BAB II TINJUAN PUSTAKA DAN LANDASAN TEORI
2.1. Penelitian Terkait
Penelitian yang menjadi acuan yaitu penelitian penelitian yang telah dilakukan oleh yusron rijal tahun 2015, dalam penelitiannya yang mengambil judul tentang Restorasi citra menggunakan super resolusi maximum likehood pada pembesaran citra. Pada penelitian tersebut didapatkan hasil dimana Proses pembesaran citra dengan metode Maximum Likelihood memiliki kualitas visual yang lebih baik dibanding dengan duplikasi piksel (Nearest Neighbor). Hal ini karena efek blur yang menghaluskan perbedaan warna yang mencolok di daerah tepi (Edge Region). Pada penelitian selanjutnya yang dilakukan oleh Nailul Muttaqin tahun 2011 tentang metode super resolusi dihasilkan Mean Opinion Score (MOS) menunjukkan
bahwa
citra
multiframe
yang
melalui
proses
registrasi
menghasilkan citra resolusi tinggi yang lebih baik dibandingkan dengan citra satu frame tanpa proses registrasi, Nailul meneliti tentang Peningkatan Kualitas Citra Digital Menggunakan Metode Super Resolusi Pada Domain Spasial. Acuan terakhir yang menjadi dasar penelitian ini yaitu penelitian yang dilakukan oleh Aulia Mahardikav tahun 2013, yang berjudul Rekonstruksi citra plat nomor kendaraan menggunakan menggun akan metode super resolution multi frame. Dari hasil penelitian tersebut didapatkan Proses rekonstruksi yang dilalui mampu menghasilkan citra yang cukup baik apabila objek plat nomor kendaraan yang akan diambil dalam keadaan berhenti.Berikut ini adalah tabel penelitian yang menjadi acuan penelitian ini.
1
Tabel 2.1 penelitian terkait No
Peneliti
dan
Judul Penelitian
Metode
Hasil Penelitian
Super Resolusi
Proses pembesaran
Tahun
1.
Yusron
Rijal,
2015.
Restorasi
citra
menggunakan resolusi
super
citra dengan metode
maximum
Maximum
likehood pada pembesaran
Likelihood
citra
memiliki visual
kualitas
yang
baik
lebih
dibanding
dengan
duplikasi
piksel
(Nearest
Neighbor). Hal ini karena
efek
blur
yang menghaluskan perbedaan
warna
yang mencolok di daerah tepi (Edge Region). 2.
Nailul
Peningkatan Kualitas Citra
Mustaqim
Digital
Abdi, 2011
Metode
Menggunakan Super
Resolusi
Pada Domain Spasial
Super Resolusi
Hasil Mean Opinion Score
(MOS)
menunjukkan bahwa
citra
multiframe
yang
melalui
proses
registrasi menghasilkan citra resolusi tinggi yang lebih dibandingkan
2
baik
dengan
citra
satu
frame tanpa proses registrasi. 3.
Aulia
Rekonstruksi
Mahardikav.
nomor
2013
menggunakan super
citra
plat
Super Resolution
Proses rekonstruksi
kendaraan
yang dilalui mampu
metode
menghasilkan citra
resolution
frame.
multi
yang
cukup
baik
apabila objek plat nomor
kendaraan
yang akan diambil dalam berhenti.
2.2. Landasan Teori 2.2.1. Citra
Citra adalah sebuah repesentasi, imitasi, atau kemiripan dari sebuah benda atau obyek. Suatu citra memiliki informasi – informasi yang dimiliki oleh sebuah objek atau benda yang di representasikan. Citra di bedakan menjadi dua yaitu citra tampak dan citra tidak tampak. Citra tak tampak harus terlebih dahulu dirubah menjadi citra tampak dengan cara menampilkan citra tersebut di monitor, diprint dan lain lain. Contoh dari citra tak tampak yaitu citra digital. Citra didefinisikan juga sebagai sebuah gambar dua dimensi yang di peroleh dari sebuah gambar analog dua dimensi yang berkelanjutan yang menjadi sebuah gambar diskrit dengan melalui sebuah proses sampling. Gambar analog dapat di bagi menjadi M sebagai kolom dan N sebagai baris sehingga menjadi sebuah gambar diskrit. Penyilangan antara kolom dan baris dapat disebut piksel. Sampling merupakan sebuah proses untuk menentukan warna yang ada pada piksel tertentu yang terdapat di sebuah citra dari gambar yang
3
keadaan
berkelanjutan atau kontinu. Proses sampling dilakukan karena digunakan untuk mencari warna rata – rata dari sebuah gambar analog setelah mendapat angka rata – rata dari sebuah gambar analog maka angka tersebut di bulatkan menjadi angka bulat. Warna rata
–
rata yang di dapat dari proses sampling dapat
direlasikan ke dalam level warna tertentu. [4]
Ada beberapa cara untuk meningkatan kualitas citra : a.
Meningkatkan tingkat keabuan pada sebuah citra Dengan meningkatkan tingkat keabuan pada sebuah citra memiliki tujuan untuk meningkatkan kualitas suatu citra dengan memperbaiki kontrasnya
b.
Pelembutan atau menghaluskan citra ( filter) Dengan menghaluskan sebuah citra ini memiliki tujuan untuk menguranggi gangguan
–
gangguan yang ada pada sebuah citra
contohnya seperti bercak hitam, serta bertujuan untuk memberikan intensitas cahaya yang sama pada sebuah citra. [4]
2.2.2. Format Citra
Pada dasarnya terdapat 3 format citra warna pada pengolahan citra digital, citra biner, citra RGB, dan citra grayscle.
1. Citra Warna RGB ( Red , Green, dan Blue)
Merupakan 3 model warna dasar yang dapat di miliki oleh sebuah citra, merah, hijau, biru, yang dapat di proses dengan bemacam cara sehingga dapat menghasilkan berbagai macam warna. Fungsi utama dari citra RGB yaitu menampilkan citra pada perangkat elektronik
4
contohnya komputer dan televise. Tetai citra RGB juga dapat di gunakan dalam bidang fotografi.
2. Citra Grayscale
Citra grayscale terdiri dari warna keabuan yang bervariasi tergantung oleh intesitas keabuannya , untuk intensitas terlemah maka warna akan hitam dan jika intensitas keabuannya tinggi maka warna akan putih. Pada citra grayscale citra di simpan dalam format 8 bit untuk setiap pikselnya, yang mana memungkinkan memiliki sebanyak 256 intensitas. Untuk dapat mengubah citra RGB yang memiliki nilai matrik R, G, dan B menjadi ke sebuah citra grayscale yang memiliki nilai X, maka di lakukan konversi dengan mengabil nilai rata – rata dari R, G, dan B yang mana dapat di tulis menjadi X = (R+G+B)/3 Warna = RGB(X, X, X).
3. Citra Biner
Merupakan citra yang hanya memiliki kemungkinan derajat keabuan 0 dan 1. Untuk proses pembineran pada sebuah citra biner di lakukan dengan cara pembulatan yaitu di bulatkan keatas maupu di bulatkan ke bawah. [5]
2.2.3 Segmentasi Citra ( I mage Segmentation)
Proses pra pengolahan yang di lakukan untuk memisahkan bagian
–
bagian citra yang homogeny menjadi satu kelompok berdasarkan kriteria kemiripan suatu citra berdasarkan tingkat keabuan yang di miliki suatu citra dan citra tetangganya, setelah di lakukan proses segmentasi hasil proses segmentasi ini biasanya di gunakan untuk proses lebih lanjut untuk mengenali suatu citra,
5
contohnya untuk identifikasi wajah , verifikasi , maupun klarifikasi pada suatu objek dengan bantuan citra yang telah di segmentasi. [5]
2.2.4 Fitur Ekstraksi
Fitur ekstraksi adalah sebuah proses untuk menganbil ciri dari suatu bentuk yang mana nantinya nilai yang diperoleh akan dianalisa untuk proses berikutnya. Fitur ekstraksi dilakukan dengan menggunakan cara menghitung jumlah pixel yang di dapat di setiap proses pengecekan, yang mana proses pengecekan dapat dilakukan dalam berbagai arah tracing pengecekan dalam koordinat kartesian dari suatu citra yang dianalisa, yaitu horizontal, diagonal kiri, vertical, diagonal kanan. Fitur adalah sebuah karakteristik unik yang dimiliki sebuah objek. Fitur dapat di bedakan menjadi dua yaitu fitur alami dan fitur buatan, fitur alami adalah fitur yang terdapat pada gambar tersebut contohnya seperti tepi objek dan kecerahan gambar tersebut. Fitur buatan adalah fitur yang di dapat dengan melakukan operasi tertentu pada sebuah gambar, contohnya histogram pada tingkat keabuan. Jadi ekstraksi fitur merupakan proses yang dilakukan untuk mendapatkan ciri khusus yang di miliki pada sebuah gambar atau objek yang mana ciri tersebut dapat membedakan suatu objek dengan objek yang lain. Ekstraksi Fitur dibagi menjadi tiga yaitu [6] : 1. Ekstraksi Fitur Bentuk Bentuk dari objek merupakan karakter di dalam konfigurasi permukaan yang mana di wakili oleh kontur dan garis. Fitur bentuk dapat dikategorikan menjadi berbagai kategori berdasarkan taknik yang akan digunakan. Kategori – kategori
di dalam fitur bentuk dibagi berdasarkan batas dan berdasarkan
daerah. Teknik fitur bentuk berdasarkan batas adalah teknik yang mana
6
menggambarkan bentuk daerah dengan karakteristik eksternal, seperti piksel di sepanjang batas dari suatu objek. Teknik fitur bentuk berdasarkan daerah adalah teknik yang menggambarkan bentuk wilayah suatu objek berdasarkan karakteristik internalnya, seperti piksel yang berada di dalam suatu wilayah objek tersebut.
2. Ekstraksi Fitur Tekstur Didalam ekstraksi fitur tekstur ini fitur yang membedakannya adalah tekstur yang miliki suatu objek yang mana merupakan karakteristik penentu di dalam citra tersebut. Teknik statistic yang biasanya di gunakan pada ekstraksi fitur ini adalah matriks gray level co-occrrence, teknik ini di proses dengan cara melakukan pengecekan yang mana di maksutkan untuk mencari derajat keabuan pada setiap dua buah piksel yang terpisahkan dengan jarak d dan sudut
θ ,
biasanya sudut yang akan di gunakan adalah sudut 0ᵒ, 45ᵒ, 90 ᵒ, dan
135ᵒ.
3. Ekstraksi Fitur Warna Didalam ekstraksi fitur warna ini yang akan menjadi faktor pembedanya adalah warna yang dimiliki oleh objek itu sendiri, ekstraksi fitur warna biasanya digunakan pada citra yang memiliki warna yang memiliki komposisi pada citra warna RGB
2.2.3 Sidik Jari
Sidik jari adalah suatu bentuk pola garis (ridge) pada permukaan sebuah ujung jari. Sebuah sidik jari berkualitas baik dapat dibedakan berdasarkan polapola dan ciri-ciri (feature) yang menyediakan ekstraksi feature yang bermanfaat untuk pencocokan sidik jari. Sebuah algoritma pencocokan sidik jari otomatis berbasis
minutiae
menggunakan
7
ciri-ciri
yang
membandingkan
karakteristikkarakteristik ridge lokal (minutiae) dari dua sidik jari. Berdasarkan pola garis (ridge) dan lembah (valley), sidik jari dapat diklasifikasikan menjadi tiga kelas utama, yaitu: Arch, Loop dan Whorl (Prabakar).[2]
Gambar 2.1 : gambar klasifikasi sidik jari
Dari klasifikasi ini dapat di bagi menjadi beberapa subklasifikasi (prabhakar), yaitu : 1. Arch dibagi menjadi arch dan tented arch, dari beberapa populasi arch mempunyai presentasi sebesar 5%. 2. Loop dibagi menjadi left loop, right loop dan double loop. Berbeda dengan arch, jumlah individu yang mempunyai klasifikasi loop sangat besar yaitu sebesar 60 % 3. Whorl pada klasifikasi ini jumlah prosentasi individu sebesar 35%.
2.2.4 Super Resolusi
Teknik citra super resolusi adalah salah satu teknik untuk mendapatkan citra yang beresolusi tinggi dari sekumpulan citra yang beresolusi rendah . Resolusi tinggi yang dihasilkan dapat berupa citra tunggal atau lebih. Citra resolusi tinggi didapat dari sekumpulan resolusi rendah yang diambil dari scene (adegan) yang sama. Karena dari scene yang sama akan menyediakan informasi yang mungkin 8
dapat digunakan untuk merekonstruksi citra resolusi tinggi [4]. Berdasarkan output yang dihasilkan (High Resolution), super resolusi dibedakan menjadi 2, yaitu super resolusi statis dan super resolusi dinamis. Super resolusi statis adalah metode super resolusi yang menghasilkan citra keluaran resolusi tinggi tunggal dan super resolusi dinamis adalah metode super resolusi yang menghasilkan citra keluaran resolusi tinggi yang lebih dari satu. Super resolusi secara umum terdiri dari tiga tahap algoritma yaitu registrasi, interpolasi dan rekonstruksi . 1. Registrasi Registrasi citra adalah proses menemukannya kembali titik-titik yang bersesuaian antara citra I1 dengan citra I2 di mana citra I2 adalah citra I1 yang mengalami transformasi geometri. Registrasi citra pada domain spasial dapat dilakukan dengan metode average, median, atau ukuran statistika lainnya pada setiap nilai derajat keabuan (grayscale) atau RGB citra [5,6]. Penelitian ini menggunakan registrasi average dan registrasi median. 2. Interpolasi Interpolasi (biasa disebut resampling) adalah sebuah metode pencitraan untuk meningkatkan (atau mengurangi) jumlah piksel dalam citra digital [3]. Interpolasi citra bekerja dalam dua arah dan mencoba untuk mencapai pendekatan yang terbaik dari sebuah piksel yang warna dan intensitasnya didasarkan pada nilai-nilai di sekitar piksel. Penelitian ini menggunakan interpolasi bilinier dan bikubik untuk proses pembesaran (zooming) citra. 3. Smoothing Proses ini dilakukan dengan menggunakan metode median filter. Metode median filter adalah salah satu teknik filtering citra tidak linier yang berfungsi untuk memperhalus citra dan menghilangkan noise atau gangguan yang berupa bintik putih. Median dicari dengan melakukan pengurutan
9
terhadap nilai piksel dari mask yang sudah ditentukan, kemudian dicari nilai tengahnya .
2.2.5 Biometrik
Biometrik (berasal dari bahasa Yunani bios yang artinya hidup dan metron yang artinya mengukur) secara umum adalah studi tentang karakteristik biologi yang terukur. Dalam dunia teknologi informasi, biometrik relevan dengan teknologi yang digunakan untuk menganalisa fisik dan kelakuan manusia dalam autentifikasi. Pengidentifikasi biometrik sangat khas, karakteristik yang terukur digunakan untuk mengidentifikasi individu. Dua kategori pengidentifikasi biometrik meliputi karakteristik fisiologis dan perilaku. Karakteristik fisiologis berhubungan dengan bentuk tubuh, dan termasuk tetapi tidak terbatas pada: sidik jari, pengenalan wajah, DNA, telapak tangan, geometri tangan, pengenalan iris (yang sebagian besar telah diganti retina), dan bau/aroma. Karakteristik perilaku terkait dengan perilaku seseorang, termasuk namun tidak terbatas pada:Ritme mengetik, kiprah, dan suara.
10
2.3
Kerangka Pikiran
Pada penelitian ini dilakukan tahap penelitian yang telah digambarkan dari kerangka pemikiran berikut ini :
Masalah bagaimana mengimplementasikan
metode super resolution melakukan
citra perbaikan pada sidik jari manusia. Tujuan Adapun tujuan yang dicapai dari penelitian ini adalah mencari akurasi dari hasil metode Super resolusion dalam citra sidik jari. Eksperimen Tools
Data
Metode
Matlab
Citra sidik jari
- Prapengolahan
R2010a.
merubah
citra
RGB menjadi citra Grayscale kemudian direduksi. - Perbaikan citra dengan super resolution
Hasil Mengetahui hasil identifikasi yang didapat dengan menggunakan perbaikan citra super resolution
11
