Sebelum citra siap diolah atau digunkan, citra penginderaan jauh memerlukan tahap-tahap pra-pemrosesan atau pra-pengolahan. Proses ini meliputi koreksi citra, baik koreksi radiometrik maupun geometrik. Pada beberapa kesempatan terutma untuk keperluan interpretasi visual, penajaman citra juga sering diperlukan.
Apa itu koreksi citra? Dan apa saja proses pra pengolahan citra yang perlu dilakukan? Simak artikel ini untuk mendapatkan jawabannya!
Koreksi Citra
Citra hasil perekaman sensor penginderaan jauh mengalami berbagai distorsi yang disebabkan oleh gerakan sensor, faktor media antara, dan faktor obyek itu sendiri, sehingga perlu dibetulkan atau dipulihkan kembali.
Prosedur operasi ini biasa disebut operasi pengolahan data awal (pre-processing operations) atau pra pengolahan citra yang meliputi berbagai koreksi yaitu koreksi radiometrik, koreksi geometrik dan koreksi atmosferik.
Koreksi Radiometrik
Koreksi radiometrik merupakan perbaikan akibat kesalahan yang disebabkan oleh kesalahan pada sistem optik, karena gangguan energi radiasi elektromagnetik pada atmosfer, dan kesalahan karena pengaruh sudut elevasi matahari.
Koreksi radiometrik diperlukan atasdasar yaitu untuk memperbaiki kualitas citra dan sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya.
Koreksi radiometrik dapat dilakukan melalui empat cara yaitu :
- penyesuaian regresi (regresi adjusment),
- penyesuaian histogram (histogram adjusment),
- kalibrasi kenampakan gelap (darkground calibrations),
- kalibrasi bayangan (shadow calibrations).
Nilai pantulan yang tertera pada suatu citra bukan merupakan nilai pantulan sebenarnya yang dipantulkan obyek. Hal ini terjadi karena banyak gangguan seperti gangguan akibat atmosfer dan yang lainnya.
Koreksi radiometrik perlu dilakukan terutama untuk mengembalikan nilai pantulan menjadi sesuai dengan nilai pantulan atau pancaran spektral obyek yang sebenarnya.
Koreksi radiometri biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan yang utama.
Pada koreksi ini diasumsikan bahwa nilai piksel terendah pada suatu kerangka liputan (scene) seharusnya nol, sesuai dengan bit-coding sensor.
Apabila nilai terendah piksel pada kerangka liputan tersebut bukan nol, maka nilai penambah (atau offset) tersebut dipandang sebagai hasil dari hamburan atmosfer. Jika nilai piksel terendah tidak nol maka dapat dikatakan pada citra tersebut terindikasi adanya gangguan atmosfer dalam proses perekamannya sehingga perlu dilakukan perubahan nilai terendah piksel.
Untuk mengoreksi hal ini, dapat dilakukan dengan dua metode, yaitu absolut dan relatif. Koreksi absolut dilakukan dengan mempertimbangkan kondisi nyata keadaan atmosfer pada saat perekaman seperti kelembapan, kabut, dan iluminasi matahari.
Sedangkan koreksi relatif dilakukan dengan melakukan perubahan-perubahan tertentu pada nilai piksel yang diubah menjadi sesuai nilai pantulan obyek yang sebenarnya.
Koreksi geometrik
Koreksi geometris adalah transformasi citra hasil penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi.
Koreksi ini dilakukan karena citra hasil rekaman mempunyai berbagai kesalahan. Ada dua kesalahan geometris yaitu
- kesalahan sistematik (kecondongan penyiam, kecepatan kaca penyiam, kesalahan panoramik, kecepatan wahana, rotasi bumi dan perspektif). Kesalahan sistematik merupakan kesalahan pada perekaman yang merupakan kesalahan sistem sehingga sudah dapat diprediksi sejak awal.
- kesalahan non sistimatis merupakan kesalahan yang berasal dari luar sistem, namun terutama yang berhubungan dengan pergerakan satelit, misal kesalahan yang disebabakan oeleh variasi ketinggian dan posisi.
Koreksi geometrik mempunyai tujuan yaitu :
- melakukan rektifikasi dan restorasi citra agar koordinat citra sesuai dengan koordinat geografi;
- registrasi (mencocokkan) posisi citra dengan citra lain atau mentransformasikan sistem koordinat citra multispektral atau citra multi-temporal
- registrasi citra ke peta atau transformasi sistem koordinat citra ke peta, yang menghasilkan citra dengan sistem proyeksi tertentu.
Koreksi geometrik pada dasarnya adalah mengoreksi piksel-piksel pada citra agar tepat seperti permukaan bumi atau mengoreksi posisi secara planimetris.
Dalam pengoreksian ini, pada akhirnya citra akan mempunyai datum, proyeksi, dan sistem koordinat. Datum merupakan titik referensi baik horisontal maupun vertikal.
Proyeksi berfungsi untuk mengubah kedalam bidang planar. Sedangkan sistem koordinat merupakan referensi untuk menentukan lokasi tersebut dalam koordinat (x,y).
Secara praktik, koreksi geometrik dilakukan dengan proses:
- Pembuatan titik ikat
- Interpolasi nilai piksel
Koreksi geometrik dilakukan dengan mengambil titik-titik kontrol atau ground control point (GCP) yang terletak di pusat piksel untuk selanjutnya ditempatkan sesuai dengan letaknya di lapangan.
Ketepatan pemberian titik ikat diketahui berdasarkan nilai Root Mean Square Error (RMSE). RMSE dihitung berdasarkan selisih antara koordinat referensi (koordinat GCP referensi dari peta topografi atau pengukuran lapangan) dengan koordinat hasil estimasi pada setiap pasangan titik.
Nilai spektral selanjutnya diinterpolasi dengan algoritma tertentu, misal algorita nearest neighbour untuk mempertahankan nilai pantulan objek sehingga baik untuk input dalam proses klasifikasi.
Proses interpolasi nilai spektral dengan algoritma Nearest Neighbor menghasilkan citra dengan nilai piksel output diambilkan dari nilai piksel terdekatnya. Metode ini sederhana untuk dipahami dan diterapkan karena tidak menggunakan perhitungan yang rumit.
Terdapat 3 cara pengoreksian, yaitu image to image registration, image to map rectification dan Hybrid Approach.
Image to image registration
Metode image to image registration, merupakan suatu cara untuk menyamakan posisi planimetrik berdasarkan citra lain pada daerah yang sama yang sudah mempunyai koordinat. Pendekatan yang pertama ini mudah dilakukan, di mana kita tinggal melakukan proses menghubungkan (link) terhadap kedua citra tersebut (yang sudah dan belum terkoreksi secara geometris) untuk pengambilan sampel dibeberapa titik pada citra tersebut.
Dengan adanya pengelik-an citra tersebut maka pengambilan titik sampel sebagai Ground Control Point akan memiliki RMS eror yang kecil.
Pengambilan titik GCP yang dilakukan pada beberapa titik dan menyebar. Pengambilan GCP secara menyebar terutama di pojok-pojok citra dimaksudkan untuk mengurangi semaksimal mungkin terjadinya kesalahan rektifikasi posisi geografis pada seluruh bagian citra.
Selain itu, pemilihan GCP harus diperhatikan. Sebisa mungkin GCP merupakan kenampakan yang sangat nampak dan tidak mudah berubah atau bergeser. Terdapat tiga cara untuk menampilkan citra metode image to image. yaitu metode polynomial, metode RST, dan metode triangulasi.
Image to map rectification
Metode yang kedua dalam koreksi geomtetrik pada praktikum ini ialah image to map rectification. Metode ini juga memanfaatkan konsep GCP.
Biasanya, proses koreksi geometrik dilakukan dengan menggunakan data koordinat pada peta RBI. GCP dibuat dengan memberikan titik ikat pada kenampakan-kenampakan yang tepat dan jarang berubah seperti percabangan jalan atau bangunan tertentu.
Dalam perkembangannya, citra Landsat pad level koreksi tertentu sudah tidak lagi membutuhkan proses koreksi geometrik.
Penajaman citra
Penajaman citra (image enhacement) meliputi semua operasi yang menghasilkan citra baru dengan kenampakan visual dan karakteristik spektral yang berbeda.
Penajaman citra bertujuan untuk peningkatan kualitas citra, yaitu menguatkan kontras kenampakan yang tergambar dalam citra digital. Penajaman citra dilakukan sebelum penampilan citra atau sebelum dilakukan interpretasi, dengan maksud untuk menambah jumlah informasi yang dapat diinterpretasi secara digital.
Proses penajaman citra dapat dilakukan melalui tiga metode yaitu :
- Manipulasi kontras citra (contrast manipulation), teknik ini dapat dilakukan dengan gray-level thresholding, level slicing, dan contrast strecthing,
- Manipulasi kenampakan secara spasial (spatial feature manipulation), dapat dilakukan dengan spatial filtering, edge enhacement, dan fourier analysis, dan
- Manipulasi citra jamak (multi-image manipulation), dapat dilakukan dengan multispectral rationing, principal component, canonical components, vegetations component, intensity-hue-siturations (IHS) color space transformations dan deccorelations stretching.
Penajaman citra merupakan pengolahan data awal (pre-processing operations) yang bertujuan untuk mendapatkan nilai citra yang lebih sesuai dengan tujuan interpretasi.
Sering terjadi kesulitan dalam mengidentifikasi obyek pada citra karena berbedaan kontras antara obyek yang satu dengan yang lainnya rendah.
Penajaman citra dilakukan karena pada kenyataannya sering terjadi adanya kenampakan-kenampakan yang berbeda namun nampak sama atau mirip pada citra. Kemiripan ini terjadi karena rona yang dipunyai hampir sama. Untuk meminimasi kesalahan interpretasi akibat dari keadaan ini, maka penajaman dilakukan. Hal ini dilakukan karena penajaman citra akan menghasilkan citra yang lebih kontras dan mempunyai mutu yang lebih baik secara visual.
Terdapat 3 jenis penajaman citra , yaitu
- penajaman kontras,
- filtering, dan
- transformasi.
Penajaman kontras
Penajaman kontras bertujuan untuk memperjelas kenampakan objek agar hasil citra lebih kontras dan lebih mudah untuk mengidentifikasi objek secara spasial.
Terdapat dua metode dalam perentangan kontras, yaitu perentangan linier dan ekualisasi histogram.
Penajaman dengan metode perentangan linier dilakukan dengan prinsip memperbesar kontras citra dengan perentangan, meminimasi nilai piksel minimum dan maksimalisasi nilai piksel maksimal.
Dari hasil perentangan kontras ini diketahui bahwa rentang kontras citra menjadi semakin lebar, dan perentangan ini mengubah piksel sehingga mempunyai nilai yang berselisih cukup besar.
Hal ini akan menyebabkan jika citra ditampilkan maka kontras akan semain tajam dan citra menjadi lebih mudah diinterpretasi.
Ekualisasi histogram
Penajaman kedua adalah dengan metode ekualisasi histogram. Penajaman ini menghasilkan citra baru dengan bit yang sama dengan citra asli.
Namun demikian, perbedaan kontras tetap akan terlihat lebih halus. Hal ini dapat dilihat pada tampilan citra setelah citra ditajamkan melalui ekualisasi.
Filtering citra penginderaan jauh
Pemanfaatan filter ini yang utama adalah untuk memfilter citra berdasarkan domain spasial.
Citra yang dihasilkan dari berbagai macam penggunaan filter nampak terlihat berbeda – beda.
Ada banyak jenis filter yang dapat digunakan, di antaranya: high pass, low pass, gaussian high dan low pass, laplacian, texture occurrence, texture co-occurrence, dan adaptive filter gama.
Transformasi Citra
Transformasi merupakan operasi citra untuk mengubah data asli (awal) menjadi data keruangan yang lain, biasanya digunakan dengan fungsi linier.
Transformasi yang banyak digunakan antara lain berupa Normalized Difference Vegetation Index (NDVI) dan tasseled cap.
NDVI merupakan transformasi yang melibatkan saluran merah dan infra merah dengan tujuan hasilnya akan menunjukkan vegetasinya.
Setiap metode penajaman memiliki hasil dengan karakteristik yang berbeda-beda. Setiap hasil memiliki kelebihan dan kelemahan tertentu. Untuk itu, pemilihan teknik penajaman yang akan dilakukan harus sesuai dengan tujuan penajaman dan obyek atau aspek apa yang ingin ditonjolkan.
Penutup
Artikel ini menjelaskan dengan lengkap mengenai pra-pemrosesan citra penginderaan jauh, meliputi:
- koreksi citra, meliputi koreksi radiometrik, koreksi atmosferik, dan koreksi geometrik
- penajaman citra, meliputi penajaman kontras, filter citra dan transformasi citra.
Pak kira” adakah tutroial cara koreksi geometrik & radiometrik di envi maupun qgis ?
trimakasih
Halo Petrus,
Silahkan dicek di sini ya:
https://www.youtube.com/watch?v=aw-_abqFC5o&ab_channel=SainsInformasiGeografiUPI
Jika belum jelas, silahkan ditanyakan kembali.
Siap Pak, akan saya coba
Trimakasih Sarannya Pak
apakah citra sentinel 2 yang L1C perlu koreksi citra lagi ya pak, kira” bagusnya untuk pre procesing di software apa Pak ya?
Koreksi citra disesuaikan dengan kebutuhan analisisnya. Untuk software ada banyak yang bisa digunakan misal SNAP, QGIS, atau pakai GEE biar bisa sekalian banyak scene
misalkan analisis NDVI & Klasifikasi Maximum, perlu koreksi kah Pak ?
Saya kebetulan ada unduh citra dari GEE, itu perlu koreksi lagi kah Pak ?
Kalau menggunakan citra dari GEE, cek dulu level koreksi citra yang digunakan, lalu baca di penjelasan citranya via dataset calatlog: https://developers.google.com/earth-engine/datasets.
Klasifikasi citra pada dasarnya tidak memerlukan koreksi tertentu. Untuk NDVI, koreksi perlu dilakukan jika nanti hasil NDVI dihubungkan dengan aspek biofisik lahan dan dilakukan perbandingan pada citra beda waktu perekaman,
Izin Pak
Saya kebetulan ada mencoba unduh sentinel 2 dari GEE, tapi ada yang errornya pas print image buat nampilin filterdatenya, kira” ada tutorial yg lengkap lah Pak
Trims.
Beberapa tutorial yang sudah tersedia:
– https://www.openmrv.org/web/guest/w/modules/mrv/modules_1/image-mosaic-composite-creation-for-landsat-and-sentinel-2-in-google-earth-engine
– https://courses.spatialthoughts.com/end-to-end-gee.html
– https://ecology.colostate.edu/google-earth-engine/
– https://www.geospatialecology.com/intro_rs_lab1/
Izin bertanya Pak
untuk sentinel 2 level 2A surface reflectance apakah perlu di koreksi juga kah Pak
trims..
Tergantung keperluannya. Kamu masih bisa lakukan korksi atmosferik atau koreksi topografik
Hallo Pak
Keperluannya untuk analisis ndvi & maximum likelihood, proses koreksi yg disebutkan tersebut apakah ada untuk citra sentinel kira” Pak ?
Klasifikasi citra pada dasarnya tidak memerlukan koreksi tertentu. Untuk NDVI, koreksi perlu dilakukan jika nanti hasil NDVI dihubungkan dengan aspek biofisik lahan dan dilakukan perbandingan pada citra beda waktu perekaman,
siap trimakasih atas saran dan masukannya Pak.
sangat jelas dan membantu