PENGOLAHAN CITRA

Definisi Citra

Citra (image) = gambar pada bidang 2 dimensi.
Citra (ditinjau dari sudut pandang matematis) = fungsi yang kontinu dari intensitas cahaya pada bidang 2 dimensi.
Sumber cahaya menerangi objek, dipantulakan kembali dan ditangkap kembali oleh alat- alat optik = citra.

Definisi Pengolahan Citra

Pengolahan Citra = memproses suatu citra sehingga menghasilkan citra yang sesuai dengan keinginan kita atau kualitasnya menjadi lebih baik.

Di dalam bidang komputer, ada 3 bidang studi yang berkaitan dengan citra. Namun, tujuan ketiganya berbeda, yaitu:

• Grafika Komputer (Computer Graphic)
• Pengolahan Citra (Image Processing)
• Pengenalan Pola (Pattern Recognition/image interpretation)

Operasi Pengolahan Citra

1. Perbaikan Kualitas Citra (image inhacement)
   Tujuan : Memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra.
2. Pemugaran Citra  (image restoration)
   Tujuan : Menghilangkan cacat pada citra.
   Perbedaannya dengan perbaikan citra adalah penyebab degradasi citra tidak diketahui.
3. Pemampatan Citra (image compression)
   Tujuan : Citra direpresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan kualitas gambar (misal dari .BMP menjadi .JPG)
4. Segmentasi Citra (image segmentation)
   Tujuan : Memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Berkaitan erat dengan pengenalan pola.
5. Analisa Citra (image analysis)
   Tujuan : Menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya.
6. Rekonstruksi citra(Image recontruction)
   Tujuan : membentuk ulang objek dari beberapa citra hasil proyeksi.

Berikut ini penjelasan lebih lanjut tentang operasi Pemampatan Citra

PEMAMPATAN CITRA

Citra direpresentasikan dalam bentuk lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan kualitas gambar (misal dari .BMP menjadi .JPG)

Kriteria Pemampatan

• Waktu pemampatan
• Kebutuhan memory
• Kualitas pemampatan (fidelity)
  
• Format keluaran

Jenis Pemampatan

• Pendekatan Statistik
  Melihat frekuensi kemunculan derajat keabuan pixel
• Pendekatan Ruang
  Melihat hubungan antar pixel yang mempunyai derajat keabuan yang sama pada wilayah dalam citra
• Pendekatan Kuantisasi
  Mengurangi jumlah derajat keabuan yang tersedia
• Pendekatan Fraktal
  Kemiripan bagian citra dieksploitasi dengan matriks transformasi
  

Klasifikasi Metode Pemampatan

• Metode Lossless
  - menghasilkan citra yang sama dengan citra semula
  - Tidak ada informasi yang hilang
  - Nisbah/ratio pemampatan sangat rendah
    Contoh: metode Huffman
    
• Metode lossy
  - menghasilkan citra yang hampirsama dengan citra semula
  - Ada informasi yang hilang akibat pemampatan tapi masih bisa ditolerir oleh persepsi mata
  - Nisbah/ratio pemampatan tinggi
    Contoh: JPEG dan Fraktal

Metode Pemampatan Huffman

1. Urutkan nilai keabuan berdasarkan frekuensi kemunculannya
2. Gabung dua pohon yang frekuensi kemunculannya paling kecil
3. Ulangi 2 langkah diatas sampai tersisa satu pohon biner
4. Beri label 0 untuk pohon sisi kiri dan 1 untuk pohon sisi kanan
5. Telusuri barisan label sisi dari akar ke daun yang menyatakan kode Huffman

• Contoh, citra 64x64 dengan 8 derajat keabuan (k)
• Kode untuk setiap derajat keabuan
• Ukuran citra sebelum dimampatkan (1 derajat keabuan = 3 bit) adalah 4096x3 bit = 12288 bit
• Ukuran citra setelah pemampatan
  

Metode Pemampatan RLE

• Run Length Encoding
  - Cocok untuk pemampatan citra yang memiliki kelompok pixel berderajat keabuan yang sama
• Contoh citra 10x10 dengan 8 derajat keabuan
  
  Pasangan derajat keabuan (p) dan jumlah pixel (q )
• Ukuran citra sebelum dimampatkan (1 derajat keabuan = 3 bit) adalah 100 x 3 bit = 300 bit 
• Ukuran citra setelah pemampatan (run length =4) adalah  (31 x 3) + (31 x 4) bit = 217 bit
  

Metode Pemampatan Kuantisasi

• Buat histogram citra yang akan dimampatkan. Pjumlah pixel
• Identifikasi nbuah kelompok di histogram sedemikian sehingga setiap kelompok mempunyai kira-kira P/npixel
• Nyatakan setiap kelompok dengan derajat keabuan 0 sampai n-1. Setiap kelompok dikodekan kembali dengan nilai derajat keabuan yang baru
• Contoh, Citra 5 x 13
  
• Akan dimampatkan dengan 4 derajat keabuan (0 -3) atau dengan 2 bit
  
• Setelah dimampatkan
  
• Ukuran sebelum pemampatan (1 derajat keabuan = 4 bit) adalah 65 x 4 bit = 260 bit
• Ukuran citra setelah pemampatan(1 derajat keabuan = 2 bit) adalah 65 x 2 bit = 130 bit
  

Riset Operasi

Riset operasi, atau disebut riset operasional di Eropa, adalah cabang interdisiplin dari matematika terapan dan sains formal yang menggunakan model-model—seperti model matematika,statistika, dan algoritma—untuk mendapatkan nilai optimal atau nyaris optimal pada sebuah masalah yang kompleks. Riset operasi biasanya digunakan untuk mencari nilai maksimal (profit, performa lini perakitan, hasil panen, bandwith dll) atau nilai minimal (kerugian, risiko, biaya, dll) dari sebuah fungsi objektif. Riset operasi bertujuan membantu manajemen mendapatkan tujuannyamelalui proses ilmiah.
Sumber: http://id.wikipedia.org/wiki/Riset_operasi