Materi Pertemuan 4

Memahami Dasar Operasi Piksel dan Histogram Citra Digital

Selamat datang di materi pembelajaran Pertemuan ke-4 mata kuliah Pengolahan Citra Digital. Pada sesi kali ini, kita akan membahas tahapan awal dalam Perbaikan Kualitas Citra (Image Enhancement), yaitu penguasaan terhadap Operasi Piksel dan analisis Histogram.

Teknik-teknik dasar ini sangat esensial karena menjadi fondasi sebelum kita melangkah pada pemrosesan citra tingkat lanjut seperti segmentasi maupun ekstraksi ciri.

1. Apa itu Operasi Piksel? Secara sederhana, operasi piksel adalah teknik pengolahan citra yang memetakan nilai baru pada setiap piksel yang bergantung sepenuhnya pada nilai piksel itu sendiri. Ada dua modifikasi utama yang sering kita lakukan menggunakan operasi matematis ini:

• Pengubahan Kecerahan (Image Brightness): Operasi ini bertujuan untuk membuat keseluruhan gambar menjadi lebih terang atau lebih gelap. Secara matematis, hal ini dilakukan dengan menambahkan sebuah nilai konstanta pada seluruh piksel. Jika nilai konstanta bernilai positif, citra akan semakin terang, dan jika negatif, citra akan menjadi gelap.

• Peregangan Kontras (Contrast Stretching): Kontras menyatakan distribusi warna terang dan gelap. Sebuah citra dikatakan memiliki kontras rendah jika nilai intensitas warnanya hanya berkumpul di area sempit. Untuk memperbaiki hal ini, kita melakukan modifikasi dengan mengalikan piksel dengan konstanta tertentu agar jangkauan aras keabuan (0-255) terdistribusi lebih lebar.

2. Mengukur Intensitas dan Kontras secara Kuantitatif

Kualitas sebuah citra tidak hanya dilihat secara kasatmata, namun juga dapat diukur secara matematis:

• Luminosity (Kecerahan): Diukur menggunakan nilai rata-rata (Mean) dari histogram. Citra bernuansa gelap akan memiliki grafik histogram yang menumpuk di sisi kiri, sedangkan citra terang akan menumpuk di sisi kanan.

• Tingkat Kontras: Diukur menggunakan perhitungan Standar Deviasi (Standard Deviation).

3. Histogram Citra dan Ekualisasi Histogram citra adalah diagram fundamental yang menggambarkan frekuensi kemunculan setiap nilai intensitas (aras keabuan) pada seluruh piksel citra. Semakin tinggi batang diagram pada angka tertentu (misalnya rentang 0 hingga 255), maka semakin banyak jumlah piksel yang memiliki warna tersebut.

4. Memahami Perhitungan Histogram secara Konseptual

Histogram tidak hanya sekadar grafik visual, melainkan representasi data yang menjadi dasar algoritma perbaikan citra. Untuk menghitung histogram—khususnya pada citra grayscale 8-bit (yang memiliki rentang nilai 0 hingga 255)—kita pada dasarnya melakukan "sensus" terhadap setiap piksel penyusun gambar.

Sistem akan menghitung berapa kali setiap derajat keabuan muncul di dalam matriks citra. Misalnya, jika di dalam gambar berukuran 100x100 piksel terdapat 300 piksel berwarna hitam pekat (nilai 0) dan 500 piksel berwarna putih murni (nilai 255), maka pada grafik histogram, batang pada titik 0 akan setinggi 300, dan pada titik 255 setinggi 500. Pemahaman perhitungan dasar ini sangat penting untuk tahap modifikasi citra selanjutnya.

5. Mekanisme Ekualisasi Histogram (Perataan Histogram)

Seperti yang disinggung sebelumnya, ekualisasi digunakan untuk meratakan sebaran cahaya/warna. Lalu, bagaimana proses ini bekerja secara komputasi? Ada beberapa tahapan perhitungan sistematis (diskrit) yang dilakukan oleh komputer:

1. Mencari Histogram Citra Asli: Menghitung jumlah kemunculan (frekuensi) tiap nilai piksel.

2. Menghitung Distribusi Kumulatif: Menjumlahkan frekuensi piksel secara berurutan dari nilai terendah hingga tertinggi (akumulasi).

3. Normalisasi: Nilai kumulatif tersebut kemudian dikalikan dengan rentang derajat keabuan maksimal (misalnya nilai maksimalnya adalah aras keabuan $L-1$, biasanya 255) lalu dibagi dengan total keseluruhan jumlah piksel gambar.

4. Pembulatan: Mengingat nilai warna piksel harus berupa bilangan bulat, maka hasil pembagian tadi dibulatkan ke nilai integer terdekat.

5. Pemetaan (Mapping): Nilai piksel pada citra yang lama diganti dengan nilai piksel baru hasil ekualisasi. Hasilnya, gambar yang semula terlalu gelap atau terlalu terang (washed out) akan memiliki rentang kontras yang optimal.

6. Pengantar Filter Citra (Image Filtering)

Sebagai penutup materi pertemuan ini, kita mulai berkenalan dengan Filter Citra. Jika Operasi Piksel yang kita bahas di awal memproses piksel secara mandiri satu per satu (disebut operasi titik tunggal), maka Filter Citra menggunakan pendekatan Operasi Ketetanggaan (Neighborhood Operation).

Artinya, untuk menentukan warna baru dari sebuah titik piksel, komputer akan melihat nilai warna piksel tersebut beserta nilai warna dari piksel-piksel tetangganya di sekelilingnya (atas, bawah, kanan, kiri, dan diagonal). Proses ini biasanya melibatkan matriks kecil yang disebut Kernel atau Mask (misalnya ukuran 3x3 atau 5x5) dan menggunakan metode operasi matematika yang disebut Konvolusi.

Filter citra memiliki dua fungsi dasar yang sangat sering digunakan:

• Image Smoothing (Pelembutan / Blurring): Berfungsi untuk menghilangkan gangguan bintik (noise) pada gambar, sehingga citra terlihat lebih halus.

• Image Sharpening (Penajaman): Berfungsi untuk memperjelas garis tepi (edge detection) atau batas antar objek di dalam gambar agar detailnya lebih menonjol.

Rangkuman & Tindak Lanjut

Pada pertemuan ke-4 ini, kita telah memahami bagaimana sebuah gambar direpresentasikan sebagai angka, bagaimana mengubah kecerahan dan kontras melalui Operasi Piksel, menganalisis distribusi warnanya melalui Histogram, hingga memperbaikinya dengan Ekualisasi dan pengantar Filter Citra.