IMPLEMENTASI
Implementasi Perangkat Lunak
Spesifikasi Hardware dan Software
Spesifikasi perangkat keras yang direkomendasikan untuk menjalankan program Pengolahan Citra Digital ini adalah sebagai berikut :
Prosesor Dual Core 2.13 GHz.
Harddisk dengan minimal free space 500 MB.
Memori (RAM) sebesar 512 MB.
Monitor SVGA.
VGA Card 64 MB dengan resolusi minimum 1024 x 768.
Keyboard dan Mouse.
Adapun perangkat lunak (software) yang digunakan untuk menjalankan aplikasi ini adalah lingkungan sistem operasi Microsoft Windows XP.
Istilah yang hadir
Berbagai istilah atau lebih tepatnya source code yang digunakan dalam program aplikasi dirangkum di dalam table berikut :
Tabel
2. Daftar Source Code Yang Digunakan
No |
Kode |
Keterangan |
1 |
Gambar : TBitmap; |
Nama variable gambar dengan tipe data Tbitmap; (kelas yang terkait dengan picture) |
2 |
OpenPictureDialog1 |
Icon pada halaman Dialogs |
3 |
OpenPictureDialog1. |
Status atau keadaan eksekusi OpenPicture Dialog1. |
4 |
Temp : PByteArray; |
Nama veriabel temp dengan tipe data PByteArray; (kelas yang terkait dengan pointer) |
5 |
gambar := TBitmap.Create; |
Membuat secara instant kelas Tbitmap |
6 |
Gambar.LoadFromFile(OpenPicture Dialog1.filename; |
Memuat file gambar |
7 |
Gambar.PixelFormat <> pf24bit |
Pengecekan status format gambar |
8 |
Pf24bit |
24bit |
9 |
Temp := ScanLine[y]; |
Scan baris gambar [y] |
10 |
Gambar.Height-1 |
Tinggi gambar~1 |
11 |
3*(gambar.Width-1) |
Lebar gambar ~1 dan dikali 3 |
12 |
Gambar.SaveToFile(‘Hendra.bmp’);
|
Lebar gambar dalam file Hendra dengan ekstensi bmp |
13 |
Image |
Icon pada halaman additional |
Hasil Proses Eksekusi Perangkat Lunak
Untuk menguji hasil proses eksekusi perangkat lunak, dari masing-masing metode pengolahan citra digital adalah sebagai berikut:
Metode Kuantitasi
Kuantisasi dinyatakan dalam : bit/pixel. Suatu binary-value image menggunakan 1 bit untuk tiap pixel, sehingga hanya ada 2 kemungkinan bagi tiap pixel 0 (hitam) atau 1 (putih). Untuk mendapatkan 256 level intensitas, maka digunakan 8 bit untuk tiap pixel. Metode ini bekerja dengan cara mengurangi derajat keabuan sehingga jumlah bit yang dibutuhkan untuk merepresentasikan citra berkurang. Gambar 28 menunjukan hasil percobaan dari citra warna (24bit) yang dirubah menjadi citra Kuantitasi (4bit).
Gambar 28. Proses image kuantitasi
Pada perangkat lunak, form training terlihat seperti pada gambar 29 berikut.
Gambar 29. Proses image Kuantitasi pada aplikasi
Metode Inversi (Negasi)
Operasi negasi dipakai untuk mendapatkan citra negative, seperti film (negatif) dari hasil cetak foto. Metode ini bekerja dengan cara mengurangi nilai intensitas pixel dari nilai maksimumnya. Gambar 30 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Inversi (Negatif).
Gambar 30. Proses image Inversi
Pada perangkat lunak, form training terlihat seperti pada gambar 31 berikut.
Gambar 31. Proses image Inversi pada aplikasi
Metode Greyscale
Citra warna bisa diubah menjadi citra Greyscale dengan cara menghitung rata-rata elemen warna Red, Green, dan Blue. Metode ini bekerja dengan cara mengkonversikan citra warna RGB menjadi Greyscale. Gambar 32 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Greyscale.
Gambar 32. Proses image Greyscale
Pada perangkat lunak, form training terlihat seperti pada gambar 33 berikut.
Gambar 33. Proses image Greyscale pada aplikasi
Metode Konvolusi
Konvolusi menyediakan cara mengalikan bersama dua array angka, umumnya ukuran yang berbeda, tetapi dari dimensi yang sama, untuk menghasilkan array sepertiga dari jumlah dimensi yang sama. Array kedua biasanya jauh lebih kecil, dan juga dua dimensi (meskipun mungkin hanya piksel tunggal tebal), dan dikenal sebagai kernel. Metode ini bekerja dengan cara menidentifikasi titik kernel vertical dan horizontal. Gambar 34 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Konvolusi dengan titik kernel 3x3 sebagai berikut.
Gambar 34. Proses image Konvolusi
Kx= Ky=
Pada perangkat lunak, form training terlihat seperti pada gambar 35 berikut.
Gambar 35. Proses image Konvolusi pada aplikasi
Metode Operator Sobel
Operator sobel menggunakan pembobotan pada piksel-piksel yang lebih dekat dengan titik pusat kernel. Oleh karena itu, pengaruh piksel-piksel tetangga akan berbeda sesuai dengan letaknya terhadap titik dimana gradient dihitung. Dalam melakukan perhitungan gradient, operator ini merupakan gabungan dari posisi mendatar dan posisi vertical. Metode ini bekerja dengan cara menidentifikasi titik kernel vertical dan horizontal. Gambar 36 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Sobel dengan titik kernel 3x3 sebagai berikut.
Gambar 36. Proses image Sobel
Sx= Sy=
Pada perangkat lunak, form training terlihat seperti pada gambar 37 berikut.
Gambar 37. Proses image Sobel pada aplikasi
Metode Operator Robert
Operator Robert adalah operator yang berbasis gradient yang menggunakan kernel ukuran 2x2 piksel. Operator ini mengambil arah diagonal untuk penentuan arah dalam perhitungan nilai gradient. Metode ini bekerja dengan cara menidentifikasi titik kernel vertical dan horizontal. Gambar 38 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Robert dengan titik kernel 2x2 sebagai berikut.
Gambar 38. Proses image Robert
Gx= Gy=
Pada perangkat lunak, form training terlihat seperti pada gambar 39 berikut.
Gambar 39. Proses image Robert pada aplikasi
Metode Operator Prewitt
Operator ini mengguakan persamaan yang sama dengan operator sobel, hanya saja konstanta c yang digunakan bernilai 1. Metode ini bekerja dengan cara menidentifikasi titik kernel vertical dan horizontal. Gambar 40 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Prewitt dengan titik kernel 3x3 sebagai berikut.
Gambar 40. Proses image Prewitt
Sx= Sy=
Pada perangkat lunak, form training terlihat seperti pada gambar 41 berikut.
Gambar 41. Proses image Prewitt pada aplikasi
Metode Operator Laplace
Operator laplacian adalah titik-titik tepi yang dilacak dengan cara menemukan titik perpotongan dengan sumbu x oleh turunan kedua dari fungsi citra sangat sensitive terhadap noise. Metode ini bekerja dengan cara menidentifikasi titik kernel vertical dan horizontal. Gambar 42 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Laplace dengan titik kernel 3x3 sebagai berikut.
Gambar 42. Proses image Laplace
Laplacian 5 titik Laplacian 5 titik
Pada perangkat lunak, form training terlihat seperti pada gambar 43 berikut.
Gambar 43. Proses image Laplace pada aplikasi
Metode Watermark
Watermarking merupakan aplikasi dari steganografi, jika pada steganografi informasi rahasia disembunyikan di dalam media digital untuk melindungi kerahasiaan data yang disimpan, maka pada watermarking, media digital tersebut dilindungi oleh data yang disimpan. Pada prinsipnya, steganografi dan watermarking memiliki kemiripan proses pada penyisipan data atau informasi ke dalam citra digital. Metode ini bekerja dengan cara menggabungkan antara Image Pertama dengan Image Kedua. Gambar 44 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Watermark sebagai berikut.
Gambar 44. Proses image Watermark
Pada perangkat lunak, form training terlihat seperti pada gambar 45 berikut.
Gambar 45. Proses image Watermark pada aplikasi
Metode Kompresi
Pemampatan citra atau kompresi citra (image compression) bertujuan meminimalkan kebutuhan memori yang dibutuhkan untuk merepresentasikan citra digital. Metode ini bekerja dengan cara mengkompres/memampatkan Image dengan kapasitas yang besar hingga menjadi lebih kecil (misalkan 1MB menjadi 128Kb) . Teknik kompresi ini menggunakan metode kuantitasi yaitu dengan cara mengurangi derajat keabuan sehingga jumlah bit yang dibutuhkan untuk merepresentasikan citra berkurang. Akibatnya, kualitas citra tersebut menurun. Gambar 46 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Kompresi sebagai berikut.
Gambar 46. Proses image Kompresi
Pada perangkat lunak, form training terlihat seperti pada gambar 47 berikut.
Gambar 47. Proses image Kompresi pada aplikasi
Metode Brightness (Kecerahan)
Untuk dapat mengatur kecerahan suatu citra kita dapat menambahkan nilai intensitas piksel dengan suatu nilai konstanta. Persamaannya seperti berikut.Dimana fi adalah nilai intensitas (warna) piksel pada citra asli, dan b adalah nilai konstanta kecerahan (brightness). Jika nilai b negatif maka intensitas piksel akan lebih gelap, sebaliknya jika nilai b positif maka intensitas citra akan semakin cerah. Gambar 48 menunjukan hasil percobaan dari citra warna yang dirubah menjadi citra Brightness sebagai berikut.
Gambar 48. Proses image Brightness
Pada perangkat lunak, form training terlihat seperti pada gambar 49 berikut.
Gambar 49. Proses image Brightness pada aplikasi
Metode Image Tresholding
Thresholding (pengambangan) artinya adalah nilai piksel pada citra
yang memenuhi syarat nilai ambang yang kita tentukan dirubah kenilai
tertentu yang dikehendaki. Dengan fi (x,y) adalah citra asli (input),
fo(x,y) adalah piksel citra baru (hasil/output), Tn adalah nilai
ambang yang ditentukan. Nilai piksel pada (x,y) citra output akan
sama dengan T1 jika nilai piksel (x,y) citra input
tersebut ? T1. Nilai piksel (x,y) citra input akan sama
dengan T2 jika T1 < fi(x,y)< T2,
dan seterusnya… ambil contoh citra greyscale 8 bit akan
dipetakan menjadi peta biner (hitam dan putih saja) dengan nilai
ambang tunggal = 128 maka persamaan matematisnya
Ini
berarti piksel yang nilai intensitasnya dibawah 128 akan diubah
menjadi hitam (nilai intensitas = 0), sedangkan piksel yang nilai
intensitasnya diatas 128 akan menjadi putih (nilai intensitas = 255).
Gambar 50 menunjukan
hasil percobaan dari citra warna yang dirubah menjadi citra
Tresholding
sebagai
berikut.
Gambar 50. Proses image Tresholding
Pada perangkat lunak, form training terlihat seperti pada gambar 51 berikut.
Gambar 51. Proses image Tresholding pada aplikasi
Matriks (Nilai Intensitas Pixel Citra)
Nilai intensitas pixel dari citra tersebut dapat digambarkan melalui angka-angka yang berbentuk Matriks. Data matriks berupa angka yang di ambil dari suatu gambar Bitmap (.bmp) dan tidak berbentuk database cuma save file biasa yang di simpan di notepad. Berikut algoritma untuk menampilkan nilai intensitas pixel dari gambar menjadi Matriks tersebut:
var H :textfile;
hendrafile:string;
temp :PByteArray;
i,j :integer;
gambar :Tbitmap;
begin
hendrafile:='matriks.txt';
assignfile(H,hendrafile);
gambar:=Tbitmap.create;
gambar.LoadFromFile(OpenPictureDialog1.FileName );
rewrite(H);
writeln(H,'Nilai Intensitas Pixel Citra :');
writeln(H,'================');
memo1.Clear ;
for j:=0 to gambar.Height-1 do
begin
temp:=gambar.Scanline[j];
i:=0;
repeat
write(H,inttostr(temp[i])+' ');
i:=i+1;
until i>=3*gambar.width-1;
end;
closefile(H);
memo1.Lines.LoadFromFile(hendrafile);
image3.Picture.Bitmap :=gambar;
end;
Gambar 52 menunjukan hasil percobaan dari gambar yang dirubah menjadi nilai Matriks sebagai berikut.
Gambar 52. Menampilkan nilai intensitas pixel citra (Matriks)
Pada perangkat lunak, form training terlihat seperti pada gambar 53 berikut.
Gambar 53. Matriks pada image citra
Histogram
Histogram citra merupakan grafik yang memuat penyebaran nilai-nilai intensitas pixel dari suatu citra atau suatu grafik yang menunjukan frekuensi kemunculan setiap nilai gradasi warna. Bila digambarkan pada koordinat kartesian maka sumbu X (absis) menunjukan tingkat warna dan sumbu Y (ordinat) menunjukan frekuensi kemunculan. Berikut algoritma untuk menampilkan grafik Histogram dari gambar tersebut:
var temp :pbytearray;
x,y,jum :integer;
tengah :integer;
a,b,c :real;
begin
jum :=0;
for y:=0 to gambar.Height-1 do
begin
temp:=gambar.Scanline[y];
x:=0;
repeat
a := 0.11*temp[x];
b := 0.59*temp[x+1];
c := 0.3*temp[x+2];
tengah:=round(a+b+c);
datamod[tengah] := datamod[tengah]+1;
inc(jum);
inc(x,3);
until x>3*(gambar.Width-1);
end;
for x:=0 to 255 do
datamod[x]:=datamod[x]/jum;
image2.Picture.Bitmap :=gambar;
end;
Gambar 54 menunjukan hasil percobaan menampilkan grafik histogram dari citra sebagai berikut.
Gambar 54. Grafik Histogram dari image
Pada perangkat lunak, form training terlihat seperti pada gambar 55 berikut.
Gambar 55. Grafik Histogram pada image citra
Kelebihan Dan Kekurangan Sistem
Kelebihan
Aplikasi ini mudah digunakan terutama bagi kalangan anak-anak yang masih ingin belajar banyak dan mengetahui berbagai pengetahuan pada penggunaan aplikasi komputer.
Tidak membutuhkan spesifikasi yang tinggi untuk menjalankannya pada perangkat keras komputer.
Kekurangan
Perangkat lunak pengolahan citra digital ini belum dapat mencetak hasil gambar langsung dari perangkat lunak tersebut dan editing gambar.
IMPLEMENTASI PENELITIAN TINDAKAN KELAS OLEH PROF DRA HERAWATI
IMPLEMENTASI PENGUKUR NILAI TEGANGAN RMS JALAJALA LISTRIK BERBASIS MIKROKONTROLER
IMPLEMENTASI TRANSFORMASI TEKNOLOGI DALAM MENINGKATKAN KUALITAS PEMBELAJARAN KEJURUAN BIDANG
Tags: implementasi implementasi, implementasi, software, spesifikasi, perangkat, hardware, lunak