Thabliq Basac Bhaskara

 PENGOLAHAN CITRA

Pengolahan Citra merupakan informasi bentuk visual dari suatu objek. Citra juga dapat diartikan sebagai gambaran yang representatif mengenai suatu objek sedemikian sehingga citra tersebut dapat memberikan kesan yang mendalam mengenai objek yang dimaksud. Citra dapat membentuk dua dimensi dan tiga dimensi dan merepresentasikan bentuk suatu objek. Untuk melakukan proses komputasi, citra yang bersifat kontinu harus didigitalisasi terlebih dahulu sehingga didapatkan citra digital.

 Citra RGB

Red (Merah), Green (Hijau) dan Blue (Biru) merupakan warna dasar yang dapat diterima oleh mata manusia. Setiap piksel pada citra warna mewakili warna yang merupakan kombinasi dari ketiga warna dasar RGB. Setiap titik pada citra warna membutuhkan data sebesar 3 byte. Setiap warna dasar memiliki intensitas tersendiri dengan nilai minimum nol (0) dan nilai maksimum 255 (8 bit). RGB didasarkan pada teori bahwa mata manusia peka terhadap panjang gelombang 630nm (merah), 530 nm (hijau), dan 450 nm (biru).

clc; jelas; tutup semua; peringatan semua;

 

I = imread('thblq.jpeg');

Merah = I(:,:,1);

Hijau = I(:,:,2);

Biru = I(:,:,3);

I_Red = kucing (3, Merah, Hijau * 0, Biru * 0);

I_Green = kucing (3, Merah * 0, Hijau, Biru * 0);

I_Blue = kucing (3, Merah * 0, Hijau * 0, Biru);

 

perawakan imshow(I);

perawakan imshow(I_Red);

perawakan imshow(I_Green);

perawakan imshow(I_Blue);

Hasil gambar R,G,B

Histogram citra

        Histogram adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas piksel dari suatu citra atau bagian tertantu di dalam citra. dari histogram akan didapatkan frekuensi kemunculan nisbi (relative) dari intensitas pada citra tersebut.

 

Hasil gambar Histogram

Citra grayscale merupakan citra yang nilai intensitas pikselnya didasarkan pada derajat keabuan.
Pada citra grayscale 8-bit, derajat warna hitam sampai dengan putih dibagi ke dalam 256 derajat keabuan di mana warna putih sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0.
Citra RGB dapat dikonversi menjadi citra grayscale.
Persamaan yang umumnya digunakan untuk mengkonversi citra RGB truecolor 24-bit menjadi citra grayscale 8-bit adalah
0.2989*R+0.5870*G+0.1140*B      (1)
sehingga proses konversi menghasilkan citra grayscale yang hanya memiliki satu kanal warna.
Perintah yang digunakan dalam proses konversi citra RGB menjadi citra grayscale.

Jenis citra yang ketiga adalah citra biner.

Citra biner adalah citra yang pikselnya memiliki kedalaman bit sebesar 1 bit sehingga hanya memiliki dua nilai intensitas warna yaitu 0 (hitam) dan 1 (putih).

Citra grayscale dapat dikonversi menjadi citra biner melalui proses thresholding.

Dalam proses thresholding, dibutuhkan suatu nilai threshold sebagai nilai pembatas konversi.

Nilai intensitas piksel yang lebih besar atau sama dengan nilai threshold akan dikonversi menjadi 1.

Sedangkan nilai intensitas piksel yang kurang dari nilai threshold akan dikonversi menjadi 0.

Misalnya nilai threshold yang digunakan adalah 128, maka piksel yang mempunyai intensitas kurang dari 128 akan diubah menjadi 0 (hitam) dan yang lebih dari atau sama dengan 128 akan diubah menjadi 1 (putih).

Dalam MATLAB nilai threshold diatur dalam kelas data double, sehingga untuk mengatur nilai threshold 128, nilai yang digunakan adalah 128/256 = 0.5.

Perintah yang digunakan dalam proses konversi citra grayscale menjadi citra biner.

Thresholding pada umumnya digunakan dalam proses segmentasi citra.
Proses tersebut dilakukan untuk memisahkan antara foreground (objek yang dikehendaki) dengan background (objek lain yang tidak dikehendaki).
Pada hasil segmentasi, foreground direpresentasikan oleh warna putih (1) dan background direpresentasikan oleh warna hitam (0).
Pada kasus segmentasi pada satu citra saja, kita dapat menentukan nilai threshold dengan metode trial and error.
Namun pada kasus segmentasi pada citra dengan jumlah yang banyak, dibutuhkan suatu metode untuk menentukan nilai threshold secara otomatis.
Nilai threshold dapat diperoleh secara otomatis dengan menggunakan metode Otsu (1979).
Perintah yang digunakan untuk thresholding menggunakan metode Otsu.

Sedangkan pengertian pengolahan citra digital adalah bidang ilmu yang mempelajari tentang bagaimana suatu citra itu dibentuk, diolah, dan dianalisis sehingga menghasilkan informasi yang dapat dipahami oleh manusia.
Project pengolahan citra digital dapat dilakukan dengan mengimplementasikan dan mengembangkan metode pengolahan citra yang sudah ada maupun metode pengolahan citra terbaru sehingga diperoleh suatu sistem pengolahan citra yang baik.

% just for me (awal.m)

clc; % Membersihkan layar

clear all; % Membersihkan semua simpanan nilai

close all; % Menutup semua gambar

I = imread ('thblq.jpeg');

J = rgb2gray(I); % Mengubah gambar warna menjadi derajat abu-abu

K = im2bw(J,0.5); % Mengubah gambar warna menjadi derajat hitam putih

L = graythresh(J); % Menghitung threshold citra

M = im2bw(J,L); % Mengubah gambar abu-abu dengan metode thresholding

figure

subplot (2,2,1); imshow (I); title ('Gambar RGB full warna')

subplot (2,2,2); imshow (J); title ('Konversi RGB ke warna Abu-abu')

subplot (2,2,3); imshow (K); title ('Konversi grayscale ke hitam putih')

subplot (2,2,4); imshow (M); title ('Hasil threshold metode OTSU')

Morfologi adalah cabang ilmu linguistik yang mengidentifikasi satuan-satuan dasar bahasa sebagai satuan gramatikal. morfologi mempelajari seluk beluk bentuk kata serta pengaruh perubahan-perubahan bentuk kata terhadap golongan dan arti kata.kata morologi berasal dari kata morfologi

Apa morfologi dan contohnya?

Dalam bidang bilogi, morfolgi adalah suatu penampakan atau bentuk struuktur tubuh makhluk hidup yang biasanya dapat dilihat secara fiksi. Contohnya pada morfolgi manusia yang artinya suatu bentuk manusia yang dapat dilihat kasat mata seperti mempunyai kepala, tangan kaki, untuk bergerak.

clc;clear;close all;
 
I = imread('thblq.jpeg');
R = I(:,:,1);
G = I(:,:,2);
B = I(:,:,3);
Red = cat(3,R,G*0,B*0);
Green = cat(3,R*0,G,B*0);
Blue = cat(3,R*0,G*0,B);
 
figure, imshow(I);
figure, imshow(Red);
figure, imshow(Green);
figure, imshow(Blue);

Hasil gambar morfologi