# Praktikum 4
## Pengantar
Pada praktikum ini kita akan mencoba melakukan proses pra pengolahan data sederhana pada data citra atau gambar. Pada proses pengolahan data citra, terdapat beberapa hal umum yang biasa dilakukan sebelum proses ekstraksi fitur, diantaranya adalah resizing dan penyesuaian warna.
Sebelum praktikum, silahkan download data citra berikut ini,
Simpan data citra dengan nama "**Lenna.png**".
## Langkah 0 - Persiapan
Lakukan instalasi modul OpenCV pada perangkat komputasi.
```
!pip install -q opencv-python matplotlib
```
Kemudian, import library yang dibutuhkan pada notebook.
```python
import cv2
import matplotlib.pyplot as plt
```
## Langkah 1 - Load Gambar
Load gambar menggunakan OpenCV dan ubah colorspace menjadi RGB. Hal ini dikarenakan secara default, OpenCV akan membaca gambar dalam format BGR.
```python
# Membaca gambar (BGR default di OpenCV)
img = cv2.imread("Lenna.png")
# Konversi BGR → RGB (agar warnanya tampil benar di matplotlib)
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# Tampilkan
plt.imshow(img_rgb)
plt.title("Gambar Asli")
plt.axis("off")
plt.show()
```
## Langkah 2 - Resize Gambar
Selanjutnya, ubah ukuran gambar menjadi 128x128px.
```python
# Resize gambar
img_resized = cv2.resize(img_rgb, (128, 128))
plt.imshow(img_resized)
plt.title("Gambar setelah Resize (128x128)")
plt.axis("off")
plt.show()
```
Jika diperhatikan, akan terdapat perbedaan pada ketajaman gambar.
## Langkah 3 - Ubah ke Grayscale
Selanjutnya kita akan mengubah warna citra ke dalam bentuk grayscale.
```python
# Konversi ke grayscale
img_gray = cv2.cvtColor(img_resized, cv2.COLOR_BGR2GRAY)
plt.imshow(img_gray, cmap="gray")
plt.title("Gambar Grayscale")
plt.axis("off")
plt.show()
```
Hasilnya sebagai berikut,
Dalam praktiknya, tentunya tidak hanya proses resize dan grayscale yang akan dilakukan. Proses pra pengolahan data pada data tidak terstruktur bergantung dengan tujuan pembuatan model.
