Halo, berjumpa lagi dengan saya, aku Sumaydi di channel youtube lmactechnology.com Kali ini kita akan membahas mengenai konsep pengolahan citra digital Pada konsep pengolahan citra digital ini Target yang akan kita tuju adalah kita dapat mengklasifikasikan beberapa jenis ikan dengan metode GLGM dan NN. Nah disini GLGM adalah Gray Level Coagulant Metric dan NN adalah Neural Network. Sebelum kita menuju ke pengolahan citra, terlebih dahulu kita harus mengetahui konsep dari citra itu sendiri.
Citra adalah suatu representasi atau atau kemiripan atau imitasi dari suatu objek kemudian citra sendiri terdiri atas dua jenis ya berdasarkan mengisarkan output ada citra yang bersifat analog dan citra yang bisa bersifat citra yang bersifat digital citra analog adalah citra yang bersifat kontinu seperti gambar pada monitor televisi kemudian foto sinar X kemudian hasil city scan dan foto yang berbentuk printout sedangkan citra digital sendiri adalah citra yang dapat diolah oleh komputer karena dia bersifat digital bisa menggunakan extensionnya jpg jpeg atau png kemudian yang selanjutnya disini Sebuah citra digital dapat diwakili oleh sebuah matrik yang terdiri dari X baris dan Y kolom dimana perpotongan antara kolom dan baris disebut piksel jadi ini adalah X X itu representasi dari baris Kemudian Y adalah kolomnya Pertemuan antara X dan Y ini disebut sebagai piksel Nah jadi untuk koordinat pixel terendahnya adalah 0,0 nya itu posisinya berada di atas sini ya bukan di bawah sini jadi di atas Nah jika pixel ini f kita ibaratkan sebagai fungsi pixel pixel x,y itu posisinya adalah 0,0 berarti posisinya disini x nya 0 y nya 0 Kalau pixel ini itu posisinya adalah f x,y nilainya adalah 1,0 jadi baris ke 1 kolomnya ke 0 seperti itu ya kemudian yang selanjutnya pengolahan citra digital ini secara garis besar itu terdiri atas 3 bagian yang pertama adalah preprocessing kemudian yang kedua adalah ekstraksi fitur atau segmentasi kemudian yang ketiga adalah klasifikasi nah preprocessing disini terdiri atas beberapa fungsi Yang pertama adalah bertujuan untuk perbaikan kualitas gambar Yang meliputi peningkatan kontras, transformasi warna, dan restorasi citra Kemudian ada lagi transformasi gambar Seperti kita melakukan rotasi pada gambar, translasi pada gambar, skala gambar, transformasi geometrik Kemudian yang berikutnya adalah ekstraksi fitur atau segmentasi Yaitu melakukan proses penarikan informasi atau deteksi objek Atau juga pengenalan objek yang terkandung pada citra Nah disini yang dimasukkan pengenalan objek adalah kita dapat memisahkan antara objek yang kita tuju dengan backgroundnya Kemudian yang selanjutnya adalah klasifikasi Klasifikasi adalah proses pengenalan informasi yang sudah kita dapatkan dari proses yang sebelumnya dari proses ekstraksi fitur yang lebih spesifik pada objek tertentu jadi kalau misalnya ekstraksi fitur ini kita bisa mendeteksi bahwa itu adalah ikan tetapi kita belum bisa menentukan bahwa itu ikannya jenisnya apa itu kalau kita sampai ke ekstraksi fitur atau segmentasi sedangkan kalau klasifikasi kita bisa menentukan oh itu ikan jenisnya adalah ikan koi atau ikan paus, ikan lumba-lumba dan sejenisnya kemudian secara detail proses pengolahan citra digital melalui tahapan yang seperti ini jadi ada akuisisi citra merupakan kegiatan transformasi dari citra tampak menjadi citra digital biasanya alat kita gunakan disini seperti video kamera kemudian kamera digital scanner, foto x-ray dan sinyal infrared kemudian yang yang berikutnya tadi ada preprocessing yang sudah saya jelaskan peningkatan kualitas citra, menghilangkan noise, image restoration, image transformation menentukan bagian citra yang akan diobservasi itu termasuk dari preprocessing sedangkan segmentasi disini adalah proses partisi citra menjadi bagian pokok yang mengandung informasi penting jadi kita akan memisahkan antara objek yang kita tuju dengan objek yang kita tuju backgroundnya, kemudian yang selanjutnya setelah segmentasi ini ada representasi atau deskripsi bertujuan untuk menentukan titik koordinat dalam kurva tertutup dengan deskripsi luasan dan perimetrinya kemudian seleksi ciri untuk menentukan informasi kuantitatif dari objek yang akan kita klasifikasikan kemudian yang berikutnya ada ekstraksi ciri untuk mengukur besar besaran kuantitatif dari setiap pixel misalnya mencari rata-rata standar jerviasi at kemudian yang berikutnya adalah pengenalan atau interprestasi nah disini pengenalan berujuan untuk memberikan label jadi kita labeling pada sebuah objek yang informasinya disediakan oleh deskriptor jadi terlebih dahulu kita harus memberikan deskripsi bahwa objek ini nanti outputnya akan diklasifikasikan berdasarkan kelas A, B, C, dan D dan seterusnya kemudian yang berikutnya adalah basis pengetahuan berfungsi untuk memandu operasi dari modul proses dan mengontrol interaksi antara modul tersebut kemudian yang berikutnya adalah digunakan sebagai referensi dari proses template matching atau pada pengenalan pola jadi seperti itu ya untuk detail dari tahapan pengolahan citra untuk secara gambaran umum terdiri atas 3 bagian yang pertama processing, segmentasi dan klasifikasi atau pengenalan Jadi seperti ini ya untuk preprocessing itu misalnya ini kita sudah punya objeknya ikan seperti ini terus kita lakukan deteksi tepi ya kemudian ada binarisasi kemudian ada morfologi. Nah disini setelah kita melakukan morfologi kita akan mendapatkan objeknya jadi kita bisa misalkan objek dengan backgroundnya. Nah ini untuk segmentasi, jadi dua ini adalah proses segmentasi Kemudian ini adalah klasifikasi, nah kita bisa menentukan bahwa objek yang ada di dalam aquarium adalah ikan koi Nah, yang berikutnya Resolusi cita Jadi kalau kita Melihat pada cita digital Itu mempunyai Kapasitas gambar Yang berbeda, jadi ada misalnya Satu gambar yang punya kapasitas 1 megabyte, 2 megabyte 3 megabyte nah itu ditentukan atas 2 faktor yang pertama adalah resolusi spasial dan resolusi kecemerlangan atau intensitas resolusi spasial merupakan ukuran halus atau kasarnya bagian kisi-kisi baris dan kolom pada saat sampling kemudian resolusi Resolusi ini dipakai untuk menentukan jumlah piksel per satuan panjang.
Umumnya, besaran satuan resolusi adalah dpi.perinch. Kemudian yang berikutnya adalah resolusi kecemarlangan atau intensitas, atau yang biasanya disebut dengan kedalaman. Nah disini kedalaman warna Ukuran adalah ukuran harus dan kasarnya bagian tingkat gradasi warna saat dilakukan akuisisi citra Nah seperti ini ya untuk resolusi ya Jadi untuk resolusi spasial misalnya kita punya resolusi spasialnya adalah 100x100 pixel Nah gambarnya adalah seperti ini Jadi semakin kecil pikselnya semakin sedikit resolusi spasialnya maka gambarnya yang akan kita dapatkan ini akan blur jadi tidak jelas jadi semakin tinggi resolusi spasialnya maka gambarnya akan semakin mekail yang berikutnya seperti ini ilustrasinya, jadi kita punya lingkaran jadi kalau nilai pixelnya itu sedikit, maka akan terlihat jadi lebih kasar jadi kalau resolusi spasialnya itu tinggi atau besar, maka nanti citeranya akan semakin halus jadi perbedaannya seperti ini spesifik gambar mempunyai dipnya adalah 24 bit berarti dalam satu pixel disediakan ruangan sebanyak 24 bit untuk menampung warna 24 bit ini terdiri atas 8 bit untuk warna R atau red, 8 bit untuk warna G, dan 8 bit untuk warna B.
Nah, sedangkan untuk jenis intensitas kedalaman ada beberapa nilai, ada 16 bit, ada 24 bit. Hai ada juga yang 8bit jadi semakin tinggi nilai kedalaman maka gambarnya dari gratasi warna akan semakin ini apa namanya smooth jadi kalau misalnya eh nilai ini dip nya adalah 10 bit maka gradasi warnanya adalah seperti ini jika 8 bit maka gradasi warna akan seperti ini jadi terlihat sekali perbedaannya kalau menggunakan 8 bit ya kak kasar jadi semakin besar nilai deep maka akan semakin detail dan soft warna dari gambar untuk menghitung kapasitas gambar jadi perhitungannya seperti ini ya misalnya saya mempunyai file gambar dengan ukuran 100x100px dengan kedalamannya adalah 24bit maka ukuran file digitalnya nanti adalah seperti ini pixelnya nilai dimensi pixel x,y nya kita kalikan dengan kedalamannya jadi seperti ini 100 x 100 x kedalamannya adalah 24 bit maka hasilnya adalah 240 ribu bit atau kalau kita konversi ke byte maka kita bagi 8, kenapa kalau dibagi 8 1 byte adalah 16 bit, nah maka kita bagi aja 8 ya maka ketemunya adalah 30 ribu byte yang kita konversi ke kilobit adalah 29,30 jadi kalau gambar pikselnya adalah 100x100 dengan kedalamannya 24, maka kapasitas file-nya adalah, file gambar digitalnya adalah 29,30 kilobit gambar 1024 x 700 168px Kedalamannya adalah 16bit Maka ukuran file aslinya Adalah 1024x768x16 Maka hasilnya adalah 12.582.912bit Kemudian kita konversi menjadi byte Maka hasilnya adalah 1538px 6 KB ya ini kita konversi langsung ke KB nah jika di konversi lagi agar lebih mudah mengingatnya kita ubah ke MB kita bagi 1000 ya otomatis nilainya adalah 1, 5 MB jadi ini adalah untuk menentukan kapasitas atau besarnya file gambar digital nah sekian untuk penjelasan pada pertemuan yang pertama untuk pertemuan selanjutnya teman-teman saya harapkan sudah menyiapkan beberapa file Hai atau beberapa ketentuan yang pertama siapkan objek dengan background tunggal jadi seperti gambar yang saya tampilkan ini ya Jadi yang belakang ini adalah airnya kemudian ini adalah ikannya jadi objeknya satu dan backgroundnya ini background tunggal kemudian yang berikutnya adalah teman-teman siapkan software MATLAB jadi disini software yang akan saya gunakan untuk processingnya adalah software MATLAB karena disitu sudah lengkap toolboxnya fungsi-fungsinya juga kemudian yang berikutnya adalah selanjutnya untuk pembahasannya kita akan mengkonversi ruang warna atau mengkonversi gambar dari ruang warna RGB ke grey kemudian akan dilanjutkan dari grey ke binar oke sekian pertemuan kita kali ini jika teman-teman ada pertanyaan silahkan komen di kolom komentar di bawah ini kemudian jika teman-teman tertarik silahkan subscribe ya nanti kita akan memberikan tutorial secara bertahap hingga Insyaallah output kita terpenuhi ini dapat mengklasifikasikan jenis ikan Terima kasih Assalamualaikum warahmatullahi wabarakatuh