Dokumen membahas tentang pengolahan citra digital, mencakup konsep dasar, proses, dan berbagai aplikasi dalam bidang seperti kedokteran, militer, dan komunikasi. Dijelaskan pula perbedaan antara pengolahan citra dan visi komputer serta langkah-langkah dalam metodologi pengolahan citra yang mencakup akuisisi data hingga interpretasi citra. Selain itu, dijelaskan pentingnya digitalisasi citra yang memungkinkan komputer mengolah informasi yang awalnya berbentuk analog.

1. PENGOLAHAN CITRA DIGITAL
(IMAGE PROCESSING)
Pertemuan 2

2. Terminologi Level Pengolahan
Citra
Image Processing
Image  Image
Image Analysis
Image  Measurement
Image Understanding
Image  Symbolic Description
Computer Graphics
Symbolic Description  Image

3. Applications..
 Astronomy
 Radiologi
 Ultrasonic Imaging
 Microscopy
 Remote Sensing
 Meteorology
 Seismology
 Radar
 Internet
 Autonomous Navigation
 Etc. (b) Contoh hasil CT Scan (Sumber:
http://www.thirdage.com/)
(a) CT Scan (Sumber:
http://www.dxhealthcorp.com)

4. 4
Aplikasi Pengolahan Citra (1)
 Bidang Perdagangan
 Pembacaan bar code pada barang di supermarket
 Pengenalan huruf/angka pada formulir secara
otomatis
 Bidang Militer
 Mengenali peluru kendali melalui sensor visual
 Mengidentifikasi jenis pesawat musuh
 Bidang Kedokteran
 Deteksi Kanker dengan sinar X
 Rekonstruksi foto janin hasil USG
 Bidang Biologi
 Pengenalan kromosom melelui gambar
mikroskopik

5. Aplikasi Pengolahan Citra (2)
 Komunikasi Data
 Pemampatan Citra Transmisi
 Hiburan
 Pemampatan Video MPEG
 Robotika
 Visual guided autonomous navigation
 Pemetaan
 Klasifikasi penggunaan tanah melalui foto udara
 Geologi
 Mengenali jenis bebatuan melalui foto udara
 Hukum
 Pengenalan sidik jari
 Pengenalan foto narapidana
5

6. Alat Input Citra Digital
(a) Kamera digital (b) Kamera CCTV (c) Pemindai (Scanner)
(d) Pembaca Sidik Jari

7. Memungkinkan untuk dibuat
menjadi kartun

9. Di dunia kedokteran..
(a) CT Scan (Sumber:
http://www.dxhealthcorp.com)
(b) Contoh hasil CT Scan
(Sumber:
http://www.thirdage.com/)

10. Didunia penelitian
tumbuhan

11. IMAGE PROCESSING
vs.
COMPUTER VISION
 Image Processing
 Research area within electrical engineering/signal processing
 Focus on syntax, low level features
 Computer Vision
 Research area within computer science/artificial intelligence
 Focus on semantics, symbolic or geometric descriptions
image image
image
Faces
People
Chairs
etc.

12. DENOISE
Image Processing

13. Enhance
From [Gonzalez & Woods]
Image Processing: Image
Enhancement

14. Garage Bushes Grass House Sky Tree1 Tree2
Roof Side Roof Side1 Side2
(Ballard, 1992)
IMAGE
Computer Vision

15. Visi Komputer (Computer Vision)
 Visi Komputer (Computer Vision) merupakan proses
menyusun deskripsi tentang obyek yang terkandung
pada suatu gambar atau mengenali obyek yang ada
pada gambar, Word and Vowel Recognition, Object
Structure;
 Pengenalan Pola (Pattern Recognition): Speaker
Recognition, Segmentation and Classification;
 Kecerdasan Buatan (Artificial Intelligence): Speech
Understanding, What is illustrated by this image.

16. IMAGE PROCESSING vs. COMPUTER
GRAPHICS
Pengolahan Citra;
 Memperbaiki kwalitas gambar, dilihat dari aspek
radiometrik (peningkatan kontras, transformasi warna,
restorasi citra) dan dari aspek geometrik (rotasi,
translasi, skala, transformasi geometrik);
 Melakukan pemilihan citra ciri (feature images) yang
optimal untuk tujuan analisis;
 Melakukan proses penarikan informasi atau deskripsi
obyek atau pengenalan obyek yang terkandung pada
citra;
 Melakukan kompresi atau reduksi data untuk tujuan
penyimpanan data, transmisi data, dan waktu proses
data.

17. Grafika Komputer
 Merupakan proses untuk menciptakan suatu gambar
berdasarkan deskripsi obyek maupun latar belakang yang
terkandung pada gambar tersebut;
 Merupakan teknik untuk membuat gambar obyek sesuai
dengan obyek tersebut di alam nyata (realisme).

18. What is Digital Image
Processing?
Citra digital dibentuk oleh kumpulan
titik yang dinamakan piksel (pixel atau
“picture element”). Setiap piksel
digambarkan sebagai satu kotak
kecil.Setiap piksel mempunyai
koordinat posisi.Sistem koordinat yang
dipakai untuk menyatakan citra digital

19. 19
Definisi Citra (1)
 Citra atau Image merupakan
istilah lain dari gambar, yang
merupakan informasi
berbentuk visual.
 “a picture is more than a
thousand words” artinya
“sebuah gambar bermakna
lebih dari seribu kata”
maksudnya sebuah gambar
akan memberikan informasi
lebih banyak daripada
informasi yang disajikan
dalam bentuk kata-kata

20. Definisi Citra(2)
 Kata citra diartikan sebagai
suatu fungsi intensitas cahaya
dua dimensi, yang dinyatakan oleh
f(x,y), di mana nilai atau amplitudo
dari f pada koordinat spasial (x,y)
menyatakan intensitas (kecerahan)
citra pada titik tersebut (Gonzalez
dan Woods, 2008).

21. Bagaimana Citra
Terbentuk?
Citra ada dua (2) macam :
 Citra Kontinu
 Dihasilkan dari sistem optik yang
menerima sinyal analog
 Contoh : Mata manusia, kamera analog
 Citra Diskrit
 Dihasilkan melalui proses digitalisasi terhadap
citra
kontinue
 Contoh : Kamera digital, scanner

22. 22
Analog VS Digital
 Data analog direpresentasikan secara
nyata semua merupakan fakta, contoh :
gelombang suara, gambar (cetak). Data
analog tersimpan dalam pita kaset, pita
magnetis dsb
 Data digital direpresentasikan dalam
komputer berbentuk kode seperti
binner, decimal. Contoh data digital :
WAV, MP3, RMI, BMP, JPG, GIF, TIF

23. 23
Citra Digital
 Komputer digital bekerja dengan angka
presisi berhingga, jadi hanya citra dari
diskrit yang dapat diolah komputer,
 Citra diskrit = Citra digital. Citra
digital merupakan suatu array 2
dimensi yang elemennya menyatakan
tingkat keabuan dari elemen gambar.

24.  Citra yang dihasilkan direkam datanya
bersifat kontinue harus dirubah dahulu
menjadi citra digital dengan konversi
sehingga dikenal komputer.
 Proses tersebut disebut digitasi, yaitu
membuat kisi-kisi arah horizontal
dan vertical sehingga terbentuk
array 2 dimensi.

25. Defisini Citra Digital
 Citra digital adalah citra f(x,y) yang
telah dilakukan digitalisasi baik
koordinat area maupun brightness level.
Nilai f di koordinat (x,y) menunjukkan
brightness atau grayness level dari citra
pada titik tersebut.

26. CITRA DIGITAL
 Citra merupakan suatu representasi (gambaran),
kemiripan atau imitasi dari suatu objek atau benda.
Citra sebagai keluaran dari sistem perekaman data
objek, dapat bersifat optik (foto), sinyal analog
(video) maupun data digital yang tersimpan pada
sebuah media.
 Citra Analog merupakan data citra yang bersifat
kontinu seperti gambar bergerak atau video yang
terekam dalam pita kaset. Citra analog perlu
dikonversi ke Citra Digital terlebih dahulu agar dapat
diolah lebih lanjut dengan komputer.
 Citra Digital merupakan data citra yang
merepresentasikan besar intensitas warna dan/atau

27. CITRA DIGITAL
 Pencitraan (Imaging)
merupakan proses untuk
mentransformasikan data
citra analog menjadi data
citra digital (digitalisasi citra).
Peralatan yang dapat
digunakan untuk pencitraan;
 Kamera digital
 Kamera konvensional dan
konverter analog to digital
 Scanner, CCTV dll.
(a) Kamera digital (b) Kamera CCTV
(c) Pemindai (Scanner) (d) Pembaca Sidik Jari

28.  Istilah pengolahan citra digital
menyatakan “pemrosesan gambar
berdimensi-dua melalui komputer
digital” (Jain, 1989).
 Menurut Efford (2000), pengolahan
citra adalah istilah umum untuk
berbagai teknik yang keberadaannya
untuk memanipulasi dan memodifikasi
citra dengan berbagai cara

29. CITRA DIGITAL
 Terdapat dua hal yang dilakukan dalam proses digitalisasi citra
yaitu (1) mempartisi citra dalam dimensi x kolom dan y baris
(Sampling); serta (2) menentukan besar intensitas yang
terdapat pada setiap piksel pembentuk citra (Kuantisasi) yang
menghasilkan sebuah resolusi citra.
 Sampling merupakan proses transformasi citra analog
(kontinu) menjadi citra digital dengan cara membagi citra
analog (kontinu) menjadi x kolom dan y baris, sehingga menjadi
citra diskrit. Dimana tidak semua bagian dari data citra analog
terekam menjadi data citra digital (ada yang hilang).
 Kuantisasi merupakan proses transformasi intensitas cahaya
dari setiap bagian citra yang bersifat kontinu (analog) ke daerah
intensitas yang bersifat diskrit. Kuantisasi diperlukan untuk
menyatakan besaran gradasi warna yang dibutuhkan untuk
mencitrakan sebuah objek.

31. Definisi Citra Digital
Sumbu koordinat citra
(Sumber: Gonzalez dan Woods, 2008)
f(x,y)
x
y
(0,0)
Titik Origin

32. Defisini Citra Digital
 Citra digital adalah citra f(x,y) yang
telah dilakukan digitalisasi baik
koordinat area maupun brightness level.
Nilai f di koordinat (x,y) menunjukkan
brightness atau grayness level dari citra
pada titik tersebut.

33. Satuan Citra Digital
 Satuan terkecil dari
citra digital disebut
piksel (pixel atau
picture element).
Umumnya citra
dibentuk dari kotak-
kotak persegi empat
yang teratur sehingga
jarak horizontal dan
vertikal antara piksel
adalah sama pada
seluruh bagian citra
Aturan koordinat representasi citra digital
(sumber : Gonzalez dan Woods, 2008)

34. Sebuah piksel mempunyai koordinat
berupa (x, y) Dalam hal ini,
 x menyatakan posisi kolom (N);
 y menyatakan posisi baris (M);
 Piksel pojok kiri-atas mempunyai
koordinat (0, 0) dan piksel pada pojok
 kanan-bawah mempunyai koordinat
(N-1, M-1).

35. f(x,y) f=Intensitas Cahaya pada titik x,y

36. Nilai f(x,y) = i(x,y) r(x,y)
x
i(x,y)
jumlah cahaya dari sumber, nilainya mulai
0 sampai tak terbatas
r(x,y)
Derajat kemampuan obyek memantulkan
cahaya, nilainya 0 dan 1

37. Model Citra
 Citra merupakan fungsi malar (kontinyu) dari intensitas cahaya.
Secara matematis disimbulkan dengan f(x,y), dimana :
 (x,y) : koordinat pada bidang dwi warna
 F(x,y) : intensitas cahaya pada titik (x,y)
 Nilai f(x,y) adalah hasil kali dari :
 i(x,y) = jumlah cahaya yang berasal dari sumber, nilainya antara 0
sampai tak terhingga.
 r(x,y) = derajat kemampuan objek memantulkan cahaya , nilainya
antara 0 dan 1.
 Jadi f(x,y) = i(x,y) . r(x,y)

38. 38
Proses Pengolahan Data
Citra
 Komputer hanya dapat mengakses data digital, oleh
karena itu untuk pengolahan data digital analog
terdapat proses konversi yang disebut proses Analog
Digital Conversi (ADC).
 Tujuan dari proses ADC adalah agar dapat diakses
komputer, karena data asli atau fakta bersifat analog
tidak bisa diolah oleh komputer, komputer hanya
mengolah data digital.
Gambar
Analog Digital
Convertion Komputer

39. 39
Elemen Citra Digital
 Brightness, kecerahan atau intensitas
cahaya yang dipancarkan pixel dari citra
yang dapat ditangkap oleh sistem
pengliatan
 Contrast, kontras menyatakan sebaran
terang “lightness” dan gelap “darkness”
di dalam gambar
 Countour,kontur merupakan keadaan
yang ditimbulkan oleh perubahan
intensitas pada pixel yang

40.  Color, warna sebagai persepsi yang
ditangkap sistem visual terhadap
panjang gelombang cahaya yang
dipantulkan oleh objek
 Sharp, bentuk sebagai properti
instristik dari objek 3 dimensi
 Texture, tekstur dicirikan sebagai
distribusi spasial sari derajat keabuan
di dalam sekumpulan pixel yang
bertetanggaan.

41. Digitalisasi Citra
 Supaya bisa diolah dengan komputer, citra harus direpsentasikan
secara numerik dengan nilai diskrit .
 Citra digital dinyatakan dengan suatu matrik ukuran NxM. Masing-
masing elemen disebut pixel (picture element)
f(0,0) f(0,1) …. f(0,m)
f(1,0) f(1,1) …. f(1,M)
F(x,y) = : : :
f(N-1,0) f(N-1,1) f(N-1,M-1)
 Indeks baris (i) dan indeks kolom (j) menyatakan koordinat titik pada citra,
sedang f(i,j) merupakan intensitas (derajat keabuan) pada titik (i,j)

42. Contoh Perkalian Matrix
 Jika f(x,y) = xy maka:
 f(x,y) =
 f(x,y)=
0 0 0
0
0 1 2
3
0 2 4
6
   
2
,
1
,
0
3
,
2
,
1
,
0 

44. Ukuran Pixel
 Standard ukuran sebuah citra satu layer
(gray scale) dapat dihitung dengan rumus
N = 2m
x 2n
pixels
 Dimana: m adalah jumlah pixel baris dan n
adalah jumlah pixel kolom.
 Misal 128 x 128, 256 x 256, 512x512,
1024x1024
 Jika citra yang digunakan adalah citra
berwarna, maka citra harus dikalikan 3
(R,G,B).

45. Metodologi Pengolahan
Citra
Pengolahan Citra lebih banyak membahas
masalah berikut ini
 Pembentukan Citra (Data
Acquisition): Menentukan data yang
diperlukan dan memilih metode
perekaman citra dijital.
 Pengolahan Citra Tingkat Awal
(Image Preprocessing): Meningkatkan
kontras, menghilangkan gangguan
geometrik / radiometrik, menentukan
bagian citra yang akan diobservasi.

46. Metodologi Pengolahan
Citra
 Segmentasi Citra (Image Segmentation)
dan Deteksi Sisi (Edge Detection):
 Melakukan partisi citra menjadi wilayah-wilayah
obyek (internal properties) atau menentukan garis
batas wilayah obyek (external shape
characteristics).
 Seleksi dan Ekstraksi Ciri (Feature
Extraction and Selection):
 Seleksi ciri memilih informasi kwantitatif dari ciri
yang ada, yang dapat membedakan kelas-kelas
obyek secara baik. Ekstraksi ciri mengukur
besaran kwantitatif ciri setiap piksel

47.  Interpretasi Citra (Image
Interpretation):
 Memberikan arti pada obyek yang sudah
berhasil dikenali (dari citra klasifikasi
biomedik dapat dilihat adanya penyakit
tumor)
 Penyusunan Basis Pengetahuan:
 Basis pengetahuan ini digunakan sebagai
referensi pada proses template matching /
object recognition.

48. Knowledge Base
Segmentation
Representation
And
Description
Intermediate Level
Processing
Preprocessing
Image
Acquisition
Low Level
Processing
Problem
Domain
Recognition
And
Interpretation
High Level
Processing
Result

49. Digital Image Acquisition Process

50. Matrix Representation
H=256
W=256
Divide into
8x8 blocks
From [Gonzalez & Woods]
























169
130
173
129
170
181
170
183
179
181
182
180
179
180
179
179
169
132
171
130
169
183
164
182
179
180
176
179
180
179
178
178
167
131
167
131
165
179
170
179
177
179
182
171
177
177
168
179
169
130
165
132
166
187
163
194
176
116
153
94
153
183
160
183

51. Image Resolution

52. Image Resolution

53. Bitplanes
From [Gonzalez & Woods]
Original 8bits/pixel Bitplane 7 Bitplane 6
Bitplane 5 Bitplane 4
one 8-bit byte Bitplane 7
Bitplane 0

54. Image Analysis: Edge Detection
From [Gonzalez & Woods]

55. Image Analysis: Face Detection
From Prof. Xin Li

56. Image Analysis: Image Segmentation
From Prof. Xin Li

57. Two deceivingly similar fingerprints of two different people
Image Analysis: Image Matching
From Prof. Xin Li

58. Berbagai aplikasi
 Identifikasi sidik jari (Isnanto, dkk., 2007)
 Pencarian database orang melalui foto
orang (Aribowo, 2009)
 Identifikasi kematangan buah tomat (Noor
dan Hariadi, 2009)
 Identifikasi penyakit Diabetes mellitus
melalui citra kelopak mata (Rachmad, 2009)
 Ekstraksi fitur motif batik (Mulaab, 2010)
 Identifikasi telapak tangan (Putra dan
Erdiawan, 2010)

59. Prinsip Dasar Citra
 Peningkatan Kecerahan & Kontras
(Brightness & Contrass)
 Penghilangan Derau (Noise)
 Pencarian Bentuk Obyek (Edge
Detection)