Makalah Tentang Kualitas Citra

 

KUALITAS CITRA

Kualitas citra sangat dipengaruhi oleh tingkat keberadaan derau. Setiap citra yang didapatkan secara optik, elektro-optik atau elektronik sangat dipengaruhi oleh alat penginderaan. Penurunan kualitas citra bisa terjadi karena derau sensor, kamera yang kurang fokus, dan lain-lain.

Memilih bentuk-bentuk dalam sebuah citra sangat berguna dalam pengukuran atau pemahaman citra. Secara tradisional, pengambangan didefinisikan sebagai proses pendefinisian jangkauan nilai-nilai gelap-terang pada citra yang sebenarnya, memilih piksel-piksel dalam jangkauan ini sebagai latar depan dan menolak sisanya sebagai latar belakang. Dengan demikian, citra terbagi atas dua bagian, yaitu bagian hitam dan bagian putih, atau warna-warna yang membatasi setiap wilayah. Dalam hal ini tidak ada kesepakatan untuk menetapkan warna hitam atau putih untuk objek yang diamati. 

1. KUALITAS CITRA Menurut kamus webster, kuallitas citra adalah representase, kemiripan, atau imitasi dari suatu objek atau benda, Misalnua:
   
   • Foto anda mewakili entitas diri anda sendiri di depan kamera
   • foto sinar x thorax mewakili keadaan bagian dalam tubuh seseorang
   • data dalam suatu file BMP mewakili apa yang digambarkan
2.  Kualitas Citra dari sudut pandang matematis, merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang 2 dimensi
3. Kualitas Citra yang terlihat merupakan cahaya yang direfleksikan dari sebuah objek. Sumber cahaya menerangi objek. Objek memantulkan kembali dari berkas cahaya tersebut dan pantulan cahaya ditangkap oleh alat-alat optik, misalnya mata manusia, kamera, scanner, sensor, satelit, kemudian direkam.

Beberapa karakteristik dari kualitas Citra sebagai berikut

• PIXEL
• CONTRAST
• RESOLUSI

•  Pixel

Pixel (picture element) adalah sebuah titik yang merupakan elemen paling kecil pada citra satelit. Angka numerik (1 byte) dari pixel disebut digital number (DN). DN bisa ditampilkan dalam warna kelabu, berkisar antara putih dan hitam (gray scale), tergantung level energi yang terdeteksi. Pixel yang disusun dalam order yang benar akan membentuk sebuah citra. Kebanyakan citra satelit yang belum diproses disimpan dalam bentuk gray scale, yang merupakan skala warna dari hitam ke putih dengan derajat keabuan yang bervariasi. Untuk PJ, skala yang dipakai adalah 256 shade gray scale, dimana nilai 0 menggambarkan hitam, nilai 255 putih. Dua gambar di bawah ini menunjukkan derajat keabuan dan hubungan antara DN dan derajat keabuan yang menyusun sebuah citra.

Untuk citra multispectral, masing masing pixel mempunyai beberapa DN, sesuai dengan jumlah band yang dimiliki. Sebagai contoh, untuk Landsat 7, masing-masing pixel mempunyai 7 DN dari 7 band yang dimiliki. Citra bisa ditampilkan untuk masing-masing band dalam bentuk hitam dan putih maupun kombinasi 3 band sekaligus, yang disebut color composites. Gambar di bawah ini menunjukkan composite dari beberapa band dari potongan Landat 7 dan pixel yang menyusunnya.

• Contrast 

Contrast adalah perbedaan antara brightness relatif antara sebuah benda dengan sekelilingnya pada citra. Sebuah bentuk tertentu mudah terdeteksi apabila pada sebuah citra contrast antara bentuk tersebut dengan backgroundnya tinggi. Teknik pengolahan citra bisa dipakai untuk mempertajam contrast. Citra, sebagai dataset, bisa dimanipulasi menggunakan algorithm (persamaan matematis).
Manipulasi bisa merupakan pengkoreksian error, pemetaan kembali data terhadap suatu referensi geografi tertentu, ataupun mengekstrak informasi yang tidak langsung terlihat dari data. Data dari dua citra atau lebih pada lokasi yang sama bisa dikombinasikan secara matematis untuk membuat composite dari beberapa dataset. Produk data ini, disebut derived products, bisa dihasilkan dengan beberapa penghitungan matematis atas data numerik mentah (DN).

• Resolusi

Resolusi dari sebuah citra adalah karakteristik yang menunjukkan level kedetailan yang dimiliki oleh sebuah citra. Resolusi didefinisikan sebagai area dari permukaan bumi yang diwakili oleh sebuah pixel sebagai elemen terkecil dari sebuah citra. Pada citra satelit pemantau cuaca yang mempunyai resolusi 1 km, masing-masing pixel mewakili rata-rata nilai brightness dari sebuah area berukuran 1×1 km. Bentuk yang lebih kecil dari 1 km susah dikenali melalui image dengan resolusi 1 km. Landsat 7 menghasilkan citra dengan resolusi 30 meter, sehingga jauh lebih banyak detail yang bisa dilihat dibandingkan pada citra satelit dengan resolusi 1 km. Resolusi adalah hal penting yang perlu dipertimbangkan dalam rangka pemilihan citra yang akan digunakan terutama dalam hal aplikasi, waktu, biaya, ketersediaan citra dan fasilitas komputasi. Gambar berikut menunjukkan perbandingan dari 3 resolusi citra yang berbeda.

Ada beberapa faktor yang mempengaruhi kualitas citra dalam hal hambatan-hambatan untuk melakukan interpretasi dan klasifikasi yang diperlukan. Beberapa faktor penting, terutama untuk aplikasi kehutanan tropis adalah:

• Tutupan awan. Terutama untuk sensor pasif, awan bisa menutupi bentuk-bentuk yang berada di bawah atau di dekatnya, sehingga interpretasi tidak dimungkinkan, Masalah ini sangat sering dijumpai di daerah tropis, dan mungkin diatasi dengan mengkombinasikan citra dari sensor pasif (misalnya Landsat) dengan citra dari sensor aktif (misalnya Radarsat) untuk keduanya saling melengkapi.
• Bayangan topografis. Metode pengkoreksian yang ada untuk menghilangkan pengaruh topografi pada radiometri belum terlalu maju perkembangannya.
• Pengaruh atmosferik. Pengaruh atmosferik, terutama ozon, uap air dan aerosol sangat mengganggu pada band nampak dan infrared. Penelitian akademis untuk mengatasi hal ini masih aktif dilakukan.
• Derajat kedetailan dari peta tutupan lahan yang ingin dihasilkan. Semakin detail peta yang ingin dihasilkan, semakin rendah akurasi dari klasifikasi. Hal ini salah satunya bisa diperbaiki dengan adanya resolusi spectral dan spasial dari citra komersial yang tersedia.

Setelah citra dipilih dan diperoleh, langkah-langkah pemrosesan tidak terlalu tergantung sistem sensor dan juga software pengolahan citra yang dipakai. Berikut ini akan kami sampaikan dengan singkat beberapa langkah yang umum dilakukan, akan tetapi detail dari teknik dan ketrampilan menggunakan hanya bisa diperoleh dengan praktek langsung dengan menggunakan sebuah citra dan software pengolahan citra tertentu. Langkah-langkah dalam pengolahan citra:

• Mengukur kualitas data dengan descriptive statistic atau dengan tampilan citra.
• Mengoreksi kesalahan, baik radiometric (atmospheric atau sensor) maupun geometric
• Menajamkan citra baik untuk analisa digital maupun visual
• Melakukan survey lapangan
• Mengambil sifat tertentu dari citra dengan proses klasifikasi dan pengukuran akurasi dari hasil klarifikasi
• Memasukkan hasil olahan kedalam SIG sebagai input data.
• Menginterpretasi hasil

 Mengamati citra pada layar adalah proses yang paling efektif dalam mengidentifikasi masalah yang ada pada citra, misalnya tutupan awan, kabut, dan kesalahan sensor. Citra bisa ditampilkan oleh sebuah komputer, baik per satu band dalam hitam dan putih maupun dalam kombinasi tiga band, yang disebut komposit warna. Mata manusia hanya bisa membedakan 16 derajat keabuan dalam sebuah citra, tetapi bisa membedakan berjuta juta warna yang berbeda. Oleh karena itu, teknik perbaikan/enhancement citra yang paling sering digunakan adalah memberi warna tertentu kepada nilai DN tertentu (atau kisaran dari DN tertentu) sehingga meningkatkan kontras antara nilai DN tertentu dengan pixel di sekelilingnya pada suatu citra.

Sebuah citra true color adalah citra dimana warna yang diberikan kepada nilai-nilai DN mewakili kisaran spektral sebenarnya dari warna-warna yang digunakan pada citra. False color adalah teknik dimana warna-warna yang diberikan kepada DN tidak sama dengan kisaran spektral dari warna-warna yang dipilih. Teknik ini memungkinkan kita untuk memberi penekanan pada bentuk-bentuk tertentu yang ingin kita pelajari menggunakan skema pewarnaan tertentu. Pada contoh dari false color di bawah ini yang dibuat dengan komposit 432 dari citra Landsat 7, vegetasi muda, yang memantulkan near IR, terlihat merah terang. Kegiatan pertanian yang terkonsentrasi akan mudah dideteksi dengan adanya warna merah terang.

Kalau kita buat plot antara DN dan derajat keabuan untuk setiap pixel, garis yang terbentuk menggambarkan bentuk hubungan antara keduanya. Hubungan linier (seperti contoh di bawah ini) menunjukkan bahwa DN dan juga keabuan tersebar merata dalam kisaran nilai 0-255 pada citra
Permasalahan dengan hubungan linier seperti ini adalah bahwa nilai DN dari bentuk-bentuk yang ingin kita tonjolkan mungkin terkonsentrasi pada kisaran kecil, sehingga derajat keabuan yang diberikan kepada nilai DN di luar daerah yang ingin kita tonjolkan sebenarnya tidak terpakai. Untuk memperbaiki kontras dari bagian citra yang kita inginkan kita bisa memakai kurva perbaikan yang didefinisikan secara matematis. Kurva ini akan menyebarkan ulang nilai derajat keabuan yang paling sering dipakai sehingga menonjolkan kisaran DN tertentu.
Pemakaian kurva untuk menonjolkan bentuk tertentu dan juga pemilihan 3 band dari sebuah citra multispektral untuk dikombinasikan dalam sebuah citra komposit memerlukan pengalaman dan ‘trial and error’, karena setiap aplikasi perlu menekankan bentuk yang berbeda dalam sebuah citra.

Sebelum sebuah citra bisa dianalisa, biasanya diperlukan beberapa langkah pemrosesan awal. Koreksi radiometric adalah salah satu dari langkah awal ini, dimana efek kesalahan sensor dan faktor lingkungan dihilangkan. Biasanya koreksi ini mengubah nilai DN yang terkena efek atmosferik. Data tambahan yang dikumpulkan pada waktu yang bersamaan dengan diambilnya citra bisa dipakai sebagai alat kalibrasi dalam melakukan koreksi radiometric. Selain itu koreksi geometric juga sangat penting dalam langkah awal pemrosesan. Metode ini mengkoreksi kesalahan yang disebabkan oleh geometri dari kelengkungan permukaan bumi dan pergerakan satelit. Koreksi geometric adalah proses dimana titik-titik pada citra diletakkan pada titik-titik yang sama pada peta atau citra lain yang sudah dikoreksi. Tujuan dari koreksi geometri adalah untuk meletakkan elemen citra pada posisi planimetric (x dan y) yang seharusnya.

Satu langkah pemrosesan penting yang paling sering dilakukan pada pengolahan citra adalah klasifikasi, dimana sekumpulan pixel dikelompokkan menjadi kelas-kelas berdasarkan karakteristik tertentu dari masing-masing kelas. Terutama untuk proses klasifikasi, survei lapangan sangat diperlukan. Pada umumnya hasil klasifikasi inilah yang akan menjadi input yang sangat berharga bagi SIG untuk diolah dan diinterpretasi bersama layer-layer data yang lain.

LINGKUP PROSES PERBAIKAN CITRA :

• Pengubah kecerahan (Brighness) secara matematis : f(x,y)=f(x,y)+b Citra menjadi cerah bila pixel nilainya ditambah dengan constan b
• Perenggangan Contrast (Contrast stretching) Jenis: kontras rendah, kontras bagus, kontras tinggi
• Pengubahan Instogram yaitu peralatan histogram dan spesifikasi histogram
• Pelembutan citra atau (smoothing)
  Tujuannya menurunkan gangguan (noise) pada citra. Gangguan biasanya berupa variasi intensitas pixel yang berkolerasi dengan pixel tetangganya. Jika terkena gangguan pixel akan mempunyai frekuensi tinggi. Pelembutan citra dilakukan dengan menekan komponen yang berfreuensi tinggi dan membiarkan komponen yang berfrekuensi rendah seperti semula. Penajaman tepi (edge sharpening)
• Penajaman tepi (edge sharpening)
  Tujuannya memperjelas tepi objek pada citra, ini merupakan kebalikan dari pelembutan. Metodenya menggunakan penapis lolos tinggi (High Pass Filter). Sering juga disebut penajaman tepi.
• Pewarnaan semu (pseudocolouring)
  Proses pemberian warna tertentu pada nilai pixel citra hitam-putih berdasarkan kriteria tertentu. Agar nantinya mata manusia dapat membedakan warna.
• Pengubahan geometric
  Lebih untuk mengubah nilai geometrisnya. Metode yang digunakan rotasi, translasi penskalaan/ perbesaran / pengecilan, skew, dan lain-lain.

KESIMPULAN KUALITAS CITRA
Kualitas Citra adalah sebuah hasil dari perbaikan citra / image yang dilakukan dengan tahap-tahap tertentu untuk meperoleh hasil yang mempunyai kwalitas relative lebih baikdari citra awal untuk aplikasi tertentu. citra yang kita inginkan dan perbaikan kualitas yang diperoleh bergantung pada citra aslinya.

Kualitas Citra adalah mutu dari tingkat sesuatu atau gambar yang memiliki ketajaman warna tertentu yang kita nilai dari sisi baik buruknya suatu objek, baik dari objek asli ataupun setelah dilakukan rekonstruksi perbaikan. Dalam menentukan nilai suatu objek, ada beberapa karakter yang perlu kita ketahui yaitu karakteristik dari suatu citra, ada beberapa karakter citra.