tinting Pada Citra Digital Menggunakan Metode Statistical Region Merging. 1. Perumusan Masalah Adapun perumusan masalah dalam penelitian ini adalah sebagai berikut : 1

2 1. Bagaimana cara melakukan tinting pada sebuah citra digital dengan format BMP?. Bagaimana proses pembacaan dan penyatuan region pixel dengan metode SRM? 3. Bagaimana merancang sebuah aplikasi image tinting pada sebuah citra BMP dengan menggunakan metode SRM? 1.3 Batasan Masalah Sedangkan batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Format citra digital yang dapat diolah dibatasi pada citra digital dengan format BMP.. Ukuran maksimal file citra digital BMP yang dapat diproses dibatasi pada dimensi 500 X Region pixel yang dikenali dan diproses dengan metode SRM dibatasi pada region pixel yang homogen. 4. Bahasa pemrograman yang digunakan adalah Microsoft Visual Studio Tujuan dan Manfaat Penelitian Adapun tujuan dari penulisanpenelitianini adalah : 1. Untuk mengetahui proses tinting pada file citra digital dengan format BMP.. Untuk mengetahui proses pembacaan dan penyatuan region pixel dengan metode SRM. 3. Untuk merancang sebuah aplikasi image tinting pada sebuah citra digital BMP dengan menggunakan metode SRM. Manfaat yang diambil dari penulisanpenelitianini adalah : 1. Sebagai bahan referensi mengenai teknik tinting pada sebuah citra digital, khususnya citra digital dengan format BMP.. Sebagai bahan referensi mengenai proses tinting sebuah citra digital dengan metode SRM. 3. Menghasilkan sebuah perangkat lunak yang dapat membantu pengguna komputer dalam melakukan tinting pada citra digital format BMP yang dimilikinya. 1.5 Metode Penelitian Adapun metode penelitian yang digunakan dalam penelitian ini adalah : 1. Perencanaan Perencanaan adalah suatu proses yang melibatkan penentuan sasaran atau tujuan organisasi, menyusun strategi yang menyeluruh untuk mencapai sasaran yang ditetapkan, dan mengembangkan hierarki rencana secara menyeluruh untuk mengintegrasikan dan mengkoordinasikan kegiatan.. Perancangan George M. Scott memberikan definisi mengenai perancangan sistem sebagai berikut : Desain sistem menentukan bagaimana suatu sistem akan menyelesaikan apa yang mesti diselesaikan, tahap ini menyangkut mengkonfigurasikan dari komponen komponen perangkat lunak dan perangkat keras dari suatu sistem sehingga setelah instalasi dari sistem akan benar benar memuaskan rancang bangun yang telah ditetapkan pada akhir analisis sistem. (Jogiyanto, 005 : 196 ) 3. Implementasi Implementasi adalah proses untuk melaksanakan ide, program atau seperangkat aktivitas baru dengan harapan orang lain dapat menerima dan melakukan perubahan. 4. Pengujian Sistem Pengujian adalah proses untuk menguji apakah sistem yang dihasilkan masih memiliki galat (error) serta apakah sistem telah sesuai dengan bentuk perancangan sebelumnya II.1 LANDASAN TEORI Citra Digital Menurut Baxes (004 : 1) : Citra digital dapat didefinisikan sebagai fungsi dua variabel f(x,y), di mana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue RGB). Tampilan citra digital dapat dilihat pada Gambar.1.

3 . Gambar.1 Contoh Citra Digital Sumber : Baxes (004 :3) RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru, digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar, misalnya merah, dapat diberi rentang nilai. Untuk monitor komputer, nilai rentangnya paling kecil = 0 dan paling besar = 55. Pilihan skala 56 ini didasarkan pada cara mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer. Dengan cara ini, akan diperoleh warna campuran sebanyak 56 x 56 x 56 = jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu komponen x, komponen y dan komponen z. Misalkan sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna, komponen komponen tersebut digantikan oleh komponen R(ed), G(reen), B(lue). Jadi, sebuah jenis warna dapat dituliskan sebagai berikut: warna = RGB(30, 75, 55). Putih = RGB (55,55,55), sedangkan untuk hitam= RGB(0,0,0). Bentuk Representasi warna dari sebuah citra digitial dapat dilihat pada Gambar.. Gambar. Representasi Warna RGB Pada Citra Digital Sumber : Baxes (004 : 5) Format Citra Digital Citra digital memiliki beberapa format yang memiliki karakteristk tersendiri. Format pada citra digital ini umumnya berdasarkan tipe dan cara kompresi yang digunakan pada citra digital tersebut. Menurut Awcock (006 : 18) : Ada empat format citra digital yang sering dijumpai, antara lain : 1. Bitmap (BMP) Merupakan format Gambar yang paling umum dan merupakan format standard windows. Ukuran filenya sangat besar karena bisa mencapai ukuran Megabytes. File ini merupakan format yang belum terkompresi dan menggunakan sistem warna RGB (Red, Green, Blue) di mana masing masing warna pixelnya terdiri dari 3 komponen R, G, dan B yang dicampur menjadi satu. File BMP dapat dibuka dengan berbagai macam software pembuka Gambar seperti ACDSee, Paint, Irvan View dan lain lain. File BMP tidak bisa (sangat jarang) digunakan di web (internet) karena ukurannya yang besar. Adapun uraian tentang tabel.1(bitmap Info Header ) dan tabel. (Bitmap Core Header) di bawah ini, sebagai berikut: Tabel.1 Bitmap Info Header Nama Field Size Keterangan in Bytes bftype Mengandung karakter BM yang mengidentifikasikan tipe file bfsize 4 Memori file bfreserved1 Tidak dipergunakan bfreserved1 Tidak dipergunakan bfoffbits 4 Offset untuk memulai data pixel Sumber : Awcock (006 : 1) Tabel. Bitmap Core Header Field Name Size in Keterangan Bytes bcsize 4 Memori Header bcwidth Lebar Gambar bcheight Tinggi Gambar bcplanes Harus 1 bcbitcount Bits per pixels 1,4,8 atau 4 Sumber : Awcock (006 : 1) 3

4 Menurut Gonzales dan Woods (003 : 38) : Umumnya, operasi operasi pengolahan citra diterapkan pada citra bila : 1. Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra.. Elemen di dalam citra perlu di kelompokkan, dicocokkan atau diukur. 3. Sebagian citra perlu di gabung dengan bagian citra yang lain. Di dalam bidang komputer, ada 3 bidang studi yang berkaitan dengan citra, namun tujuan ketiganya berbeda, yaitu : 1. Grafika Komputer Grafika komputer adalah proses untuk menciptakan suatu citra berdasarkan deskripsi maupun latar belakang yang terkandung dalam citra tersebut, seperti terlihat pada Gambar.4. Grafika komputer berperan dalam visualisasi dan virtual reality. Gambar.4 Grafika Komputer Sumber : Baxes, Gregory (004 : 61). Pengolahan Citra Pengolahan Citra merupakan proses perbaikan atau modifikasi citra dilakukan untuk meningkatkan kualitas penampakan citra tersebut, seperti terlihat pada Gambar.5. Contoh aplikasi dari pengolahan citra antara lain perbaikan kontras gelap, perbaikan tepian objek, penajaman dan pemberian warna semu. Steganography dan watermarking juga termasuk dalam bagian studi citra ini. seperti terlihat pada Gambar.5. Tujuan dari pengelompokkan adalah untuk mengenali suatu objek di dalam citra. Komputer akan menerima masukan berupa citra objek yang akan diidentifikasi kemudian memproses citra tersebut dan memberikan keluaran berupa informasi atau deskripsi objek di dalam citra. III ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Sistem Sebelum melakukan perancangan aplikasi image tinting dengan metode SRM ini, terlebih dahulu dilakukan analisa mengenai bentuk sistem yang akan dirancang. Analisa ini berfungsi sebagai kerangka dasar dalam proses perancangan perangkat lunak, agar dihasilkan aplikasi image tinting sesuai dengan tujuan awal Analisa Proses Tinting Dengan Metode SRM Sebelum melakukan perancangan aplikasi image tinting dengan metode SRM ini, terlebih dahulu dilakukan analisa bagaimana cara melakukan image tinting secara manual menggunakan metode tersebut. Dalam analisa ini digunakan sebuah contoh kasus untuk melihat proses segmentasi sebuah citra digital untuk menghasilkan region region warna dari citra tersebut. Sebagai contoh kasus, terdapat sebuah citra digital dengan susunan warna seperti terlihat pada Gambar 3.1. Gambar.5 Pengolahan Citra Sumber : Baxes, Gregory (004 : 63) 3. Pengenalan Pola Pengenalan Pola adalah proses mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh komputer, Gambar 3.1 Susunan Warna Sebuah Citra Digital 4

5 Citra digital pada Gambar 3.1 memiliki ukuran dimensi 15 X 15 pixel. Dengan demikian, maka diperoleh luas wilayah (image area) dari citra digital tersebut sebesar 15 X 15 = 55 unit. Langkah pertama yang dilakukan adalah mengkonversi nilai pixel warna pada citra digital tersebut dalam bentuk nilai RGB. Adapun hasil konversi nilai pixel citra digital pada Gambar 3.1 di atas dalam bentuk nilai RGB, seperti ditunjukkan pada Gambar 3. Gambar 3. Nilai RGB Citra Digital Selanjutnya, dilakukan pengelompokan terhadap pixel pixel yang memiliki nilai RGB yang sama, sebagai berikut : 1. Pixel Dengan Nilai RGB (55,0,0) (0,0), (0,1), (0,), (0,3), (0,4), (0,5), (0,6), (0,7), (0,8), (0,9), (0,10), (0,11), (0,1), (0,13), (0,14), (1,0), (1,1), (1,13), (1,14), (,0), (,13), (,14), (3,0), (3,14), (4,0), (4,14), (5,0), (5,14), (6,0), (6,14), (7,0), (7,14), (8,0), (8,1), (8,13), (8,14), (9,0), (9,1), (9,), (9,1), (9,13), (9,14), (10,0), (10,1), (10,), (10,3), (10,4), (10,10), (10,11), (10,1), (10,13), (10,14), (11,0), (11,1), (11,), (11,3), (11,4), (11,5), (11,9), (11,10), (11,11), (11,1), (11,13), (11,14), (1,0), (1,1), (1,), (1,3), (1,4), (1,5), (1,6), (1,7), (1,8), (1,9), (1,10), (1,11), (1,1), (1,13), (1,14), (13,0), (13,1), (13,), (13,3), (13,4), (13,5), (13,6), (13,7), (13,8), (13,9), (13,10), (13,11), (13,1), (13,13), (13,14), (14,0), (14,1), (14,), (14,3), (14,4), (14,5), (14,6), (14,7), (14,8), (14,9), (14,10), (14,11), (14,1), (14,13), (14,14).. Pixel Dengan Nilai RGB (0,0,0) (1,), (1,3), (1,4), (1,5), (1,6), (1,7), (1,8), (1,9), (1,10), (1,11), (1,1), (,1), (,13), (3,1), (3,4), (3,10), (3,13), (4,1), (4,3), (4,4), (4,5), (4,9), (4,10), (4,11), (4,13), (5,1), (5,4), (5,10), (5,13), (6,1), (6,13), (7,1), (7,6), (7,7), (7,8), (7,13), (8,), (8,7), (8,1), (9,3), (9,4), (9,5), (9,7), (9,9), (9,10), (9,11), (10,5), (10,9), (11,6), (11,7), (11,8), (11,9) 3. Pixel Dengan Nilai RGB (55,55,0) (,), (,3), (,4), (,5), (,6), (,7), (,8), (,9), (,10), (,1), (,1), (3,), (3,3), (3,5), (3,6), (3,7), (3,8), (3,9), (3,11), (3,1), (4,), (4,6), (4,7), (4,8), (4,1), (5,), (5,3), (5,5), (5,6), (5,7), (5,8), (5,9), (5,11), (5,1), (6,), (6,3), (6,4), (6,5), (6,6), (6,7), (6,8), (6,9), (6,10), (6,11), (6,1), (7,), (7,3), (7,4), (7,5), (7,9), (7,10), (7,11), (7,1), (8,6), (8,8), (9,6), (9,7), (9,8). Setelah setiap pixel dikelompokkan berdasarkan nilai RGB masing masing, selanjutnya akan ditentukan region warna dari setiap kelompok pixel berdasarkan jumlah close pixel dan open pixel masing masing. Menurut S. Battiato, et al (006), close pixel merupakan pixel yang memiliki pixel bersebelahan dengan nilai yang sama, sedangkan open pixel merupakan pixel sisanya. Sebagai contoh, untuk pixel pada posisi (1,1), memiliki close pixel dengan pixel pada posisi (0,0), (0,1), (0,), (1,0) dan (,0). Sedangkan untuk open pixelnya berada pada posisi (1,), (,1) dan (,). Sehingga, pixel pada posisi (1,1) memiliki jumlah close pixel sebanyak 5 dan open pixel sebanyak 3. Berdasarkan klasifikasi jumlah close pixel ini, akan ditentukan region warna untuk setiap kelompok nilai RGB sebagai berikut : 1. Nilai RGB (55,0,0) Dengan close pixel (0,3), (0,4), (0,5), (0,6), (0,7), (0,8), (0,9), (0,10), (0,11), (3,0), (3,14), (4,0), (4,14), (5,0), (5,14), (6,0), (6,14).. Nilai RGB (55,0,0) Dengan 3 close pixel (0,0), (0,), (0,1), (0,14), (,0), (,14), (7,0), (7,14), (14,0), (14,14) 3. Nilai RGB (55,0,0) Dengan 4 close pixel (0,1), (0,13), (1,0), (1,14), (8,0), (8,14), (11,4), (11,10) 5

6 Nilai RGB (55,0,0) Dengan 5 close pixel (1,1), (1,13), (8,1), (8,13), (9,0), (9,), (9,1), (9,14), (10,0), (10,14), (11,0), (11,5), (11,9), (11,14), (1,0), (1,7), (1,14), (13,0), (13,14), (14,1), (14,), (14,3), (14,4), (14,5), (14,6), (14,7), (14,8), (14,9), (14,10), (14,11), (14,1), (14,13) Nilai RGB (55,0,0) Dengan 6 close pixel (10,3), (10,11), (1,6), (1,8), Nilai RGB (55,0,0) Dengan 7 close pixel (9,1), (9,13), (10,), (10,1), (11,4), (11,11), (1,5), (1,9) Nilai RGB (55,0,0) Dengan 8 close pixel (10,1), (10,13), (11,1), (11,), (11,3), (11,11), (11,1), (11,13), (1,1), (1,), (1,3), (1,4), (1,10), (1,11), (1,1), (1,13), (13,1), (13,), (13,3), (13,4), (13,5), (13,6), (13,7), (13,8), (13,9), (13,10), (13,11), (13,1), (13,13) Nilai RGB (0,0,0) Dengan 1 close pixel (9,7) Nilai RGB (0,0,0) Dengan close pixel (1,), (1,3), (1,4), (1,5), (1,6), (1,7), (1,8), (1,9), (1,10), (1,11), (1,1), (,1), (,13), (3,1), (3,13), (4,1), (4,13), (5,1), (5,13), (6,1), (6,13), (7,1), (7,6), (7,8), (7,13), (8,), (8,1), (9,3), (9,5), (9,9), (9,11), (10,5), (10,9), (11,6), (11,7), (11,8) Nilai RGB (0,0,0) Dengan 3 close pixel (3,4), (3,10), (4,3), (4,5), (4,9), (4,11), (5,4), (5,10), (7,7), (8,7), (9,4), (9,10), (10,5), (10,9) Nilai RGB (0,0,0) Dengan 4 close pixel (4,4), (4,10), (8,7) Nilai RGB (55,55,0) Dengan close pixel (10,6), (10,8) Nilai RGB (55,55,0) Dengan 3 close pixel (,), (,1), (8,6), (8,8) Nilai RGB (55,55,0) Dengan 4 close pixel (,3), (,4), (,5), (,9), (,10), (,11), (3,), (3,1), (4,), (4,1), (5,), (5,1), (7,), (7,1), (8,3), (8,11), (9,6), (9,8), (10,7) Nilai RGB (55,55,0) Dengan 5 close pixel (,6), (,7), (,8), (3,3), (3,5), (3,9), (3,11), (6,), (6,4), (6,9), (6,11), (7,), (7,7), (7,1), (8,4), (8,5), (8,9), (8,10) Nilai RGB (55,55,0) Dengan 6 close pixel (6,5), (6,6), (6,8), (6,9) Nilai RGB (55,55,0) Dengan 7 close pixel (3,6), (3,8), (4,6), (4,8), (5,5), (5,7), (6,), (6,3), (6,10), (6,11), (7,3), (7,5), (7,9), (7,11) 18. Nilai RGB (55,55,0) Dengan 8 close pixel (3,7), (4,7), (5,7), (7,4), (7,10) Dari hasil pengelompokan region yang dilakukan, diperoleh hasil bahwa pixel dengan nilai RGB (55,0,0) memiliki 7 region, pixel dengan nilai RGB (0,0,0) memiliki 4 region dan pixel dengan nilai RGB (55,55,0) memiliki 7 region. Total diperoleh 18 region dari hasil pengelompokan pixel berdasarkan nilai RGB dan close pixel yang dimilikinya. Dengan pembagian region region ini, proses tint pada citra digital tersebut akan semakin mudah dilakukan. Melalui pemilihan region yang akan di tint warnanya, perubahan hanya akan terjadi pada region yang dipilih, sehingga tidak akan menggangu pixel lain yang tidak termasuk ke dalam region tersebut. IV HASIL DAN PEMBAHASAN 4.1 Algoritma Program Untuk memudahkan proses penulisan coding dalam bahasa pemrograman yang digunakan, penulis merancang algoritma program yang akan digunakan sebagai bahan acuan. Bentuk rancangan algoritma program dari aplikasi image tinting dengan metode SRM ini adalah sebagai berikut : 1. Algoritma Menu Utama Algoritma Menu Utama merupakan algoritma yang digunakan untuk menjelaskan alur program yang terjadi pada form Utama. Adapun bentuk rancangan algoritma Menu Utama pada perancangan aplikasi ini adalah sebagai berikut : Input : citra digital Proses : Jika tombol Buka Gambar diklik maka Tampilkan jendela Open File Dialog Input pilihan citra digital Load citra digital pada picture box Atau jumlah region warna diubah maka Lakukan pengelompokan warna Atau Tombol Pilih Warna Tint diklik maka Tampilkan Form Pilih Warna Input pilihan warna tint Simpan pilihan warna tint Atau Tombol Tint Warna diklik maka Lakukan proses image tinting Atau Tombol Simpan Gambar diklik maka 6

7 Tampilkan jendela Save File Dialog Input pilihan lokasi penyimpanan Simpan hasil proses image tinting Selesai Output : Hasil Image Tinting. Algoritma Pengelompokan Warna Algoritma pengelompokan warna merupakan algoritma yang digunakan untuk menjelaskan alur proses pengelompokan warna menjadi region region dengan menggunakan metode SRM. Adapun bentuk rancangan algoritma pengelompokan warna pada perancangan aplikasi ini adalah sebagai berikut : Input : Citra Digital Proses : Baca seluruh nilai pixel citra digital Baca jumlah region warna Simpan jumlah region warna dalam variabel JRW Tentukan bentuk pemodelan region Bentuk array Region (JRW 1) Untuk i = 0 sampai Jumlah pixel Hitung selisih pixel ke i+1 dengan pixel ke i Kembali ke i Urutkan pixel berdasarkan selisih yang terkecil Untuk i = 0 sampai Jumlah pixel Baca nilai pixel yang sudah terurut pada posisi ke i Untuk j = 0 sampai Jumlah bentuk model region Jika pixel pada posisi ke i ½ nilai rata rata batas model region Maka Region (i) = Nilai pixel ke i Selesai Kembali ke j Kembali ke i Output : Tampilkan model region warna pada layar 3. Algoritma Image Tinting Algoritma image tinting merupakan algoritma yang digunakan untuk menjelaskan alur proses image tinting yang digunakan dalam aplikasi ini. Adapun bentuk rancangan algoritma image tingting pada perancangan aplikasi ini adalah sebagai berikut : Input : Citra Digital Proses : Baca bentuk model region warna Baca nilai RGB warna tint Baca posisi region warna yang dipilih Baca posisi pixel pada region warna Untuk i = 0 sampai Batas Region Warna Set RGB pixel (i) = RGB warna tint Kembali ke i Output : Hasil Image Tinting pada layar 4. Implementasi Berdasarkan implementasi dari perancangan sistem sebelumnya yag dapat diuraikan sebagai berikut : 4..1 Tampilan Hasil Adapun tampilan dari system yang dirancang adalah sebagai berikut : 1. Tampilan Form Utama Tampilan Form Utama yang dihasilkan merupakan tampilan yang menyerupai bentuk perancangan Form Utama sebelumnya. Pada tampilan ini, terlihat bentuk tombol, picture box dan menu menu yang dirancang sebelumnya seperti terlihat pada Gambar 4.1. di bawah ini: Gambar 4.1 Hasil Image Tinting Dalam Region Bayangan 7

8 3. wilayah warna pada sebuah citra digital. Hal ini terlihat dari perbedaan hasil image tinting berdasarkan region yang dipilih pada pengujian sistem. Semakin banyak jumlah pengelompokan region warna yang dipilih, maka semakin detail pula hasil tinting pada citra digital yang diproses. Dengan semakin banyaknya jumlah region warna, semakin kecil area citra digital yang akan diproses. 5. Gambar 4. Hasil Image Tinting Dalam Region Dominan Gambar 4. Hasil Image Tinting Dalam Region Tepi V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil implementasi dan pembahasan yang dilakukan pada penelitian ini, ada beberapa kesimpulan yang dapat ditarik, yaitu : 1. Metode SRM melakukan pengelompokan warna dalam region region tertentu berdasarkan nilai pixel pada citra digital yang diproses.. Metode SRM dapat menghasilkan tingkat akurasi yang cukup tinggi dalam hal pembagian Saran Adapun saran yang ingin penulis berikan sehubungan dengan penelitian ini adalah sebagai berikut : 1. Aplikasi ini dapat dikembangkan agar mampu memproses citra digital dengan format lain seperti format GIF atau PNG.. Sebaiknya ditambahkan metode segmentasi citra yang lain agar dapat dibandingkan hasilnya dengan metode SRM yang digunakan. DAFTAR PUSTAKA 1. Arief Ramadhan, 007, Visual Basic 6.0, Penerbit PT. Elex Media Komputindo, Jakarta.. Awcock, G.J. and Thomas, R., 006, Aplikasi Proses Image, McGraw Hill Inc, Singapore. 3. Baxes, Gregory A, 004, Proses Gambar Digital : Principles and Applications, John Wiley & Sons, New York. 4. Cahyono Budi Nugroho, Achmad Hidayatno, dan R. Rizal Isnanto, Proses Pemampatan Citra Dengan Standar Kompresi Jpeg, eprints.undip.ac.id/4651//lf000589_m TA.pdf 5. Gonzales, Rafael C dan Richard E. Woods, 003, Image Processing, Prentice Hall International. 6. Jain, Anil K., 1989, Fundamentals of Digital Image Processing, Prentice Hall International. 7. Kendall, K.E, dan J.E. Kendall, 003, Analisa Dan Perancangan Sistem, Edisi 5, Jilid I Dan Jilid II, Alih Bahasa Thamrin 8

9 Abdul Hafedh, Penerbit P.T. Indeks, Jakarta. 8. Ladjamuddin, Al Bahra Nin, 006, Rekayasa Perangkat Lunak, Penerbit Graha Ilmu, Yogyakarta. 9. Ramadhan, Arief, 007, Visual Basic 6.0, Penerbit PT. Elex Media Komputindo, Jakarta. 10. Rinaldi Munir, 006, Aplikasi Image Thresholding Untuk Segmentasi Objek, journal.uii.ac.id/index.php/snati/article/vie w/151/ Rinaldi Munir, 006, Restorasi Citra Kabur Dengan Algoritma Lucy Richardson Dan Perbandingannya Dengan Penapis Wiener, journal.uii.ac.id/index.php/snati/article/vie w/154/ Septian Dwi Cahyo, Analisis Perbandingan Beberapa Metode Deteksi Tepi Menggunakan Delphi 7, hasbinurhaqy.wordpress.com/010/11/5/ 5/ 13. Webb, Andrew R., 00, Statistical Pattern Recognition, John Wiley & Sons. 9