Analisa perbandingan metode histogram equalization dan adaptive histogram equalization untuk peningkatan kualitas citra digital - USD Repository
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ANALISA PERBANDINGAN METODE HISTOGRAM EQUALIZATION
DAN ADAPTIVE HISTOGRAM EQUALIZATION UNTUK
PENINGKATAN KUALITAS CITRA DIGITAL
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Don Bosco Surya Atmaja
085314033
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2013
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
COMPARISON ANALYSIS BETWEEN HISTOGRAM EQUALIZATION
AND ADAPTIVE HISTOGRAM EQUALIZATION METHODS FOR
IMAGE QUALITY IMPROVEMENT
A THESIS
Presented as Partial Fulfillment of the Requirements
To Obtain the Sarjana Komputer Degree
In Departement of Informatics Engineering
By :
Don Bosco Surya Atmaja
085314033
INFORMATICS ENGINEERING STUDY PROGRAM
INFORMATICS ENGINEERING DEPARTMENT
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2013
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PERNYATAAN KEASLIAN KARY A
Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis initidak memuat karya/bagian orang lain, kecuali yang telah disebutkan dalam
kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.Yogyakarta, 23 September 2013 Penulis Don Bosco Surya Atmaja
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Don Bosco Surya AtmajaNIM : 085314033
Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan
Universitas Sanata Dharma karya ilmiah saya yang berjudul :
ANALISA PERBANDINGAN METODE HISTOGRAM EQUALIZATION
DAN ADAPTIVE HISTOGRAM EQUALIZATION UNTUK
PENINGKATAN KUALITAS CITRA DIGITAL
Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan
kepada Perpustakaan Universitas Sanata Dharma untuk hak menyimpan,
mengalihkan dalam bentuk media lain, mengolahnya dalam bentuk pangkalan
data, mendistribusikannya secara terbatas, dan mempublikasikannya di internet
dan media lain untuk kepentingan akademis tanpa perlu meminta izin dari saya
maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya
sebagai penulis. Demikian pernyataan saya ini saya buat dengan sebenarnya.Yogyakarta, 23 September 2013 Penulis Don Bosco Surya Atmaja
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIHALAMAN PERSEMBAHAN untuk orangtua tercinta... untuk adik terkasih... untuk sahabat terbaik... untuk kalian yang membaca dan melihat ini...
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Peningkatan kualitas citra digital dilakukan agar suatu citra dapat dikenalilebih baik maupun dapat dinikmati lebih baik juga. Salah satu cara meningkatkan
kualitas citra adalah dengan meningkatkan kontras dari citra tersebut. Metode
histogram equalization dan adaptive histogram equalization merupakan salah satu
dari beberapa metode yang digunakan untuk meningkatkan kontras citra. Pada
tugas akhir ini bertujuan untuk membandingkan kedua metode peningkatan
kontras tersebut.Citra digital yang digunakan sebagai data dalam membandingkan kedua
metode ini adalah citra warna dan skala keabu-abuan sebanyak 10 gambar. 10
gambar yang digunakan memiliki kondisi kontras baik, kontras kurang baik,
cahaya gelap, cahaya normal, cahaya terang. Setelah citra diproses dengan kedua
metode tersebut, kemudian dinilai oleh responden dengan kuesioner.Hasil pengujian kedua metode tersebut adalah, metode histogram
equalization akan lebih baik ketika citra masukan memiliki kondisi cahaya terang,
sedangkan metode adaptive histogram equalization akan lebih baik ketika citra
masukan memiliki kondisi cahaya gelap maupun normal, kontras rendah maupun
yang sudah baik.PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
Improving the quality of digital images was needed, so that an image coldbe recognized and enjoyed better too. One way to improve the quality of the
image by enchanced the contrast of the image. Method of hitogram equalization
and adaptive histogram equalization was one of several methods used to enchace
the image cotrast. Aim from this thesis was to compare the two methods of
contrast enchacement.Digital image was used as data in comparing between the two methods, the
data were 10 images of colored and grayscale. 10 images that were used, they had
different contrast condition, as like as good contrast condition, worse contrast
condition, dark light, normal light, and bright light. After the image processed by
both methods, then assessed by the respondents with questionnaire.The test results from both methods were, histogram equalization method
would be better when the input image had a bright light conditions, whereas the
adaptive histogram equalization method would be better when the input image
had a dark and normal light conditions, worse contrast and good contrast
condition.PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Puji dan syukur kepada Tuhan Yesus Kristus yang telah senantiasa
memberikan berkat dan rahmat yang tak berkesudahan serta kesempatan yang
sangat berharga sehingga penulis dapat menyelesaikan skripsi dengan judul
“Analisa Perbandingan Metode Histogram Equalization dan Adaptive
Histogram Equalization untuk Peningkatan Kualitas Citra Digital “.Dalam kesempatan ini, penulis juga ingin mengucapkan terima kasih
sebesar-besarnya terhadap semua pihak yang telah memberi dukungan dan
semangat sehingga skripsi ini dapat selesai : 1.Romo Dr. C. Kuntoro Adi, S.J., M.A., M.Sc. selaku dosen pembimbing dan dosen pembimbing akademik Teknik Informatika kelas A angkatan 2008. Terima kasih atas semua bantuan , bimbingan, pengorbanan waktu, kesabaran, ilmu serta semangat yang telah diberikan.
2. Ibu Paulina Heruningsih Prima Rosa, S.si., M.Sc. selaku Dekan Fakultas Sains dan Teknologi.
3. Ibu Ridowati Gunawan, S.Kom., M.T., selaku ketua jurusan Teknik Informatika Universitas Sanata Dharma.
4. Bapak Eko Hari Parmadi , S.si., M.Kom. dan ibu Sri Hartati W., S.Si., M.Kom. selaku dosen penguji. Terima kasih atas saran dan kritik yang telah diberikan.
5. Kedua orang tua serta adikku tercinta, Terima kasih untuk semua kasih sayang dan perhatian yang tak terhingga.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6. Untuk Roy, Linardi, Angga, Endra, Petra, Devi, Ocha, Siska, Bebeth, Esy, Agnes, Putri, Itha dan seluruh teman-teman Teknik Informatika angkatan 2008. Terima kasih atas dukungannya.
7. Tere, Yola, Cici, Adit, dan Maman, yang selalu setia mengingatkan serta berbagi cerita bersama. Terima kasih atas dukungannya.
8. Semua responden yang telah berkenan mengisi kuesioner penelitian ini.
9. Semua pihak yang telah membantu penulis dalam menyelesaikan skripsi. Penulis menyadari masih banyak kekurangan yang terdapat dalam laporan
tugas akhir ini. Saran dan kritik sangat diharapkan untuk hasil yang lebih baik di
masa depan.Yogyakarta, 23 September 2013 Penulis
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI
HALAMAN JUDUL BAHASA INDONESIA ...................................................... i
HALAMAN JUDUL BAHASA INGGRIS ............................................................ ii
HALAMAN PERSETUJUAN PEMBIMBING ................................................... iii
HALAMAN PENGESAHAN ............................................................................... iv
PERNYATAAN KEASLIAN ................................................................................ v
PERNYATAAN PUBLIKASI .............................................................................. vi
HALAMAN PERSEMBAHAN .......................................................................... vii
ABSTRAK .......................................................................................................... viii
ABSRACT ............................................................................................................ ix
KATA PENGANTAR ........................................................................................... x
DAFTAR ISI ........................................................................................................ xii
DAFTAR GAMBAR ........................................................................................... xv
DAFTAR TABEL ............................................................................................... xvi
BAB I. PENDAHULUAN
1.1. Latar Belakang Masalah ................................................................................... 1
1.2. Rumusan Masalah ............................................................................................ 2
1.3. Tujuan Penelitian ............................................................................................. 3
1.4. Batasan Masalah............................................................................................... 3
1.5. Luaran Penelitian ............................................................................................. 3
1.6. Manfaat Kegunaan .......................................................................................... 3
1.7. Sistematika Penulisan ...................................................................................... 3
BAB II. LANDASAN TEORI
2.1. Citra Digital ...................................................................................................... 5
2.1.1. Citra Biner atau Monokrom ................................................................... 5
2.1.2. Citra Skala Keabuan atau Grayscale....................................................... 6
2.3.3. Citra Warna atau True Color .................................................................. 6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.2.1. Histogram ................................................................................................ 7
2.2.2. Peningkatan Kontras (Contrast Enhancement) ....................................... 8
2.2.3. Histogram Equalization .......................................................................... 9
2.2.4. Adaptive Histogram Equalization ......................................................... 11
2.3. Peak Signal-to-Noise Ratio (PSNR) .............................................................. 12
2.4. Format Citra .BMP ......................................................................................... 13
2.5. Format File .JPG ............................................................................................ 14
2.6. Kompleksitas Waktu ...................................................................................... 14
2.7. Skala Likert ................................................................................................... 15
BAB III. ANALISA PERANCANGAN SISTEM
3.1. Rancangan Umum .......................................................................................... 17
3.2. Rancangan Sistem .......................................................................................... 18
3.2.1. Histogram Equalization ........................................................................ 19
3.2.2. Adaptive Histogram Equalization ........................................................ 22
3.2.3. Pengujian Hasil ................................................................................... 34
3.3 Rancangan Tampilan ........................................................................................ 34
3.3.1. Halaman Utama ...................................................................................... 34
3.3.2. Halaman Input ........................................................................................ 36
3.3.3. Halaman Awal ........................................................................................ 36
3.3.4. Halaman Help......................................................................................... 37
3.3.5. Form Pesan ............................................................................................. 37
3.4 Analisa Kebutuhan Sistem ............................................................................... 38
3.4.1. Data ...... ................................................................................................. 38
3.4.2. Perengkat Lunak..................................................................................... 38
3.4.3. Perangkat Keras ..................................................................................... 38
BAB IV. IMPLEMENTASI SISTEM DAN ANALISA HASIL
4.1. Implementasi Proses ....................................................................................... 39
4.1.1. Implementasi Algoritma Histogram Equalization ........................... 39
4.2. Implementasi Tampilan Antarmuka ............................................................... 41
4.3. Analisa Hasil Pengujian ................................................................................. 43
4.3.1. Perhitungan Kompleksitas Waktu Asimptotik ................................. 43
4.3.2. Analisa Gambar Luaran Berdasarkan Penilaian Responden ............ 45
4.3.3. Analisa Histogram Luaran ............................................................... 60
4.3.4. Analisa Time-running ...................................................................... 64
4.3.5. Analisa Nilai PSNR ......................................................................... 65
4.3.6. Analisa Gambar Citra Masukan ....................................................... 66
BAB V. KESIMPULAN DAN SARAN
5.1. Kesimpulan .................................................................................................... 76
5.2. Saran .............................................................................................................. 77
DAFTAR PUSTAKA ..........................................................................................78
LAMPIRAN.........................................................................................................80
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
Gambar Keterangan Halaman
41
3.7 Halaman awal
36
3.8 Halaman help
37
3.9 Form pesan
37
4.1 Tampilan Halaman Utama
4.2 Tampilan Pilih File Citra
3.6 Halaman input citra awal
42
4.3 Tampilan Peringatan Reset
42
4.4 Tampilan Peringatan Reset Telah Berhasil
42
4.5 Tampilan Peringatan Proses
43
4.6 Tampilan Halaman Utama dengan Masukan dan Hasil
36
35
2.1 Contoh citra digital biner dan histogramnya
2.5 Contoh pembagian matrik citra pada adaptive histogram equalization
6
2.2 Contoh citra digital dan histogramnya
8
2.3 Citra digital awal dan citra hasil histogram equalization
10
2.4 Citra digital awal dan citra hasil adaptive histogram equalization
12
12
3.5 Halaman Utama sistem
3.1 Diagram konteks sistem
17
3.2 Flowchart proses sistem secara keseluruhan
18
3.3 Flowchart proses histogram equalization
19
3.4 Flowchart proses adaptive histogram equalization
23
43 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR TABEL
Tabel Keterangan Halaman
4.13 Tabel perhitungan total nilai responden untuk citra dengan kontras baik
54
4.8 Hasil kuisoner metode adaptive histogram equalization pada citra kontras kurang baik
55
4.9 Tabel perhitungan total nilai responden untuk citra dengan kontras baik
56
4.10 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik
57
4.11 Tabel perhitungan total nilai responden untuk citra dengan kontras baik
57
4.12 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik
58
58
53
4.14 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik
59
4.15 Tabel keseluruhan nilai total skala Likert untuk setiap metode pada citra dengan kontras baik
59
4.16 Tabel keseluruhan nilai total skala Likert untuk setiap metode pada citra dengan kontras kurang baik
59
4.17 Tabel histogram untuk setiap metode
60
4.18 Tabel Rata-rata Time-running
64
4.19 Tabel Nilai PSNR
4.7 Hasil kuisoner metode adaptive histogram equalization pada citra kontras baik
4.6 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik
2.1 Tabel skala Likert
31
16
3.1 Tabel perhitungan histogram equalization
22
3.2 Tabel perhitungan adaptive histogram equalization citra A
1
26
3.3 Tabel perhitungan adaptive histogram equalization citra A
2
28
3.4 Tabel perhitungan adaptive histogram equalization citra A
3
3.5 Tabel perhitungan adaptive histogram equalization citra A
53
4
33
4.1 Gambar luaran setiap metode
46
4.2 Interval untuk skala Likert
51
4.3 Hasil kuesioner metode histogram equalization pada citra yang memiliki kontras baik yang dirubah dalam bentuk bobot nilai
51
4.4 Hasil kuisoner metode histogram equalization yang dirubah dalam bentuk bobot nilai
52
4.5 Tabel perhitungan total nilai responden untuk citra dengan kontras baik
65 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4.21
67 Tabel Jawaban Responden pada 5 Citra dengan Kontras Baik
4.22 Tabel Jawaban Responden pada 5 Citra dengan Kontras Baik
67
4.23 Tabel Jawaban Responden pada 5 Citra dengan Kontras kurang
68 Baik
4.24 Tabel Jawaban Responden pada 5 Citra dengan Kontras kurang
68 Baik
4.25 Tabel Jawaban Responden pada 5 Citra dengan Kontras kurang
69 Baik
4.26 Tabel Jawaban Responden pada 6 Citra dengan Kondisi Cahaya
70 Gelap
4.27
71 Tabel Jawaban Responden pada 6 Citra dengan Kondisi Cahaya Gelap
4.28 Tabel Jawaban Responden pada 6 Citra dengan Kondisi Cahaya
72 Gelap
4.29 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya
73 Normal
4.30 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya
73 Normal
4.31 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya
73 Normal
4.32 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya
74 Terang
4.33 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya
74 Terang
4.34 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya
75 Terang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I PENDAHULUAN
1.1 Latar belakang
Setiap orang di era digital sekarang ini, sudah mengenal yang namanya
foto atau citra digital. Citra digital adalah hasil proses penangkapan cahaya yang
direkam oleh sensor digital dalam bentuk data biner yang kemudian diubah
menjadi data citra digital. Hampir setiap orang memiliki citra digital. Hal tersebut
terjadi karena dalam menciptakan citra digital bukanlah hal yang sulit lagi. Tetapi
tidak semua perangkat keras akan menghasilkan kualitas citra yang sama baiknya.
Agar menghasilkan citra digital yang serupa terkadang diperlukan proses
pengolahan citra terlebih dahulu.Pengolahan citra dilakukan selain untuk menambah nilai seni tetapi lebih
untuk memperbaiki citra yang ada. Kerap kali dalam merekam data citra dari
perangkat keras terjadi gangguan berupa derau (noise), atau terlalu terang dan
gelap, ataupun kurang tajam. Pada penggunaan citra digital untuk penelitian
kerap kali harus melakukan pengolahan awal (preprocessing). Pemrosesan awal
adalah operasi pengolahan citra untuk menigkatkan kualitas citra (image
enchancement ). Pengolahan awal dilakukan agar proses analisa citra berjalan baik.
Peningkatan kualitas citra adalah salah satu bagian yang sangat penting dalam
pengolahan citra. Tujuannya untuk meningkatkan kualitas gambar yang memiliki
nilai kontras rendah, untuk memperbesar perbedaan intensitas antara objek dengan
latar belakang gambar, dan meningkatkan persepsi informasi yang terdapat pada
gambar.Ada banyak metode dalam meningkatkan mutu citra. Beberapa metode
yang dapat digunakan yaitu histogram equalization (HE), adaptive histogram
equalization (AHE), serta logarithmic image processing (LIP). Penelitian dengan
judul "Fish Bone Impaction Using Adaptive Histogram Equalization (AHE)" yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
menggambarkan pentingannya peningkatan mutu citra pada suatu citra digital x-
ray yang akan menentukan diagnosa dokter terhadap pasien yang megalami
gangguan pada tenggorokan akibat tulang ikan saat makan. Metode adapative histogram equalization (AHE) digunakan untuk meningkatkan mutu citra x-ray terutama pada peningkatan kontras citra tersebut, sehingga dapat meningkatkan detail pembacaan citra x-ray yang dilakukan dokter dapat meningkatkan kebenarannya. Penelitian yang dilakukan oleh Murinto, Willy Permana P. dan Sri Handayaningsih pada tahun 2008 dengan judul "Analisa perbadingan HistogramEqualization (HE) dan model Logarithmic Image Processing (LIP) untuk Image
", juga menggambarkan pentingnya peningkatan mutu citra. Enchanment Penelitian tersebut menjelaskan bahwa kedua metode tersebut memiliki nilai lebihdan kurang yaitu, metode LIP akan menghasilkan hasil yang bagus walaupun
waktu prosesnya lebih lama, sedangkan HE akan menghasilkan nilai intensitas
piksel yang merata walaupun hasil citranya kurang maksimal . Kedua penelitian
tersebut menggambarkan betapa penting metode peningkatan kontras citra untukmeningkatkan kualitas citra. Karena metode-metode tersebut mampu
meningkatkan kualitas citra dan merupakan metode yang penting, maka
membandingkan dua diantara ketiga metode yang telah dipaparkan di atas untuk
mengetahui metode mana yang lebih baik dalam meningkatkan kualitas citra
merupakan tujuan penelitian ini. Jadi penelitian ini akan mengukur kinerja dari
metode histogram equalization dan adaptive histogram equalization dalam meningkatkan kualitas citra digital.1.2 Rumusan Masalah
1. Bagaimana cara meningkatkan kualitas citra digital melalui metode
histogram equalization dan adaptive histogram equalization ?
2. Sejauh mana metode histogram equalization dan adaptive histogram mampu meningkatkan kualitas citra digital ? equalization
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1.3 Tujuan Penelitian Tujuan dari penelitian ini untuk mengukur kinerja dari metode histogram
equalization dan adaptive histogram equalization dalam meningkatkan kualitas
citra digital.1.4 Batasan Masalah Dalam penelitian ini terdapat beberapa batasan masalah yaitu : 1. Data citra masukan memiliki format penyimpanan .bmp atau .jpeg.
2. Citra yang diproses berupa citra warna dan skala abu-abu.
3. Citra masukan berkategori panorama atau benda mati dan model manusia dengan tingkat kontras baik, kontras kurang baik, terlalu terang, ataupun terlalu gelap, maupun normal.
4. Perangkat lunak dibangun dengan menggunakan Matlab R2010a.
1.5 Luaran Penelitian Luaran yang diharapkan adalah perangkat lunak yang dapat meningkatkan
kualitas citra digital dengan metode histogram equalization dan adaptive
histogram equalization .1.6 Manfaat Kegunaan Manfaat luaran yaitu membantu penelitian yang memerlukan preprocessing
citra yaitu peningkatan kontras citra seperti penelitian analisa citra, pengenalan
pola citra dan sebagainya.1.7 Sistematika Penulisan Untuk memudahkan dalam penyusunan dan pemahaman isi dari skripsi ini, maka digunakan sistematika penulisan sebagai berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I PENDAHULUAN Bab ini berisi tentang pendahuluan yang terdiri dari latar belakang,
perumusan masalah, batasan masalah, tujuan penulisan, luaran penelitian, manfaat
kegunaan dan sistematika penulisan dalam penelitian ini.BAB II LANDASAN TEORI Bab ini berisi tentang teori-teori yang digunakan dalam selama penulisan penelitian ini. BAB III ANALISA DAN PERANCANGAN Bab ini membahas mengenai analisa kebutuhan dan perancangan pembangunan sistem. BAB IV IMPLEMENTASI DAN ANALISA HASIL Bab ini berisi tentang implementasi hasil dari analisa dan perancangan
sistem dalam bentuk program (proses, antar muka dan cara kerja program), serta
menyajikan hasil penelitian berupa hasil percobaan dan kuisioner, dan analisa
terhadap hasil penelitian tersebut yang ditinjau dari landasan teori.BAB V KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan yang dapat diambil untuk menjawab
rumusan masalah yang dikemukan dalam BAB I, serta saran yang dapat diberikan
untuk melakukan penelitian lebih lanjut di masa yang akan datang.PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB II LANDASAN TEORI Bagian ini akan mengambarkan teori-teori yang terkait dengan metode
histogram equalization dan adaptive histogram equalization. Mulai dari apa itu
citra digital, macam-macamnya dan juga pemahaman tentang metode histogram
equalization serta adaptive histogram equalization.2.1 Citra Digital
Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan
N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f di titik
koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra titik tersebut.
Citra merupakan suatu representasi atau gambaran, kemiripan, atau imitasi dari
suatu obyek (Sutoyo dkk, 2009). Citra digital sendiri merupakan hasil dari proses
digitalisasi, yaitu representasi citra dari fungsi malar (kontinu) menjadi nilai-nilai
diskrit (Maharani, 2007). Citra digital dapat dikelompokan berdasar pada nilai
pikselnya, yaitu citra biner, citra skala keabuan, dan citra warna. Berikut akan
dijelaskan2.1.1 Citra Biner atau Monokrom
Jenis citra digital yang pertama adalah citra biner. Citra biner adalah citra
yang hanya memiliki dua jenis warna yaitu, hitam dan putih. Kedua warna
tersebut direpresentasikan dalam 1 bit yaitu 0 untuk warna hitam dan 1 untuk
warna putih. Sehingga dalam tiap piksel citra biner hanya bernilai 1 bit. Contoh
citra biner dapat dilihat pada gambar 2.1.PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1 1 1 1 1 1 1 1 ⎡ ⎤ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 0 0 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥
⎣ 1 1 1 1 1 1 1 1⎦
Gambar 2.1. Contoh citra digital biner dan histogramnya2.1.2 Citra Skala Keabuan atau Grayscale Jenis citra digital yang kedua adalah citra skala keabuan atau grayscale.
Citra skala keabuan memiliki lebih banyak kemungkinan warna daripada citra
biner. Citra skala keabuan adalah citra yang menggunakan fungsi intensitas untuk
menentukan banyak atau kedalaman warnanya. Fungsi intensitas warna keabuan
pada citra skala keabuan ini memiliki kedalaman yang berbeda-beda. Namun
sebagian besar aplikasi yang menggunakan citra skala keabuan, menggunakan
range 256, yaitu dari 0 hingga 255. Sehingga setipa piksel dalam citra skala
keabuan ini bernilai 1 byte atau 8 bit.2.1.3 Citra warna atau True Color Jenis citra digital yang ketiga yaitu citra warna. Salah satu jenis dari citra
warna yaitu citra RGB. Citra RGB merupakan citra yang memiliki komponen
sebanyak tiga bagian yaitu warna red (r), green (g), blue (b). Setiap bagian warna
memiliki nilai paling kecil yaitu 0 dan nilai terbesar yaitu 255. Sehingga akan
didapat macam-macam warna sebanyak 256 (r) x 256 (g) x 256 (b) = 16777216
jenis warna. Jadi suatu jenis warna dapat ditulis dalam bentuk : warna = H(r,g,b) (2.1)Contoh biru = (0,0,255), putih = (255,255,255), dan hitam = (0,0,0).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.2 Pengolahan Citra
Setelah pemahaman tentang citra digital pada sub bab sebelumnya, ada pun
pembahasan selanjutnya mengenai pengolahan citra untuk citra digital.
Pengolahan citra adalah pemrosesan citra menjadi citra yang lain dengan mutu
citra yang lebih baik, yaitu pemrosesan yang berupa pemanipulasian citra dengan
algoritma atau teknik tertentu. Yang dimasksud dengan perbaikan mutu atau
kualitas citra adalah proses mendapatkan citra yang lebih mudah ditangkap oleh
mata manusia. Bisa juga dikatakan sebagai suatu proses untuk memperoleh citra
yang lebih sesuai untuk aplikasi tertentu dibandingkan dengan citra aslinya.
Pengolahan citra dibagi menjadi tiga kategori, yaitu rendah, menengah, dan
tinggi.(Putra, 2010).Kategori pertama adalah kategori rendah, melibatkan operasi-operasi
sederhana seperti prapengolahan citra untuk mengurangi derau, pengaturan
kontras, dan pengaturan ketajaman citra. Kategori pengolahan ini memiliki
masukan dan luaran berupa citra juga.Ketegori kedua adalah kategori menengah, melibatkan operasi-operasi
seperti segmentasi dan klasifikasi citra. Pada proses pengolahan citra menengah
ini melibatkan masukan berupa citra dan luaran berupa atribut atau fitur dari citra
masukan.Kategori ketiga adalah kategori tinggi, melibatkan proses pengenalan dan
deskripsi citra. Pengolahan citra digital sendiri memiliki spektrum aplikasi yang
sangat luas dalam penggunaannya. Berikut akan dijabarkan tentang beberapa
metode yang terdapat pada pengolahan citra yang terkait dengan penelitian ini.2.2.1 Histogram
Hitogram menyediakan informasi yang berkaitan dengan kontras dan
distribusi intensitas keseluruhan citra serta tingkat kecerahan citra. Histogram
menampilkan banyaknya piksel dalam suatu citra yang dikelompokkan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
berdasarkan level nilai intensitas piksel yang berbeda. Histogram citra
ditampilkan dalam grafik dua dimensi, dengan sumbu x menunjukkan nilai
intensitas piksel dan sumbu y menunjukkan banyaknya kemunculan suatu nilai
intensitas piksel. Karena itu histogram adalah alat bantu yang berharga dalam
pekerjaan pengolahan citra baik secara kualitatif maupun kuantitaif, seperti untuk
menentukan parameter digitalisasi dan pemilihan ambang batas.
(Putra,2010,Murinto dkk, 2008).Gambar 2.2. Contoh citra digital dan histogramnya2.2.2 Peningkatan Kontras (Contrast Enhancement)
Kontras pada suatu citra adalah distribusi piksel terang dan gelap. Semua
piksel akan terkelompok secara rapat pada suatu sisi tertentu dan menggunakan
sebagian kecil dari semua kemungkinan nilai piksel. Citra dengan kontras tinggi
memiliki daerah gelap dan terang yang luas. Histogram pada citra dengan kontras
tinggi memiliki dua puncak besar, yaitu pada sisi kiri dan sisi kanan histogram.
Citra dengan kontras yang baik akan menampilkan rentang nilai piksel yang lebar.
Histogram pada citra ini menampilkan persebaran nilai piksel yang seragam,
sehingga tidak memiliki puncak utama, atau tidak memiliki lembah.(Putra, 2010).Pada peningkatan kontras, setiap piksel pada citra U ditransformasi dengan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
( , )− (2.2) (
( , ) = − 1) −
Dengan o(i,j) merupakan piksel sesudah dan u(i,j) merupakan piksel sebelum pada koordinat (i,j), kemudian c menyatakan nilai maksimum sedangkan d menyatakan nilai minimum dari citra masukan, dan L menyatakan nilai skala keabuan yang maksimum. Bila nilai piksel lebih kecil dari 0 maka akan dijadikan 0 dan bila lebih besar dari (L-1) maka akan dijadikan (L-1).
Permasalahan muncul dengan menggunakan formula tersebut adalah bila
nilai maksimal (d) piksel terlalu tinggi dan nilai minimum (c) piksel terlalu
rendah, akan tetapi nilai maksimum atau minimum sangat sedikit maka proses penskalaan yaitu pembagi (d-c) pada formula di atas menjadi kurang representatif. Maka perlu dilakukan perubahan pada formula menjadi berikut.( , ) ≤ ( , )−
( ( , ) = � − 1) ≤ ( , ) ≤ ℎ ℎ (2.3) −
255 ( , ) ≤ ℎ ℎ Pemilihan nilai c dan d berdasarkan persentase tertentu, misalkan c diberi nilai dengan nilai piksel dimana terdapat sekitar p% piksel lebih kecil dari c, demikian juga untuk nilai d dengan nilai piksel q% piksel lebih besar dari d. Dimana plow adalah nilai p% dan phigh adalah nilai q%.
2.2.3 Histogram Equalization
Histogram equalization merupakan salah satu bagian penting dari beberapa
aplikasi pengolahan citra. Tujuan metode ini adalah untuk menghasilkan
histogram citra yang seragam. Histogram citra yang seragam adalah seluruh
daerah derajat keabuan terisi secara penuh dengan distribusi yang merata pada setiap nilai intensitas piksel. Metode ini dapat dilakukan pada keseluruhan citra atau pada beberapa bagian citra saja.Histogram hasil proses ekualisasi tidak akan seragam atau sama untuk
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
intensitas dari histogram awal. Jika histogram awal memiliki beberapa puncak dan
lembah maka histogram hasil ekualisasi akan tetap memiliki puncak dan lembah.
Akan tetapi puncak dan lembah tersebut akan digeser. Histogram hasil ekualisasi
akan lebih disebarkan (spreading) (Putra,2010). Hasil penelitian sebelum ini oleh
Murinto pada tahun 2008, dijelaskan bahwa metode histogram equalization
memiliki lama proses atau timming-run yang singkat yaitu 0.308 detik serta
memiliki persebaran nilai intensitas piksel yang merata pada histogram citra yang
diujikan. Sedang pada penelitian yang dilakukan oleh Danny Ibrahim dkk pada
tahun 2011, dijelaskan bahwa metode histogram equalization dapat memproses
dengan baik untuk citra yang terlalu gelap maupun normal, citra dengan kontras
rendah maupun tinggi, akan tetapi akan menghasilkan luaran yang buruk ketika
citra yang digunakan terlalu terang.Gambar 2.3. Citra digital awal dan citra hasil histogram equalizationBerikut ini akan dijelaskan secara matematis dari distribusi ulang terhadap
histogram awal dilakukan dengan memetakan setiap nilai piksel pada histogram
awal menjadi nilai piksel baru dengan cara : (2.4)( ) = , = 0,1,2, … , − 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
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) = ) = ( = , ∑( − 1) ∑ � � = 0,1,2, … , − 1 (2.5) =0 =0
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