BAB II LANDASAN
TEORI
2.1 Definisi Digital Image Processing
Digital Image Processing
adalah proses pengolahan gambar dua dimensi oleh
perangkat komputer digital (Jain, 1989, p1). Ada pun menurut Gonzalez dan Woods
(2001,p2-3), digital
image processing merupakan proses pengambilan atribut-atribut
pada gambar dengan input dan output yang berupa gambar.
Digital
image
processing
mempunyai
banyak
macam aplikasi
pada
berbagai
bidang, seperti: penajaman gambar, pendeteksian objek pada gambar, pengurangan
noise,
konversi
gambar
berwarna
ke grayscale dan sebaliknya, kompresi data pada
gambar, dan sebagainya.
2.1.1 Macam-Macam Penerapan Digital Image Processing
Terlepas dari banyak dan luasnya penerapan dari
image
processing,
penerapannya dapat dibagi menjadi beberapa bagian.
a. Representasi dan Pemodelan Gambar
Dalam representasi
dan
pemodelan
gambar
(image
representation
and
modelling), gambar
yang dihasilkan dari proses akan
memberikan
gambaran tentang
objek dari suatu lokasi (hasil
foto
dari
kamera),
karakteristik
dari
tubuh
manusia
(gambar X-Ray),
suhu dari
suatu area
(gambar
infrared)
atau
gambaran posisi
dari
target di sebuah radar.
  
9
Hasil
yang
dapat
dimengerti
dan
akurat merupakan
hal
yang
paling
penting
dalam image
representation.
Dalam
proses
representasi
dan
pemodelan
gambar,
kuantitas dan karakter dari  picture-element (pixel) menggambarkan suatu objek.
b. Restorasi Gambar
Image restoration atau restorasi gambar adalah proses penghilangan atau
minimalisasi degradasi kualitas yang terdapat pada suatu gambar. Hal ini termasuk
perbaikan
gambar
atau
foto
yang buram,
yang disebabkan oleh
banyak
hal,
seperti
keterbatasan kualitas sensor, usia gambar yang sudah tua, atau pun banyaknya noise
pada gambar.
c. Analisis Gambar
Proses analisis gambar (image analysis) mempunyai tujuan melakukan
pengukuran dan perhitungan pada sebuah image untuk menghasilkan penjelasan dan
deskripsi dari gambar tersebut.
Proses analisis gambar dapat diaplikasikan dalam bermacam-macam hal, mulai
dari
membaca
barcode
pada barang-barang di toko,
menyortir
suku
cadang
yang
berbeda  pada  alur  pabrik,  sampai  analisis  orientasi  dan  besarnya  sel  darah  pada
gambar  medis.  Teknik  analisis  gambar  melakukan  pemgambilan  dari  fitur-fitur
tertentu dari gambar untuk membantu mengidentifikasi objek yang diteliti.
  
10
d. Rekonstruksi Gambar
Bidang   rekonstruksi   gambar   atau   image  reconstruction   bertujuan   untuk
membuat sebuah 
objek dua dimensi atau lebih
yang di buat berdasarkan beberapa
proyeksi satu dimensi. Setiap proyeksi didapatkan dengan memproyeksikan X-Ray
(atau radiasi lainnya) melalui objek yang akan direkonstruksi.
Contoh aplikasi dari rekonsruksi
gambar
adalah
penggunaan
Computer
Topographic Scan (CT Scan)
dan Magnetic Resonance Imaging
(MRI)
untuk
memproyeksikan gambar 2 dan 3 dimensi dari bagian tubuh manusia.
e. Kompresi Data Pada Gambar
Data
yang menyangkut
informasi
yang bersifat visual sangatlah besar sehingga
memerlukan kapasitas penyimpanan yang sangat besar. Walaupun kemampuan
beberapa media penyimpanan digital dapat memenuhi kebutuhan penyimpanan yang
besar, umumnya kecepatan mengakses data pada media tersebut
semakin lambat
sebanding dengan makin besarnya kapasitas penyimpanan.
Kompresi data pada gambar (image data compression) bertujuan untuk
mengurangi
jumlah
dari bit
(satuan
terkecil
dari
data)
yang
diperlukan
untuk
menyimpan gambar tanpa mengurangi informasi yang benar-benar diperlukan.
Aplikasi  kompresi  data  untuk  gambar  banyak  digunakan  terutama  pada  industri
televisi
dan
media,
karena
banyak
gambar
yang
harus
dikirim antara
dua
tempat
berjauhan. Karena itu dibutuhkan ukuran gambar yang relatif kecil dengan kualitas
yang tetap terjaga.
  
11
f. Perbaikan Kualitas Gambar
Image
Enhancement
atau perbaikan kualitas gambar
adalah
aksentuasi
atau
penajaman elemen-elemen dari sebuah
gambar seperti garis pemisah atau pembatas
(edge and boundaries) atau tingkat kontras yang dapat membuat tampilan grafik dari
gambar tersebut lebih berguna untuk dianalisis dan ditampilkan (Jain, 1989, p233).
Proses image enhancement tidak memperbaiki atau meningkatkan kualitas dari
informasi  dan  data  yang  sudah  ada  pada  gambar.  Proses  tersebut  meningkatkan
rentang  dinamis  (dynamic range)  dari  elemen 
yang  dikehendaki  pada 
gambar
sehingga elemen tersebut dapat diperhatikan atau dilihat lebih jelas.
Image enhancement mencakup berbagai hal seperti: manipulasi kontras,
pengurangan noise, penajaman garis batas (edge
crispening
and
sharpening),
interpolasi dan pembesaran gambar.
Kesulitan terbesar yang sering dialami dalam proses image enhancement adalah
menentukan besaran nilai yang akan diterapkan dalam proses tersebut. Karena itu
banyak teknik-teknik image enhancement
yang bersifat
empirikal (berdasarkan trial
and error) dan
memerlukan prosedur
yang
interaktif
untuk mendapatkan
hasil yang
diinginkan.
  
12
Gambar 2.1: Macam-macam aplikasi dari Image Enhancement
(Sumber: Jain, 1989, p233)
Secara
garis
besar, image
enhancement
terbagi
menjadi
empat
macam
teknik
operasi yang umum digunakan seperti yang terlihat pada gambar 2.1 di atas.
1)
Operasi Titik (point operation)
Pada point operation terdapat empat buah operasi yaitu contrast streching,
noise
clipping,
window
slicing
dan
histogram
modelling.
Persamaan
di
antara
point operation adalah masing-masing teknik menggunakan filter dengan memori
nol (zero memory filter).
Pada bidang fotografi contrast streching dan histogram modelling banyak
digunakan. Contrast streching berguna untuk meningkatkan kekontrasan gambar
yang kurang baik diakibatkan oleh pencahayaan yang buruk atau sensor kamera
yang
kurang
luas
daya
tangkapnya.
Sedangkan
histogram
modelling digunakan
  
13
untuk memperlihatkan frekuensi tingkatan warna abu-abu (gray level) pada suatu
gambar yang terdiri dari tiga tingkatan.
2)
Operasi Transformasi (transform operation)
Operasi transformasi mempunyai sifat yang mirip dengan operasi titik.
Operasi tranformasi ini juga menggunakan zero
memory
filter namun dengan
tambahan fungsi transformasi invers setelahnya.
Beberapa
teknik
image
enhancement
yang
termasuk
dalam operasi
transformasi
menggunakan
fungsi dari DFT (Discrete Fourier Transform). Salah
satu aplikasi dari operasi transformasi adalah homomorphic filtering yang berguna
untuk memperjelas detil yang terlihat gelap dan kurang jelas pada gambar.
3)
Operasi Pewarnaan (pseudocoloring)
Jenis operasi ini digunakan untuk melakukan proses pada elemen warna
pada sebuah gambar. Yang termasuk operasi pengolahan warna antara lain adalah
peningkatan kontras warna, pengoreksian warna yang salah akibat keterbatasan
sensor kamera atau proses scanning yang buruk, serta konversi gambar berwarna
menjadi gambar hitam putih serta kebalikannya, dan pewarnaan gambar hitam
putih menjadi berwarna.
  
14
4)
Operasi Spasial (spatial operation)
Operasi
spasial
menggunakan
teknik
mengolah pixel
yang
letaknya
bersebelahan
dengan
pixel
yang
dijadikan
input.
Aplikasi
image
enhancement
yang menggunakan operasi spatial mencakup interpolasi (pembesaran) gambar,
pengurangan noise pada gambar, sampai peningkatan ketajaman gambar.
Gambar 2.2: Salah satu aplikasi dari operasi spasial: noise reduction
(Sumber: Rony Zakaria, 2007)
  
15
2.2 Metode Unsharp Masking
Unsharp masking adalah sebuah metode yang meningkatkan kualitas ketajaman
garis (edge) dan elemen gambar dengan frekuensi tinggi lainnya melalui suatu prosedur
yang
mengurangi (substract) gambar asli dengan versi gambar asli yang kurang tajam
atau
telah dihaluskan
untuk
mendapatkan
hasil
gambar
yang
tajam (Fisher,
Perkins,
Walker, Wolfart, 1994)
.
Gambar 2.3: Contoh penajaman gambar dengan unsharp masking
Kata unsharp berasal dari fakta bahwa metode unsharp masking ini menggunakan
image positif yang sudah smoothened (dihaluskan) atau di-unsharp dari
image original
untuk
kemudian
digabungkan
dengan
image
negatif
untuk
menghasilkan
ilusi
bahwa
hasil gambar lebih tajam daripada aslinya.
Proses unsharp masking merupakan cara yang sangat efektif untuk meningkatkan
ketajaman terutama
untuk
gambar
hasil scanning yang terkadang ketajamannya kurang.
Namun proses ini dapat menghasilkan efek-efek
yang menganggu dan tidak diinginkan,
efek yang dihasilkan akibat oversharpen disebut efek halo.
  
16
Gambar 2.4: Gambar asli, setelah di-unsharp mask, dan yang oversharpen
2.2.1 Cara Kerja Metode Unsharp Masking
Metode  unsharp
masking  menghasilkan  gambar  dengan  tingkat  ketajaman
yang
lebih baik dibandingkan dengan
gambar aslinya. Proses unsharp masking secara
umum
terbagi
menjadi dua
langkah,
yaitu: pertama
membuat
gambar
yang blur yang
didapatkan dari hasil pengurangan gambar yang asli dengan gambar
yang sudah
dihaluskan, kemudian kedua
gambar blur
tersebut digabungkan
dengan
gambar
asli.
Hasil proses
tersebut adalah
gambar
yang sudah
terlihat lebih
tajam daripada
gambar
aslinya.
Gambar 2.5: Langkah-langkah proses unsharp masking
  
17
Untuk mengerti lebih jelas mengenai cara kerja dan operasi unsharp masking
diperlukan
melihat dan
mengamati karakteristik
frekuensi
dari
gambar
dalam proses
tersebut.
Gambar 2.6: Mencari gambar edge pada proses unsharp masking
Pada
gambar
diatas
terlihat
tiga
buah signal.
Signal
pertama
(a)
menggambarkan signal dari gambar
yang asli (original), signal kedua
(b) merupakan
signal
yang
merepresentasikan
gambar
yang
sudah
di
smoothed atau
dihaluskan.
Pengurangan dari signal asli pada gambar dengan lowpass signal menghasilkan signal
ketiga (c) yaitu highpass signal
yang merupakan representasi edge atau garis-garis
pemisah pada gambar asli.
Gambar 
representasi  edge ini  dapat  digunakan 
untuk  proses  penajaman
gambar apabila signal ini ditambahkan pada signal dari gambar yang asli, seperti yang
terlihat pada gambar 2.7.
  
18
Gambar 2.7: Signal dari gambar yang sudah mengalami proses sharpening
Setelah dijelaskan mengenai cara kerja proses unsharp masking, maka proses
ini dapat dirumuskan sebagai berikut:
Adapun  f
sharp
(x,y)
merupakan  hasil  gambar 
yang  sudah  ditajamkan  yang
didapat
dari
penambahan
gambar
asli
yaitu
f(x,y)
dengan
gambar
representasi edge
g(x,y)
yang
terlebih
dahulu
dikali
dengan
skala
konstan
k
yang
bernilai
antara
0.2
sampai 0.7. Semakin besar nilainya semakin besar tingkat penajaman gambarnya. Pada
setiap fungsi, x dan y merepresentasikan koordinat pixel horizontal dan vertikal secara
berurutan.
Sedangkan  untuk  mendapatkan  gambar  representasi  edge g(x,y),  dapat  di
rumuskan sebagai berikut:
Adapun
f(x,y)
merupakan
gambar asli
yang dikurangi
oleh
f
smooth
(x,y), yang
merupakan versi gambar asli yang sudah dihaluskan. Hasil pengurangan tersebut
mendapatkan gambar reprentasi edge g(x,y).
Operasi proses
unsharp
masking secara
lengkap dapat ditunjukkan seperti pada gambar 2.7.
  
19
Gambar 2.8: Operator pada proses lengkap unsharp masking
2.2.2 Mengubah Menjadi Gambar Unsharp Mask (Edge)
Pada
gambar
2.3
telah
diilustrasikan tahapan-tahapan
bagaiman
proses
penajaman 
gambar  unsharp
masking  dilakukan.
Tahap 
pertama 
proses  unsharp
masking
adalah
menbuat
gambar unsharp
mask
yaitu
gambar
yang
merupakan
representasi edge atau garis-garis tegas pembatas pada gambar asli.
Untuk
mendapatkan
gambar unsharp mask,
maka
gambar asli di blur
atau
di
kaburkan. Gambar tersebut akan digunakan untuk mengurangi gambar yang asli untuk
menghasilkan gambar unsharp mask.
Gambar
yang
sudah
di
blur
atau smoothened
image
didapat
dengan
cara
menggunakan
filter Gaussian.
Filter
ini
sering
digunakan untuk mengaburkan serta
mengurangi detail dan noise yang ada pada gambar. Filter Gaussian mempunyai bentuk
sebagai berikut.
G(x,y) merepresentasikan gambar yang sudah di blur pada koordinat pixel x dan
y
pada gambar. Besarnya
standar deviasi s pada filter
gaussian
menentukan besarnya
frekuensi
yang
dibuang
oleh
filter
tersebut.
Makin
besar
nilai s,makin
besar
pula
frekuensi yang terbuang sehingga gambar akan terlihat lebih kabur.
  
20
Gambar unsharp mask kemudian didapatkan dengan cara gambar asli dikurangi
dengan gambar yang sudah diblurkan, menggunakan persamaan berikut ini.
Pada persamaan diatas F(x,y) merepresentasikan
gambar unsharp mask (edge)
pada
koordinat pixel x dan y. Sedangkan l(x,y)
dan
G(x,y)
masing-masing
merepresentasikan
koordinat pixel pada
gambar
asli
dan
gambar
yang
sudah di blur.
Konstanta c pada persamaan merupakan weighting value yang menentukan ketegasan
gambar edge yang dihasilkan.
2.2.3 Operasi Pertambahan Pixel
Pixel addition atau operasi pertambahan pixel
digunakan pada tahap kedua
proses  unsharp masking.  Setelah  gambar  edgdidapat  pada  tahap  pertama,  maka
gambar
tersebut
ditambahkan
dengan
gambar
asli
untuk
mendapatkan
hasil
gambar
yang lebih tajam. Untuk melakukan pertambahan antara dua gambar digunakan operasi
pertambahan pixel yang dirumuskan secara sederhana sebagai berikut.
Pada operasi tersebut pixel pada koordinat i,j gambar P1
ditambahkan
dengan
pixel dengan koordinat sama pada
gambar Psehingga
menghasilkan nilai pixel baru
pada gambar
Q(I,j) yang merupakan output dari operasi tersebut. Pada penjumlahan
pixel, apabila hasil dari penjumlahan melebihi dari nilai maksimal pixel maka nilai akan
mengalami operasi modulus.
Operasi penjumlahan 
pixel dari gambar unsharp mask (edge) dengan
gambar
asli  akan  menghasilkan  gambar  output  yang  lebih  tajam  daripada  gambar  aslinya.
  
21
2.3 Pixel (Picture Element)
Picture Element atau Pixel merupakan satuan titik (dot) kecil yang menyusun
sebuah
gambar.
Setiap pixel
pada
gambar
menyimpan
informasi
warna
yang
direpresentasikan
oleh
pixel
tersebut.
Warna
tersebut
merupakan
campuran
dari
tiga
atau empat jenis dimensi warna tergantung dengan sistem warna yang digunakan (red,
green, blue atau cyan, magenta, yellow and black).
Gambar 2.9: Ilustrasi representasi pixel pada sebuah gambar
Banyaknya  pixel 
yang 
menyusun 
suatu 
gambar  tergantung 
pada 
resolusi
gambar. Sedangkan banyaknya variasi warna yang dapat direpresentasikan oleh sebuah
pixel
tergantung
pada bit
depth (kedalaman
warna)
yang digunakan.
Bit
depth
yang
umumnya digunakan pada format foto digital adalah 24 bpp (bits per pixel) yang dapat
merepresentasikan 2²
4
= 16,777,216 warna.
  
22
2.4 Metode Rekayasa Piranti Lunak
Menurut Pressman
(1992,
p24),
rekayasa piranti lunak mencakup tiga elemen
yang mampu mengontrol proses pengembagan piranti lunak, yaitu sebagai berikut.
a.   Methods
Menyediakan cara-cara teknis untuk membangun piranti lunak.
b.   Tools
Menyatakan 
dukungan 
otomatis 
atau  semi  otomatis 
yang 
mengkombinasikan
software, hardware, dan software engineering database.
c.   Procedures
Merupakan pengembangan metode dan alat bantu.
Dalam skripsi
ini digunakan perancangan software dengan
model Classic Life
Cycle
(Waterfall Model). Serangkaian kegiatan yang dilakukan selama
perancangan
software, antara lain sebagai berikut.
a. 
Rekayasa dan analisis
sistem. Pada
tahap ini dilakukan analisis kebutuhan secara
umum yang berkaitan dengan hardware, user, dan database.
b.
Analisis kebutuhan software. Analisis kebutuhan dengan memfokuskan pada
spesialisasi software.
Semua
kebutuhan,
baik
sistem mau
pun
software
harus
didokumentasikan dan harus dikaji oleh user.
c.   Perancangan. Pada tahap
ini, ada
tiga
hal yang
harus difokuskan dalam program,
yaitu struktur
data,
arsitektur software, dan prosedur
detil. Pada tahap proses
ini,
kebutuhan dituangkan menjadi
software
yang
layak
dari
segi
kualitas,
sebelum
masuk pada proses pengkodean.
  
23
d.   Pengkodean.
Difokuskan
pada penerjemahan
hasil
rancangan
ke bahasa
mekanik
yang dimengerti oleh mesin dalam bentuk program.
e.   Pemeliharaan.
Perubahan-perubahan
yang
dilakukan
pada
software
untuk
mengantisipasi peningkatan kebutuhan user atas fungsi-fungsi baru.
2.5 DFD (Data Flow Diagram)
DFD
adalah
alat
bantu
dalam melakukan
analisis
sistem.
DFD
terdiri
dari
simbol-simbol yang menggambarkan komponen-komponen, yang antara lain sebagai
berikut.
a. Proses
Proses menunjukkan apa yang dikerjakan sistem. Setiap proses
memiliki
satu
atau
lebih
data
masukan
dan
memiliki satu
atau
lebih
data keluaran.
b. Data store
Data
store
adalah tempat menyimpan data; berisi
data yang akan
dipakai
oleh
sistem.
Proses
dapat
memasukkan
data
ke
dalam data
share atau
mendapatkan kembali datanya. Setiap data store
memiliki
nama yang unik.
c
Eksternal entitas
Eksternal
entitas berada di luar sistem,
tetapi dapat
memasok data ke
sistem atau
menerima
keluaran
dari
sistem.
Eksternal
entitas
yang
memasok data ke sistem disebut source.
  
24
d. Aliran data (Data flow)
Menggambarkan arah ke aliran data.
Diagram  aliran  data  dapat  dibagi  menjadi  tiga  tingkatan,  sebagai
berikut.
1) 
Diagram konteks,
merupakan level tertinggi
yang menggambarkan
batas-batas dari sistem informasi secara global.
2) 
Diagram nol, merupakan diagram yang memaparkan proses-proses
penting dalam sistem.
3) 
Diagram  rinci,  merupakan  penjelasan  dari  setiap  proses  secara
rinci,
yang terdapat dalam diagram nol,
yang tidak dapat dipecah
lagi ke dalam proses-proses yang lebih rinci.