= Hu,v Fiu,v + Hu,v Fru,v Di mana Su,v adalah transformasi fourier dari image yang telah diproses. Sehingga
untuk mendapatkan hasil yang sebenarnya perlu dikembalikan ke dalam spatial domain dengan formula :
sx,y = F-1{Su,v} = F-1{Hu,v Fiu,v} + F-1{Hu,v Fru,v}
= i’x,y + r’x,y 5
Langkah terakhir adalah menghilangkan operasi logaritma yang dilakukan diawal proses dengan cara melakukan operasi eksponensial sehingga dapat diperoleh
enhanced image yang diinginkan dilambangkan dengan gx,y, yaitu :
gx,y = ℮sx,y
= ℮i’x,y ℮r’x,y
3.1.2 Pemodelan Histogram
Histogram adalah dasar dari sejumlah teknik pemrosesan citra pada domain spasial, seperti perbaikan, kompresi dan segmentasi citra. Histogram mudah untuk
dikalkulasikan dalam suatu software dan hanya membutuhkan hardware-hardware yang ekonomis dalam penerapannya. Hal ini yang menjadikannya sebagai alat yang
popular dalam hal pemrosesan gambar. Histogram dari suatu citra digital dengan range tingkat [0…L-1] adalah sebuah
fungsi diskrit hrk=nk, dengan rk adalah tingkat keabuan ke-k dan nk adalah jumlah piksel dalam citra yang memiliki tingkat keabuan rk.
Sumbu horisontal dari histogram menyatakan nilai tingkat keabuan rk. Sumbu vertikal menyatakan nilai dari hrk=nk atau prk = nkn jika nilainya dinormalisasi.
Universitas Sumatera Utara
Gambar 3.1 Histogram Gambar dengan Tingkat Kekontrasan Citra yang Berbeda
Persamaan histogram atau lebih dikenal dengan “Histogram equalization” digunakan untuk memperlebar range tingkat keabuan, sehingga akan meningkatkan
kekontrasan citra. Memiliki persamaan transformasi seperti berikut:
untuk k=0,1,2,…,L-1 Metode pemrosesan histogram yang sudah dibahas, yaitu “histogram
equalization” bersifat global, karena piksel-piksel dimodifikasi menggunakan fungsi transformasi berbasis pada intensitas seluruh piksel pada citra. Seringkali diperlukan
perbaikan pada suatu daerah yang kecil pada di dalam citra.
Universitas Sumatera Utara
Teknik “histogram equalization” bisa diterapkan untuk perbaikan lokal. Caranya, definisikan daerah ketetanggaan neighborhood, dan pindahkan pusat
neighborhood piksel demi piksel pada keseluruhan citra. Pada setiap lokasi piksel, histogram dari piksel-piksel dalam neighborhood
dihitung. Selanjutnya dispesifikasikan fungsi transformasi “histogram equalization” dan fungsi ini
digunakan untuk memetakan intensitas piksel pada pusat neighborhood. Ulangi langkah tersebut pada seluruh piksel dalam citra.
Jarak dari titik ke pusat dapat dijelaskan sebagai berikut, maksimum frekuensi yang dapat diwakili dalam domain spasial adalah dua piksel lebar jalur satu putih,
satu hitam.
3.1.3. Penghalusan Citra