Download Mengenai transformasi Fourier dan konvolusi and more Lecture notes Physics in PDF only on Docsity!
Penerapan Metode Konvolusi …... (Wikaria Gazali; dkk) 103
PENERAPAN METODE KONVOLUSI
DALAM PENGOLAHAN CITRA DIGITAL
Wikaria Gazali^1 ; Haryono Soeparno^2 ; Jenny Ohliati 3
1,3 (^) Mathematics & Statistics Department, School of Computer Science, Binus University (^2) Computer Science Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 wikaria@binus.edu; haryono@binus.edu
ABSTRACT
A lot of photography studios today still perform image processing manually using installed the functions on the computer. As we know, manual image processing takes quite a long time. Therefore, they need an application program which is easier, user friendly and produces higher quality images. The application program created in this research uses metode konvolusi with several variations of image processing such as: smooth, Gaussian blur, sharpen, mean removal, emboss, and edge detection. The results of testing and evaluation of the program shows that image processing using the metode konvolusi is capable of producing better image quality.
Keywords: smooth, Gaussian blur, sharpen, mean removal, emboss, edge detection.
ABSTRAK
Studio fotografi saat ini masih melakukan pengolahan citra secara manual menggunakan fungsi-fungsi yang sudah terpasang pada komputer. Pengolahan citra secara manual memakan waktu yang cukup lama. Oleh karena itu diperlukan program yang lebih mudah, user friendly dalam penggunaannya dan menghasilkan gambar yang lebih berkualitas. Metode yang digunakan dalam program aplikasi ini adalah metode konvolusi. Beberapa variasi pengolahan citra yang menggunakan metode ini yaitu: smooth, Gaussian blur, sharpen, mean removal, emboss, dan edge detection. Hasil uji coba dan evaluasi dari program tersebut menyatakan bahwa pengolahan citra menggunakan metode konvolusi berdasarkan data-data yang ada mampu menghasilkan kualitas citra yang lebih baik.
Kata kunci: pengolahan citra, smooth, Gaussian blur, sharpen, mean removal, emboss, edge detection
104 Jurnal M at S tat, Vol. 12 No. 2 Juli 2012: 103-
PENDAHULUAN
Citra atau gambar dalam bahasa latin imago adalah suatu representasi, kemiripan, atau imitasi dari suatu obyek atau benda. Citra dapat dikelompokkan menjadi citra tampak dan citra tidak tampak. Contoh citra tampak dalam kehidupan sehari-hari: foto, gambar, dan lukisan, sedangkan citra tidak tampak misalnya: data gambar dalam file (citra digital), dan citra yang direpresentasikan menjadi fungsi matematis. Di antara jenis citra tersebut, hanya citra digital yang dapat diolah menggunakan komputer. Jenis citra lain, jika hendak diolah dengan komputer, harus diubah dulu menjadi citra digital, misalnya foto di scan dengan scanner , persebaran panas tubuh foto ditangkap dengan kamera infra merah dan diubah menjadi informasi numeris, informasi densitas dan komposisi bagian dalam tubuh manusia ditangkap dengan bantuan pesawat sinar– x dan sistem deteksi radiasi menjadi informasi digital. Kegiatan untuk mengubah informasi citra fisik non digital menjadi digital disebut sebagai pencitraan ( imaging ).
Citra digital dapat didefinisikan sebagai fungsi dua variable, f(x,y) , di mana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat tersebut, hal tersebut diilustrasikan pada Gambar 1. 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).
Gambar 1 Citra digital
Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori komputer atau media lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat, misalnya scanner , digital camera , dan handycam. Ketika sebuah citra diubah ke dalam bentuk digital, bermacam-macam proses pengolahan citra dapat diperlakukan terhadap citra tersebut.
Pengolahan citra merupakan sebuah bentuk pemrosesan sebuah citra atau gambar dengan proses numerik dari gambar tersebut, dalam hal ini yang diproses adalah masing-masing pixel atau titik dari gambar tersebut. Salah satu teknik pemrosesan citra memanfaatkan komputer sebagai peranti lunak memproses masing-masing pixel dari sebuah gambar. Oleh karena itu muncul istilah pemrosesan citra secara digital atau digital image processing. Digital image processing diperkenalkan pertama kali di New York, USA pada awal tahun 1920-an. Pertama kalinya digunakan untuk meningkatkan kualitas gambar koran yang dikirimkan oleh kabel bawah laut yang terbentang antara London dan New York. Sampai tahun 1960-an perkembangannya tidaklah terlalu menggembirakan.
106 Jurnal M at S tat, Vol. 12 No. 2 Juli 2012: 103-
Untuk fungsi dengan dua dimensi, operasi konvolusi didefinisikan sebagai berikut:
Untuk fungsi integral:
h ( x , y ) = f ( x , y ) * g ( x , y ) =∫ ∫ f ( a , b ) ⋅ g ( x − a , y − b ) da db
∞ −∞
∞ −∞
Untuk fungsi diskrit:
h ( x y ) f ( x y ) g ( x y ) f ( ab ) g ( x a y b ) a a
= =∑ ∑ ⋅ − −
∞
=−∞
∞
=−∞
, , * , , , (4)
Fungsi penapis g(x,y) disebut juga konvolusi filter , konvolusi mask , konvolusi kernel , atau template. Dalam bentuk diskrit konvolusi kernel dinyatakan dalam bentuk matriks (umumnya matriks 3x3). Ukuran matriks ini biasanya lebih kecil dari ukuran citra. Setiap elemen matriks disebut koefisien konvolusi.
Ilustrasi konvolusi ditunjukkan pada Gambar 2.
Gambar 2 Ilustrasi Konvolusi (Rinaldi Munir, 2004, p79).
f(i,j) = Ap 1 + Bp 2 + Cp 3 + Dp 4 + Ep 5 + Fp 6 + Gp 7 + Hp 8 + Ip (^9)
HASIL DAN PEMBAHASAN
Hasil Operasi Konvolusi
Operasi konvolusi dilakukan dengan menggeser konvolusi kernel piksel per piksel. Hasil konvolusi disimpan di dalam matriks baru.
Contoh 1. Misalkan citra f(x,y) yang berukuran 5x5 dan sebuah kernel atau mask yang berukuran 3x3 masing-masing adalah sebagai berikut:
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
=
2 5 2 4 4
6 7 5 5 3
5 6 6 6 2
6 6 5 5 2
4 4 3 5 4
f x , y
dan ( )
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
−
− −
−
0 1 0
1 0. 4 1
0 1 0 gx , y
(keterangan: tanda menyatakan posisi (0,0) dari kernel )
Penerapan Metode Konvolusi …... (Wikaria Gazali; dkk) 107
Operasi konvolusi antara citra f(x,y) dengan kernel g(x,y), yaitu f(x,y) * g(x,y) dapat diilustrasikan sebagai berikut:
(1) Tempatkan kernel pada sudut kiri atas, kemudian hitung nilai piksel pada posisi (0,0) dari kernel.
4 4 3^5 6 6 5 5 2 3 5 6 6^6 6 7 5 5 3 3 5 2 4 4
Hasil konvolusi = 3. Nilai ini dihitung dengan cara berikut: (0x4) + (-1x4) + (0x3) + (-1x6) + (4x6) + (-1x5) + (0x5) + (-1x6) + (0x6) = 3
(2) Geser kernel satu piksel ke kanan, kemudian hitung nilai piksel pada posisi (0,0) dari kernel :
4 4 3 5 4 6 6 5 5 2 3 0 5 6 6 6 2 6 7 5 5 3 3 5 2 4 4
Hasil konvolusi = 0. Nilai ini dihitung dengan cara berikut: (0x4) + (-1x3) + (0x5) + (-1x6) + (4x5) + (-1x5) + (0x6) + (-1x6) + (0x6) = 0
(3) Geser kernel satu piksel ke kanan, kemudian hitung nilai piksel pada posisi (0,0) dari kernel :
4 4 3 5 4 6 6 5 5 2 3 0 2 5 6 6 6 2 6 7 5 5 3 3 5 2 4 4
Hasil konvolusi = 2. Nilai ini dihitung dengan cara berikut: (0x3) + (-1x5) + (0x4) + (-1x5) + (4x5) + (-1x2) + (0x6) + (-1x6) + (0x2) = 2
(4) Geser kernel satu piksel ke bawah, lalu mulai lagi melakukan konvolusi dari sisi kiri citra. Setiap kali konvolusi, geser kernel atau piksel ke kanan:
4 4 3 5 4 6 6 5 5 2 3 0 2 5 6 6 6 2 0 6 7 5 5 3 3 5 2 4 4 (i)
Hasil konvolusi = 0. Nilai ini dihitung dengan cara berikut: (0x6) + (-1x6) + (0x5) + (-1x5) + (4x6) + (-1x6) + (0x6) + (-1x7) + (0x5) = 0
Penerapan Metode Konvolusi …... (Wikaria Gazali; dkk) 109
4 4 3 5 4 6 3 0 2 2 5 0 2 6 2 6 6 0 2 3 3 5 2 4 4
Gambar 3 Piksel-piksel pinggir (yang tidak diarsir) tidak dikonvolusi. (Rinaldi Munir, 2004, p84).
Dalam algoritma konvolusi citra N x M dengan mask atau kernel yang berukuran 3 x 3 piksel yang dikonvolusi adalah elemen (i,j). Delapan buah piksel yang bertetangga dengan piksel (i,j) diperlihatkan pada Gambar 4.
i-1, j-1 i-1, j i-1, j+ i, j-1 i, j i, j+ i+1, j-1 i+1, j i+1, j+
Gambar 4 Delapan piksel yang bertetangga dengan piksel (i,j).
Dapat dilihat bahwa operasi konvolusi merupakan komputasi pada area lokal, karena komputasi untuk suatu piksel pada citra keluaran melibatkan piksel-piksel tetangga pada citra masukannya.
Hasil Pengujian Konvolusi pada Citra
Smooth
Berikut adalah perbandingan hasil pengolahan citra dengan menggunakan konvolusi smooth yaitu menghaluskan citra yang mengalami gangguan noise (Gambar 5).
(a) (b)
Gambar 5 (a) Image asli yang mengalami noise ; (b) Hasil konvolusi smooth.
Dapat dilihat dari gambar di atas bahwa citra asli noise berhasil dihaluskan dengan menggunakan konvolusi smooth. Noise pada citra dapat dihilangkan dan dihaluskan, tetapi, operasi smooth ini mempunyai efek pemerataan derajat keabuan, sehingga gambar yang diperoleh tampak lebih kabur kontrasnya. Efek pengaburan ini disebut efek blurring.
110 Jurnal M at S tat, Vol. 12 No. 2 Juli 2012: 103-
Gaussian Blur
Pengolahan citra dengan menggunakan konvolusi gaussian blur menyebabkan suatu citra menjadi kabur sehingga sudut-sudut tajam pada citra akan menjadi lebih halus. Pengolahan citra ini dapat berdampak suatu citra menjadi semakin baik, tapi bisa juga menjadi semakin buruk. Hasil konvolusi Gaussian blur dapat dilihat pada Gambar 6 di bawah ini, di mana hasil yang diberikan citra terlihat lebih halus dari citra aslinya.
(a) (b)
Gambar 6 (a) Citra asli; (b) citra yang telah mengalami Gaussian Blur
Sharpen
File gambar yang mengalami sharpen akan mengalami perubahan di mana warna-warna menjadi lebih tajam. Konvolusi sharpen sangat berguna untuk citra yang terlihat halus atau blur di mana berguna untuk memperjelas intrepretasi citra itu sendiri dan hasilnya juga bisa nampak lebih baik dari citra sebelumnya. Hasil evaluasi citra yang telah diolah dengan konvolusi sharpen dapat dilihat pada Gambar 7. Dapat dilihat bahwa warna yang dihasilkan tampak lebih tajam dan terang.
(a) (b)
Gambar 7 (a) Citra asli; (b) citra yang telah mengalami sharpening
Mean Removal
Konvolusi mean removal memberikan ketajaman lebih pada citra. Konvolusi mean removal berbeda dengan konvolusi sharpen walaupun sama-sama mempertajam citra. Perbedaan itu terletak pada mask konvolusi yang digunakan. Ketajaman citra yang diberikan pada mean removal lebih tajam daripada ketajaman sharpen. Namun, user dapat menggunakan keduanya sesuai dengan kebutuhan yang diperlukan. Hasil evaluasi mean removal dapat dilihat pada Gambar 8. Citra yang dihasilkan terlihat lebih tajam dan nampak nyata. Pewarnaan yang dihasilkan lebih baik dari citra aslinya.
112 Jurnal M at S tat, Vol. 12 No. 2 Juli 2012: 103-
Edge Detection
Tepi suatu obyek dalam citra dinyatakan sebagai titik yang nilai keabuannya berbeda cukup besar dengan titik yang ada di sebelahnya. Hasil pengujian konvolusi edge detection dapat dilihat pada Gambar 10.
Gambar 10. Hasil operasi edge detection filter (a) Citra asli; (b) Citra yang telah dilakukan edge detection
SIMPULAN
Dari hasil uji coba dan evaluasi, dapat disimpulkan bahwa: (1) metode konvolusi dapat digunakan dalam proses pengolahan citra seperti: penghalusan citra ( smooth ), Gaussian blur, sharpen, mean removal, emboss (memberi efek timbul pada citra), dan edge detection (pendeteksian tepi pada citra); (2) Konvolusi kernel yang digunakan berbentuk matriks 3x3, maka pengolahan citra yang dilakukan memberi efek kecil namun masih terlihat perbedaan antara citra asli dengan citra yang sudah diolah. Untuk mendapatkan hasil yang diinginkan user dapat melakukan proses berulang kali; (3) dalam melakukan penghalusan citra terhadap noise akan memberikan efek blur pada citra yang diolah, maka dari itu perlu dilakukan penajaman citra; (4) Fungsi konvolusi mean removal sama dengan konvolusi sharpen yaitu melakukan penajaman citra, tetapi konvolusi mean removal memberi ketajaman lebih pada citra. Hal tersebut dikarenakan oleh kernel yang digunakan oleh konvolusi sharpen hanya bekerja pada garis horizontal dan vertikal saja, sedangkan konvolusi mean removal juga bekerja pada garis diagonal; (5) berdasarkan data-data yang ada pengolahan citra mengunakan metode konvolusi mampu menghasilkan kualitas citra yang lebih baik.; (6) aplikasi pengolahan citra yang telah dibuat dapat diterapkan untuk kebutuhan studio foto, di mana penggunaannya lebih mudah daripada menggunakan software yang ada yang dilakukan secara manual atau menggunakan software khusus yang memerlukan keahlian khusus.
DAFTAR PUSTAKA
Achmad, B., Firdausy, K., Teknik Pengolahan Citra Digital Menggunakan Delphi. Yogyakarta: Ardi Publishing.
Crane, Randy. (1997). A Simplified Approach to Image Processing. New Jersey: Prentice Hall.
Jahne, Bernd. (2005). Digital Image Processing (6th ed.). Jerman: Springer.
Penerapan Metode Konvolusi …... (Wikaria Gazali; dkk) 113
Joshi, B. K. (1973). The Inversion of a Konvolusi Transform. Department of Mathematics, Government College of Engineering and Technology, Raipur.
Maria, P., Bosdogianni, P. (1999). Image Processing: The Fundamental. England: John Wiley & Sons.
Munir, R. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika.
Pathmanabhan, A., Dinesh, S. (2007). The Effect of Gaussian Blurring on Extraction of Peaks and Pits from Digital Elevation Models. Discrete Dynamics in Nature and Soceity.
Zhang, M. Z., Ngo, H.T., Livingston, A. R., Asari, V. K. (2008). A High Performance Architecture for Implementation of 2-D Konvolusi With Quadrant Symmetric Kernels. International Journal of Computers and Applications, 30 : 4.
