jbptitbpp gdl ahmadniama 31062 4 2008ta 3
TRANSCRIPT
29
BAB III
PENGOLAHAN DATA
Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian,
penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub
Citra Acuan (SCA) dan Citra Pencarian (CP), proses transformasi citra dari domain
spasial ke dalam domain frekuensi, proses filtering (low pass & high pass filter) dalam
domain frekuensi, inverse transformasi citra dari domain frekuensi ke dalam domain
spasial, pengkorelasian citra kiri dan citra kanan, mencari nilai korelasi maksimum, dan
plotting nilai korelasi dalam bentuk grafik dua dimensi. Tahapan pengolahan data pada
penelitian ini dapat dilihat pada flowchart gambar 3.1.
Gambar 3.1 Tahapan pengolahan data
30
3.1 Data Penelitian
Data yang digunakan pada penelitian ini adalah foto digital berwarna pada daerah
Sabuga (Sasana Budaya Ganesha), ITB, Bandung (Gambar 3.2). Foto digital diambil
dengan kamera nikon coolpix yang memiliki resolusi spasial 24 cm. Foto digital yang
digunakan adalah dua foto digital yang saling bertampalan. Foto digital tersebut diambil
dengan menggunakan kamera digital dengan skala yang relatif sama. Sistem koordinat
foto yang dipakai adalah dalam bentuk integer baris dan kolom.
Gambar 3.2 Data foto digital
3.2 Penentuan Titik Pengamatan Pada Area Homogen dan Heterogen
Citra homogen adalah citra yang memiliki nilai greylevel yang hampir sama pada
setiap pikselnya. Sedangkan citra heterogen adalah citra yang memiliki nilai greylevel
yang relatif jauh berbeda pada setiap pikselnya. Citra homogen memiliki distribusi
intensitas warna yang rapat sedangkan citra heterogen memiliki distribusi intensitas
warna yang lebih lebar. Distribusi intensitas warna citra homogen dan heterogen dapat
dilihat melalui histogram citranya. Gambar 3.3 dan gambar 3.4 menunjukkan distribusi
intensitas warna citra homogen dan citra heterogen.
31
Gambar 3.3 Sampel citra homogen dan histogram citranya
Gambar 3.4 Sampel citra heterogen dan histogram citranya
Gambar 3.5 Penentuan titik pengamatan pada area homogen dan heterogen
Dimana : = titik pada area homogen; = titik pada area heterogen
32
Pengambilan sampel dilakukan pada sembilan lokasi yang berbeda pada daerah
yang bertampalan dengan dua sampel area yaitu area homogen dan area heterogen
(gambar 3.5). Pengambilan sampel dilakukan dengan menggunakan software stereomatch
(gambar 3.6).
Gambar 3.6 Screen shot pengambilan sampel data dengan software Stereomatch
Pada setiap lokasi ditentukan dua titik pada area homogen dan dua titik pada area
heterogen untuk foto kiri yang kemudian dicari posisi titik-titik tersebut pada foto kanan.
Gambar 3.7 dan gambar 3.8 menunjukkan contoh citra homogen yang bertampalan dan
contoh citra heterogen yang bertampalan.
Gambar 3.7 Contoh citra homogen pada daerah pertampalan.
33
Gambar 3.8 Contoh citra heterogen pada daerah pertampalan
3.3 Penentuan Ukuran SCA dan CP
Sampel citra yang digunakan adalah citra pada area homogen dan area heterogen
dengan karakteristik daerah yang berbeda. Selain itu, penelitian ini juga menggunakan
ukuran window yang bervariasi dengan perbedaan yang mencolok. Untuk penelitian ini
dipilih ukuran window 11x11 piksel untuk ukuran window Sub Citra Acuan (SCA) dan
21x21, 31x31, 41x41, 51x51, 61x61 piksel untuk ukuran window Citra Pencarian (CP).
Sampel ukuran window SCA dan CP dapat dilihat pada gambar 3.9.
Gambar 3.9 Contoh ukuran window untuk SCA dan CP
34
3.4 Proses Filtering Dalam Domain Frekuensi
Metode yang digunakan dalam pemrosesan filter citra digital dalam domain
frekuensi pada penelitian ini adalah low pass filter dan high pass filter. Untuk dapat
melakukan filtering dalam domain frekuensi, citra digital perlu ditransformasikan terlebih
dahulu dengan menggunakan Fast Fourier Transform dua dimensi (fft2) menggunakan
perintah fft2 pada software MATLAB sehingga diperoleh spektrum frekuensi citra
tersebut. Gambar 3.10 menunjukkan visualisasi proses fft2 sehingga diperoleh spectrum
frekuensi citra pada penelitian ini.
fft2
Gambar 3.10 Contoh proses tranformasi fourier citra menggunakan fft2 hingga
diperoleh spektrum frekuensinya
Dari spektrum frekuensi yang diperoleh seperti pada gambar 3.9 maka dapat diketahui
komponen frekuensi rendah dan komponen frekuensi tinggi, yaitu berdasarkan jaraknya
terhadap pusat frekuensi f(0,0). Sedangkan besarnya nilai magnituda dapat diketahui
melalui scalebar yang terdapat di samping spektrum frekuensi.
Setelah citra ditransformasikan ke dalam domain frekuensi, kemudian dilakukan
proses low pass filter dan high pass filter dalam domain frekuensi. Seperti yang telah
dijelaskan sebelumnya bahwa low pass filter adalah proses penghalusan citra (image
smoothing), yaitu melewatkan komponen frekuensi rendah dan menghilangkan
komponen frekuensi tinggi dari hasil transformasi Fourier. Penghilangan frekuensi
komponen frekuensi tinggi dilakukan dengan mengalikan komponen frekuensi tinggi
dengan nol. Sedangkan high pass filter merupakan kebalikan dari low pass filter, yaitu
menghilangkan komponen frekuensi rendah dan meloloskan komponen frekuensi tinggi
dari hasil transformasi fourier. Penghilangan komponen frekuensi rendah dilakukan
dengan mengalikan komponen frekuensi rendah dengan nol. Proses low pass filter dan
35
high pass filter dilakukan dengan menggunakan bantuan software MATLAB (program
low pass dan high pass filter pada lampiran A). Visualisasi proses low pass filter dan high
pass filter pada penelitian ini dapat dilihat pada gambar 3.11.
(a) (b)
Gambar 3.11 (a) Low pass filter (b) high pass filter
Setelah proses filtering selesai, dilakukan inverse fast fourier transform dua
dimensi (ifft2) untuk mendapatkan informasi citra dalam domain spasial kembali. inverse
fast fourier transform dua dimensi dilakukan dengan menggunakan perintah ifft2 pada
MATLAB sehingga diperoleh citra yang telah melalui proses filtering dalam domain
frekuensi. Hasil inverse fast fourier transform dua dimensi dapat dilihat pada gambar
3.12.
(a) (b)
Gambar 3.12 (a) Citra hasil ifft2 setelah low pass filter
(b) Citra hasil ifft2 setelah high pass filter
3.5 Pengkorelasian Citra Kiri dan Citra Kanan
Proses ini dilakukan dengan cara mengkorelasikan Sub Citra Acuan (SCA)
dengan Sub Citra Pencarian (SCP). Pengkorelasian citra pada penelitian ini dibagi
menjadi dua, yaitu pengkorelasian citra dengan data citra sebelum filtering dan
pengkorelasian citra dengan data citra setelah filtering. Pengkorelasian dilakukan dengan
citra kiri sebagai SCA dan citra kanan sebagai SCP. Seperti yang sudah dibahas pada bab
36
2 bahwa metode pencocokan citra yang dipakai pada penelitian ini adalah pencocokan
citra berbasiskan area dimana nilai matriks SCA akan dikorelasikan dengan nilai matriks
dari SCP.
Pengkorelasian dilakukan menggunakan bantuan software MATLAB dengan
program yang tersimpan dalam m.file ‘kfft.m’ (lampiran B). Dari running program
tersebut akan diperoleh nilai korelasi dan posisi citra sebelum dan setelah filtering yang
disimpan dalam format ‘.txt’. Sebagai tambahan pada penelitian ini juga diperoleh waktu
yang dibutuhkan selama pemrosesan. Contoh hasil running pada layar dapat dilihat pada
gambar 3.13.
Gambar 3.13 Contoh hasil running program yang tersimpan dalam format ‘txt’
Hasil pengkorelasian tersebut kemudian dimasukkan ke dalam spread sheet dan diplot
dalam bentuk grafik 2 dimensi. Contoh hasil plotting dengan menggunakan spread sheet
dapat dilihat pada gambar 3.14.
37
Perbandingan Nilai Korelasi Sebelum dan Setelah Low Pass Filter Untuk Area Homogen
0.40.440.480.520.56
0.60.64
21 31 41 51 61
Ukuran Mask
Nila
i Kor
elas
i
sebelum low pass
setelah low pass
Gambar 3.14 Contoh hasil plotting dalam bentuk grafik dua dimensi