P
r
r
k
merupakan probabilitas dari masing-masing intensitas nilai keabuan dari seluruh piksel yang ada di dalam citra. r
k
adalah nilai intensitas keabuan, n
k
adalah banyaknya nilai k dalam citra, sedangkan MN adalah ukuran citra masukan. �
�
= ��
�
= � − 1 ∑
�
�
��
�
�
� � =0
=
�−1 ��
∑ �
� �
� =0
, � = 0,1,2, … , � − 1
Dengan s
k
adalah nilai piksel baru, n
j
menyatakan banyaknya piksel pada citra, k menyatakan nilai keabuan awal yang nilainya dari 1…L-1, L menyatakan
nilai keabuan maksimum. Sedangkan r
j
menyatakan banyaknya piksel yang memiliki nilai sama dengan k atau kurang.
2.2.4 Adaptive Histogram Equalization
Pada penelitian yang dilakukan oleh Noor dkk pada tahun 2010 tentang penggunaan metode adaptive histogram equalization dalam perbaikan citra
radiologi infeksi yang disebabkan tulang ikan pada leher bagian atas, dijelaskan bahwa metode ini sangat membantu. Hal tersebut dapat dijelaskan menjadi tiga
bagian, pertama citra luaran memiliki hasil diagnosa yang sama dengan menggunakan PASC, yang kedua citra luaran memiliki hasil diagnosa yang lebih
baik, dan yang ketiga citra luaran memiliki hasil diagnosa yang positif tetapi itu tidak parah. Sedangkan menurut Digital Image Processing, Third Edition
Gonzalez, 2008, dijelaskan bahwa metode adaptive histogram equalization akan lebih baik dalam memperbaiki kualitas citra yang memiliki bagian lebih gelap.
Adaptive histogram equalization adalah metode yang menggunakan metode histogram equalization dalam beberapa ukuran blok-blok sub citra lokal yang
lebih menekankan dalam kontras lokal daripada kontras keseluruan. Pembentukan blok memungkinkan setiap daerah dengan kontras lokal rendah mendapatkan
kontras yang lebih tinggi tanpa mempengaruhi kontras global. Algoritma adaptive histogram equalization menemukan pemetaan lokal menggunakan histogram
lokal. Noor,2010. 2.5
Adaptive histogram equalization pada dasarnya adalah melakukan banyak histogram equalization dalam satu citra. Sebuah citra akan dibagi menjadi
beberapa blok atau sub citra, misal citra dengan ukuran 25x25 akan dibuat menjadi beberapa bagian menjadi ukuran 5x5 kemudian setiap blok akan
menjalankan algoritma histogram equalization. Setiap blok tidak akan berpengaruh ketika blok lain ditingkatkan nilai kontrasnya.
Gambar 2.4. Citra digital awal dan citra hasil adaptive histogram equalization
⎣ ⎢
⎢ ⎢
⎢ ⎢
⎢ ⎢
⎢ ⎢
⎢ ⎡
132 131 130 130 127 112 97 93 92 90 86 85 125 126 128 128 126 110 96 92 92 90 88 87
120 122 124 125 123 107 93 89 90 89 87 87 119 120 121 122 120 104 89 85 86 86 85 85
123 123 123 123 119 103 87 82 83 83 83 83 130 129 128 127 120 103 87 82 83 82 82 83
135 134 132 131 122 105 88 82 83 83 82 83 142 143 141 139 127 104 86 85 85 80 79 83
145 144 141 138 122 102 86 85 87 82 80 83
147 144 139 135 114 98 86 86 88 85 82 84 147 141 134 128 105 93 85 86 89 87 84 85
140 133 124 118 97 89 83 84 87 87 85 85 ⎦ ⎥
⎥ ⎥
⎥ ⎥
⎥ ⎥
⎥ ⎥
⎥ ⎤
Gambar 2.5.
Contoh pembagian matrik citra pada adaptive histogram equalization
seperti contoh matrik di atas dapat dikenai metode adaptive histogram
equalization, yaitu dengan membagi menjadi beberapa bagian, misal 4 bagian. mulai dari 0,0-6,6, 7,0-12,6, 0,7-6,12, dan 7,7-12,12, seperti pada
gambar. Kemudian setiap blok akan dikenai fomula 2.4, sehingga menjadi fomula berikut
�
�
��
�
� = �
�
� ���
, � = 0,1,2, … , � − 1
dimana MNa adalah ukuran citra tiap blok, a adalah urutan banyak blok.
2.3 Peak Signal-to-Noise Ratio PSNR
