Apakah teman-teman pernah sadar, mata kita adalah salah satu anugerah yang sangat canggih? Coba teman-teman pikirkan baik-baik; ketika kita melihat, kita dapat dengan cepat mengenali suatu objek. Kita bisa dengan mudah membedakan bentuk objek, membedakan warnanya, bahkan kita dapat dengan cepat mengelompokkan objek tersebut. Kita bisa langsung mengatakan bahwa bola itu bundar, meja itu persegi panjang, rambut orang itu berwarna hitam, mobil itu berwarna merah.
Namun, ketika kita ‘berbicara’ dengan komputer tentang pemandangan tersebut, kita tidak bisa langsung bilang bola itu bundar, mobil itu berwarna merah, dan seterusnya. Tidak. Tetapi kita berbicara menggunakan bahasa yang lebih dimengerti komputer, yaitu angka-angka.
Komputer melihat pemandangan yang kita lihat sebagai matriks dua dimensi atau lebih, dimana setiap matriks merepresentasikan satu kanal (channel) warna. Setiap elemen matriks tersebut dinamakan piksel.
Pada umumnya, citra pada komputer direpresentasikan dalam bentuk matriks dan menggunakan model warna RGB. Model warna sebenarnya ada banyak, namun untuk layar komputer yang kita gunakan, lebih banyak menggunakan model warna RGB. Model warna RGB ini terdiri atas 3 channel warna, yaitu Red, Green, dan Blue. Range warna yang tersedia berkisar antara 0–255, semakin besar semakin terang (hal ini disebabkan layar mengadopsi pembuatan warna dengan metode aditif).
Lalu, bagaimana komputer dapat mengenali bahwa gambat tersebut adalah gambar mata?
Komputer dapat mengenali sebuah objek dengan menggunakan algoritma image recognition (disebut juga image classifier). Algoritma ini mengambil sebuah gambar atau beberapa bagian dari gambar sebagai input dan mengeluarkan label kelas.
Namun sebelum dapat mengenali gambar, algoritma image recognition ini harus mempelajari perbedaan dari kelas-kelas yang berbeda terlebih dahulu. Misal, dalam sebuah gambar pemandangan, komputer akan ‘belajar’, gambar pohon memiliki ciri-ciri seperti apa, bunga memiliki ciri-ciri seperti apa, anjing memiliki ciri-ciri seperti apa, dan seterusnya. Tentu saja ciri-ciri tersebut direpresentasikan dalam matematika.
Sebelum komputer menggunakan algoritma image recognition untuk mempelajari kelas-kelas tersebut, tentu ada beberapa proses yang harus dilakukan terlebih dahulu.
Hal ini disebabkan citra yang ada biasanya memiliki kekurangan atau penurunan kualitas yang disebabkan beberapa hal seperti pengaruh cahaya, noise, blur, dan lainnya. Akibatnya, informasi yang ada dalam sebuah citra menjadi kurang jelas atau hilang.
Maka dari itu, bidang studi atau ilmu pengolahan citra digital ini hadir untuk mempelajari bagaimana memproses citra sehingga menjadi citra yang kualitasnya lebih baik.
Pengolahan citra dikembangkan dengan tujuan untuk :
- Image Enhancement : memperbaiki atau meningkatkan kualitas tampilan citra
- Image Compression : mereduksi atau mengurangi ukuran file citra namun tetap mempertahankan citra.
- Image Restoration : memulihkan atau memperbaiki citra ke kondisi semula.
- Feature Extraction : mengekstraksi ciri atau fitur tertentu dari citra untuk dianalisis.
Selain itu, pengolahan citra juga dapat dikembangkan dan dimanfaatkan untuk kehidupan, contohnya :
- Bidang militer : pengolahan citra dapat dikembangkan untuk pelacakan target penembakan dengan menggunakan image recognition dan computer vision.
- Bidang Kedokteran atau Medis : dapat digunakan untuk analisis hasil scan anggota tubuh dengan menggunakan image recognition dan classification.
- Fotografi : dapat digunakan untuk mengolah foto. Software seperti Adobe Photoshop dan Adobe Lightroom memanfaatkan operas-operasi pengolahan citra seperti histogram, convolution, sharpening, dan masih banyak lagi untuk mengolah foto.
Sumber : medium.com
