PERTEMUAN 11, REFERENSI TENTANG CITRA BERWARNA
PENGOLAH CITRA (PERTEMUAN 11)
REFERENSI TENTANG CITRA BERWARNA
_____________________________________________________________________________________
Nama : Akbar Riyaji
Kelas : 17.5A.07
Nim : 17200237
Matkul : Pengolah Citra (Pertemuan 11)
_____________________________________________________________________________________
(1) RANCANG BANGUN SISTEM PENDETEKSI CONE PADA
ROBOMAGELLAN (JELAJAH V-18)
1. PENDAHULUAN
Autonomous cars atau mobil tanpa pengemudi
adalah sebuah kendaraan yang mampu merasakan
lingkungan di sekitarnya dan bernavigasi tanpa
bantuan manusia. Autonomous cars terdiri dari
beberapa alat dan sensor untuk mengetahui keadaan
sekitar seperti radar, kamera, sinar laser, GPS, lidar
dan computer vision. Semua alat akan tersambung ke
sebuah sistem utama untuk mengontrol dan
memproses informasi dari sensor untuk
mengidentifikasi jalur navigasi yang tepat [1].
Untuk mengembangkan Autonomous cars maka
diadakanlah berbagai perlombaan untuk membuat
purwarupa mobil pintar dimana purwarupa tersebut
harus menggunakan berbagai sensor yang diterapkan
pada Autonomous cars seperti GPS dan kamera.
Robogames adalah salah satu kontes robot dimana
salah satu cabang perlombaannya adalah membuat
purwarupa robot pintar dimana tujuan utama
perlombaan adalah robot harus bisa bernavigasi
secara otomatis dengan menggunakan GPS dan
melewati berbagai rintangan dengan menggunakan
berbagai sensor jarak dari titik kordinat GPS awal
sampai dengan titik kordinat GPS akhir. Titik-titik
kordinat tersebut nantinya akan ditandai dengan
sebuah traffic cone berwarna jingga oleh karena itu robot harus bisa mengenali objek berupa traffic cone
berwarna jingga dan menyentuhnya untuk
menyelesaikan perlombaan [2].
Pengolahan Citra
Pengolahan citra merupakan proses pengolahan
gambar untuk mendapatkan informasi yang
dibutuhkan pada sebuah citra [3]. Pengolahan citra
dapat dibagi ke dalam tiga kategori yakni kategori
rendah, menengah, dan tinggi. Kategori rendah
melibatkan operasi-operasi sederhana seperti
prapengolahan citra untuk mengurangi derau,
pengaturan kontras, dan pengaturan ketajaman.
Pengolahan kategori menengah melibatkan proses
operasi-operasi seperti segmentasi dan klarifikasi
citra. Pengolahan citra kategori tinggi melibatkan
proses pengenalan dan deskripsi citra [4].
(1) Citra Digital
Secara umum, pengolahan citra digital menunjuk
pada pemrosesan gambar 2 dimensi menggunakan
computer. Dalam konteks yang lebih luas,
pengolahan citra digital mengacu pada pemrosesan
setiap data 2 dimensi. Citra digital merupakan larik
(array) yang berisi nilai-nilai real maupun komplek
yang direpresentasikan dengan deretan bit tertentu
[4]
2) Citra Binary
Citra biner adalah citra digital yang hanya
memiliki dua kemungknan nilai pixel (nilai 0 dan 1)
atau biasa disebut citra monokrom [4]. Nilai 0
menyatakan warna hitam dan 1 menyatakan warna
putih. Citra jenis ini banyak digunakan dalam
pemrosesan citra, biasanya untuk mendapatkan tepi
bentuk suatu objek [5]. Pada gambar 2 akan
dibandingkan citra asli dan citra yang sudah
dikonversi menjadi citra biner.
3) Kontour
Merupakan suatu metode yang digunakan untuk
mendapatkan tepi objek. Terdapat istilah kontur
eksternal dan kontur internal, kontur eksternal
terletak diluar objek, sedangkan kontur internal
terletak di dalam objek [4]. Pada gambar 4 akan
diperlihatkan ilustrasi perbedaan kedua jenis kontur
4) Ruang Warna
Ruang warna (atau kadang disebut sistem warna
atau model warna) sebagai suatu spesifikasi sistem
koordinat dan suatun subruang dalam sistem tersebut
dengan setiap warna dinyatakan dengan satu titik di
dalamnya [6]. Tujuan dibentuknya ruang warna
adalah untuk memfasilitasi spesifikasi warna dalam
bentuk suatu standar [4].
5) Ruang Warna RGB
Ruang warna RGB adalah ruang warna yang
terdiri atas tiga komponen warna (red, green, blue).
RGB banyak digunakan dalam perancangan
hardware seperti peralatan elektronik (televisi,
monitor computer, dan lain-lain) karena
kemudahannya dalam perancangan, akan tetapi
sebenarnya tidak ideal untuk beberapa apikasi karena
warna merah, hijau, dan biru terkorelasi erat dan
sangat sulit diproses uuntuk beberap algoritma [4].
Dengan resolusi 24 jumlah warna pada model RGB
mencapai 16.777.216. Pada gambar 2.5 akan
diperlihatkan model RGB yang disajikan dalam
bentuk kubus tiga dimensi
6) Ruang Warna HSV
Berasal dari kata hue, saturation, dan value
merupakan ruang warna yang merepresentasikan
seperti yang dilihat oleh mata manusia atau lebih mudahnya warna-warna yang sama seperti yang
ditangkap oleh mata manusia [4].
Pengujian meliputi keberhasilan pendeteksi objek
pada Robomagellan Jelajah V-18. Uji coba dilakukan
dilapang terbuka, pengujian dilakukan dengan cara
menghitung jarak antara robot dan objek dan
menghitung keberhasilan robot mendeteksi objek
pada table 2.
Jika dilihat dari table 2 tingkat keberhasilan
sistem dari mulai jarak satu meter sampai enam meter
mencapai 100% dan pada jarak tujuh meter
presentase keberhasilan robot hanya 35.67%. Pada
jarak tujuh meter robot sudah sulit untuk menentukan
apakah objek tersebut adalah traffic cone atau bukan.
HASIL PEGUJIAN
Berdasarkan pengujian dan analisan sistem
pendeteksi dan pencarian objek, diperoleh
kesimpulan bahwa :
• Sistem pengendali dapat mengenali objek
sampai dengan jarak enam meter dengan
presentase keberhasilan mencapai seratus
persen.
• Pada jarak enam meter lebih presentase
keberhasilan sistem dalam mengenali objek
menurun drastis sampai dengan tiga puluh lima
persen.
(2) SEGMENTASI CITRA DIGITAL OBJEK HASIL PENGAMATAN IN SITU LOCAZILATION GEN GFP PADA TANAMAN TRANFORMASI
Pendahuluan
Seiring dengan berkembangnya penelitian berbasis biomolekuler, tuntutan penggunaan perangkat lunak
pengolah data semakin meningkat. Salah satunya yaitu kebutuhan perangkat lunak yang mampu mengolah
data citra digital pada proses segmentasi warna. Dalam penelitian biomolekuler, segmentasi warna dapat
digunakan untuk menganalisis pendaran warna hijau sebagai hasil ekspresi gen gfp. Gen gfp merupakan
salah satu gen pelapor yang umum digunakan sebagai indikator keberhasilan penyisipan DNA asing. Gen ini
mengkode protein Green Fluorescent Protein (GFP)(Remington, [8]) yang dapat dilihat keberadaannya sebagai
pendaran warna hijau setelah ditembakkan sinar UV pada panjang gelombang eksitasi 450-490 nm. Gen
pelapor ini banyak digunakan dalam proses rekayasa genetik tumbuhan maupun hewan. Kemampuan protein
GFP dalam membentuk chromophore secara autokatalitik serta resisten terhadap photobleaching
menyebabkan gen gfp dapat digunakan secara efektif untuk berbagai penelitian, seperti: memonitor ekspresi
gen, in situ localization (Chalfie, Euskirchen, & Ward, [1]), biosensor, physiological indicators (Tsien, [10]), dan
studi interaksi protein (Kumar & Pal, [4]).
Dalam mekanisme pembentukan pendaran hijau dari GFP, sinar UV panjang gelombang eksitasi 450-490 nm
dapat diserap dan diemisikan oleh molekul protein GFP pada panjang gelombang 460-510 nm sebagai warna
hijau (Remington, 2011). Adanya pendaran hijau tersebut diharapkan hanya muncul sebagai penanda
terekspresinya gen gfp. Namun demikian, pada sampel tumbuhan terkandung senyawa yang juga diketahui
dapat menyerap dan mengemisikan sinar UV sebagai warna hijau tua pada panjang gelombang 470 – 525 nm.
Senyawa tersebut adalah beberapa senyawa metabolit sekunder yang tergolong ke dalam kelompok terpen,
alkaloid (colchicine) dan flavonoid (Roshchina, 2008). Adanya warna hijau selain hasil ekspresi gen gfp ini
tentunya dapat menyebabkan hasil analisis in situ localization menjadi bias. Oleh karena itu, diperlukan
teknik pengolahan citra digital yang mampu memilah warna hijau hasil ekspresi gen gfp dan warna hijau dari
emisi senyawa metabolit tumbuhan. Tujuan penelitian ini adalah untuk memisahkan objek hasil ekspresi
gen gfp pada citra digital jagung transforman dengan warna hijau yang diemisikan oleh senyawa metabolit
sekunder jagung menggunakan beberapa metode pengolahan citra digital yang dibahas secara rinci pada
bagian metode penelitian
Definisi Citra
Citra dapat didefinisikan sebagai fungsi dua dimensi 𝑓(𝑥, 𝑦) di mana 𝑥 dan 𝑦 adalah koordinat bidang dan
amplitude dari 𝑓 untuk setiap pasang koordinat (𝑥, 𝑦) disebut dengan intensity atau gray level pada titik
tersebut. Ketika 𝑥, 𝑦, dan nilai amplitudo 𝑓 semuanya terbatas, diskrit, kita menyebut citra tersebut sebagai
citra digital (Gonzalez & Woods, [2]). Untuk selanjutnya pemakaian kata citra pada paper ini merujuk
kepada citra digital.
Citra Berwarna
Citra berwarna merupakan citra yang memiliki 3 buah kanal warna. Umumnya jenis citra berwarna
terbentuk dari komponen merah/ red (R), hijau/ green (G), biru/ blue (B) yang dimodelkan ke dalam ruang
warna RGB sehingga citra ini biasa dikenal sebagai citra RGB. Selain ruang warna RGB, terdapat pula ruang
warna lainnya seperti CMYK (Cyan, Magenta, Yellow, Black), HSV (Hue, Saturation, Value), YCbCr(), dan
Lab (L*a*b). (Hidayatulloh, [3])
Citra Grayscale
Citra grayscale disebut juga sebagai 8-bit image karena untuk tiap nilai pikselnya memerlukan penyimpanan
sebesar 8-bit. Jenis citra ini hanya memiliki satu buah kanal sehingga yang ditampilkan adalah nilai
intensitas. Nilai intensitas biasa dikenal sebagai derajat keabuan. Citra grayscale memiliki tempat
penyimpanan yang lebih hemat karena memiliki satu kanal saja.
Citra biner (binary image) atau dikenal dengan citra hitam putih (black and white image) merupakan citra
yang hanya memiliki dua kemungkinan nilai untuk setiap pikselnya, yaitu 0 atau 1 sehingga citra jenis ini
hanya membutuhkan 1-bit untuk menyimpan nilai pada setiap pikselnya. Nilai 0 akan tampil sebagai warna
hitam, sedangkan nilai 1 akan tampil sebagai warna putih. Citra biner sering digunakan untuk proses
masking ataupun proses segmentasi citra.
Suatu citra biner bisa didapatkan dari citra grayscale melalui proses thresholding berdasarkan nilai ambang
batas (threshold) yang ditentukan. Apabila nilai piksel pada citra grayscale lebih besar atau sama dengan nilai
threshold, maka nilai piksel tersebut dikonversi menjadi 1. Sedangkan jika nilai piksel kurang dari nilai
threshold, maka nilai piksel tersebut dikonversi menjadi 0. Secara matematis proses ini dituliskan pada
persamaan (3)
Operasi Dilasi
Operasi dilasi dilakukan untuk memperbesar ukuran segmen obyek dengan menambah lapisan di
sekeliling obyek. Proses perubahan citra disesuaikan dengan structuring element pembanding. Jika
titik acuan sesuai dengan ketentuan, maka lakukan operasi perubahan citra awal bersesuaian
dengan structuring element (Munir,[7]).
Operasi Erosi
Operasi erosi adalah kebalikan dari operasi dilasi. Pada operasi ini, ukuran obyek diperkecil dengan
mengikis sekeliling obyek. Operasi ini juga bekerja sesuai dengan structure element pembandingnya.
Jika titik acuan sesuai dengan nilai intensitas obyek, maka lakukan operasi perubahan citra awal
yang bersesuaian dengan structuring element (Munir,[7]).
Deteksi kontur
Proses ini bertujuan untuk menampilkan kontur area protein GFP. Input pada proses ini adalah Gambar 12.
Gambar tersebut diolah menggunakan Canny edge detector sehingga menghasilkan citra yang dapat dilihat
pada Gambar 13.
Pada Gambar 13 masih terdapat derau berupa kontur-kontur objek yang berukuran kecil. Derau tersebut
akan dihilangkan dengan melakukan filter terhadap width and height objek kontur. Hasilnya diperoleh kontur
yang memiliki width and height yang berukuran minimal 19x20 yang dapat dilihat pada Gambar 14.
Simpulan
Hasil yang diperoleh pada penelitian ini adalah citra objek hasil ekspresi gen gfp yang telah tersegmentasi
pada sayatan melintang akar jagung transforman melalui pengolahan citra digital.
(3) MENGUBAH CITRA BERWARNA MENJADI GRAYSCALE DAN CITRA BINER
PENDAHULUAN
Dalam citra ini tidak ada lagi warna, yang ada
adalah derajat keabuan. Untuk mengubah citra
berwarna yang mempunyai nilai matrik masing masing r, g dan b menjadi citra gray scale
dengan nilai s, maka konversi dapat dilakukan
dengan mengambil ratarata dari nilai r, g dan b
sehingga dapat dituliskan menjadi:
Untuk mencoba proses konversi citra berwarna
menjadi citra grayscale ini dapat dibuat
program seperti gambar 1
1. Thresholding
Thresholding digunakan untuk mengatur
jumlah derajat keabuan yang ada pada citra. Dengan menggunakan thresholding maka derajat
keabuan bisa diubah sesuai keinginan, misalkan
diinginkan menggunakan derajat keabuan 16,
maka tinggal membagi nilai derajat keabuan
dengan 16.
long int RGBToWarna(int Red, int Green, int
Blue)
{
return(Red+(Green<<8)+(Blue<<16));
}
Setiap pixel pada gambar akan diberikan
campuran dari 3 warna dasar yang sebelumnya
telah dipecah sehingga setiap pixel akan terdiri
dari 3 warna dasar tergantung pada intensitasnya
3. merubah gambar ke grayscale
Pada pengubahan sebuah gambar menjadi
grayscale dapat dilakukan dengan cara
mengambil semua pixel pada gambar kemudian
warna tiap pixel akan diambil informasi
mengenai 3 warna dasar yaitu merah, biru dan
hijau (melalui fungsi warnatoRGB), ketiga
warna dasar ini akan dijumlahkan kemudian
dibagi tiga sehingga didapat nilai ratarata. Nilai
ratarata inilah yang akan dipakai untuk
memberikan warna pada pixelgambar sehingga
warna menjadi grayscale, tiga warna dasar dari
sebuah pixel akan diset menjadi nilai ratarata
(melalui fungsi RGBtowarna)
4. merubah gambar ke biner
Mengubah gambar ke biner prosesnya hampir
sama dengan mengubah gambar ke grayscale, bedanya warna ratarata akan dikelompokkan
menjadi dua, jika intensitas warna dimulai dari 0
sampai dengan 255 maka diambil nilai
tengahnya yaitu 128, jika dibawah 128 maka
warna akan cenderung hitam dan diatas 128
warna akan cenderung putih
KESIMPULAN
1. Citra berwarna terdiri dari 3 layer matrik
yaitu Rlayer, Glayer dan Blayer
2. Thresholding digunakan untuk mengatur
jumlah derajat keabuan yang ada pada citra. Dengan menggunakan thresholding maka
derajat keabuan bisa diubah sesuai
keinginan.
DAFTAR PUSTAKA
Wikipedia, "Wikipedia," 28 7 2018. [Online].
Available:
https://en.wikipedia.org/wiki/Autonomous_c
ar. [Accessed 2018 7 29].
Chalfie, M., Tu, Y., Euskirchen, G., Ward, W. W., dan Prasher, D. C. 1994. Green Fluorescent
Protein as A Marker for Gene Expression. Science. 263(5148): 802–805
Munir, Rinaldi, 2004, Pengolahan Citra Digital
dengan pendekatan Algoritmik, Penerbit
Informatika, Bandung.
Komentar
Posting Komentar