anda bisa mendownload artikel digital imaging disini.

Edisi Bahasa Indonesia – Versi 2.0 GPL Document 

DIGITAL PHOTOGRAPHY THAT I REALLY NEW ON THAT 

COMPILED BY: WAWAN “C YBERWAYANG” PURWANTO 

Chapter II: The Digital Imaging 

Chapter II: The Digital Imaging __________________________________ 1 

Aliasing _________________________________________________________________ 3 

Anti-aliasing___________________________________________________________________ 3 

Artifacts ________________________________________________________________ 3 

Bits (Technical Thing) _________________________________________________ 4 

Blooming _______________________________________________________________ 4 

Color Spaces____________________________________________________________ 5 

The Additive RGB Colors_______________________________________________________ 5 

The Subtractive CMYk Colors __________________________________________________ 6 

The LAB and Adobe RGB (1998) Color Spaces _________________________________ 6 

Compression____________________________________________________________ 7 

Lossless Compression _________________________________________________________ 7 

Lossy Compression ____________________________________________________________ 8 

A Numerical Example__________________________________________________________ 8 

Digital Zoom ____________________________________________________________ 8 

To Use Or Not to Use Digital Zoom ____________________________________________ 9 

Dynamic Range________________________________________________________ 10 

Dynamic Range of a Sensor __________________________________________________ 10 

Dynamic Range of an Image _________________________________________________ 11 

Pixel Size and Dynamic Range________________________________________________ 11 

Some Dynamic Range Examples______________________________________________ 13 

Gamma_________________________________________________________________ 14 

Histogram _____________________________________________________________ 15 

Typical Histogram Examples__________________________________________________ 17 

Keeping an Eye on the Histograms when Taking Pictures _____________________ 19 

Keeping an Eye on the Histograms when Editing ______________________________ 19 

Interpolation __________________________________________________________ 19 

Nearest Neighbor Interpolation _______________________________________________ 20 

Bilinear Interpolation _________________________________________________________ 20 

Bicubic interpolation__________________________________________________________ 21 

Fractal interpolation __________________________________________________________ 22 

Jaggies_________________________________________________________________ 23 

Anti-aliasing Reduces the Visibility of Jaggies _________________________________ 23 

Sharpening Increases the Visibility of Jaggies_________________________________ 24 

JPEG ___________________________________________________________________ 24 

The Theory in a Nutshell _____________________________________________________ 25 

A Practical Example __________________________________________________________ 25 

Practical Tips _________________________________________________________________ 26 

Wawan Purwanto [cyberwayang@gmail.com], http://cyberwayang.multiply.com, YM: cyberwayang 

1


Moiré ___________________________________________________________________ 27 

Maze Artifacts ________________________________________________________________ 27 

Noise ___________________________________________________________________ 28 

The Cause: Sensor Noise _____________________________________________________ 28 

The Effect: Image Noise ______________________________________________________ 28 

Long Exposure "Stuck Pixels" Noise___________________________________________ 29 

Noise Reduction _______________________________________________________ 29 

JPEG Compression and Noise Reduction ______________________________________ 31 

Long Exposure ("stuck pixel") Noise Reduction________________________________ 32 

Posterization or Banding _____________________________________________ 33 

RAW____________________________________________________________________ 33 

The RAW Storage and Information Advantages _______________________________ 34 

The Flexibility of RAW ________________________________________________________ 34 

Disadvantages of RAW _______________________________________________________ 35 

Resolution _____________________________________________________________ 35 

Sensor Resolution ____________________________________________________________ 35 

Image Resolution ____________________________________________________________ 35 

Resolution Charts at dpreview.com: Horizontal and Vertical LPH ______________ 36 

Resolution Charts at dpreview.com: 5° Diagonal Lines LPH ___________________ 38 

Resolution Charts at dpreview.com: Absolute and Extinct LPH ________________ 38 

Sensitivity (ISO/ASA) ________________________________________________ 39 

Sharpening ____________________________________________________________ 40 

In-camera Sharpening _______________________________________________________ 41 

Sharpening with Software ____________________________________________________ 41 

TIFF ____________________________________________________________________ 42 

Tonal Range ___________________________________________________________ 42 

Dynamic Range and Tonal Range of the Sensor _______________________________ 43 

Dynamic Range and Tonal Range of the Image _______________________________ 43 

Dynamic Range and Tonal Range of a Monitor or Printer - Compression _______ 43 

White Balance _________________________________________________________ 45 

Color Temperature ___________________________________________________________ 45 

White Balance________________________________________________________________ 45 


2

Aliasing 


Aliasing merujuk kepada jagged (gerigi) yang terlihat pada garis 

diagonal, sudut dari sebuah lingkaran, dll. Hal ini merupakan sifat 

alami dari sebuah image, karena image itu sendiri dibentuk dari pixelpixel 

yang berbentuk kotak atau square. 

Aliased 

Anti-aliased 

Perbesaran 1X Perbesaran 4X Keterangan 

Jaggies terlihat jelas sekali 

ketika image diperbesar 

beberapa kali. 

Anti-aliasing mem-buat 

jaggies terlihat lebih halus 

walaupun ketika image 

diperbesar bebe-rapa kali. 

Anti-aliasing 

Anti-aliasing adalah suatu proses yang membuat sudut yang bergerigi 

terlihat menjadi lebih halus dengan memanipulasi pixel antara 2 area 

yang bertemu tersebut. Pada contoh diatas, warna biru ditambahkan 

ke daerah sudut yang berwarna kuning, begitu pula sebaliknya, 

membuat transisi kedua warna menjadi lebih halus. 

Hampir semua software image editor memiliki fasilitas option "antialiasing" 

untuk object-object seperti font, drawing line, shape, proses 

selection, dll. Pada jenis kamera digital modern, fungsi anti-aliasing 

sudah built-in untuk mengurangi efek jaggies pada image hasil 

pemotretan. 

Artifacts 

Artifacs merujuk kepada distorsi yang terjadi pada image yang 

disebabkan oleh kesalahan sensor kamera, optical system, juga 

karena kesalahan algoritma proses pengolahan image pada kamera itu 

sendiri. Tabel berikut memperlihatkan beberapa jenis artifact yang 

sering terjadi pada kamera digital. 

Blooming Maze Artifacts 


3

Bits (Technical Thing) 

Chromatic Aberrations Moiré 

Jaggies Noise 


JPEG Compression Sharpening Halos 

Didalam dunia komputer, bit (binary digit) adalah bilangan berbasis 2 

yang memiliki nilai antara angka 0 atau 1 yang berkorespondensi 

dengan switch ON atau OFF yang menyatakan suatu nilai tertentu. 

Dalam 1 bit image, kita dapat mengatakan bahwa binary 0 

menyatakan 'black' atau gelap, atau binary 1 menyatakan white atau 

terang. 

Dalam 2 bit image, kita mendapatkan 4 (2 ^2 ) kemungkinan nilai, yaitu 

nilai yang mewakili warna (tone): 00 (black), 01( gray), 10 (gray) dan 

11 (white). 

Dalam 8 bit image (1 byte), kita mendapatkan 2^8 = 256 

kemungkinan nilai warna, yaitu antara range 00000000 (0) - 

11111111 (255) 

Image JPEG sering disebut sebagai image 24 bit, sebab menyimpan 

informasi sebesar 8 bit pada setiap warna utama (R=256, G=256, 

B=256), sehingga sering disebut dengan istilah 16.7 million color 

(mendekati true color) yang didapat dari perkalian 256x256x256. 

Blooming 

Cahaya atau photon ditangkap oleh pixel yang terdapat didalam 

sensor kamera digital, kemudian dirubah menjadi energi listrik oleh 

photodiode. Jumlah photon yang ditangkap bisa saja melebihi 

kapasitas dari pixel itu sendiri, sehingga akan terjadi overflow, walau 

hal itu tidak memiliki efek terhadap nilai (angka) dari pixel itu sendiri. 

Kelebihan photon tersebut biasanya akan disalurkan kepada pixel-pixel 


4


tetangganya dan akan mempengaruhi (menambah) nilai dari pixelpixel 

tetangganya tersebut, sehingga terjadilah apa yang dinamakan 

dengan efek blooming. Efek Blooming ini jelas terlihat apabila kita 

mengambil subject yang menantang cahaya matahari, sehingga terjadi 

kehilangan detail subject dimana subject menjadi overexposed karena 

menampung kelebihan cahaya tersebut. 

Pada contoh gambar dibawah, terlihat detail batang ranting dan daun 

menjadi kabur, karena informasi asli yang disimpan oleh pixel menjadi 

overflow akibat menampung kelebihan photon dari pixel tetangganya 

yang menangkap cahaya terang, sehingga bagian yang seharusnya 

tidak terang menjadi overexposed juga. Efek blooming ini dapat 

semakin memperjelas munculnya efek-efek jelek lain, misalnya efek 

purple fringing. 

Beberapa sensor kamera sudah ada yang melengkapi dirinya dengan 

komponen "anti-blooming gates", yang mana dibuat semacam paritparit 

antara pixel-pixel dalam sensor sehingga mengurangi efek 

kelebihan beban suatu pixel terhadap pixel tetangganya (adanya jarak 

antara pixel). Tetapi fasilitas ini kadang tidak sanggup untuk 

mengatasi efek blooming yang terlalu kuat, yaitu ketika kamera 

berhadapan dengan subject dimana daerah terang dan gelapnya 

sangat terlalu kontras. 

Color Spaces 

The Additive RGB Colors 

Sel-sel mata manusia sangat sensitif terhadap warna merah, hijau dan 

biru. Semua warna lainnya adalah merupakan pencampuran atau 

kombinasi dari warna-warna utama diatas. Monitor komputer 

memancarkan cahaya berupa campuran dari warna-warna merah, 

hijau dan biru untuk membentuk warna-warna lain. Sebagai contoh, 

mencampurkan warna merah dan hijau sebagai warna primary akan 

menghasilkan warna baru, yaitu kuning. Gambar dibawah 


5


memperlihatkan proses pencampuran warna merah dan hijau dalam 

bentuk garis-garis yang semakin kecil akan semakin memperlihatkan 

kemunculan warna baru, yaitu kuning (animasi bisa dilihat dalam versi 

online). Sedang menggabungkan semua warna utama diatas akan 

menghasilkan warna putih. 

The Additive RGB Color Space 

The Subtractive CMYk Colors 

Proses mencetak warna yang dilakukan oleh printer adalah dengan 

cara memancarkan cahaya pada sebuah sensor warna, menyerap 

(membuang) warna yang tidak diinginkan dalam pencampuran, dan 

memantulkan warna yang merupakan gabungan yang menghasilkan 

warna yang diinginkan. Sebagai contoh, ketika printer hendak 

mencetak warna kuning, sensor akan menyerap (membuang) warna 

biru, dan memantulkan warna hijau dan merah yang akan membentuk 

warna kuning. Hanya saja, sistem warna yang digunakan pada proses 

percetakan bukanlah sistem warna RGB, melainkan sistem warna lain 

yang disebut dengan CMYk (Cyan, Magenta and Yellow). Warna 

hitam didapat dengan cara menggabungkan ketiga warna tersebut, 

akan tetapi, pada prakteknya tinta khusus berwarna hitam lebih 

banyak digunakan, sehingga total tinta yang digunakan ada 4 buah 

warna. huruf k pada CMYk adalah berarti black atau hitam. 

The Subtractive CMYk Color Space 

The LAB and Adobe RGB (1998) Color Spaces 

Karena batasan teknis, monitor dan printer tidak mungkin 

menghasilkan semua jenis warna yang bisa dilihat oleh mata manusia, 

atau lebih dikenal dengan istilah teknis sebagai "LAB" color space 

yang disimbolkan dengan sebutan tapak kaki kuda seperti dilukiskan 


6


pada gambar dibawah. Range warna yang monitor komputer bisa 

hasilkan disebut dengan sRGB color space (additive type). Range 

warna yang printer bisa hasilkan disebut dengan CMYk color space 

(subtractive type). 

Pada diagram dibawah bisa kita lihat bahwa terdapat range-range 

warna tertentu pada LAB color space yang tidak bisa diproduksi oleh 

sRBG maupun CMYk color space. Khusus CMYk color space, 

kemampuan untuk memproduksi warna sangat tergantung pada jenis 

device printer itu sendiri. 

Kita lihat pada gambar diatas, ada warna yang tidak terlihat di monitor 

komputer, tapi ketika dicetak warna tersebut muncul karena adanya 

perbedaan color space diantara keduanya, begitu juga sebaliknya. 

Kamera digital high-end bahkan mampu melakukan shot gambar 

dalam mode Adobe RGB (1998) color space, yaitu range warna yang 

lebih luas yang dibuat oleh Adobe, dibanding sRGB dan CMYk, ini 

memungkinkan kita mencetak warna dengan range color yang lebih 

luas. Tapi yang perlu diingat, kebanyakan monitor komputer tidak 

mampu menampilkan warna Adobe RGB dengan benar, kebanyakan 

hanya mampu menampilkan warna dalam mode sRGB. 

Compression 

File Image dapat dicompress dengan dua cara, yaitu lossless dan 

lossy. 

Lossless Compression 

Losless compression mirip dengan cara aplikasi Winzip bekerja. 

Apabila kita mengcompress sebuah dokumen sebagai sebuah file zip, 


7


kemudian kita extract kembali, maka hasilnya akan identik dengan file 

aslinya. Tidak ada informasi yang hilang, hanya saja membutuhkan 

processing time untuk melakukan proses compress dan uncompress 

tersebut. Contoh image jenis ini adalah format TIFF. 

Lossy Compression 

Lossy compression bekerja dengan dengan cara membuang informasi 

yang serupa (seragam) yang terdapat dalam image sehingga 

menghasilkan ukuran file image yang lebih kecil. Hal ini mirip kita 

membuat kesimpulan dari sebuah dokumen, dimana kesimpulan 

tersebut bisa mewakili seluruh isi dokumen tersebut, tetapi kita tidak 

bisa membuat dokumen yang identik berdasar kesimpulan dari 

dokumen tersebut. Contoh image jenis ini adalah format JPEG. 

A Numerical Example 

Tabel dibawah memperlihatkan bagaimana sebuah image sebesar 5 

Megapixel (2560x1920 pixel) dicompress menggunakan berbagai 

macam format. Tabel dibawah hanyalah ukuran estimasi dan ukuran 

sebenarnya bisa sangat bervariasi. 

Image Format Typical File Size in MB Comment 

Uncompressed TIFF 14.1 3 channels of 8 bits 

Uncompressed 12-bit RAW 7.7 1 channel of 12 bits 

Compressed TIFF 6.0 Lossless compression 

Compressed 12-bit RAW 4.3 Lossless compression 

100% Quality JPEG 2.3 Hard to distinguish from uncompressed 

80% Quality JPEG 1.3 Sufficient quality for 4" x 6" prints 

60% Quality JPEG 0.7 Sufficient quality for websites * 

20% Quality JPEG 0.2 Very low image quality 

Pada keadaan sebenarnya, ukuran file sangatlah bervariasi tergantung 

detail gambar yang terdapat dalam image tersebut. Sebagai contoh, 

pada tabel diatas terlihat file 1.3MB merupakan file JPEG yang 

dikompres dengan quality sebesar 80% dari 5MB sebagai ukuran 

aslinya. Bagaimanapun, apabila image tersebut berisi warna-warna 

yang seragam (misal langit biru), maka hasil kompresi bisa menjadi 

lebih kecil, misal 0.8MB. Akan tetapi apabila warna yang seragam 

semakin sedikit, misalnya sangat banyak detail dalam file tersebut, 

ukuran file bisa saja menjadi lebih besar, misal sebesar 1.7MB. 

Digital Zoom 

Optical zoom adalah perbesaran subject secara optical (real) yang 

didapat dari merubah-rubah range focal length sebuah lensa, yaitu 

dari besaran minimum sampai kepada besaran maksimalnya. Selain 

optical zoom terdapat jenis zooming lain, yaitu Digital Zoom, yang 


8


biasanya terdapat pada kamera digital jenis Compact maupun 

Prosumer. 

A. Scene diambil dengan lensa 31mm B. Scene diambil dengan kensa 50mm 

Merubah focal length sebuah lensa dari 31mm menjadi 50mm (50/31=1.6X optical zoom) akan 

memperbesar subject tetapi tentu akan mengurangi field of view (FOV). Pada image B, sensor kamera 

mengambil image yang diindikasikan dengan kotak merah pada image A. Dalam kedua kasus diatas ( 

Image A dan image B), kamera akan menyimpan informasi 5 megapixel sebagai image 5 megapixel. 

C. 1.6X Digital Zoom 

Image akan dicrop dan dihasilkan resolusi yang 

lebih rendah (Tentu dong!) 

D. 1.6X Digital Zoom 

Image setelah dicrop lalu diresampling menjadi 

resolusi yang seolah-olah menjadi lebih besar. 

Digital zoom sebesar 1.6X diatas, akan menggunakan resolusi image hasil cropping sebesar 1600 x 1200 

(2560/1.6=1600 x 1920/1.6=1200) dan akan membuang sisanya. Pada image C diatas, kamera 

mengambil gambar dengan field of view (FOV) yang sama dengan image B, tetapi hanya menggunakan 

image 2 megapixel bukan 5 megapixel. Kemudian, resolusi 1600 x 1200 tersebut akan diresampling 

menjadi resolusi 'asal' (5 megapixel) seperti yang terlihat pada image D. Masalahnya disini, tidak akan 

terjadi penambahan detail gambar dimana proses resampling image tersebut dilakukan secara algoritma 

software. Terlihat, kualitas image D lebih rendah dari image B. 

To Use Or Not to Use Digital Zoom 

Kesimpulan yang bisa diambil, apabila kita hendak mengambil scene 

seperti yang terlihat pada image B, yang terbaik adalah dengan 

menggunakan lensa dengan focal length 50mm (pembesaran optical). 

Bila kita hanya memiliki lensa dengan focal length maksimum 31mm 

dan ingin melakukan pembesaran secara digital, ada beberapa hal 

perlu diperhatikan, yaitu: 


9


1. Sebaiknya tetap tidak menggunakan digital zoom, tapi ambil 

saja dengan focal length 31mm, dan lakukan crop secara manual 

(komputer) apabila kita membutuhkannya suatu saat. 

2. Sangat tidak dianjurkan untuk menggunakan digital zoom untuk 

mendapatkan image yang seolah-olah diperbesar, sebab 

kerugian-kerugian yang mungkin terjadi adalah kita bisa jadi 

membutuhkan space untuk image sebesar 5 megapixel, tapi 5 

megapixel yang semu, karena sesungguhnya itu merupakan 

image 2 megapixel. Selain itu tidak akan ada penambahan detail 

pada gambar seperti kita mengambil gambar dengan focal 

length lensa optical 50mm. 

The verdict is, sebisa mungkin hindari pemakaian digital zoom, selalu 

pergunakan optical zoom bila memungkinkan. Optical zoom selalu 

lebih baik dibanding digital zoom. 

(*) Kamera DSLR memiliki kemampuan untuk mengganti-ganti lensa 

sesuai focal length yang kita inginkan, maka hampir tidak ditemukan 

fasilitas digital zoom pada kamera DLSR. 

Dynamic Range 

Dynamic Range of a Sensor 

Apabila kita keluar dari ruangan gelap lalu menuju ruangan yang 

terang, maka akan terjadi kejutan pada mata kita sebelum bisa 

menyesuaikan diri. Sebaliknya ketika kita berada pada ruangan yang 

terang dan memasuki ruangan gelap, mata kita perlu menyesuaikan 

diri sebelum bisa melihat disekitarnya. Begitu juga sensor sebuah 

kamera digital bisa mengalami kesulitan menangkap perbedaan terang 

dan gelap yang terlalu besar pada suatu scene. Untuk bisa menangkap 

perbedaan itu, sensor kamera harus memiliki kemampuan dynamic 

range yang cukup besar. 

Secara teori, dynamic range sebuah sensor didefinisikan sebagai 

proses 'pembacaan' subject dimana possible signal terbesar yang bisa 

ditangkap sebuah sensor dibagi dengan possible signal terkecil. 

Possible signal terbesar diartikan sebagai nilai kemungkinan terbesar 

dari kapasitas tertinggi yang mungkin ditangkap oleh pixel pada 

sensor kamera. Sedang signal terendah adalah ketika sensor sama 

sekali tidak terexpose oleh cahaya apapun, disebut juga dengan istilah 

'noise floor'. 


10


Bahasa mudahnya, sebuah kamera dengan kemampuan dynamic 

range yang tinggi mampu menangkap detail shadow dan detail 

highlight secara bersamaan. Dynamic range jangan diputarbalikan 

dengan istilah tonal range. 

Dynamic Range of an Image 

Ketika kita melakukan shoot dengan JPEG, kurva tonal yang diset oleh 

kamera bisa menghilangkan detail shadow dan highlight yang ada 

dalam RAW image data (ingat JPEG adalah 8 bit data). Image data 

RAW dapat menyimpan dynamic range yang dihasilkan oleh sensor 

dan mengizinkan kita untuk melakukan kompresi terhadap dynamic 

range dan tonal range dengan mengaplikasikan kurva tonal (tonal 

curve) sehingga seluruh dynamic range yang ditampilkan pada 

monitor komputer atau di cetak oleh printer cukup nyaman untuk 

dilihat oleh mata manusia. 

Pixel Size and Dynamic Range 

Sensor kamera digital memiliki jutaan pixel yang menangkap photon 

saat sensor sedang mengexpose subject, dimana area yang lebih 

terang pada subject, artinya lebih banyak photon yang ditangkap. 

Setelah proses exposure selesai, nilai atau value tertentu akan 

diberikan kepada masing-masing pixel. Secara konsep, pixel yang 

kosong (tidak berisi photon) akan diberikan nilai 0 dan pixel yang 

penuh akan diberikan nilai 255, dengan kata lain nilai 0 mewakili 


11


warna hitam (pure black) dan nilai 255 mewakili nilai putih terang 

(brighter). 

Gambar konsep dibawah memperlihatkan sebuah sensor yang terdiri 

dari 16 pixel (sebuah sensor pada kenyataannya terdiri dari jutaan 

pixel) yang menerangkan proses kumpulan pixel-pixel yang 

menangkap photon, dimana pixel yang menangkap subject terang 

akan dipenuhi photon dengan sangat cepat (animasi bisa dilihat dalam 

versi online). 

Ketika pixel-pixel dipenuhi oleh photon, bisa saja terjadi overflow atau 

kelebihan beban yang mengakibatkan apa yang disebut dengan efek 

blooming. Ketika pixel-pixel itu kelebihan beban (yang diindikasikan 

dengan warna merah pada gambar diatas), pixel-pixel itu akan berisi 

nilai 255, padahal seharusnya pixel-pixel itu diisi oleh nilai yang 

mungkin berbeda karena menangkap level warna yang juga berbeda. 

Dengan kata lain, kita akan kehilangan detail warna pada subject, 

dalam kasus ini kita kehilangan detail pada daerah highlight (clipped 

highlight). 

Untuk menghindari kehilangan detail pada daerah highlight, kita bisa 

saja mengurangi waktu exposure. Sehingga pixel tidak akan kelebihan 

beban saat mengambil daerah highlight. Akan tetapi apabila waktu 

expsore terlalu sebentar justru akan mengakibatkan pixel tidak 

memiliki waktu untuk mengambil daerah gelap (shadow) sehingga 

nilai pixel yang mengambil daerah gelap menjadi 0. Istilah ini disebut 

dengan clipped shadow (kehilangan detail pada daerah shadow/ 

gelap). 

Alasan terbesar bahwa sebuah kamera digital SLR (DSLR) memiliki 

dynamic range yang besar adalah, bahwa sensor kamera DSLR 

memiliki pixel yang berukuran besar. Pixel yang berukuran besar akan 

memiliki waktu yang cukup untuk menangkap photon pada daerah 

shadow sebelum pixel yang menangkap daerah highlight kelebihan 

beban atau overflow. 


12

Some Dynamic Range Examples 


Dynamic range dari kamera mampu menangkap dynamic range dari scene. Histogram disebelah kanan 

menggambarkan detail daerah shadow dan highlight terekam dengan baik. 

Disini dynamic range dari kamera lebih kecil dari dynamic range scene. Histogram memperlihatkan 

hilangnya beberapa daerah shadow dan highlight. 

Dynamic range dari kamera yang terbatas digunakan untuk menangkap highlight detail dengan 

mengorbankan shadow detail. Short exposure digunakan untuk mencegah pixel overflow tetapi akibatnya 

tidak cukup waktu menangkap detail shadow. 

Dynamic range dari kamera yang terbatas digunakan untuk menangkap detail shadow dengan 

mengorbankan detail highlight. Long exposure digunakan untuk bisa menangkap detail shadow, tetapi 

akibatnya terjadi overflow pixel yang membuat kehilangan detail highlight. 


13


Dynamic range dari scene lebih kecil dari dynamic kamera, biasanya terjadi bila melakukan shot image 

dari pesawat terbang. Kita bisa saja memodifikasi histogram untuk mendapatkan contrast yang lebih 

baik, tetapi bila modifikasi dilakukan terlalu ekstrim bisa menimbulkan efek posterization. 

Lebih jauh mengenai histogram akan dibahas pada bagian tersendiri. 

Gamma 

Setiap pixel dalam image digital memiliki level brightness yang 

memiliki range dari black (0) ke white (1). Nilai-nilai pada pixel 

tersebut merupakan input bagi layar monitor kita. Karena dibatasi oleh 

kemampuan teknis, monitor CRT mengolah nilai-nilai tersebut dengan 

cara non linier menggunakan rumus berikut: 

Output = Input ^ Gamma 

Hampir semua monitor CRT memiliki gamma sebesar 2.5, artinya pixel 

pada image yang memiliki nilai brightness 0.5, akan ditampilkan 

sebesar 0.18 (0.5 ^ 2.5) dalam aplikasi standar (cenderung lebih 

gelap). Monitor LCD, misalnya pada Notebook, cenderung 

mengaplikasikan kurva output yang lebih tajam. 

Kalibrasi perlu dilakukan melalui software dan/ atau hardware untuk 

meyakinkan bahwa output image pada monitor berdasarkan pada 

kurva gamma yang umum, biasanya sebesar 2.2 untuk Microsoft 

Windows. Nilai tersebut merupakan nilai perkiraan yang cocok untuk 

mata manusia. Color space sRGB dan Adobe RGB juga didasarkan 

berdasar gamma value sebesar 2.2. 

Monitor yang memiliki gamma sebesar 1.0, akan merespon dalam cara 

linier (output = input), akibatnya image yang dibuat oleh system 

dengan gamma 2.2 akan terlihat lebih flat dan sangat terang apabila 

dibuka dalam aplikasi yang non-color managed. 


14


Linear Gamma 1.0 Nonlinear Gamma 2.2 Nonlinear Gamma 2.5 

Input 0.5 -> Output 0.5 Input 0.5 -> Output 0.22 Input 0.5 -> Output 0.18 

Image terlihat lebih terang dan 

flat. 

Kontras image terlihat cukup baik 

dan nyaman untuk mata 

manusia. 

Image terlihat lebih gelap dan 

kurang nyaman dilihat. 

Aplikasi yang mampu memanage color seperti Adobe Photoshop akan 

menampilkan image sRGB secara tepat ketika kita bekerja dalam 

mode sRGB, tanpa tergantung profile gamma dari monitor komputer. 

Tetapi pada beberapa komputer image akan ditampilkan tidak benar 

karena batasan 8 bit warna yang terdapat pada beberapa video card. 

Histogram 

Histogram adalah kunci untuk mengerti image digital. Sebagai 

ilustrasi, pada contoh dibawah diperlihatkan 40 tile scene yang terdiri 

dari 4 warna, kemudian masing-masing warna disusun bertumpuk 

sesuai banyaknya warna. Makin banyak jumlah suatu warna, makin 

makin tinggi susunannya secara vertikal. Histogram adalah grafik yang 

menampilkan distribusi warna dari sebuah scene sesuai dengan jumlah 

masing-masing warna. Histogram sangat erat kaitannya dengan 

kemampuan dynamic range dari sebuah kamera. 


15


Pada topic sebelumnya kita ketahui bahwa sebuah image digital 

dibentuk oleh sekumpulan pixel-pixel (berbentuk kotak) yang 

berwarna-warni dan sangat kecil bahkan sangat halus. Tetapi, 

daripada mengurutkan pixel berdasarkan warna, grafik histogram 

menyusun pixel-pixel tersebut kedalam 256 level brightness dalam 

range 0 (dark) sampai 255 (white) dan menumpuknya sesuai 

kecerahan masing-masing, artinya ada 254 level gray diantara range 0 

– 255. 

Seperti yang kita lakukan pada cara manual diatas, system secara 

otomatis mengurutkan pixel-pixel tersebut ke dalam 256 level group 

dan menumpuknya sesuai group masing-masing. Tingkat tinggi dari 

masing-masing tumpukan (vertical bar) menunjukan seberapa banyak 

pixel yang terdeteksi dari masing-masing level brightness pada image 

tersebut. 0 mewakili warna hitam sedang 255 mewakili warna putih 

dalam level kecerahan pixel-pixel tersebut. 

Dalam histogram diatas, setiap tumpukan atau bar menunjuk kepada 

satu tingkat kecerahan pixel. Tidak seperti histogram mosaic 

sebelumnya, ke 256 bar diatas disusun secara berkesinambungan 

terbalut warna hitam tanpa diselingi oleh adanya gap. Adanya gap 

pada gambar diatas hanyalah untuk tujuan edukasi saja, atau dapat 


16


terjadi dalam kasus sebuah image kehilangan tone nya, disebut juga 

blank-tone, yaitu ketika dilakukan modifikasi pada histogram oleh 

software pengolah image. 

Typical Histogram Examples 

Image yang diexpose dengan benar. Sebuah contoh image yang diexpose dengan benar yang 

menghasilkan grafik histogram yang baik. Kurva 

memperlihatkan histogram diakhiri oleh nilai 255 dengan 

sangat halus, yang berarti tetap mempertahankan detail 

highlight dari awan dan ombak. Selain itu, detail shadow 

juga terlihat dengan baik dimana histogram dimulai dari 0 

dan naik secara perlahan dengan halus. 

Image dengan kategori underexposed. Histogram memperlihatkan terlalu banyak pixel dengan nilai 

0 atau hampir 0, yang artinya kehilangan detail shadow 

(clipped shadow). Kecuali scene memang didominasi warna 

hitam, grafik diatas tentu bisa dikatakan normal. Tetapi 

dalam kasus ini histogram tidak dalam keadaan normal. 

Selain itu terlihat sedikit pixel dalam daerah highlight. 

Image dengan kategori Overexposed. Histogram memperlihatkan terlalu banyak pixel dengan nilai 

255 atau hampir 255, yang artinya kehilangan detail 

highlight (clipped highlight). Detail pada awan dan ombak 

menjadi hilang, selain itu terlihat sedikit pixel dalam daerah 

highlight. 


17


Image dengan kontras berlebih. Pada kasus ini terlihat hilangnya detail pada derah shadow 

dan highlight (clipped shadow dan clipped highlight) secara 

bersamaan. Hal ini terjadi karena dynamic range dari scene 

lebih besar dari dynamic range kamera. 

Image dengan kontras yang lemah. Histogram dari gambar disamping terlihat hanya berisi tone 

dibagian tengah (midtone), menghasilkan gambar yang 

kabur. 

Image dengan kontras yang 

dimodifikasi. 

Gambar dengan kontras yang lemah diatas bisa saja 

diperbaiki dengan proses stretching histogram 

menggunakan aplikasi Level atau Curve Adjusment 

yang terdapat dalam software image seperti Adobe 

Photoshop. Hasilnya kontras dari image terkoreksi lebih 

baik, akan tetapi karena tone didistribusikan lebih lebar 

(ditarik) ke arah kiri (shadow area) dan kanan (highlight 

area), beberapa tone menjadi hilang dan menghasilkan 

histogram yang disebut dengan combed histogram 

(histogram sisir). Terlalu banyak gap diantara pixel bisa 

mengakibatkan apa yang disebut dengan posterization. 


18


Keeping an Eye on the Histograms when Taking Pictures 

Contoh dari histogram yang diperlihatkan oleh 

kamera digital dengan warning pada daerah yang 

diperkirakan overexposure (lihat versi online). 

Hampir semua kamera prosumer dan professional memiliki fasilitas 

untuk mereview histogram (melalui LCD) dari sebuah scene image 

yang kita ambil, sehingga kita bisa menentukan untuk mengambil 

ulang scene apabila diperlukan. Beberapa kamera memiliki fasilitas 

overexposure warning, dimana daerah yang dianggap overexposure 

ditandai dengan bagian yang berkedip-kedip. 

Keeping an Eye on the Histograms when Editing 

Saat kita melakukan proses editing terhadap sebuah image, tetap 

perhatikan grafik histogram yang dihasilkan untuk mencegah 

hilangnya detail shadow atau highlight atau bahkan terjadinya 

posterisasi yang berlebihan. 

Interpolation 

Interpolasi (kadang disebut dengan istilah resampling) adalah metoda 

yang ditujukan untuk menambah atau mengurangi jumlah pixel pada 

sebuah image digital. Beberapa kamera digital menggunakan metoda 

interpolasi untuk menghasilkan image yang lebih besar dari image 

yang diambil oleh sensor kamera itu sendiri, dengan kata lain ketika 

kita melakukan digital zoom. Beberapa software pengolah image 

memiliki beberapa metoda interpolasi secara built-in. Seberapa halus 

image diperbesar tanpa menimbulkan efek jaggies sangat tergantung 

dari kecanggihan algoritma yang digunakan. 


19


Marilah kita lihat sebuah contoh teknik interpolasi terhadap sebuah 

image dibawah dengan resolusi awal 106 x 40 yang dicoba diperbesar 

sebanyak 450%. 

Nearest Neighbor Interpolation 

Algoritma Interpolasi Nearest Neighbor merupakan metoda yang 

sederhana untuk membuat pixel-pixel menjadi lebih besar. Pixel-pixel 

baru dibuat dengan cara mengambil informasi dari pixel-pixel 

terdekatnya. Apabila kita hendak memperbesar image sebesar 200%, 

satu pixel akan diperbesar menjadi 2 x 2, dimana informasi 4 pixel 

tersebut diambil dari informasi pixel lamanya (original pixel) dengan 

warna yang sama. Hampir semua aplikasi image editing menggunakan 

interpolasi jenis ini untuk tujuan melihat image lebih dekat untuk 

image yang sedang di edit, karena interpolasi ini tidak mengubah 

informasi warna dan tidak melakukan proses antialiasing. Untuk alasan 

yang sama, algoritma ini tidak digunakan untuk tujuan memperbesar 

image foto karena hasilnya banyak menimbulkan jaggies. 

Algoritma Interpolasi Nearest Neighbor. 

Bilinear Interpolation 

Algoritma Bilinear Interpolation membuat pixel baru dengan cara 

mengambil rata-rata 4 pixel (2 x 2) tetangganya yang terdekat dari 

original image. Hasil rata-rata ini mengaplikasikan efek anti-aliasing 

yang hasil pembesaran tersebut terlihat lebih halus dan hampir tidak 

terlihat adanya jaggies. 


20

Algoritma Interpolasi Bilinear 


Bicubic interpolation 

Algoritma Interpolasi Bicubic ini merupakan algoritma yang lebih rumit 

dan menghasilkan image yang lebih halus dibanding algoritma 

interpolasi bilinear. Pixel baru dibuat dengan cara mengambil informasi 

dari 16 pixel (4 x 4) tetangganya yang terdekat dari original image. 

Metoda ini banyak digunakan oleh software image editing, printer 

driver dan banyak kamera digital saat melakukan proses digital zoom. 

Adobe Photoshop menyediakan 2 jenis varian untuk metoda algoritma 

ini, yaitu bicubic smother dan bicubic sharper. 

Algoritma Interpolasi Bicubic 

Bicubic Smoother Bicubic Bicubic Sharper 


21


Fractal interpolation 

Algoritma Interpolasi Fractal secara umum digunakan untuk 

memperbesar image secara ekstrim (large prints), algoritma ini 

mempertahankan ketajaman gambar dengan lebih akurat. Gambar 

hasil pembesaran terlihat tetap tajam, bersih dan hampir tidak blur 

dibanding algoritma interpolasi bicubic. Sebagai contoh, algoritma 

Genuine Fractal Pro yang dibuat oleh Altamira Group. 

Algoritma Interpolasi Fractal 

Selain algoritma-algoritma diatas tentu masih banyak algoritma 

interpolasi yang lain, tetapi memang jarang digunakan selain dari 

algoritma-algoritma interpolasi diatas. 

Berbicara tentang kamera digital, ternyata banyak vendor kamera 

yang melakukan 'penipuan' menggunakan interpolasi. Sebagai contoh, 

Fujifilm 4700Z sempat direlease ke publik sebagai produk kamera 4.3 

Megapixel, tetapi setelah diteliti jumlah pixel pada kamera tersebut 

hanyalah 2.4 Megapixel, artinya resolusi 4.3 Megapixel hanyalah hasil 

dari teknik interpolasi digital. Akhirnya Fujifilm membuang label 4.3 

Megapixel, dan mengumumkannya sebagai teknik interpolasi 

proprietary milik Fujifilm. Tetapi memang cukup diakui, bahwa teknik 

interpolasi propietary milik Fujifilm cukup halus. Beberapa kamera lain 

yang menggunakan teknik interpolasi diantaranya: 

• Fujifilm 4900Z (2.4MP -> 4.3MP) 

• Fujifilm 40i (2.4MP -> 4.3MP) 

• Fujifilm S1 Pro (3.2MP -> 6.1MP) 

• Sony DSC-F505V (2.6MP -> 3.2MP) 

• Epson PhotoPC 3000Z (3.1 -> 4.8MP) 

• Kodak DC290 (2.1 -> 3.3MP) 

Tetapi bagaimanapun bagusnya sebuah teknik interpolasi, tetap tidak 

bisa menggantikan pembesaran optis untuk mendapatkan detail 


22


subyek yang sesungguhnya. Saat ini para vendor kamera sudah tidak 

lagi merelease kasus 'penipuan' diatas, mereka lebih jujur dengan 

menuliskan ukuran megapixel yang sesungguhnya. 

Jaggies 

Jaggies merujuk kepada visible step (edge) yang terjadi pada garis 

batas berbentuk diagonal. Jaggies juga dikenal dengan istilah aliasing, 

konsekuensi yang muncul akibat image itu sendiri yang dibangun oleh 

kumpulan pixel-pixel yang berbentuk kotak. 

Pemilihan resolusi yang lebih besar saat mengambil image bisa 

mengurangi efek jaggies yang terlihat. Contoh gambar dibawah 

memperlihatkan gambar kelopak bunga yang bersentuhan langsung 

dengan warna langit biru yang disimulasikan diambil dengan resolusi 

yang berbeda-beda. 

A. 

76,800 pixels 

B. 

307,200 pixels 

C. 

1.2 megapixel 


D. 

5 megapixel 

E. kotak merah di D 

diperbesar 8X 

Anti-aliasing Reduces the Visibility of Jaggies 

Image kamera digital menjalani proses anti-aliasing secara natural, 

pixel-pixel tersebut menerima informasi dari kedua sisi dari pertemuan 

warna tersebut dan menghitungnya untuk dapat membentuk pixel 

anti-aliasing. Dalam contoh dibawah, pixel yang menyimpan warna 

kuning dari bunga juga menghitung warna biru dari langit 

menghasilkan warna 'campuran' (gradasi warna baru) antara warna 

kuning dan biru dan diaplikasikan kedalam area pixel diantara kuning 

dan biru tersebut. Cara seperti ini membuat sudut pertemuan warna 

tersebut menjadi lebih halus dibandingkan gambar yang terlihat di 

kotak F. 

E. Kotak merah di D 

diperbesar 8X 

F. No anti-aliasing 

23

E. Kotak merah di D 

diperbesar 8X 


F. Tanpa anti-aliasing 

Bila sensor kamera digital mengaplikasikan Color Filter Array (CFA), 

proses interpolasi untuk mengisi pixel-pixel yang hilang (demosaicing 

process) dengan cara mencari informasi dari pixel-pixel disekitarnya 

juga akan menyebabkan proses anti-aliasing terjadi secara natural. 

Sharpening Increases the Visibility of Jaggies 

Proses sharpening dapat menambah kotrast dari sudut diagonal 

pertemuan warna diatas (mengurangi anti-aliasing), akibatnya 

membuat jaggies akan makin terlihat. Dengan alasan yang sama, 

jaggies pada gambar dibawah, yaitu pertemuan antara atap rumah 

dengan langit yang putih terlihat sangat jelas, hal ini disebabkan 

kontras yang tinggi dari image yang membuat sudut pertemuan 

tampak lebih tajam. 

JPEG 

Format image digital yang umum digunakan adalah JPEG (Joint 

Photographics Experts Group). Format ini secara universal kompatibel 

dengan beragam browser, image viewer, dan software pengolah 

image. Format JPEG dapat mengkompress image digital dengan rasio 

perbandingan kompresi file sebesar 1:10 bahkan sampai 1:20, dengan 

resiko kehilangan detail image yang cukup kecil tergantung rasio yang 

dipilih. 


24


The Theory in a Nutshell 

Secara teori, JPEG menyusun informasi image kedalam 2 bagian, yaitu 

informasi warna dan informasi detail image. Kemudian JPEG 

melakukan kompresi terhadap warna lebih banyak dibandingkan 

kompresi pada informasi detail, karena mata manusia lebih sensitif 

terhadap detail dibandingkan warna. Hal ini membuat hasil kompresi 

tidak begitu terlihat oleh mata manusia. 

Kemudian JPEG menyusun informasi detail dari kategori fine (baik) 

sampai kategori coarse (jelek) kemudian membuang informasi fine 

detail, sebab mana manusia lebih sensitif terhadap coarse detail 

daripada fine detail. Semua itu dilakukan dengan menggabungkan 

beberapa rumus matematika dan metoda kompresi yang terlalu 

panjang apabila dijelaskan disini. 

A Practical Example 

JPEG mengizinkan kita memilih antara kebutuhan file-size yang lebih 

kecil atau kualitas image yang tetap dipertahankan. Format kompresi 

JPEG membagi image kedalam group pixel-pixel dalam ukuran 8 x 8 

pixel per group, dan melakukan kompresi terhadap masing-masing 

group tersebut secara independen. Cara ini jelas akan menimbulkan 

apa yang disebut dengan 'artifact' terutama bila kita memilih tingkat 

kompresi yang tinggi untuk mendapatkan ukuran file yang lebih kecil. 

Untuk image yang memiliki variasi warna yang sangat rumit, 

kemunculan artifact yang lebih besar sangat mungkin terjadi dibanding 

image dengan corak warna yang sederhana. 

Berikut contoh beberapa rasio kompresi JPEG, image hasil kompresi 

diperbesar 2 kali untuk memperjelas efek artifact. 

Kualitas JPEG 100%, sangat sulit dibedakan dengan 

aslinya (uncompressed image). Memiliki ukuran file 

yang rata-rata 6 kali lebih kecil dari file aslinya. 


25


Kualitas JPEG 80%, masih terlihat baik, khususnya 

bila kita ingat bahwa gambar disamping adalah 

pembesaran 2 kali dari file aslinya. Memiliki ukuran 

file sekitar 10 kali lebih kecil dari ukuran aslinya. 

Sedikit catatan, terjadi sedikit degradasi kualitas 

pada sudut crayon warna kuning. Hampir semua 

kamera digital menggunakan kualitas level diatas 

80% untuk pilihan HIGH pada JPEG setting. 

Kualitas JPEG 60%, bila kita perhatikan secara 

seksama, kita akan melihat adanya beberapa kotakkotak 

kompresi JPEG dan artifacts disekitar sudut 

pertemuan warna. 

Bagaimanapun ini adalah 

pembesaran gambar 2 

kali lipat, untuk 

kebutuhan website di 

internet, kualitas 60% 

sudah cukup baik 

dikompesasikan dengan 

ukuran file yang tidak 

terlalu besar, sekitar 20x 

lebih kecil dibanding 

ukuran file aslinya. 

Kualitas JPEG 10%, memiliki image degradasi 

kualitas yang cukup besar dengan terlihatnya kotakkotak 

kompresi JPEG 8 x 8, dan artifact yang tampak 

jelas disetiap sudut warnanya. Kompresi tingkat ini 

sangat jelek dan hampir tidak ada orang yang mau 

menggunakannya. 

Practical Tips 

Ketika kita melakukan proses editing image, dianjurkan untk 

menyimpan image yang belum masuk tahap editing final kedalam 

fomat yang uncompressed, seperti TIFF atau format native dari 

masing-masing image editor (misalnya format PSD dalam Photoshop). 

Bila kita menyimpan instance sebuah image dalam format JPEG, 

kemudian menutup image tersebut, dan membukanya kemudian 

menyimpannya kembali dalam kualitas JPEG yang sama, ukuran file 

tetap tidak akan berubah banyak, tetapi kualitas image akan sangat 

menurun. Jadi simpanlah file image anda dalam format JPEG 

apabila sudah masuk kedalam tahap akhir editing. 

Kamera digital biasanya memiliki pilihan setting untuk kualitas JPEG, 

misalnya FINE, NORMAL, BASIC dll. Kecuali kita melakukan shoot 


26


image dalam format RAW atau TIFF, dianjurkan untuk memilih kualitas 

JPEG tertinggi yang tersedia (misalnya HIGH) untuk menyimpan image 

hasil shoot tersebut. 

Moiré 

Apabila area scene mengandung detail yang berulang (frekuensi 

tinggi) dan detail tersebut tidak dapat ditangkap oleh sensor yang 

resolusinya lebih rendah dari scene, distorsi berupa gelombang warna 

(moiré) akan muncul seperti yang terlihat pada gambar A. Pada 

gambar B tampak tidak terlihat efek moiré karena scene yang sama 

ditangkap oleh sensor kamera dengan resolusi yang lebih tinggi. Filter 

anti-aliasing dapat juga mengurangi efek distrosi moiré ini, tetapi 

secara bersamaan dapat mengurangi ketajaman gambar. 

A. Contoh dari efek distorsi 

moiré. 

B. Moiré tidak terlihat ketika scene diambil 

oleh kamera dengan resolusi yang lebih 

tinggi dari detail scene. 

Maze Artifacts 

Terkadang moire juga bisa menyebabkan proses imaging pada kamera 

menghasilkan maze artifact, yaitu artifact yang timbul seperti belitan 

warna yang bersimpangan. 

Contoh dari maze artifacts 


27

Noise 


The Cause: Sensor Noise 

Setiap pixel yang terdapat pada sensor kamera mengandung satu atau 

lebih photodiode yang sensitif terhadap cahaya yang bertugas 

mengubah energi cahaya (photon) kedalam signal-signal listrik yang 

kemudian diolah menjadi data digital menjadi sebuah image. Apabila 

sebuah pixel diexpose beberapa kali dengan besaran cahaya yang 

sama, value akhir dari warna tersebut mungkin tidak identik dan akan 

memiliki beberapa variasi, hal demikian ini dinamakan dengan "noise". 

Bahkan apabila tidak ada cahaya yang datang, aktivitas kelistrikan dari 

sensor itu sendiri akan membuat semacam signal, yang bisa 

diibaratkan dengan signal desisan dari perangkat audio yang 

dinyalakan tetapi tidak memainkan musik. Signal tambahan ini disebut 

dengan "noisy" karena cukup bervariasi untuk setiap pixelnya dan 

bertambah seiring meningkatnya temperatur sensor. Jenis noise ini 

disebut dengan istilah "noise floor". 

The Effect: Image Noise 

Noise yang terdapat dalam image digital lebih jelas terlihat didalam 

daerah dengan warna yang seragam, misal warna langit biru dan 

bayangan sebuah benda. Noise terlihat sebagai butiran monokrom 

mirip dengan butiran pada film (film grain) dan/atau sebagai butiran 

berwana yang kadang bergelombang (color noise). Seperti telah 

disebutkan, noise semakin bertambah dengan peningkatan dari 

temperatur, proses exposure yang terlalu lama, juga karena adanya 

penggunaan sensitifitas yang tinggi (ISO), khususnya color noise yang 

terjadi pada kamera digital compact (pada gambar D dibawah). 

Pixel size pada sensor kamera juga ikut berpengaruh, semakin kecil 

ukuran pixel semakin mudah noise tersebut muncul. Itulah 

mengapa, kamera digital jenis compact lebih banyak 

memunculkan noise dibanding kamera DSLR, hal itu terjadi 

karena pixel size pada kamera DSLR lebih besar dibanding 

dengan kamera digital compact. Kamera professional dengan 

komponen kelas atas dan processor yang baik memiliki kemampuan 

untuk mengurangi efek noise, yaitu dengan mengaplikasikan algoritma 

noice removal, khususnya pada sensitifitas (ISO) rendah. 

Secara teknis, noise lebih mungkin terlihat didalam channel merah 

(red) dan biru (blue) daripada channel hijau (green). Inilah mengapa 

tabel perbandingan dibawah menggunakan channel merah untuk 

memudahkan perbandingan noise antar kamera digital. 


28


Blue Sky Crop A B C D E 

RGB 

Red Channel 

Camera Grade Professional Prosumer Prosumer Prosumer 

Camera Type SLR SLR Compact Compact 

Pixel Size Large Large Small Small 

ISO 100 200 100 800 


Contoh noise 

reduction oleh 

software. 

Red Ch. St. Dev. 1.8 2.5 5.6 22.6 1.4 

Standar deviasi yang dihitung terhadap daerah yang seragam pada 

image (dalam kasus diatas dihitung terhadap red channel) merupakan 

cara terbaik untuk menghitung banyaknya noise sebagai indikasi 

seberapa banyak pixel yang berbeda (noisy) dari rata-rata jumlah 

pixel dalam area tersebut. Standar deviasi dari sample noise C dan D 

terlihat lebih besar dari A, B dan E. Sample E memperlihatkan hasil 

dari algoritma noise reduction yang cukup berhasil mengurangi noise 

yang ada. 

Long Exposure "Stuck Pixels" Noise 

Noise Reduction 

Tipe lain dari noise adalah apa yang 

dinamakan dengan "stuck pixel" atau "hot 

pixel". Noise jenis ini biasanya muncul 

apabila kita melakukan exposure selama 1-2 

detik atau lebih, dimana terlihat sebagai 

kumpulan titik-titik warna yang lebih besar 

dari pixel standard (terlihat mencolok). Pada 

saat ini, hampir semua kamera digital 

professional mampu meminimisasi noise 

jenis ini saat mengambil image dengan long 

exposure. 

Noise reduction adalah suatu teknik algoritma untuk mengurangi noise 

atau usaha mencegah timbulnya noise. Kata kuncinya adalah, 

mengurangi atau mencegah noise tanpa membuat sebuah image 

kehilangan detailnya. Banyak diantara teknik noise reduction yang 

kurang baik dalam aplikasinya, seperti hilangnya sharpness dari image 

29


atau membuat beberapa bagian dari image menjadi blur, bahkan 

terkadang munculnya pattern berbentuk gelombang pada area yang 

memiliki warna seragam yang membuat area tersebut menjadi "too 

uniform", menampilkan hasil yang mirip dengan lukisan cat air. 

Crop image berikut diambil dari hasil kamera prosumer, 

mengilustrasikan hilangnya ketajaman pada sudut subject dan 

munculnya pattern yang bergelombang setelah diaplikasikan proses 

noise reduction. Untuk lebih memperjelas prosesnya, kita bisa melihat 

crop image dibawah didalam red channel. 

Original Bad Noise Reduction Good Noise Reduction (example) 

Munculnya color noise yang 

berwarna merah pada langit biru, 

yang lebih jelas terlihat pada red 

channel dibawah. 

Gambar asli di crop (kotak merah) dan diperbesar sebanyak 4X 

Metoda noise reduction yang 

kurang baik. Proses ini berhasil 

mengurangi noise, tetapi 

membuat sudut subject menjadi 

lebih blur. 

Contoh metoda noise reduction 

yang baik, berhasil 

menghilangkan noise tapi tetap 

mempertahankan ketajaman 

gambar sudut subject. 


30


Original Bad Noise Reduction Good Noise Reduction (Example) 

Munculnya color noise yang 

berwarna merah pada langit biru, 

sangat jelas terlihat pada red 

channel. 

Red channel - Gambar asli dicrop dan diperbesar 4 X (kotak merah diatas) 

Metoda noise reduction yang 

kurang baik dapat mengakibatkan 

munculnya pattern 

bergelombang yang jelas terlihat 

pada red channel dalam gambar 

aslinya. 

JPEG Compression and Noise Reduction 

Seperti yang telah kita ketahui, kompresi JPEG lumayan 

sulit dibedakan didalam area gambar yang sewarna, 

terutama untuk kualitas JPEG level high. Tetapi dengan 

munculnya noise yang merupakan detail yang tidak 

diinginkan, kotak-kotak kompresi JPEG bisa lebih terlihat 

walaupun didalam area yang sewarna. Bekerja dengan 

image RAW sedikit akan menghindari masalah ini, 

tinggal bagaimana aplikasi pengolah RAW tersebut 

bekerja. Perlu diketahui, tingkat kemunculan noise 

sangat tergantung dari algoritma pengolah image dalam 

mengolah noise tersebut. 

Saat ini hampir semua kamera medium level sudah 

mengaplikasikan metoda noise reduction yang built-in 

didalam kamera. Algoritma noise reduction tersebut 

dapat digabungkan dengan aplikasi noise reduction 

yang ada dalam software pengolah image. 

Contoh metoda noise reduction 

yang baik yang tetap 

mempertahankan ketajaman 

gambar dan mencegah proses 

yang menimbulkan pattern 

bergelombang. 


31

Long Exposure ("stuck pixel") Noise Reduction 


Original image Dark frame Proses Subtraction 

Jenis noise lain seperti stuck pixel atau hot pixel (lihat pada bagian 

noise) dapat dikurangi dengan cara mengambil "dark frame" (dengan 

cap lensa terpasang), yang dapat diambil sebelum atau sesudah shoot 

scene. Kemudian dark frame dan original image dicombine dan 

dilakukan apa yang disebut dengan proses substraction. Hampir 

semua kamera digital terbaru (terutama pada kamera DSLR) sudah 

memiliki built-in noise reduction dan mengambil "dark frame" ketika 

shutter dalam keadaan tertutup bersamaan waktunya ketika kita 

mengambil gambar yang sesungguhnya. Akan tetapi, dengan semakin 

majunya perkembangan kamera digital, dengan noise reduction OFF 

sekalipun, stuck pixel seperti diatas sudah dapat diperkecil atau 

bahkan dihindari kemunculannya. 


32

Posterization or Banding 


Gradasi tonal yang halus pada image langit. Contoh posterization atau banding yang ekstrim 

yang diakibatkan keterbatasan tonal. Histogram 

tampak seperti sebuah sisir (combed histogram) 

yang jarak antara tonalnya sangat lebar. 

Ketika kita melakukan manipulasi image, misalnya proses konversi 

tonal dalam environment bit yang rendah (misal mode 8 bit per 

channel), kemungkinan bisa saja jumlah tonal range yang tersedia 

bisa berkurang sehingga membuat image kehilangan detail seperti 

yang terlihat pada gambar diatas, menimbulkan apa yang kita sebut 

dengan posterization. 

RAW 

Tidak seperti JPEG dan TIFF, RAW bukanlah sebuah singkatan tetapi 

merupakan istilah dari "raw" itu sendiri atau "unprocessed". File RAW 


33


berisi image original yang dikeluarkan dari sensor kamera tanpa 

diproses oleh image processor, sehingga kita bisa memprosesnya 

secara manual menggunakan komputer melalui software. 

The RAW Storage and Information Advantages 

Pada topik Color Filter Array (CFA) disebutkan bahwa setiap pixel dalam sensor 

konvensional hanya menangkap 1 jenis warna. Besarnya data biasanya 10 atau 12 

bit per pixel, atau bahkan sampai 14 bit per pixel pada beberapa kamera terbaru. 

Data-data ini dapat langsung disimpan dalam bentuk file RAW tanpa melalui proses 

sebelumnya. Alternatif lainnya, data tersebut diproses oleh image processing engine 

dan disimpan dalam bentuk file JPEG atau TIFF. 

RAW (10 or 12 bit) 

Red Channel (8 bit) Green Channel (8 bit) Blue Channel (8 bit) JPEG or TIFF (24 bit) 

Walau file TIFF hanya menyimpan informasi sebanyak 8 bit per 

channel, tetapi ukuran filenya bisa mencapai 2 kali dibanding file RAW 

itu sendiri. Sebab jumlah channel yang disimpan oleh file TIFF ada 3 

buah channel independen, sedang file RAW itu sendiri hanya 

menyimpan 1 channel 12 atau 14 bit. Kekurangan file TIFF tersebut 

diselesaikan dengan menyimpan image dalam format JPEG dengan 

cara menkompresi image tersebut. Beberapa kamera juga 

menyediakan penyimpanan RAW dalam bentuk lossless compression, 

disebut dengan sRAW. Ukuran file sRAW ini lebih kecil dari 

konvensional RAW tetapi tanpa kehilangan informasi asli, sehingga 

menjadi alternatif terbaik untuk menyimpan gambar tanpa kehilangan 

detail asli yang bisa hilang apabila disimpan dalam format file JPEG. 

The Flexibility of RAW 

Selain itu, format RAW menawarkan feksibilitas yang baik. Informasi 

data RAW yang diambil oleh kamera dapat dipisahkan (real extracted) 

oleh software pengolah file RAW. Sebagai contoh, informasi 

sharpening, white balance, levels dan color adjustment dapat 

dipisahkan dan dikalkulasi ulang berdasar pada data RAW tersebut. 

Sehingga kita dapat merubah-rubah informasi penting tersebut tanpa 

perlu melakukan shoot ulang. Selain itu dimungkinkan pula untuk 


34


mengekstrak informasi penting lainnya seperti shadow dan highlight, 

yang mana pada format 8 bit/channel TIFF atau JPEG hal itu secara 

real cukup sulit dilakukan. 

Disadvantages of RAW 

Hanya satu kekurangan dari format RAW, yaitu sifat format RAW yang 

berbeda-beda antara setiap vendor kamera digital (propietary format), 

atau bahkan antar type kamera digital dari vendor yang sama 

sekalipun. Setiap vendor kamera biasanya menyediakan software 

untuk mengolah data RAW tersebut sehingga kita bisa mengekspor 

data RAW menjadi file yang lebih umum, misalnya JPEG. Membuka 

dan mengolah file RAW akan lebih lambat dibanding membuka dan 

mengolah file TIFF atau JPEG. Solusi untuk hal ini, terkadang sebuah 

kamera digital mampu menyimpan image hasil shoot dalam 2 format 

digital secara bersamaan, yaitu RAW dan JPEG. Seiring dengan 

turunnya harga storage dan meningkatnya kapasitas storage, hal ini 

sudah bukan menjadi sebuah hambatan. Dengan demikian kita bisa 

mendapatkan file JPEG untuk review cepat dan juga bisa mengolah 

image apabila diperlukan dengan file RAW. 

Solusi lain, beberapa software pengolah image independen memiliki 

kemampuan membaca file RAW dari berbagai vendor yang berbedabeda, 

misalnya software Adobe Phososhop CS. Tetapi tentu karena ini 

merupakan software independen, bisa saja algoritma processingnya 

dapat berbeda dengan software pengolah RAW propietary itu sendiri. 

Tapi ini cukup membantu terutama dalam masalah kompatibiltas 

terhadap file RAW, bahkan terkadang image processor independen 

semacam Adobe Photoshop CS dapat mengolah file RAW lebih baik 

dari software propietarynya itu sendiri. 

Resolution 

Sensor Resolution 

Jumlah effective pixel yang terdapat didalam sensor kamera seperti 

yang telah dijelaskan di dalam topic pixel. 

Image Resolution 

Resolusi dari sebuah image digital didefinisikan sebagai jumlah pixel 

yang membentuk image itu sendiri. Sebuah image 5 megapixel 

biasanya terdiri dari 2560 pixel (lebar) x 1920 pixel (tinggi), 

menghasilkan 4,915,200 pixel yang dibulatkan menjadi 5 megapixel. 

Sangat dianjurkan untuk melakukan shot sesuai dengan resolusi 

maksimal dari effective pixel yang terdapat dalam kamera itu sendiri 


35


apabila kualitas merupakan segalanya, sebab mengambil gambar 

dengan resolusi yang rendah akan mengorbankan detail. 

Resolution Charts at dpreview.com: Horizontal and Vertical LPH 

dpreview.com menghitung resolusi dengan standar grafik test resolusi 

kamera PIMA/ISO 12233 yang sudah diakui secara luas. Grafik ini 

sangat baik bukan hanya untuk mengukur resolusi murni secara 

horizontal dan vertical, tetapi juga mampu melakukan test performa 

dari sensor dari berbagai macam angle. Grafik ini dapat digunakan 

sebagai referensi untuk membandingkan resolusi antar type kamera, 

sehingga dpreview selalu menggunakan chart/ grafik ini sebagai alat 

untuk membandingkan kemampuan resolusi antar kamera dalam 

review-review databasenya. 

Hasil test resolution chart untuk Nikon Coolpix 8700. Kotak 

merah diatas dapat dilihat lebih jelas pada gambar dibawah. 

Crop A. Garis hitam dan putih dapat dibedakan dengan 

jelas sampai dengan posisi di angka "16", jadi nilai 

Horizontal LPH adalah 1600. 

Crop B. Garis hitam dan putih dapat 

dibedakan dengan jelas sampai dengan 

posisi angka "15", jadi nilai Vetical LPH 

adalah 1500. 


36


Horizontal LPH merujuk kepada jumlah garis vertical yang dapat 

dihitung sepanjang garis horizontal (x axis) pada sebuah image. 

Gambar crop A memperlihatkan sebuah pattern yang terdiri dari 9 

garis hitam dan 8 garis putih diantara garis hitam. Dari hasil crop 

tersebut kita dapat melihat dibawah label angka 16, yaitu label angka 

17, garis-garis tersebut mulai menyatu menjadi semakin sulit untuk 

dibedakan. Gambar diatas menunjukkan bahwa pada label angka 16 

dengan 17 garis (9 hitam + 8 putih) yang melingkupi garis horizontal 

dari 26 pixel yang ada. Contoh image diatas yang memiliki tinggi 

2,448 pixel, garis horizontal per pixel height adalah 2,448/26*17 atau 

1600 LPH. Jadi secara umum nilai label "16" pada chart diatas berarti 

1600 line per picture height (LPH). 

Dengan cara yang sama, Vertical LPH merujuk kepada jumlah garis 

horizontal yang dapat dihitung sepanjang garis vertical (y axis) pada 

sebuah image. Gambar crop B menunjukkan contoh dari vertical LPH 

pada gambar diatas adalah 1500 LPH. 

Karena sebuah resolusi aktual dihitung berdasar normalisasi terhadap 

tinggi sebuah picture, maka hasil dari kamera dengan aspek rasio 

yang berbeda dengan mudah dapat dihitung. 

Nilai absolut dari garis horizontal sebuah kamera adalah kemampuan 

untuk menghitung image height secara vertical, yaitu setara dengan 

nilai vertical LPH. Nilai absolut dari garis vertical sebuah kamera 

adalah kemampuan menghitung image width secara horizontal, yaitu 

setara dengan nilai horizontal LPH dikalikan dengan aspek ratio yang 

dicari. Dalam contoh ini nilai 1600 dikalikan dengan 1,333 

menghasilkan 2.133, dimana dalam contoh ini kamera memiliki aspek 

rasio 4:3 (1,333). 

Lebih lanjut kita juga dapat menghitung langsung bahwa 2,133 x 

1,500 LPH (3,200,000) adalah lebih rendah dari resolusi image 

sebesar 8.000.000 pixel (3,264 x 2,448). Ini disebabkan data image 

diambil oleh sensor melalui Color Filter Array yang telah melalui proses 

interpolasi, karena hampir semua kamera memiliki filter anti-aliasing. 

Dalam sensor Foveon, resolusi image akan mendekati resolusi sensor 

karena cara yang berbeda dalam menangkap image. Selain itu, 

keterbatasan optikal dari lensa dapat juga berpengaruh terhadap 

resolusi sebuah image. 

Contoh perhitungan diatas menggunakan contoh image yang 

memiliki resolusi 3,264 x 2,448 pada kamera Nikon CoolPix 

8700. 


37


Resolution Charts at dpreview.com: 5° Diagonal Lines LPH 

Beberapa review dpreview.com juga terkadang menyertakan 

perhitungan 5° Diagonal Line LPH, seperti yang ditunjukkan dalam 

gambar crop C. Karena grafik LPH untuk kamera Nikon CP 8700 ini 

menghitung sampai lebih dari 1,000 LPH, review mencatat nilai LPH 

sebesar 1,000+. 

Crop C. Garis diagonal 5° hitam dan putih dapat 

dibedakan satu dan lainnya sampai dengan posisi 

10, nilai maksimum pada chart ini. Jadi kamera ini 

memiliki nilai LPH digonal 5° sebesar 1,000 + 

Resolution Charts at dpreview.com: Absolute and Extinct LPH 

Penjelasan diatas merujuk kepada nilai LPH absolut yang mana 

merupakan nilai LPH yang menjelaskan detail sebuah image. Selain itu 

terdapat juga "Extict LPH" dalam review-review dpreview.com, LPH ini 

merujuk kepada garis-garis yang perlahan-lahan menyatu menjadi 

warna abu-abu solid (solid gray). Detail image diantara LPH absolut 

dan LPH Extict tidak terlalu baik, hanya sedikit detail yang sanggup 

ditangkap oleh kamera. 

Crop D. Diantara label "18", warna hitam dan putih 

menyatu membentuk warna abu-abu solid, jadi nilai 

LPH untuk Vertical Extinct adalah 1800. 


38

Sensitivity (ISO/ASA) 


Film konvensional hadir dengan sensitivitas (ASA) yang berbeda untuk 

kebutuhan yang berbeda pula. Sensitivitas yang kecil menghasilkan 

gambar yang halus (finer grain) tetapi dibutuhkan cahaya yang cukup, 

sangat cocok untuk pemotretan outdoor dengan cahaya yang cukup. 

Tetapi untuk ruangan dengan pencahayaan yang minim atau action 

photography (biasanya membutuhkan shutterspeed yang tinggi) film 

dengan sensitivitas yang lebih tinggi dibutuhkan. Konsekuensinya, film 

dengan sensitivitas yang tinggi artinya akan lebih banyak noise 

(grainy). 

Demikian juga pada fotografi digital, kamera digital mempunyai rating 

ISO untuk membedakan level sensitivitas sensor terhadap cahaya. ISO 

100 adalah setting yang normal untuk kebanyakan kamera, walaupun 

beberapa kamera ada yang memiliki nilai ISO lebih rendah lagi, misal 

ISO 50. Sensitivitas kamera dapat ditingkatkan lagi pada level 200, 

400 dan 800 atau bahkan ada yang mencapai 3200/6400, terutama 

pada jenis kamera digital SLR high-end. 

Ketika kita menaikkan nilai sensitifitas, keluaran dari sensor akan 

diperkuat sehingga hanya sedikit cahaya yang diperlukan untuk 

menangkap gambar. Sayangnya dengan ditingkatkannya kekuatan 

sensor kemunculan noise juga akan semakin kuat. Secara tidak 

langsung kemunculan noise ini akan membuat image menjadi semakin 

grainy (lebih kasar), seperti halnya yang terjadi pada fotografi 

konvensional. Hal ini mirip dengan ketika kita menaikkan volume 

suara sebuah radio yang kurang baik daya siarnya. Dengan semakin 

meningkatnya teknolosi dari sensor, secara langsung akan mengurangi 

level noise pada sensitifitas tinggi (ISO tinggi). 

Tidak seperti konvensional kamera film yang membutuhkan 

penggantian lebar film (film roll) saat hendak mengganti sensitifitas 

ASA, kamera digital melakukannya dengan lebih praktis dan efisien, 

yaitu dengan cara melakukan perubahan ISO secara on-the-fly kapan 

saja dikehendaki. Sebab dalam kamera digital nilai sensitivitas (ISO) 

tertuju pada kemampuan sensor, sedang dalam kamera konvensional 

nilai sensitivitas (ASA) tertuju pada kemampuan lembar film. 


39

ISO 100 ISO 800 

ISO 100 - Red Channel ISO 800 - Red Channel 


Pada contoh diatas, gambar merupakan hasil dari kamera digital 

prosumer yang memperlihatkan level noise yang cukup tinggi pada 

sensitifitas tinggi (ISO 800). Noise akan lebih terlihat pada channel red 

dan blue. 

Sharpening 

Ada 2 jenis sharpness (ketajaman) dan sangat penting untuk tidak 

dicampurbaurkan keduanya. Yang pertama, Sharpness Optical 

didefinisikan oleh kualitas dari lensa dan sensor. Software Sharpness 

digunakan untuk membuat "ilusi" ketajaman optical dengan 

menggunakan software komputer dengan memanipulasi bagian-bagian 

sudut (edge) pada gambar agak lebih kontras dan terlihat tajam. 

Software Sharpening tentu tidak mungkin membuat detail ketajaman 

yang sesungguhnya seperti yang dilakukan oleh lensa maupun sensor, 

software sharpening hanya membuat sebuah ilusi ketajaman semata. 

Original 


40

Diperbesar 2X 

Sudut yang halus sebelum 

sharpening 


Sudut yang tajam 

setelah sharpening 

Over sharpening 

memunculkan halo 

Contoh sederhana diatas memperlihatkan normal sharpening yang 

membuat garis lingkaran terlihat lebih tajam dibanding dengan 

gambar aslinya. Proses sharpening diatas dilakukan dengan cara 

membuat lingkaran terang (lighter) dibagian luar (membuat 

background dari lingkaran terlihat lebih kontras) dan membuat 

lingkaran hitam (darker) dibagian dalam (membuat lingkaran terlihat 

lebih kontras). Karena perbedaan antara putih/terang dan hitam itu 

cukup besar daripada perbedaan warna gray pada lingkaran dan 

background, maka hal ini akan membuat ilusi seakan-akan adanya 

penambahan sharpness. Tetapi proses sharpening yang berlebih malah 

memperlihatkan efek lingkaran tajam (halo) yang membuat efek 

sharpening terlihat palsu. 

In-camera Sharpening 

Beberapa kamera digital, sebagai bagian default dari pemrosesan 

image internal, melakukan proses sharpening untuk menetralkan efek 

yang terjadi saat proses interpolasi yang dilakukan oleh Color Filter 

Array (CFA). Tetapi apabila proses sharpening terlalu berlebih, tetap 

akan membuat distorsi seperti jaggies, noise dan efek artifact lain 

semakin terlihat pada image. Pada kamera digital kelas prosumer dan 

DSLR, kamera memiliki pilihan menu untuk mengontrol tingkat 

sharpening yang diinginkan atau bahkan mematikannya. 

Sharpening with Software 

Apabila kamera memiliki kemampuan untuk menyimpan image dalam 

bentuk RAW, proses sharpening yang dilakukan oleh kamera bisa 

nonaktifkan dan dilakukan pengaturan ulang dengan memilih level 

sharpening yang diinginkan dengan menggunakan software pengolah 

RAW pada komputer. 

Tetapi bila kita memilih JPEG sebagai format image, disarankan 

melakukan pilihan tingkat sharpening yang ada dalam kamera, misal 

low atau normal, sebab penggunaan tingkat sharpening dengan 

menggunakan software komputer tidaklah mudah untuk mendapatkan 

level sharpening yang sama dengan level sharpening pada tingkat 

kamera. Alasannya, teknik sharpening pada kamera dilakukan 


41


sebelum image dikompres kedalam bentuk JPEG, sedang teknik 

sharpening pada software (misal Adobe Photoshop CS) dilakukan 

setelah image dikompres kedalam bentuk JPEG. Bila rasio kompresi 

yang digunakan terlalu tinggi, efek yang timbul akibat kelemahan 

dasar format JPEG akan muncul, misal blok-blok kompresi JPEG akan 

semakin terlihat termasuk efek artifact lainnya. 

TIFF 

TIFF (Tagged Image File Format) adalah format image yang universal 

yang kompatibel dengan hampir semua aplikasi pengolah image. TIFF 

dapat dikompres dengan cara losless menggunakan sistem algoritma 

kompresi LZW atau ZIP. Seperti yang kita ketahui, format JPEG hanya 

mendukung format data sebesar 8 bit/channel dengan singel layer 

RGB, sedang TIFF juga mendukung format data sebesar 16 bit/channel 

multi-layer CMYk. TIFF banyak digunakan dalam format image akhir 

pada proses printing dan publishing di dunia industri percetakan. 

Kekurangan format TIFF, karena setiap warna disimpan pada masingmasing 

channel independen(bisa 8-16 bit/channel), file size-nya bisa 

sangat besar. Untuk format TIFF dengan 3 channel RGB, maka ukuran 

filenya bisa mencapai 2-3X dibanding dengan ukuran file RAW normal. 

Banyak kamera digital menyediakan format file TIFF (uncompressed) 

sebagai alternatif lain dari JPEG. Terbatas pada kemampuan space dan 

kemampuan internal proses pada kamera, kebanyakan kamera digital 

hanya mendukung format TIFF 8 bit/channel. Apabila format RAW 

tersedia, pilihan format RAW bisa lebih baik dibanding dengan format 

TIFF untuk kebanyakan kamera digital. 

Tonal Range 

Tonal range dari sebuah image digital adalah banyaknya tone 

(kecerahan warna) yang membangun sebuah dynamic range. Contoh 

konseptual berikut memperlihatkan image dengan dynamic range yang 

tinggi/ besar akan memiliki tonal range yang rapat, sedangkan image 

dengan dynamic range yang rendah/ kecil akan memiliki tonal range 

yang lebar. 

High Dynamic Range 

Wide Tonal Range Narrow Tonal Range 


42

Low Dynamic Range 


Dynamic Range and Tonal Range of the Sensor 

Dynamic range dan tonal range dari sebuah sensor sangatlah relatif. 

Bila sensor memiliki dynamic range, katakan 1000:1 dan memiliki ADC 

(Analog to Digital Converter) paling sedikit 10 bit, secara otomatis 

image output akan memiliki tonal range yang lebar. Apabila sensor 

dengan 10 bit ADC mampu mengeluarkan output sebesar 1000 tone 

yang berbeda, maka sensor juga harus memiliki dynamic range paling 

kecil 1000:1. Hal ini disebabkan sensor dan ADC bekerja dengan cara 

linier. 

Dynamic Range and Tonal Range of the Image 

Sekali kita mengaplikasikan kurva tonal pada data linier dari keluaran 

sensor, dynamic range dan tonal range dari image dapat sangat 

bervariasi, tergantung kurva tonal apa yang kita aplikasikan. Kurva 

tonal dapat mengkompresi dynamic range, tonal range, ataupun 

keduanya. 

Ketika kita mengambil gambar dengan JPEG, kurva tonal yang 

diaplikasikan oleh kamera dapat membuat detail highlight dan shadow 

yang ada dalam data RAW menjadi hilang (clipped). Sedang image 

RAW sendiri mampu memelihara dynamic range yang ditangkap oleh 

sensor dan mengizinkan kita mengkompres dinamyc range dan tonal 

range dengan mengaplikasikan kurva tonal yang tepat sehingga 

dynamic range dan tonal range yang ditampilkan oleh monitor atau 

kita cetak melalui printer akan cukup nyaman dilihat oleh mata 

manusia. Ini mirip dengan contoh ekstrim dibawah yang 

memperlihatkan bagaimana dynamic range yang besar dan tonal 

range dari image dengan dynamic range yang besar dilakukan proses 

kompresi. 

Dynamic Range and Tonal Range of a Monitor or Printer - Compression 

Monitor dan printer memiliki dynamic range yang terbatas, jadi kurva 

tonal (tonal curve) yang diaplikasikan kepada liner data RAW akan 

mengkompres dynamic range supaya sesuai dengan besaran dynamic 

range dari monitor dan printer. Kurva tonal yang tepat dipilih sehingga 

detail dapat tetap terpelihara dengan baik. Hasilnya, image yang 

dihasilkan tampak nyaman bagi mata manusia dan dynamic range 


43


yang ditampilkan terasa tetap tinggi, walau dalam kenyataannya 

dynamic range asal telah dikompresi. 

A. Detail shadow ditangkap B. Detail Highlight ditangkap C. Detail Shadow dan highlight 

digabungkan 

Pada gambar diatas shadow scene 2000 kali lebih gelap dibandingkan 

highligth scene (11 stops). Seperti yang telah dijelaskan dalam topik 

dynamic range, kamera digital dapat menangkap scene seperti pada 

image A atau image B. Pada image A, detail highlight menjadi hilang 

karena long exposure dibutuhkan untuk bisa menangkap detail dari 

shadow. Pada image B, untuk mencegah hilangnya detail hightlight, 

proses exposure haruslah sependek mungkin, akibatnya sensor tidak 

punya waktu untuk menangkap detail shadow. 

Dengan menggunakan Adobe Phtoshop CS, kita dapat 

menggabungkan image-image dengan exposure yang berbeda-beda 

(seperti gambar diatas) menjadi sebuah image tunggal dengan 

dynamic range yang tinggi (HDR). Bagaimanakah kita menampilkan 

dynamic range yang tinggi dalam monitor atau printer yang memiliki 

keterbatasan dynamic range? jawabannya tentu dengan proses 

kompresi. 

Dalam histogram dari image A dan B, grafik warna merah dan biru 

memperlihatkan detail hightlight dan shadow masing-masing. Dengan 

menggabungkan keduanya, lalu kita lakukan kompresi akan 


44


menghasilkan sebuah image tunggal yang akan terlihat nyaman oleh 

mata manusia. 

Ketika kita menampilkan image C melalui monitor, image seolah-olah 

memiliki dynamic range yang besar yang ditankap melalui single 

exposure hygh dynamic range, padahal sebetulnya tidak. Kompresi 

tonal sebaiknya dilakukan dalam bit yag tinggi untuk mencegah 

posterization. 

Selain Photoshop, terdapat banyak aplikasi yang mampu 

menggabungkan beberapa gambar dengan nilai exposure berbedabeda 

menjadi sebuah image tunggal. Salah satunya adalah Photomatix 

dari hdrsoft yang cukup populer di kalangan fotografer. 

White Balance 

Color Temperature 

Kebanyakan sumber cahaya tidaklah 100% berwarna putih tetapi 

memiliki beberapa "color temperature" yang dihitung dalam satuan 

Kelvin. Sebagai contoh, cahaya matahari di siang hari akan mendekati 

warna putih daripada cahaya matahari di pagi atau sore hari yang 

lebih mendekati warna kuning. Diagram dibawah memperlihatkan 

sumber cahaya dari warna-warna yang berbeda disertai dengan nilai 

temperatur dari warna cahaya tersebut. 

Jenis Cahaya Temperatur Warna dalam Kelvin 

Candle Flame 1,500 

Incandescent 2500 – 3500 

Sunrise, Sunset 3,500 

Twilight 4,000 

Fluorescent 4,000 – 4,800 

Midday Sun, Flash 5,500 

Bright Sun, Clear Sky 6,000 

Cloudy Sky, Shade 7,000 

Blue Sky 9,000 

White Balance 

Mata manusia memiliki kemampuan menyesuaikan kondisi 

pencahayaan pada kondisi temperatur cahaya yang berbeda-beda. 

Sedang kamera digital membutuhkan satu titik warna sebagai 


45


referensi warna yang oleh kamera dianggap sebagai warna putih. 

Kamera akan menghitung warna lainnya berdasar pada titik referensi 

warna putih tersebut. 

Sebagai contoh, apabila cahaya lampu halogen mengenai tembok yang 

berwarna putih, tembok akan terlihat berbalut berwarna kuning, 

padahal kenyataannya tembok tersebut tetap berwarna putih. Jadi 

apabila kamera dapat mengetahui bahwa tembok tersebut adalah 

putih, maka kamera dapat menghitung warna-warna lainnya pada 

kondisi cahaya yang sama. 

Hampir semua kamera digital memiliki feature Automatic White 

Balance, yang mana fungsi ini akan menghitung White Balance 

berdasar overal color dari image dan akan mencoba mengkalkulasikan 

nilai white balance yang dianggap terbaik. Bagaimanapun system ini 

kadang bekerja dengan tidak baik, terutama apabila scene didominasi 

oleh satu warna, katakan warna hijau, atau tidak ada warna putih 

sama sekali seperti yang terdapat contoh scene berikut. 

Auto White Balance gagal mencari referensi warna 

putih, menghasikan warna yang datar dan tidak 

alami. 

Auto White Balance berhasil mengambil sebuah 

referensi warna putih, kali ini kamera 

menggunakan awan sebagai referensi warna 

putih. 

Hampir semua kamera digital mengizinkan kita memilih White Balance 

secara manual, biasanya pilihan White Balance yang diberikan adalah 

jenis sunlight, cloudy, fluorescent, incadescent dan lain sebagainya. 

Pilihan White Balance tersebut sebetulnya adalah pilihan temperatur 

warna yang kita pilih, misalnya WB fluorescent, dimana sebetulnya 

kamera memilih nilai White Balance sebesar 4000-4800 Kelvin. 

Kamera digital kelas Prosumer dan SLR malah mengizinkan kita 

mendefinisikan White Balance sendiri dengan apa yang disebut dengan 

Custom White Balance. Sebelum mengambil sebuah gambar, kita 

dapat memusatkan kamera pada sebuah subject yang berwarna putih 

atau abu-abu natural (18% grey), dimaksudkan untuk 

memberitahukan kamera warna putih yang terdapat dalam kondisi 


46


pencahayaan saat itu. Cara bagaimana mengkonfigurasi Custom White 

Balance bisa berbeda-beda pada setiap kamera digital, kita bisa 

memperolehnya dari Manual Book yang datang bersama kamera 

tersebut. Biasanya kita juga dapat menggunakan white atau grey card 

untuk tujuan ini. Kamera kemudian akan mengambil gambar dan 

mengkalkulasikan warna-warna lain berdasar pada warna putih 

tersebut. 

--eof 

>>Part II: The Digital Imaging 

>>Will be continued to Chapter III: The Exposure


Dikompilasi oleh Wawan Purwanto 

e-mail: cyberwayang@gmail.com, YM: cyberwayang 

My Multiply: http://cyberwayang.multiply.com 

Versi online dari dokumen ini bisa anda lihat di: http://cyberwayang.multiply.com/tag/digital%20imaging 

Milis-Milis: 

1. http://groups.yahoo.com/group/id-photographer 

2. http://tech.groups.yahoo.com/group/CanonMania 

3. http://tech.groups.yahoo.com/group/IndoNikon 

4. http://tech.groups.yahoo.com/group/foto-id 

5. http://groups.yahoo.com/group/indonesianphotographer 

6. http://groups.yahoo.com/group/komunitas-fotografer 

7. http://groups.yahoo.com/group/kameradigital 

8. http://groups.yahoo.com/group/thelightmagz/ 

9. .: please help me to add :. 

Recommended website: 

1. http://ayofoto.com 

2. http://www.lensa.net 

3. http://www.jakartaphotoclub.com 

4. http://www.fotografer.net 

5. http://www.multiply.com 

6. http://www.pbase.com 

7. http://www.dpreview.com 

8. http://www.thelightmagz.com 

9. .: please help me to add :. 

Diambil dari http://www.dpreview.com untuk bahan belajar sendiri, dengan beberapa penambahan dan pengurangan. 

Bebas disebarluaskan selama menyebutkan sumbernya karena dokumen ini adalah rangkuman dari dokumen lain. 

Apabila menemukan kesalahan apapun, silahkan layangkan masukan anda melalui e-mail atau YM. 

Penyadur tidak bertanggungjawab terhadap kesalahan dan hal apapun yang terjadi akibat penyebaran dokumen ini, bila 

anda tidak setuju, segera delete (wipe-out) dokumen ini secepatnya. 

Copyleft ©24.12.2007 (versi 2.0) GPL Document 


48

anda bisa mendownload artikel digital imaging disini.

Create successful ePaper yourself

Delete template?

Save as template?