histogram equalization jika dibandingkan dengan histogram gambar masukan terlihat bahwa bentuk dasar dari histogram berbeda, hanya saja persebasaran nilai
intensitas piksel lebih merata pada setiap daerah, dengan meratanya nilai intensitas piksel maka tingkat kecerahan gambar tetap terjaga. Jika histogram
luaran dari kedua metode tersebut dibandingkan terlihat bahwa histogram luaran metode adaptive histogram equalization dapat lebih meratakan persebaran dari
nilai intensitas piksel dibandingkan metode histogram equalization.
4.3.4 Analisa Time-running
Pada bagian ini akan dibandingkan lama waktu proses suatu metode dalam mengolah suatu citra atau gambar masukan, atau disebut time-runnig. Berikut ini
adalah tabel timing-run dari masing-masing metode :
Tabel 4.18 Tabel Rata-rata Time-running
Data Ukuran
Citra HE
AHE 64 AHE 128
AHE 256 1
600x450 0,0226
81,5681 173,371
279,964 2
800x531 0,02943
133,675 312,558
641,32 3
900x598 0,0386
182,902 442,214
980,039 4
1000x664 0,04587 229,745
548,274 1323,19
5 533x300
0,01212 44,6012
82,3254 54,6678
6 1500x996
0,1062 548,138
1420,72 3907,64
7 1200x797 0,06581
331,615 836,808
2199,66 8
500x750 0,02597
115,91 261,525
505,648 9
1000x664 0,0438
218,246 532,711
1227,08 10
800x600 0,0335
151,691 361,395
786,262
Dari data tabel dapat dilihat lama waktu proses dipengaruhi perbedaan ukuran piksel gambar masukan, semakin besar gambar masukan maka semakin
lama waktu proses yang dibutuhkan metode untuk melakukan proses. Pada metode adaptive histogram equalization, perbedaan window size akan
berpengaruh pada lama waktu proses, lama waktu proses akan semakin panjang apabila window size semakin besar. Jadi berdasar lama waktu proses pada metode
adaptive histogram equalization akan lebih singkat bila window size yang digunakan lebih kecil. Dari hasil tabel lama waktu proses, metode histogram
equalization memiliki waktu yang lebih singkat dari metode adaptive histogram equalization dengan window size yang paling kecil sekalipun, baik data dengan
ukuran piksel besar maupun ukuran piksel kecil.
4.3.5 Analisa Nilai PSNR
Nilai PSNR akan mengukur seberapa besar perubahan gambar masukan setelah diproses dengan kedua metode tersebut, berikut tabel nilai PSNR dari
setiap metode :
Tabel 4.19 Tabel Nilai PSNR
Data Ukuran
Citra HE
AHE 64 AHE 128 AHE 256
1 600x450
56,7939 32,9801
35,3525 47,2269
2 800x531
24,9983 25,0766
24,9209 24,8122
3 900x598
78,8697 37,0631
38,6633 43,999
4 1000x664 45,8235
30,6913 30,1565
29,4598 5
533x300 35,0906
26,5288 26,4081
26,596 6
1500x996 inf
69,0619 83,1719
inf 7
1200x797 83,0942 53,7119
86,2346 84,6944
8 500x750
37,3028 28,198
27,4456 26,2799
9 1000x664 59,8697
34,6725 34,7571
43,7156 10
800x600 24,8588
26,2309 25,871
25,2703
Nilai PSNR yang baik adalah di atas 20dB. Kedua metode tersebut memiliki nilai di atas 20dB. Dari tabel diatas dapat dilihat bahwa nilai PSNR pada metode
histogram equalization memiliki nilai yang lebih tinggi dari metode adaptive histogram equalization. Jadi dengan menggunakan perhitungan nilai PSNR,
metode histogram equalization lebih baik daripada adaptive histogram equalization. Sedangkan dari ketiga window size adaptive histogram equalization,
window size 256 memiliki nilai PSNR yang lebih tinggi daripada window size 64 dan 128. Sehingga dapat dikatakan berdasarkan nilai PSNR pada metode adaptive
histogram equalization, window size yang semakin besar akan berbanding lurus dengan kualitas citra luaran.
4.3.6 Analisa Citra Masukan
