perkembangan teknologi pengolahan citra

Pengantar

Frekuensi dalam citra mempunyai peranan penting. Namun demikian bagi orang awam, istilah "frekuensi citra" mungkin terasa aneh. Artikel pendek ini akan membahas apa itu frekuensi citra secara mendasar.

Citra = informasi 2 dimensi

Dalam pemutar musik mp3 baik itu software ataupun hardware, kita sering melihat ada kurva-kurva yang bergerak2x. Salah satu kurva yang bergerak-gerak dapat dilihat pada citra dibawah

Di dalam istilah sound processing, kurva yang bergerak-gerak ini menyatakan frekuensi dari suara yang sedang dimainkan oleh pemutar musik. Apa yang terjadi jika kurva ini hanya berupa sebuah garis lurus? Yap dapat ditebak bahwa tidak akan ada suara yang keluar dari pemutar musik tersebut. Dengan kata lain, tidak ada informasi yang berarti pada saat kurva tersebut berupa garis lurus. Nah! kita juga bisa mengatakan, bahwa baru ada informasi ketika ada frekuensi pada data suara tersebut.

Sebelum kita melanjutkan pembahasan, perlu rasanya diperjelas apakah itu artinya data dan informasi.

Data dan informasi

Sebagai ilustrasi, marilah kita melihat cerita pendek berikut ini

Ada sebuah kecelakaan kecil yang diakibatkan oleh seorang artist. Kejadian ini diliput oleh dua acara televisi yang berbeda, yang pertama acara berita siang dan yang kedua adalah acara infotainment. Durasi berita yang disampaikan oleh acara berita siang mungkin lebih pendek ketimbang durasi berita yang disampaikan oleh acara infotainment.

Data adalah suatu alat untuk menyampaikan suatu informasi. Sebagai contoh, informasi mengenai kecelakaan, mungkin bisa disampaikan dalam bentuk kata-kata yang sangat panjang, tapi isinya sama dengan kata-kata yang singkat dan jelas.

Salah satu faktor lain yang penting adalah nilai informasi. Semakin rendah kemungkinan suatu kejadian terjadi, semakin tinggi nilai informasinya. Misalkan, kita tau bahwa setiap detik akan ada mobil melintas melewati suatu jalan. Tetapi, kita akan lebih tertarik ketika mendengar bahwa ada berita bahwa ada tabrakan beruntun pada jalan tersebut yang menyebabkan pengemudinya luka ringan. Mengapa berita ini lebih menarik? Karena kejadian ini sangat jarang terjadi.

Tingkat kualitas informasi sebenarnya dapat dimodelkan dengan rumusan Shanon entropy. Well, berhubung kita tidak membahas mengenai kompresi, kita tidak akan membahas model matematik ini lebih jauh. Cukup tau, kalau mau mengukur kualitas informasi, bisa pakai model matematik Shanon entropy.

Kaitan informasi dengan frekuensi citra

Dalam pemrosesan citra, frekuensi citra acapkali dijadikan suatu acuan. Mengapa? Karena semakin tinggi frekuensi citra, semakin tinggi informasi yang ada. Jadi dengan kata lain, informasi citra disimpan dalam bentuk frekuensi.

Bagaimana cara menghitung frekuensi disuatu daerah di dalam citra? Apakah dari nilai grey level (RGB) di suatu pixel? Kurang tepat! Marilah kita lihat pada ilustrasi dibawah ini.

Andaikan ada sebuah citra dengan ukuran (resolusi) 3x5 pixels. Perhatikan dua kemungkinan nilai pixels pada dua citra di atas. Apakah mereka mempunyai informasi yang tinggi? Jawabannya tidak. Karena kedua citra di atas hanyalah citra berwarna hitam (sebelah kiri), dan citra berwarna putih semua (sebelah kanan).

Perhatikanlah ketiga citra dibawah ini.

Yak, ketiga citra di atas mempunyai nilai informasi yang lebih tinggi, ketimbang kedua citra sebelumnya. Kalau diperhatikan citra pertama adalah sebuah citra yang berisi dua garis vertikal. Citra yang kedua, berisi 1 garis horisontal, dan citra yang ketiga memiliki 3 garis diagonal.

Jadi kita bisa katakan kalau frekuensi didapatkan dengan melihat selisih nilai grey level dua pixel. Semakin tinggi selisihnya (frekuensinya), semakin tinggi nilai informasinya pada daerah tersebut.

Kalau dilihat dari contoh di atas, kita bisa melihat ada sedikitnya 3 macam frekuensi. Frekuensi horizontal, frekuensi vertikal, dan frekuensi diagonal. Jadi dalam suatu citra, bisa saja memiliki frekuensi tinggi horizontal pada banyak daerah, namun hanya memiliki frekuensi rendah vertikal (contoh pada citra pertama).

Sebenarnya, nilai frekuensi ini lazim disebut sebagai edge (sisi). Jadi jika kita mendengar istilah edge detection, artinya metode tersebut akan mendeteksi frekuensi tinggi citra (edges yang ada dicitra) dari citra yang diolah. Dan, ada beberapa edge detection yang hanya dapat mendeteksi edge horizontal (frekuensi tinggi vertikal). Untuk penutup, marilah kita lihat salah satu hasil edge detection dari citra di bawah ini.

Kita lihat pada citra edge (sebelah kanan). Kita lihat bahwa ada beberapa edge yang sangat terang, dan ada yang tidak begitu terang/jelas. Daerah yang memiliki edges terang memiliki frekuensi lebih tinggi ketimbang daerah yang memiliki edges kurang terang, atau tidak memiliki edge sama sekali.

Baik, sampai disini, kita telah membahas mengenai apa itu frekuensi. Frekuensi menjadi salah satu komponen terpenting dalam pengolahan citra, karena frekuensi menjadi salah satu penyimpan informasi citra. Kita tau bahwa dengan menggunakan frekuensi, kita bisa mendapatkan sisi-sisi (edges) dari citra