Berikut
akan disampaikan dengan singkat pengantar pengolahan citra, yang terdiri dari
pengenalan terminologi dasar bagi pengolahan citra serta konsep dari beberapa langkah
yang paling umum dilalui dalam pengolahan citra. Setelah data dikumpulkan dan
dikirimkan ke stasiun penerima, data tersebut harus diproses dan diubah ke
dalam format yang bisa diinterpretasi oleh peneliti. Untuk itu data harus
diproses, ditajamkan dan dimanipulasi. Teknik-teknik tersebut disebut
pengolahan citra.
- Mengubah Data Menjadi Citra
Data citra satelit dikirim ke stasiun penerima dalam bentuk
format digital mentah merupakan sekumpulan data numerik. Unit terkecil dari
data digital adalah bit, yaitu angka biner, 0 atau 1. Kumpulan dari data
sejumlah 8 bit data adalah sebuah unit data yang disebut byte, dengan nilai
dari 0 – 255. Dalam hal citra digital nilai level energi dituliskan dalam
satuan byte. Kumpulan byte ini dengan struktur tertentu bisa dibaca oleh
software dan disebut citra digital 8-bit.
- Karakteristik Citra
- 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 1x1 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 statistics atau dengan tampilan citra.
- Mengkoreksi kesalahan, baik radiometric (atmospheric atau sensor) maupun geometric.
- Menajamkan citra baik untuk analisa digital maupun visual.
- Melakukan survei lapangan.
- Mengambil sifat tertentu dari citra dengan proses klasifikasi dan pengukuran akurasi dari hasil klasifikasi.
- Memasukkan hasil olahan ke dalam SIG sebagai input data.
- Menginterpretasikan 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.
Tidak ada komentar:
Posting Komentar