Transformasi citra adalah perubahan bentuk suatu citra melalui perubahan pixel atau domain citra. Citra dapat diubah ke domain frekuensi melalui transformasi Fourier. Citra yang ditransformasi dapat diperoleh kembali dengan transformasi balik. Perbaikan citra bertujuan meningkatkan kualitas citra dengan teknik seperti histogram dan filtering spasial atau domain frekuensi.

2. Pengertian Transformasi Citra
Secara harfiah, transformasi atua alih ragam citra dapat diartikan sebagai perubahan
bentuk suatu citra. Perubahan bentuk tersebut dapat berupa perubahan geomentripixel seperti
perputaran (rotasi), pergeseran (transiasi), perskalaan, dan lain sebagainya atau dapat juga berupa
perubahan ruang (domain) citra ke domain lainnya. Seperti transformasi Fourier yang mengubah
suatu citra dari domain spasial menjadi domain frekuensi.
Melalui proses transformasi, suatu citra dapat dinyatakan sebagai kombinasi linear dari sinyal dasar
(basic signals) yang sering disebut dengan fungsi basis (basic function). Suatu citra yang telah
mengalami transformasi dapat diperoleh kembali dengan menggunakan transformasi balik (invers
transformation).

3. Perbaikan citra (image Enhancement)
Perbaikan citra bertujuan meningkatkan kualitas tampilan citra untuk pandangan manusia atau
untuk mengkonversi suatu citra agar memiliki format yang lebih baik sehingga citra tersebut
menjadi lebih mudah diolah dengan mesin (computer).
Perbaikan citra dapat dilakukan sebagai berikut :
Operasi Titik
Histogram
Histogram citra sangat berkaitan dengan berbagai teknik pengolahan citra, terutama metode-
metode yang tergolong dalam operasi titik. Histogram citra menunjuk pada histogram dari nilai
intensitas pixel. Histogram menampilkan banyak pixel dalam suatu citra yang dikelompokkan
berdasarkan level nilai intensitas pixel yang berbeda. Pada citra grayscale 8 bit, terdapat 256 level
nilai intensitas yang berbeda maka pada histogram akan ditampilkan secara grafik distribusi dari
masing-masing 256 level nilai pixel tersebut.

4. Histogram terdiri dari :
- Penyesuaian Kecerahan (Brightness Adjustment)
- Negasi (Negation)
- Koreksi Gamma (Gamma Correction)
- Perenggangan Kontraks (Contrast Strecching)
- Pengirisan Intensitas (Intensity Slicing)
- Pemisahan Bit
- Pemampatan Rentangan (Renge Compression)
- Ekualisasi Histogram (Histogram Equalization)
- Ekualisasi Histogram Adaptif (Adaptif Histogram Equalization)
- Penajaman Lokal
- Pengurangan Citra (Image Substraction)
- Perata-rataan Citra (Image Averaging)

5. Operasi Spasial (Filtering)
Pentapisan pada pengolahan citra biasanya disebut dengan pentapisan spasial (Spatial
Filtering). Pada proses pentapisan nilai pixel baru umumnya dihitung berdasarkan pixel tetangga. Cara
perhitungan nilai pixel baru tersebut dapat dikelompokkan menjadi 2 yaitu pertama, pixel baru
diperoleh melalui kombinasi linear pixel tetangga dan kedua, pixel baru diperoleh langsung dari salah
satu nilai pixel tetangga. Berdasarkan kedua cara tersebut maka tapis juga dapat dikelompokkan
menjadi dua yaitu tapis linear (tapis untuk cara pertama) dan tapis nonlinear (tapis untuk cara kedua).
Proses penapisan spasial tidak dapat dilepaskan dari teori kernel (mask) dan konvolusi,
dijelaskan sebagai berikut :

6. Kernel
Kernel adalah matrik yang pada umumnya berukuran kecil dengan elemen-elemennya
adalah berupa bilangan. Kernel digunakan pada prose konvolusi. Oleh karena itu kernel juga disebut
convolution window (jendela konvolusi). Ukuran kernel dapat berbeda-beda, seperti 2x2, 3x3, 5x5, dan
sebagainya. Elemen-elemen kernel yang juga disebut bobol (weight) merupakan bilangan-bilangan
yang berbentuk pola-pola tertentu. Kernel biasanya juga disebut dengan tapis (filter), template, mask,
serta sliding window. Dalam konsep morphologi kernel juga disebut structuring element.

7. Konvolusi
Konvolusi merupakan operator sentral pengolah citra dan telah digunakan secara
luas pada berbagai piranti lunak pengolah citra. Konvolusi terdiri dari:
Tapis Linier yaitu tapis mean, tapis Gaussian, tapis low pass, tapis High-pass, tapis High -
bosst.
Tapis Non-Linier yaitu tapis median, tapis konservatif, tapis Kuwahara.
Transformasi Gabor, dibentuk dari dua komponen yaitu kompleks, sinusoidal (dengan
lengkungan) serta Gausian Envelope. Metode Gabor filtering mampu menghubungkan
representasi yang optimal dari arah orientasi dan domain spasial (frekuensi).
Fungsi Gabor ditemukan oleh Gabor pada tahun 1946, dimana fungsi tersebut
didefinisikan dalam 1-D, dengan t menyatakan waktu.
Pentapisan pada Domain Frekuensi adapun langkah-langkah untuk melakukan pentapisan
pada domain frekuensi adalah sebagai berikut :