Pengenalan Tingkatan dalam Pengolahan Citra: Low-Level, Mid-Level, dan High-Level

Dalam disiplin Pengolahan Citra Digital dan Penglihatan Komputer (Computer Vision), proses pengolahan data visual dari sebuah citra mentah hingga menjadi informasi pintar (insight) dibagi ke dalam tiga tingkatan utama: Low-Level, Mid-Level, dan High-Level Processing.

Pembagian hierarki ini menggambarkan perjalanan data: dimulai dari manipulasi nilai piksel mentah, berlanjut ke pemisahan objek, hingga berakhir pada pemahaman konteks atau pengambilan keputusan oleh komputer.

1. Low-Level Processing (Pengolahan Tingkat Rendah)

Pada tingkatan ini, baik masukan (input) maupun keluaran (output) dari proses adalah berupa citra. Proses low-level berfokus pada manipulasi dasar nilai piksel untuk meningkatkan kualitas visual atau menyiapkan citra agar siap diproses lebih lanjut.

• Karakteristik Utama: Operasi dilakukan secara langsung pada piksel (primitive operations).

• Fokus Utama: Mengurangi noise, memperbaiki pencahayaan, serta menajamkan detail.

• Contoh Operasi:

  • Perbaikan Citra (Image Enhancement): Penyesuaian kontras, reduksi noise (blurring/filtering), dan penajaman tepi.

  • Restorasi Citra (Image Restoration): Perbaikan citra akibat masalah fisis sensor atau pergerakan kamera.

  • Transformasi Geometris: Rotasi, scaling (mengkrop/mengubah ukuran), dan translasi citra.

2. Mid-Level Processing (Pengolahan Tingkat Menengah)

Pada tingkatan ini, masukannya adalah citra, tetapi keluarannya adalah atribut atau fitur yang diekstrak dari citra tersebut (seperti garis, sudut, wilayah, atau batas objek). Proses mid-level bertindak sebagai jembatan yang mengubah data visual mentah menjadi data terstruktur.

• Karakteristik Utama: Komputer mulai mengenali struktur dan memisahkan elemen-elemen di dalam gambar.

• Fokus Utama: Isolasi objek dan ekstraksi karakteristik unik dari objek.

• Contoh Operasi:

  • Segmentasi Citra (Image Segmentation): Memisahkan objek utama (foreground) dari latar belakang (background).

  • Deteksi Tepi & Bentuk (Edge & Contour Detection): Menemukan batas-batas fisik objek (misal: menggunakan algoritma Canny atau Sobel).

  • Deskripsi & Ekstraksi Fitur (Feature Extraction): Mengukur ukuran area, keliling, Tekstur, atau warna unik dari suatu wilayah.

3. High-Level Processing (Pengolahan Tingkat Tinggi)

Pada tingkatan ini, masukannya adalah atribut/fitur hasil dari tingkat mid-level, dan keluarannya adalah pemahaman, kognisi, atau keputusan (interpretation/action). Ini adalah ranah utama dari Computer Vision dan Kecerdasan Buatan (AI).

• Karakteristik Utama: Komputer dapat "memahami" makna atau konteks dari apa yang dilihatnya, mirip dengan cara otak manusia bekerja.

• Fokus Utama: Pengenalan pola, klasifikasi objek, dan pengambilan keputusan otomatis.

• Contoh Operasi:

  • Pengenalan Objek (Object Recognition/Classification): Mengidentifikasi bahwa suatu kumpulan piksel adalah "mobil", "wajah manusia", atau "sel kanker".

  • Analisis Konteks & Adegan (Scene Understanding): Memahami situasi dalam gambar (misal: menganalisis apakah jalan raya sedang macet atau lengang).

  • Pelacakan Objek (Object Tracking): Mengikuti pergerakan objek dari satu frame ke frame berikutnya pada video secara real-time.

Ringkasan Perbandingan

Kesimpulan: Ketiga tingkatan ini membentuk satu alur kerja (pipeline) yang utuh. Tanpa low-level yang bersih, mid-level akan kesulitan menemukan tepi objek. Dan tanpa mid-level yang akurat, high-level (AI) tidak akan bisa mengenali objek dengan tepat.