Selasa, 14 Oktober 2008

Mengolah citra gambar & foto digital

MENGOLAH CITRA GAMBAR DAN FOTO DIGITAL

1. Penyajian Informasi Citra.

Penyajian informasi citra (image) baik berupa foto maupun gambar dalam mengkomuni-kasikan ide atau gagasan memegang peranan yang penting. Pict-ure says thousand worlds ! Penggunaan media komunkasi ini baik untuk suatu web site, poster atau paper tidak saja mem-perkaya sajian informasi tetapi juga membantu dalam interpretasi secara visual atas citra atau gambar yang bersang-kutan. Sajian gambar berkualitas yang mendukung penyampaian gagasan yang dimaksudkan merupakan syarat penting untuk menghindari interpretasi yang keliru.

Citra digital (digital image) merupakan representasi atas objek seperti he-wan, vegetasi, jalan, rumah, danau atau hutan berupa tampilan warna yang me-wakili nilai digital (digital number) tertentu yang mengisi sel-sel (pixels) yang ter-susun berupa kolom dan baris (Gambar 1a). Citra digital dapat diperoleh melalui pemindaian (scanning) data foto atau gambar grafis lainnya dan di-konversi men-jadi citra bitmap yang dapat disimpan dalam hardisk atau media penyimpan lain-nya. Citra digital suatu objek dapat juga diperoleh secara langsung melalui ka-mera digital.

Namun demikian data citra digital yang diperoleh tersebut seringkali tidak sesuai dengan kualitas citra yang diharapkan atau belum sesuai dengan keingin-an. Adakalanya citra tersebut diperoleh dari pemotretan yang kelebihan cahaya (overexposed) atau foto yang diperoleh agak “kabur” (blurry) alias tidak fokus. Bahkan untuk tujuan tertentu terkadang diperlukan “manipulasi” citra atau gambar untuk mendapatkan tampilan efek-efek khusus, seperti embossing, blurring dan sebagainya. Beberapa program aplikasi dektop publisher (DTP) dapat digu-nakan untuk tu-juan pengolahan/pengeditan citra (image processing/ editing), se-perti Adobe Photoshop atau Aldus PhotoStyler.

Sebagaimana diketahui berbagai bentuk “manipulasi” untuk mendapatkan citra foto atau gambar sesuai dengan yang diinginkan tidak mungkin dilakukan pada gambar atau foto tercetak (hardcopy). Namun dengan citra digital dimungkinkan melakukan pengolahan atau editing citra. Beberapa program desktop publishing selain mempunyai fasilitas pengolahan citra secara otomatis, tersedia pula fasilitas pengolahan citra customize, khususnya untuk operasi filte-risasi. Operasi ini dapat dilakukan dengan teknik sederhana melalui algoritma dan teknik-teknik transformasi citra yang sederhana. Misalnya dalam menam-pilkan efek embossing, walaupun memerlukan proses transformasi citra yang kompleks, namun algoritma yang mengendalikannya sangat sederhana. Algo-ritma dalam transformasi citra khususnya pada filterisasi digital memodifikasi nilai digital pixel tampilan warna citra berdasarkan pertimbangan nilai digital warna dari pixel yang bersangkutan dan tetangga (neighbourhood).

Filter merupakan matrik dua dimensi yang terdiri atas kolom (x) dan baris (y) sel-sel ker-nel yang berukuran 3 X 3, 5 X 5 atau 7 X 7, dimana pada setiap sel akan mempunyai nilai koefi-sien kernel tertentu tengantung fungsinya (Gam-bar 1b). Koefisien yang mengisi sel kernel ini merupakan bilangan integer an-tara - 999 sampai + 999. Operasi filter ini dilakukan dengan mengubah nilai-nilai seluruh pixel suatu citra berdasarkan nilai pixel asli dan pixel disekitarnya (nei-ghbour pixel). Perubahan nilai pixel ditentukan oleh harga-harga yang diguna-kan pada kernel (template). Dengan mengalikan nilai pixel yang menjadi target perubahan beserta kedelapan pixel tetangganya dengan harga koefisien pada posisi sel kernel yang bersangkutan, serta menjumlahkan hasil perkalian ini akan diperoleh suatu nilai baru yang akan menggantikan nilai pixel target dari suatu citra. Prosedur operasi filterisasi yang dilakukan oleh komputer tersebut dapat dijelaskan sebagai berikut:

§ Pada filter dengan ukuran matrik (kernel) tertentu, misalnya 3 X 3 (Gambar 1b), diisikan har-ga koefisien pada kesembilan sel kernel berdasarkan tujuan filterisasi. Pada contoh ini digu-nakan filter sharpening dengan harga koefisien: 0, -1, 0, -1, +5, -1, 0, -1, 0.

§ Tempatkan template filter tersebut di atas sembilan pixel dimana pixel target berada di pusat. Mulai pada kolom pertama baris pertama.

§ Hitung jumlah perkalian nilai digital tiap pixel dengan kesembilan harga koe-fisien filter. Nilai asli pada pixel target, yaitu 2 (Gambar 1a), akan digantikan dengan nilai pixel yang baru dari operasi filter ini, yaitu –6.

§ Geser template sebanyak satu pixel ke arah kanan dan lakukan perhitungan dengan cara yang sama. Hal yang sama diteruskan sampai akhir dari kolom citra. Kemudian pindahkan template ke kolom pertama baris kedua. Kemu-dian geser satu pixel ke kolom berikutnya dan seterusnya. Lakukan prosedur yang sama untuk semua pixel. Urutan perhitungan ini tidak merupakan keharusan untuk diikuti, yang penting filterisasi ini dilakukan untuk semua pixel dari citra yang diolah.

Dengan menggunakan program aplikasi Adobe Photoshop (untuk semua versi) dapat dipelajari dan dipraktekan teknik “manipulasi” dan perbaikan citra dengan memanfaatkan fasilitas filterisasi Custom. Dalam mempelajari fasilitas filterisasi Custom pada Photoshop pada awalnya akan dihadapi berbagai “mis-teri”. Namun sekali rahasia-rahasia tersebut hilang akan diperoleh pengalaman dalam menentukan algoritma filter kernel untuk efek yang dikehendaki, bahkan efek-efek khusus yang tidak dapat dilakukan oleh filter lainnya. Operasi filter yang dikenal juga seba-gai covolution ini secara matematis menerapkan peru-bahan nilai tone pixel-pixel disekitar dengan cara penambahan atau pengurang-an nilai digital warna RGB (Red-Green-Blue). Kadang-kadang operasi suatu set koefisien kernel sedikit memberikan efek terhadap kualitas citra, sementara ope-rasi lainnya membuat effek yang sangat drastis.

Pengaruh filterisasi ini beragam antara satu citra dengan citra lain tergantung pada tone dan kisaran nilai digital warna citra yang bersang-kutan. Dalam penyusunan harga-harga koefisien kernel untuk suatu operasi filte-rsasi citra yang penting untuk diperhatikan adalah perbandingan relatif antara komponen koefisien kernel, scale dan offset dari pada memperhatikan nilai ak-tualnya. Pada kasus dimana nilai koefisien dan scale dengan kisaran sempit, misalnya 1 sampai 5, maka perubahan +1 pada matrik akan memberikan peng-aruh yang drastis. Dan sebaliknya kisaran selebar 950, adanya perubahan nilai +1 pengaruhnya dapat diabaikan. Peranan komponen offset dalam hal ini ada-lah sebagai faktor “pemanis” yang mengepaskan tampilan citra dengan mengatur tingkat kecerahan (brigthness) citra yang dihasilkan. Keseimbangan dan keti-dakseimbangan koefisien kernel merupakan faktor uta-ma yang menentukan efek hasil yang diperoleh. Keterbatasan dalam operasi convolution filter ini ada-lah manipulasi hanya dapat dilaku-kan dalam konteks sistem filterisasi terhadap tone dan warna citra, tidak terhadap efek distorsi atau overwrite. Namun demiki-an dimungkinkan untuk melakukan beberapa operasi, seperti pergeseran (shift) tone, warna dan kejenuhan (saturation), pengaruh pinggir (edge effect) dan pixelation effect.

Untuk memberikan ilustrasi hasil manipulasi citra digital tersebut berikut ini akan ditunjukan beberapa contoh operasi pengolahan citra melalui filterisasi digi-tal seperti penajaman (sharpening), mengaburan (blurring), embosing dan sebagainya.

Transformasi pada nilai-nliai pixel suatu citra ini dapat dilakukan dengan cara sebagai berikut. Tempatkan data citra digital yang akan dioleh pada hardisk atau media storage lainnya. Jalankan program Photoshop dan tampilkan citra yang akan diproses, pada menu File pilih Open. Bila citra tersebut bukan meru-pakan true-color citra tersebut harus dikonversi menjadi citra warna 24-bit. Kon-versi citra dapat dilakukan dengan memilih Mode pada pulldown menu Image, kemudian pilih RGB color.

Selanjutnya untuk operasi filterisasi, pada pulldown menu pilih Filter I Other I Custom. Pada dialogbox Custom yang muncul isikan koefisien kernel. Efek yang terjadi dapat dilihat me-lalui jendela preview, kemudian clik OK apablia ingin melakukan aplikasi. Apabila sudah diper-oleh efek citra yang diinginkan koefisien kernel pada filter Photosop ini dapat disimpan dengan meng-cklick Save dan tempatkan pada folder tersendiri. Cutom Filter yang disimpan dengan format *.ACF ini sewaktu-waktu dapat dipergunakan kembali untuk apliaksi suatu citra dengan meng-click tombol Load pada dialogbox Custom.

2. Filter Sharpening.

Penggunaan filter sharpening bertujuan untuk memberikan kontras dian-tara pixel yang berdekatan dengan penajaman pixel yang sulit terlihat secara de-tail. Dengan harga koefisien 5 pada pusat kernel berukuran 3 X 3 yang disertai harga –1 untuk ke delapan pixel disekitarmya, memperlihatkan adanya kontras antara nilai pixel target pengolahan dan ke delapan pixel diseki-tarnya. Pada contoh Gambar 1a dan 1c perbedaan nilai digital pixel asli dengan hasil filterisasi adalah sebesar 8.

Apabila diperhatikan jumlah nilai koefisien kernel {(0 + (– 1) + 0 + (-1) + 5 + (-1) + 0 + (-1) + 0} adalah 1. Pemilihan jumlah koefisien kernel = 1 ini sangat penting dalam menentukan agar citra tersebut tetap memiliki kecerahan (bright-ness) walaupun nilai pixelnya naik atau turun.

Lakukan eksperimen dengan berbeda harga koefisien untuk mendapatkan efek yang dikehendaki, namun harus diingat jumlah koefisien kernel sharpening tersebut harus = 1 (Gambar 2). Hasil penajaman (sharpening) ini dapat dilihat pada Gambar 3.


Image hosted by Photobucket.com
Image hosted by Photobucket.com

3. Filter Blurring.

Filter ini berfungsi menampilkan efek “menyebarkan” (diffuse) warna dari citra sehingga gambar tampak kabur atau tidak fokus. Koefisien filter untuk membuat efek ini adalah: 0.07, 0.12, 0.07, 0.12, 0.24, 0.12. 0.07, 0.12 dan 0.07. Namun untuk menerapkan efek ini pada filter Photoshop menghendaki bilangan integer diantara –999 sampai 999, sehingga untuk nilai koe-fisien non-integer seperti 0.07 harus dituliskan sebagai 7 dengan mengatur faktor skala menjadi 100 (Gambar 4).


Image hosted by Photobucket.com
Efek operasi filter blurring dapat dijelaskan misalnya suatu nilai digital pi-xel target 100 de-ngan nilai digital pixel tetangganya 25, maka hasil perkalian dengan koefisien kernelnya melalui perhitungan berikut ini: (25 * 0.07) + (25 * 0.12) + ( 25 * 0.07) + (25 * 0.12) + (100 * 0.24) + (25 * 0.12) + (25 * 0.07) + (25 * 0.12) + (25 * 0.07) akan diperoleh nilai digital pixel target yang baru yaitu = 43. Nilai pixel baru (43) yang lebih rendah dari nilai pixel lama (100) ini mengurangi kon-tras antara nilai pixel yang lama dan pixel disekitarnya. Hasil filterisasi ini dapat dilihat pada Gambar 5.


Image hosted by Photobucket.com

4. Filter Embossing.

Operasi filter ini dilakukan dalam dua tahap, yaitu tahap pengolahan setiap pixel dengan koefisien kernel pada filter Photoshop, yaitu –1, 0, 0, 0, 0, 0, 0, 0, dan 1 (Gambar 6), dan menyetel tampilan kecerahan (brightness) citra de-ngan mengatur nilai offset. Setup koefisien kernel ini mengandung dua nilai yang tidak nol, yaitu –1 pada sel kiri atas dan 1 pada sel kanan bawah.

Sedangkan jumlah koefisien kernel ini = 0, menunjukan bahwa setiap pixel yang tidak terletak disepanjang tepi (edge) akan mempunyai nilai 0 atau hitam. Se-dangakan nilai 128 yang diisikan pada Offset berperan dalam mengkonversi pixel-pixel hitam menjadi kelabu atau warna yang kontras terhadap kelabu. Hasil filterisasi dapat dilihat pada Gambar 7.


Image hosted by Photobucket.com

Image hosted by Photobucket.com

5. Filter Sobel.

Penggunaan filter ini bertujuan untuk mendeteksi pinggir (edge detector) dari suatu objek atau penampakan pada suatu citra. Filter ini biasanya menampilkan latar belakang yang abu-abu dan hitam serta garis putih yang lingkupi pinggiran objek yang bersangkutan. Ada dua jenis filter ini, yaitu untuk mendeteksi pinggiran pada arah horizontal dan vertikal (Gambar 8). Hasil fiterisasi pada foto udara kota Paris dapat dilihat pada Gambar 9.

Image hosted by Photobucket.com
Pembandingan antara citra asli dan hasil filterisasi memperlihatkan pola garis horizontal pada pinggiran objek terlihat dominan pada Gambar 9b, sedangkan Gambar 9c memperlihatkan pola garis vertikan yang tegas.
Image hosted by Photobucket.com

6. Filter Lain.

Selain contoh filter di atas terdapat beberapa filter lain berukuran 3 X 3 yang dapat diterapkan pada koefisien kernel untuk mendapatkan berbagai efek pada suatu citra, seperti Mean Filter (1/9, 1/9, 1/9, 1/9, 1/9, 1/9, 1/9, 1/9, 1/9), High Pass Filter (-1/9, -1/9, -1/9, -1/9, +8/9, -1/9, -1/9, -1/9, -1/9) dan Laplacian Edge Enhancement (-1/9, -1/9, -1/9, -1/9, +17/9, -1/9, -1/9, -1/9, -1/9). Namun demikian tidak menutup kemungkinan untuk bereksperimen dalam men-dapatkan filter-filter yang sesuai dengan tujuan yang ingin dicapai.