Materi Pertemuan 2

Materi Kuliah Pertemuan 2: Representasi dan Pembentukan Citra Digital

Materi minggu ini membahas fondasi dasar dari Pengolahan Citra Digital, mulai dari definisi, penerapannya di dunia nyata, hingga bagaimana komputer membaca dan memproses sebuah gambar.

1. Definisi dan Hubungan dengan Bidang Lain

Pengolahan Citra Digital (PCD) didefinisikan sebagai pemrosesan gambar berdimensi-dua melalui komputer digital menurut Jain (1989). Sementara itu, Efford (2000) mendefinisikannya sebagai istilah umum untuk berbagai teknik yang keberadaannya untuk memanipulasi dan memodifikasi citra dengan berbagai cara. Disiplin ilmu ini memiliki kaitan erat dan membangun fondasi untuk analisis visual tingkat lanjut pada bidang Grafika Komputer (Computer Graphics) dan Pengenalan Pola (Pattern Recognition).

2. Aplikasi Citra Digital

Teknologi ini banyak diaplikasikan di berbagai sektor:

• Biometrik: Digunakan untuk identifikasi sidik jari dan telapak tangan. Sistem ini juga menggunakan Vision Transformer (ViT) untuk klasifikasi dan DETR/RT-DETR untuk deteksi biometrik secara real-time.

• Medis & Kesehatan: Berperan dalam identifikasi Diabetes mellitus via citra kelopak mata. Selain itu, model Segment Anything (SAM) digunakan untuk segmentasi organ dan diagnosis medis multimodal.

• Pertanian & Pangan: Membantu identifikasi kematangan buah, seperti tomat. Vision Transformer digunakan untuk mendeteksi penyakit tanaman, didukung oleh pemanfaatan data augmentation.

• Tekstil & Budaya: Memungkinkan ekstraksi fitur untuk pengenalan motif budaya lokal seperti batik. Algoritma CLIP dan DINOv2 dimanfaatkan untuk pengelompokan motif tanpa label.

• AI Multimodal & Rekonstruksi 3D: Mendukung pencarian database gambar berbasis teks dengan model seperti Flamingo, LLaVA, dan GPT-4V. Digunakan pula untuk segmentasi universal (SAM 2) dan pembuatan ulang lingkungan dunia nyata melalui teknologi NeRF dan 3D Gaussian Splatting.

3. Tiga Prinsip Pengolahan Citra

• Peningkatan Kontras: Manipulasi kecerahan dan kontras untuk memperjelas detail yang sebelumnya sulit dibedakan oleh mata.

• Penghilangan Derau: Pembersihan citra dari titik-titik gangguan (noise), misalnya derau bentuk kotak-kotak atau salt-and-pepper.

• Pencarian Bentuk (Segmentasi): Isolasi area penting, misalnya pemisahan daun dari latar belakangnya. Setelah segmentasi, algoritma dapat mengekstrak informasi terukur melalui Deteksi Tepi (menghasilkan kontur bagian luar) dan Analisis Ukuran (menentukan dimensi fisik secara otomatis).

4. Representasi Citra Digital

Sebuah citra direpresentasikan dalam sistem koordinat $M\timesN$.

• Citra digital dibentuk oleh kumpulan titik yang dinamakan piksel (picture element), di mana setiap piksel digambarkan sebagai kotak kecil.

• Sistem memiliki M baris (sumbu y) dan N kolom (sumbu x), dengan piksel diidentifikasi melalui koordinat (x, y).

• Piksel pojok kiri-atas memiliki koordinat (0, 0) dan pojok kanan-bawah adalah (N-1, M-1).

Nilai Penyusun Piksel:

• Citra Berwarna (RGB): Terdiri dari 3 kanal warna utama (Red, Green, Blue) yang berpadu membentuk citra final. Memiliki 3 nilai per piksel dengan kedalaman data 24-bit, menghasilkan 16.777.216 variasi warna.

• Citra Grayscale (Monokrom): Hanya memiliki 1 nilai intensitas per piksel dengan rentang 8-bit (0 hingga 255 derajat keabuan). Konversinya dapat menggunakan rumus $y=\frac{1}{3}(R+G+B)$ atau $y=0.299R+0.587G+0.144B$.

5. Tahapan Pembentukan Citra dan Sistem Akuisisi

Proses pembentukan citra terbagi menjadi dua tahap:

• Sampling (Spasial): Mendigitalisasi fungsi kontinu menjadi fungsi diskrit berdasarkan ruang koordinat. Hasilnya ditentukan oleh elemen geometri perangkat, jumlah piksel, atau resolusi spasial sensor kamera.

• Kuantisasi (Amplitudo): Merubah nilai amplitudo intensitas warna dari rentang kontinu menjadi tingkatan digital yang diskrit (misal: 0-255).

Pada sistem kamera, cahaya memantul dari permukaan objek target menuju kamera. Pantulan ini diproyeksikan dalam keadaan terbalik oleh lensa ke atas sensor array. Sensor grid kemudian merekam rata-rata energi warna/cahaya per piksel, yang akhirnya membentuk struktur sampled image.

📌 Ketentuan Tugas Kelompok Praktikum

Instruksi Pengerjaan:

1. Pemrograman Python: Buatlah program untuk membaca citra digital. Lakukan proses memisahkan channel warna R (Red), G (Green), B (Blue), dan mengubahnya menjadi Grayscale.

2. Analisis Statistik: Algoritma harus dapat menghitung statistik intensitas dari citra tersebut yang mencakup nilai Minimum, Maximum, dan Mean (Rata-rata). Tampilkan tiap channel secara visual satu per satu.

3. Penyusunan Laporan (Bobot 70%): Narasikan seluruh proses pembuatan dari awal hingga menjadi program yang utuh ke dalam bentuk Laporan lengkap beserta Source Code (SC).

4. Video Edukasi (Bobot 30%): Buatlah Video Pembelajaran yang mendemonstrasikan cara kerja algoritma kelompok Anda.

Pengumpulan Tugas:

Kirimkan Laporan, Bukti Project, SC, dan tautan Video melalui e-Learning resmi kelas kita di tautan berikut:

👉 https://campus.alfcenter.com/

• Format penamaan file: NIM_Semester.

• Subject pengumpulan: Tugas Kelompok.