Bagaimana Komputer Melihat Foto? Ternyata Gambar Hanya Sekumpulan Angka

Ketika kita melihat sebuah foto, otak manusia bisa langsung memahami berbagai hal di dalamnya. Kita dapat melihat wajah seseorang, mengenali mobil, membedakan langit dengan tanah, atau mengetahui bahwa sebuah objek berbentuk lingkaran. Semua itu terasa sangat alami karena mata dan otak manusia bekerja bersama untuk memahami informasi visual.

Namun, komputer tidak melihat foto dengan cara yang sama seperti manusia.

Bagi komputer, sebuah foto pada dasarnya merupakan kumpulan data angka yang tersusun dalam pola tertentu. Gambar yang bagi kita terlihat seperti wajah, pemandangan, atau benda sebenarnya dapat direpresentasikan sebagai jutaan angka yang menunjukkan informasi warna pada setiap titik gambar.

Konsep sederhana inilah yang menjadi dasar berbagai teknologi modern, termasuk computer vision, pengenalan wajah, pemindai dokumen, kamera pintar, hingga kecerdasan buatan yang mampu memahami isi gambar.

Lalu, bagaimana sebenarnya komputer mengubah foto menjadi angka dan kemudian mengenali objek di dalamnya? Mari kita mulai dari konsep paling dasar.

Foto Sebenarnya Terdiri dari Piksel

Hal pertama yang perlu dipahami adalah piksel.

Piksel merupakan titik kecil yang menyusun sebuah gambar digital. Jika kita memperbesar foto secara ekstrem, gambar yang awalnya terlihat halus akan tampak seperti kumpulan kotak-kotak kecil.

Setiap kotak tersebut merupakan piksel.

Sebagai contoh, sebuah foto dengan resolusi 1920 × 1080 memiliki sekitar 2,07 juta piksel. Artinya, komputer harus menyimpan informasi dari lebih dari dua juta titik untuk merepresentasikan gambar tersebut.

Bagi manusia, kita mungkin mengatakan:

“Ini foto sebuah mobil berwarna merah di depan rumah.”

Namun komputer tidak langsung membaca kalimat tersebut.

Komputer membaca data yang kurang lebih berbentuk seperti:

[angka, angka, angka, angka, angka, …]

Setiap angka memberikan informasi tertentu mengenai piksel.

Semakin tinggi resolusi sebuah foto, semakin banyak pula piksel yang harus diproses komputer.

Foto Bisa Dianggap sebagai Matriks Angka

Agar lebih mudah membayangkannya, saya bisa menganggap sebuah foto sebagai tabel angka yang sangat besar.

Misalnya, kita memiliki gambar sederhana berukuran 3 × 3 piksel. Bentuknya bisa direpresentasikan sebagai sebuah grid:

Piksel	Piksel	Piksel

Setiap posisi pada grid tersebut memiliki nilai yang menunjukkan informasi visual.

Jadi, komputer sebenarnya tidak menyimpan konsep “atas”, “bawah”, “wajah”, atau “pohon” seperti manusia. Komputer mengetahui bahwa pada koordinat tertentu terdapat piksel dengan nilai tertentu.

Jika jumlah piksel mencapai jutaan, tabel tersebut tentu menjadi sangat besar.

Inilah alasan mengapa pemrosesan gambar membutuhkan kemampuan komputasi yang cukup tinggi, terutama ketika gambar yang dianalisis memiliki resolusi besar.

Bagaimana Warna Diubah Menjadi Angka?

Untuk gambar berwarna, salah satu sistem yang paling umum digunakan adalah RGB.

RGB merupakan singkatan dari:

Red atau merah
Green atau hijau
Blue atau biru

Setiap piksel memiliki kombinasi nilai merah, hijau, dan biru.

Dalam representasi RGB 8-bit, setiap komponen biasanya memiliki nilai antara 0 hingga 255.

Contohnya:

RGB (0, 0, 0) berarti hitam.

Sementara:

RGB (255, 255, 255) berarti putih.

Jika hanya komponen merah yang memiliki nilai tinggi, warna yang dihasilkan akan terlihat semakin merah.

Misalnya, RGB:

(255, 0, 0)

merepresentasikan warna merah murni.

Sedangkan kombinasi:

(0, 255, 0)

merepresentasikan hijau murni.

Dan:

(0, 0, 255)

merepresentasikan biru murni.

Dengan mencampurkan ketiga komponen tersebut dalam berbagai nilai, komputer dapat merepresentasikan jutaan variasi warna.

Dari Mana Komputer Tahu Ada Garis?

Ini bagian yang mulai menarik.

Manusia dapat melihat batas sebuah objek secara intuitif. Misalnya, ketika melihat gelas di atas meja, kita langsung mengetahui bagian mana yang merupakan gelas dan mana yang merupakan meja.

Komputer tidak memiliki pemahaman visual seperti itu.

Komputer harus menemukan pola berdasarkan perubahan nilai piksel.

Bayangkan terdapat area gambar yang sebagian besar berwarna putih, kemudian tiba-tiba terdapat area hitam.

Perubahan nilai yang tajam tersebut dapat menunjukkan batas atau tepi objek.

Misalnya, dalam gambar sederhana:

putih → putih → putih → hitam → hitam → hitam

Komputer dapat mendeteksi bahwa terdapat perubahan intensitas pada titik tertentu.

Pola perubahan seperti ini dapat digunakan untuk menemukan edge atau tepi.

Tepi sangat penting karena bentuk sebuah objek sering kali dapat diketahui dari batas antara objek tersebut dengan lingkungan di sekitarnya.

Dari Garis Menjadi Bentuk

Setelah menemukan berbagai garis atau tepi, komputer dapat melanjutkan analisis untuk menemukan pola yang lebih kompleks.

Misalnya, beberapa garis membentuk:

lingkaran,
persegi,
segitiga,
garis lurus,
atau bentuk tidak beraturan.

Bayangkan sebuah foto bola.

Komputer tidak langsung mengetahui bahwa objek tersebut adalah bola. Pada tahap tertentu, komputer dapat menemukan pola tepi yang membentuk kurva tertentu.

Jika pola tersebut dikombinasikan dengan informasi warna, tekstur, ukuran, dan konteks lainnya, komputer dapat memperoleh informasi yang jauh lebih kaya mengenai objek tersebut.

Namun, mendeteksi bentuk saja belum cukup untuk memahami arti objek.

Sebuah lingkaran misalnya dapat menjadi roda, piring, bola, atau bagian dari objek lain.

Di sinilah kecerdasan buatan memainkan peranan penting.

Peran Computer Vision

Computer Vision merupakan bidang yang memungkinkan komputer memproses dan memahami informasi visual dari gambar atau video.

Teknologi ini tidak hanya mengandalkan satu pola sederhana. Sistem modern dapat memproses banyak karakteristik gambar secara bersamaan.

Misalnya, ketika sebuah sistem dilatih untuk mengenali kucing, sistem dapat diberikan banyak contoh gambar kucing.

Pada awalnya, komputer hanya melihat angka-angka piksel.

Namun melalui proses pembelajaran mesin, sistem mulai menemukan pola yang berulang.

Misalnya, gambar kucing memiliki kombinasi karakteristik tertentu pada:

bentuk wajah,
posisi mata,
bentuk telinga,
tekstur bulu,
proporsi tubuh,
dan pola visual lainnya.

Komputer kemudian membangun representasi matematis dari pola tersebut.

Jadi, ketika diberikan foto baru, sistem tidak sekadar mencari satu angka tertentu. Sistem membandingkan pola yang terdapat dalam foto baru dengan pola yang telah dipelajari sebelumnya.

Komputer Tidak “Melihat” seperti Manusia

Ada perbedaan penting yang sering disalahpahami.

Ketika manusia melihat foto kucing, kita memiliki pengalaman dan pengetahuan tentang apa itu kucing.

Kita bisa mengatakan:

“Itu kucing sedang duduk.”

Komputer tidak mengalami proses tersebut dengan cara yang sama.

Komputer melakukan operasi matematika terhadap data.

Model kecerdasan buatan menerima data piksel, melakukan berbagai transformasi matematis, kemudian menghasilkan prediksi.

Misalnya:

Kucing: 92%

Anjing: 6%

Hewan lain: 2%

Angka tersebut merupakan perkiraan berdasarkan pola yang dipelajari model.

Dengan demikian, istilah “komputer melihat foto” sebenarnya merupakan penyederhanaan agar manusia lebih mudah memahami prosesnya.

Mengapa AI Bisa Mengenali Wajah?

Teknologi pengenalan wajah merupakan contoh menarik dari konsep ini.

Sistem dapat memproses foto wajah menjadi data numerik. Kemudian, model mencari karakteristik tertentu dari wajah tersebut.

Misalnya, sistem dapat mempelajari hubungan antara berbagai bagian wajah, seperti posisi mata, hidung, mulut, bentuk rahang, serta karakteristik visual lainnya.

Pada sistem yang dirancang untuk verifikasi identitas, hasil akhirnya dapat berupa representasi numerik yang kemudian dibandingkan dengan data wajah yang sudah terdaftar.

Namun, proses modern jauh lebih kompleks daripada sekadar mengukur jarak antara dua mata atau mencari bentuk hidung.

Model AI menggunakan banyak lapisan perhitungan untuk menemukan representasi visual yang relevan.

Bagaimana dengan Foto yang Rumit?

Foto dunia nyata tentu jauh lebih sulit daripada gambar sederhana.

Bayangkan sebuah foto jalan raya yang dipenuhi kendaraan.

Ada mobil, motor, manusia, pohon, bangunan, rambu lalu lintas, bayangan, dan berbagai objek lainnya.

Selain itu, pencahayaan dapat berubah. Sebuah mobil yang sama dapat terlihat berbeda ketika difoto pada siang hari, malam hari, atau ketika tertutup bayangan.

Sudut kamera juga memengaruhi tampilan objek.

Karena itu, sistem computer vision perlu dilatih menggunakan data yang beragam agar tidak hanya mengenali objek dalam kondisi ideal.

Model yang baik harus dapat menghadapi variasi ukuran, posisi, pencahayaan, sudut, latar belakang, hingga tingkat gangguan pada gambar.

Dari Foto hingga Teknologi Sehari-hari

Kemampuan mengubah gambar menjadi data angka kemudian memahami pola tersebut sudah digunakan dalam banyak teknologi.

Contohnya adalah kamera smartphone yang dapat mengenali wajah untuk membuka perangkat.

Ada juga aplikasi yang dapat memindai dokumen dan mengubah tulisan di foto menjadi teks. Teknologi semacam ini dikenal sebagai Optical Character Recognition (OCR).

Computer vision juga digunakan dalam sistem keamanan, kendaraan dengan fitur bantuan pengemudi, analisis medis berbasis gambar, moderasi konten, pencarian gambar, hingga aplikasi fotografi.

Bahkan ketika kamera smartphone secara otomatis memperbaiki hasil foto, berbagai algoritma dapat menganalisis data visual untuk menentukan bagian gambar yang perlu diproses.

Semua berawal dari sesuatu yang sangat sederhana: piksel dan angka.

Jadi, Apa yang Sebenarnya Dilihat Komputer?

Kalau saya sederhanakan seluruh prosesnya, perjalanan sebuah foto di dalam komputer kurang lebih seperti ini:

Foto → Piksel → Angka RGB → Pola → Bentuk → Fitur → Prediksi

Pertama, foto dipecah menjadi piksel.

Kemudian setiap piksel direpresentasikan menggunakan angka, termasuk nilai merah, hijau, dan biru.

Komputer kemudian menganalisis perubahan angka tersebut untuk menemukan pola visual seperti tepi dan garis.

Pola tersebut dapat digabungkan menjadi bentuk yang lebih kompleks.

Dalam sistem computer vision berbasis AI, berbagai fitur visual kemudian diproses oleh model yang telah dilatih menggunakan banyak contoh.

Dari proses tersebut, komputer dapat membuat prediksi mengenai isi gambar.

Jadi, ketika kita melihat sebuah foto dan berkata “itu adalah mobil berwarna merah”, komputer sebenarnya tidak melihat mobil dengan cara yang sama seperti kita.

Ia melihat jutaan angka.

Menariknya, dari jutaan angka tersebut, komputer dapat mempelajari pola yang cukup kompleks hingga akhirnya mampu memberikan jawaban yang bagi manusia terlihat seperti pemahaman visual.

Dengan kata lain, foto bagi manusia adalah gambar, tetapi bagi komputer foto adalah data. Dan melalui computer vision serta kecerdasan buatan, data tersebut diterjemahkan menjadi informasi yang memiliki makna.