MAKALAH TUGAS MATA KULIAH PENGOLAHAN CITRA GUNADARMA
TUGAS MATA KULIAH PENGOLAHAN CITRA
UNIVERSITAS
GUNADARMA
Pengertian Pengolahan Citra
Pengolahan citra (image processing) merupakan suatu
sistem di mana proses dilakukan dengan masukan berupa citra (image) dan
hasilnya juga berupa citra (image). Pada awalnya pengolahan
citra ini diilakukan untuk memperbaiki kualitas citra, namun dengan
berkembangnya dunia komputasi yang ditandai dengan semakin meningkatnya
kapasitas dan kecepatan proses komputer, serta munculnya ilmu-ilmu
komputasi yang memungkinkan manusia dapat mengambil informasi dan suatu citra,
maka image processing tidak dapat dilepaskan dengan bidang computer
vision. Sesuai dengan perkembangan komputer vision itu sendiri,
pengolahan citra mempunyai dua tujuan utama, yakni sebagai berikut :
1. Memperbaiki kualitas citra, di mana citra yang
dihasilkan dapat menampilkan informasi secara jelas atau dengan kata lain
manusia dapat melihat informasi yang diharapkan dengan menginterprestasikan
citra yang ada. Dalam hal ini interprestasi terhadap informasi yang ada tetap
dilakukan oleh manusia.
2. Mengekstraksi informasi ciri yang menonjol pada
suatu citra, di mana hasilnya adalah informasi citra di mana manusia
mendapatkan informasi ciri dan citra secara numerik atau dengan kata lain
komputer (mesin) melakukan interprestasi terhadap informasi yang ada pada citra
melalui besaran-besaran data yang dapat dibedakan secara jelas (besaran-besaran
berupa ini besaran numerik).
Operasi-operasi yang dilakukan didalam pengolahan
citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut :
1. Perbaikan citra (image restoration)
2. Perbaikan kualitas citra (image enhancement)
3. Pemampatan citra (image compression)
4. Segmentasi Citra (Image Segmentation)
5. Analisis Citra (Image Analysis)
6. Rekonstruksi citra (image reconstruction)
Pengolahan Citra Bidang Hukum
Teknologi
Pengaman, suatu system mengalami kemajuan pesat akibat dari pesatnya
perkembangan pengolahan citra pada bidang biometrika. Sebagai contoh
pemanfaatan sidik jari, iris, wajah, dan biometrika yang lainnya untuk system
identifikasi seseorang.
Berikut Contoh aplikasi
citra dalam bidang keamanan dan hukum :
a. Pengenalan pola sidik
jari (finger print).
Fingerprint Time
Attendance Machine (Mesin absensi sidik jari) adalah salah satu mesin
absensi jenis biometrik yang menggunakan metode pendeteksian melalui
sidik jari karyawan untuk mendata daftar kehadiran karyawan.
b. Rekonstruksi wajah pelaku
kejahatan.
Aplikasi face recognition
adalah software komputer yang berguna untuk mengenali wajah manusia dengan
menggunakan model 3D. Setiap wajah memiliki kontur khusus yang membedakannya
dengan wajah yang lain yakni terdapat 80 titik kontur yang dapat diukur dengan
software, di antaranya adalah jarak antara kedua mata, lebar hidung, kedalaman
lekuk mata, bentuk tulang pipi, dan panjang rahang. Titik-titik kontur tersebut
diukur menggunakan kode numerik, disebut faceprint, yang disimpan dalam
database.
c. Pengenalan pola hasil uji
balistik.
EBV4 Exterior Ballistics
Software adalah program yang menghitung lintasan benda melalui atmosfer seperti
pengamatan gerak peluru yang ditembakkan dari senjata ringan, baik di pendek
dan pada rentang panjang sehingga hasil yang didapat adalah ilustrasi dari
gerak peluru tersebut.
A. Analisis Aplikasi Sidik Jari (Finger Print)
Sejak dulu sidik jari
telah diketahui keunikannya, bahwa tidak ada seorangpun di dunia ini yang
memiliki sidik jari yang sama persis. Sehingga telah dimanfaatkan untuk
pengenalan dan pelacakan identitas seseorang. Dalam sepuluh tahun terakhir,
ketertarikan pada sidik jari berdasarkan sistem biometrik telah tumbuh secara
signifikan. Tentu saja harapan adanya sistem identifikasi yang cepat dan tepat
bukan hanya untuk pencarian dan pembuktian pelaku kejahatan, tetapi juga
diharapkan dapat menjadi pengganti cara-cara pengamanan konvensional misalnya
dengan password dan PIN.
Sistem biometrik adalah
metode pembuktian atau pengenalan otomatis identitas dari seseorang berdasarkan
beberapa karakteristik fisik, seperti sidik jari atau pola iris mata, atau
beberapa aspek kebiasaan seperti tulisan tangan dan tanda tangan.
Hal ini berkembang pada
dunia pendidikan dan industri dengan adanya kelompok peneliti dan perusahaan
yang mengembangkan algoritma dan teknik baru untuk pengenalan pola seperti
berbagai peralatan sensor biometrik yang telah dikembangkan dewasa ini. Sistem
pengenalan sidik jari harus mampu mengidentifikasi sidik jari seseorang dari
sekumpulan besar basis data sidik jari. Hal ini merupakan masalah tersendiri
bagi efisiensi sistem identifikasi. Sehingga digunakanlah berbagai pendekatan
klasifikasi berdasarkan ciri umum yang tampak pada sidik jari. Selama ini
pengklasifikasian sidik jari menggunakan pengklasifikasian eksklusif (exclusive
classification), yaitu citra dibagi menjadi beberapa kelas berdasarkan ciri
makro.
Penelitian ilmiah pertama
dilakukan oleh F. Galton pada tahun 1892, yang membagi sidik jari pada tiga
kelas besar. Kemudian E.R Henry pada tahun 1900, memperbaharui klasifikasi
Galton dengan menambah jumlah kelas.
Cara ini dipopulerkan
pada awal 1900-an, pengambilan sidik jari di lokasi kejadian dilakukan untuk
mencari tahu jati diri si pelaku kejahatan. Polisi akan menyesuaikan sidik jari
dengan mengidentifikasi titik-titik kecil yang ditemukan di dalamnya. Biasanya
kita sering mendenga dengan istilah Tim Forensik.
Untuk menentukan titik
mana yang harus dicocokkan, para penyelidik mula-mula harus mengidentifikasi
jenis sidik jari. Polisi di berbagai negara mungkin memiliki klasifikasi sidik
yang berbeda, namun pada dasarnya ada empat tipe dasar:
a. Lengkungan Tenda
Mirip dengan lengkungan
biasa, tapi sedikitnya satu garis harus bersudut 45 derajat atau lebih.
b. Spiral
Sedikitnya satu garis
membuat putaran penuh 360 derajat mengelilingi pusat sidik jari.
c. Simpul
Satu atau lebih garis masuk dan keluar jari pada sisi yang sama.
d. Titik Galton
Detail kecil ditemukan di seluruh garis dalam sidik jari. FBI, misalnya, menggunakan sistem pencocokan 12 titik dari satu sidik dengan titik dari sidik lainnya untuk memastikan keakuratan pencocokan sidik. Para pakar menyusun 19 tipe yang ada pada titik ini, tapi ada empat tipe dasar:
• Ujung garis
• Bilik tertutup
• Percabangan
• Pulau
Pada pencitraan sidik
jari ini yang diolah juga dengan menggunakan komputer, untuk memperjelas sidik
jari seseorang agar lebih mudah untuk mengindentifikasi pelaku kejahatan
tersebut. Karena terkadang data yang didapat dari TKP (Tempat Kejadian Perkara)
cenderung kurang jelas/samar, maka dari itu diolah kembali untuk mendapat
informasi yang lebih riil tentang struktur sidik jari tersebut.
Skema klasifikasi inilah
yang akhirnya digunakan oleh agen-agen polisi. Dalam penelitian ini dilakukan
pendekatan pembagian arah partisi citra sidik jari dengan menggunakan template.
Template terlebih dahulu
harus dibuat, yaitu dengan mencari sejumlah sidik jari yang mempunyai kelas
sama, kemudian dilakukan pembentukan template. Dari template-template inilah
kita mengambil ciri yang makro dari kelas sidik jari. Pada tahap klasifikasi,
template tersebut dicocokan dengan berkas citra sidik jari. Pencocokan template
dengan berkas citra sidik jari menghasilkan prosentase kecocokan antara
template dengan berkas citra sidik jari. Metode ini sering disebut metode
template matching.
Sumber:
-https://blogger-kekinian.blogspot.com/2019/06/makalah-pengolahan-citra-dalam-
bidang.html
- http://dian-ayunita.blogspot.com/2011/12/aplikasi-pengolahan-citra-di-bidang.html
- https://glints.com/id/lowongan/qr-code-adalah/#.YWGWdmJBxPZ
- http://diegomu.blogspot.com/2010/09/pengolahan-citra-dalam-bidang-hukum.html
Komentar
Posting Komentar