Pengolahan Citra

Langkah-langkah Pengolahan Citra Digital

     Pengolahan Citra secara digital merupakan tahapan dalam mengolah citra dengan menggunakan bantuan alat atau media komputer dan software. sebelum citra tersebut dapat diinterpretasikan secara digital, diperlukan beberapa tahap agar citra tersebut dapat diinterpretasi dengan baik dan benar.

Langkah-langkah dalam pemrosesan citra adalah sebagai berikut :

1.     Koreksi Geometrik

        Kegiatan ini juga sering dinamakan rektifikasi. Memperbaiki kemencengan, rotasi dan perspektif citra          sehingga orientasi, projeksi dan anotasinya sesuai dengan yang ada pada peta. koreksi geometri terdiri dari koreksi sistematik (karena karakteristik alat) dan non sistematik (karena perubahan posisi penginderaan). koreksi sistematik biasanya telah dilakukan dengan suatu proses koreksi geometri. proses ini memerlukan ikatan yang disebut titik kontrol medan (Ground Control Point / GCP). GCP tersebut dapat diperoleh dari peta, citra yang telah terkoreksi atau tabel koordinat penjuru. CGP kemudian disusun menjadi matriks transformasi untuk rektifikasi citra.

2.     Koreksi Radiometrik

        Julat (range) representasi / kuantitasi data, biasanya dipergunakan untuk format raster. Julat tersebut   dapat berupa 2 bit (0-1), 3 bit (0-3), 4 bit (0-15), 5 bit (0-13), 6 bit (0-63), 7 bit (0-127), 8 bit (0-255), 10 bit (0-1023), 16 bit (0-65535).

3.     Pemfilteran

        Suatu cara untuk ekstraksi bagian data tertentu dari suatu himpunan data, dengan menghilangkan bagian-bagian data yang tidak diinginkan. Dalam pemfilteran dilakukan dua langkah :

        3.1.   Filter High Pass

             Menghasilkan citra dengan nilai kecerahan yang besar dari piksel ke piksel. Batas suatu bentuk dengan bentuk yang lain semakin tajam. Digunakan untuk menonjolkan perbedaan antar objek (perbedaan nilai), dimana sifat antar objek diwakili oleh nilai piksel, dengan cara teknik penajaman tepi dan penajaman kenampakan linier. Filter ini juga diterapkan dalam penyajian efek bayangan sehingga memudahkan analisis fisiografik.

        3.2.   Filter Low Pass

                 Efek kebalikan dengan High Pass, batas suatu bentuk yang lain menjadi kabur, sehingga terkesan gradasi halus. Gradasi halus ini yang disebut dengan frekuensi rendah. Nilai piksel yang baru merupakan rat-rata danri hasil kali tiap elemen matrik dengan nilai piksel yang dimaksud. Biasanya berbentuk jendela matrik 3 x 3 atau 5 x 5 yang tiap selnya berisi nilai dengan perbedaan nilai yang tidak terlalu besar.

4.     Cropping

     Pemotongan citra berdasarkan batas wilayah. Cropping dilakukan berdasarkan wilayah yang akan diambil.

5.     Mozaik

        Hasil Penggabungan beberapa liputan citra dengan luasan kecil menjadi satu liputan citra dengan luasan lebih besar. Mozaik dapat memberikan gambaran yang lebih menyeluruh tentang lokasi yang diamati.

6.     Penggabungan Band

        Suatu alat spectrum elektromagnetik yang dirancang untuk kepentingan misi tertentu pada sebuah pengindera. Sebuah pengindera sekurang-kurangnya memiliki satu saluran. Sekumpulan data berisi nilai-nilai yang disimpan dalam suatu berkas (file) yang menggambarkan apektrum elektromagnetik tertentu. Sekumpulan data berisikan hasil proses (penisbahan, penambahan, dll) band-band yang lain.

7.     Klasifikasi

        Proses pengolahan citra menjadi peta tematik. Proses klasifikasi dapat berupa proses digital maupun proses manual. 

        Macam klasifikasi :

        7.1.   Klasifikasi Unsupervised

            Klasifikasi Unsupervised atau klasifikasi tidak terbimbing adalah merupakan salah satu metode                                               klasifikasi dimana komputer secara otomatis menghitung dan mengenali nilai spektral yang ada pada citra.

Kita menggunakan klasifikasi unsupervised ketika kita mempunyai sedikit informasi tentang dataset kita. Klasifikasi data unsupervised memulai mengklarifikasi dari kelas-kelas atau wilayah-wilayah yang kita spesifikasikan atau dari jumlah niminal kelas. klasifikasi unsupervised secara sendiri akan mengkatagorikan semua piksel menjadi kelas-kelas dengan menampakan spektral atau karakteristik spektral yang sama. Hasil kliasifikasi dipengaruhi oleh parameter-parameter yang kita tentukan dalam kotak dialog klasifikasi untuk membagi dataset menjadi kelas-kelas sesuai dengan jumlah kelas yang kita inginkan.

Biasanya hasil-hasil klasifikasi unsupervised harus diinterpretasi dengan menggunakan data yang sebenarnya di lapangan untuk menentukan kelas-kelas yang mempresentasikan area atau wilayah sebenarnya di lapangan. Dari informasi ini mungkin kita bisa memutuskan untuk mengkombinasikan atau menghapus kelas-kelas yang diinginkan. Kita perlu juga untuk memberi warna dan nama untuk masing-masing kelas.

        7.2.   Supervised Classification (klasifikasi Terbimbing)

              Klasifikasi terbimbing adalah merupakan metode klasifikasi yang lebih memuaskan. Analis harus menggunakan data lapangan untuk memutuskan / mengontrol tipe penutupan lahan yang benar untuk areal citra. Klasifikasi ini dilakukan dengan menggambar training area untuk masing-masing tipe penutupan lahan yang harus dipisahkan pada klasifikasi ini dengan menggunakan karakteristik spektral masing-masing area untuk mengklasifikasi citra.

Kita menggunakan klasifikasi terbimbing apabila kita mempuyai pengetahuan yang cukup dari dataset dan pada posisi atau area mana suatu wilayah atau kelas-kelas yang menspesifikasikan wilayah-wilayah yang diinginkan. Kita dapat mendefinisikan suatu wilayah dengan menggambarkan suatu wilayah latihan dengan menggunakan sistem anotasi dan menyimpannya dalam dataset raster.

gambar. Tahap Pengolahan Citra

Julian Firdaus Bilqisthi

0911045