LAPORAN PENELITIAN MANDIRI
PENINGKATAN KUALITAS CITRA DIGITAL DENGAN METODE PERATAAN
HISTOGRAM (HISTOGRAM EQUALIZATION)
Oleh :
I G.A. Widagda, S.Si, M.Kom
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS UDAYANA
2014
ii
--------------------------------------------------------------------------------------------------------------- 1. Judul Penelitian : Peningkatan Kualitas Citra Digital dengan Metode
Perataan Histogram (Histogram Equalization)
---------------------------------------------------------------------------------------------------------------
2. Ketua Peneliti
a. Nama lengkap dengan gelar : I Gusti Agung Widagda, S.Si, M.Kom
b. Jenis Kelamin : Laki-laki
c. Pangkat/Golongan/NIP : Penata Tk. I/III-d/197003311997021001
d. Jabatan Fungsional : Lektor
e. Fakultas/Jurusan : MIPA/Fisika
f. Universitas : Udayana
g. Bidang ilmu yang diteliti : Fisika Komputasi
----------------------------------------------------------------------------------------------------------------
3. Jumlah Tim Peneliti : 1 (satu) orang
-----------------------------------------------------------------------------------------------------------------
4. Lokasi Penelitian : Laboratorium Fisika Komputasi FMIPA UNUD
-----------------------------------------------------------------------------------------------------------------
5. Kerjasama
a. Nama Instansi : -
-----------------------------------------------------------------------------------------------------------------
6. Jangka Waktu Penelitian : 6 (enam) bulan
-----------------------------------------------------------------------------------------------------------------
7. Biaya Penelitian : -
-----------------------------------------------------------------------------------------------------------------
Denpasar, Nopember 2014
Mengetahui,
Ketua Dekan FMIPA UNUD Ketua Peneliti
(Ir. A.A. Gde Raka Dalem, M.Sc(Hons)) (I Gusti Agung Widagda, S.Si, M.Kom)
NIP. 196507081992031004 NIP. 197003311997021001
Mengetahui
Ketua Lembaga Penelitian
Universitas Udayana
(Prof. Dr. Ir. I Ketut Satriawan, MT.)
NIP.196407171989031001
iii
PENINGKATAN KUALITAS CITRA DENGAN METODE PERATAAN
HISTROGRAM (HISTOGRAM EQUALIZATION)
I G.A. Widagda
RINGKASAN
Peningkatan kualitas citra dapat dilakukan dengan beberapa metode pengolahan
citra seperti : operasi aritmatika, peregangan histogram (HS) , perataan histogram (HE) ,
dan lain-lain. Pengolahan citra dengan operasi aritmatika menyebabkan citra akan
kehilangan beberapa detil karena nilai keabuan citra akan dibulatkan ke nilai tertinggi
atau terendah. Metode HS kurang efisien karena harus memasukkan variabel (gamma)
secara manual. Untuk mengatasi kekurangan dari metode tersebut maka dalam
penelitian ini digunakan metode HE. Metode HE mampu menghasilkan kualitas
kecerahan atau kontras citra yang lebih baik dibanding metode HS. Secara kualitatif
dapat dilihat dari tampilan visual dari citra yang dihasilkan metode HE lebih cerah dari
metode HS . Sedangkan secara kuantitatif dapat dilihat dari nilai ukuran kualitas Citra
(IQM) yaitu : PSNR, NAE, SE, dan AD. Nilai IQM yang dihasilkan metode HE
cenderung lebih baik dari metode HS.
v
IMAGE ENHANCEMENT BY USING HISTOGRAM EQUALIZATION
METHOD
I G.A. Widagda
SUMMARY
The enhancement of digital image quality could be done by some methods in
image processing like : arithmatic operations, Histogram Stretching (HS), Histogram
Equalization (HE), and others. Processing by arithmatic operations cause some images
detils will be lost. HS have less efficiency because manual input of his parameter like
gamma faktor. Because some drawbacks of the methods, we use HE method in our
research. It could be produce better image contrast than HS. The quality of image could
be seen from the visual performance of its result. The results of HE shows better
contrast than HS. Meanwhile quantitatively it could be seen from Image Quality
Measurement (IQM) : PSNR, NAE, SE, and AD. The IQM of HE tend better than HS.
vii
KATA PENGANTAR
Kami memanjatkan puji syukur kehadapan Tuhan Yang Maha Esa, karena atas
berkat rahmatNya kami dapat menyelesaikan laporan penelitian yang berjudul
”Peningkatan Kualitas Citra dengan Metode Perataan Histogram (Histogram
Equalization) ”.
Kami mengucapkan terima kasih kepada semua pihak yang telah membantu
penyelesaian penelitian ini. Terima kasih kepada Bapak Kepala Lab. Fisika Komputasi,
Bapak Ketua Jurusan Fisika FMIPA, Bapak Dekan FMIPA UNUD, demikian juga
terima kasih kepada rekan - rekan dosen Jurusan Fisika FMIPA UNUD atas bantuan,
saran dan kerjasamanya selama penulis melakukan penelitian.
Sebagai akhir kata kami meyakini bahwa laporan penelitian ini masih banyak
kekurangan. Sehingga kami mengharapkan kritik dan saran dari semua pihak demi
kesempurnaan hasil penelitian ini.
Jimbaran, 2014
Penyusun
viii
DAFTAR ISI
Halaman
HALAMAN JUDUL i
HALAMAN PENGESAHAN ii
RINGKASAN/SUMMARY iii
KATA PENGANTAR vii
DAFTAR ISI viii
DAFTAR TABEL ix
DAFTAR GAMBAR x
I PENDAHULUAN 1
II TINJAUAN PUSTAKA 3
III TUJUAN DAN MANFAAT PENELITIAN 9
IV METODE PENELITIAN 10
V HASIL DAN PEMBAHASAN 13
VI SIMPULAN DAN SARAN 16
VII DAFTAR PUSTAKA 17
LAMPIRAN
ix
DAFTAR TABEL
halaman
Tabel 5.1. Tabel 5.1 IQM untuk citra 1 (pout.jpeg)
15
Tabel 5.2. Tabel 5.2 IQM untuk citra 2 (ship.jpeg)
15
x
DAFTAR GAMBAR
halaman
Gambar 2.1 Proses perekaman obyek pada kamera
3
Gambar 2.2 Citra grayscale
4
Gambar 2.3 Peregangan Histogram
5
Gambar 2.4 Fungsi untuk beberapa nilai gamma 5
Gambar 4.1 Diagram Alir Perataan Histogram 10
Gambar 4.2
Rancangan GUI metode HE
11
Gambar 5.1 Hasil HE citra 1 (pout.jpeg) 13
Gambar 5.2 Hasil HE citra 2 (ship.jpeg) 13
Gambar 5.3
Hasil HS citra 1 (pout.jpeg)
14
Gambat 5.4
Hasil HS citra 2 (ship.jpeg)
14
1
I. PENDAHULUAN
Pada dasarnya data atau informasi dapat disajikan dalam bentuk : teks, gambar, suara,
dan video. Keempat bentuk informasi ini sering disebut dengan multimedia. Di jaman
teknologi informasi seperti sekarang ini sangat berkaitan dengan multimedia. Gambar atau
citra (image) sebagai salah satu komponen dari multimedia memiliki peranan sangat penting
dalam penyebaran informasi yang bersifat visual. Informasi yang dinyatakan dalam bentuk
gambar (citra) akan mengandung lebih banyak makna daripada informasi yang dinyatakan
dalam bentuk kata-kata atau teks.
Citra merupakan hasil pemantulan cahaya dari benda (obyek) yang ditangkap atau
direkam oleh alat-alat optik seperti : kamera, pemindai (scanner), kamera video, dan lain-lain.
Citra yang dihasilkan oleh alat-alat tersebut dapat berupa sinyal analog atau digital. Seringkali
citra yang dihasilkan tidak sempurna seperti mengandung cacat (noise), terlalu kontras atau
kurang kontras, kabur (blur), dan lain-lain. Citra yang mengalami gangguan sangat sulit untuk
diinterpretasikan baik oleh manusia maupun mesin (komputer). Untuk menghilangkan
gangguan pada citra maka diperlukan cara untuk mengatasinya yaitu dengan pengolahan citra
(image processing).
Pengolahan citra bertujuan untuk meningkatkan kualitas citra (image enhancement)
sehingga citra dapat dengan mudah diinterpretasikan baik oleh manusia maupun mesin.
Masukan (input) dari teknik pengolahan citra adalah citra dan keluarannya juga berupa citra
tetapi yang memiliki kualitas yang lebih baik. Indikasi membaiknya kualitas citra dapat dilihat
dari meningkatnya kontras citra, hilangnya noise, dan lain-lain. Kualitas kecerahan atau
kontras citra dapat dilihat dari bentuk histogramnya. Jika histogram citra tersebar secara
merata pada seluruh tingkat keabuan menandakan bahwa citra tersebut memiliki tingkat
kecerahan yang baik. Namun sebaliknya jika histogram mengumpul pada beberapa bagian
tingkat keabuan tertentu maka citra tersebut memiliki tingkat kecerahan yang buruk
(McAndrew, 2004). Salah satu metode yang dipakai dalam pengolahan citra adalah
pengolahan titik (point processing). Metode pengolahan citra berbasis pengolahan titik salah
satunya yaitu dengan memakai operasi aritmatika seperti : penjumlahan, pengurangan,
2
perkalian, dan pembagian. Metode lainnya yaitu dengan melakukan pengolahan pada
histogram citra seperti : Peregangan Histogram (Histogram Stretching) dan Perataan
Histogram (Histogram Equalization). Pengolahan berbasis pada histogram maupun non
histogram (operasi aritmatika) sama-sama bertujuan untuk meningkatkan kualitas kecerahan
atau kontras pada citra. Pengolahan citra berbasis operasi aritmatika memiliki kekurangan
yaitu pada citra yang memiliki pixel dengan nilai keabuan yang mendekati nilai tertinggi atau
terendah maka hasil operasi aritmatika akan menyebabkan pixel tersebut dibulatkan ke nilai
keabuan (gray scale) tertinggi atau terendah. Akibatnya citra yang dihasilkan akan kehilangan
beberapa detil (McAndrew, 2004). Pengolahan citra dengan metode Peregangan Histogram
kurang efesien karena memakai fungsi dimana variabel-variabelnya (misal variabel γ) harus
dimasukkan secara manual. Untuk mengatasi atau meminimalisir kekurangan yang ada pada
metode-metode tersebut maka pada penelitian akan dipakai metode Perataan Histogram.
Metode ini efisien karena tidak ada variabel yang harus dimasukkan secara manual. Dalam
metode ini disamping melakukan proses peregangan histogram juga melakukan proses
perataan nilai histogram.
3
II. TINJAUAN PUSTAKA
2.1 Citra (image)
Citra dapat dihasilkan dari beberapa alat optik seperti : kamera, pemindai (scanner),
kamera video, dan lain-lain. Alat-alat tersebut dapat merekam gambar dengan jalan
menangkap pantulan energi yang dipantulkan oleh obyek atau benda yang akan direkam.
Sumber energi yang biasanya dipakai yaitu : cahaya tampak (visible light), sinar-X, dan lain-
lain. Gambar 2.1 memperlihatkan proses perekaman obyek pada kamera. Sebuah obyek yang
direkam akan dinyatakan dalam bentuk array 2 dimensi (matrik). Masing-masing elemen dari
matrik disebut dengan pixel. Setiap pixel memiliki nilai yang menyatakan intensitas cahaya
dari titik sampling. Citra abu-abu (grayscale) mempunyai 256 tingkatan nilai intensitas yaitu
dari 0 – 255. Nilai intensitas 0 merepresentasikan warna hitam dan nilai intensitas 255
menyatakan warna putih.
Untuk citra digital yang memiliki ukuran NxM dinyatakan dengan matrik N baris dan M
kolom f(x,y) yaitu (Munir, 2000) :
Indeks baris (i) dan indeks kolom (j) menyatakan suatu koordinat titik pada citra. Sedangkan
nilai f(i,j) menyatakan intensitas (tingkat keabuan) dari titik pada koordinat (i,j). Gambar 2.2
memperlihatkan contoh sebuah citra abu-abu (grayscale) beserta nilai intensitas dari sampling
obyek
Citra output
Gambar 2.1 Proses perekaman obyek pada kamera
Array 2 dimensi
pixel
4
berukuran 7 baris x 7 kolom.
2.2 Histogram
Histogram adalah grafik yang menyatakan hubungan antara tingkat keabuan dengan
frekuensi dari tiap-tiap tingkat keabuan dari sebuah citra. Gambar 2.3 memperlihatkan
histogram dari sebuah citra dengan 256 tingkat keabuan. Citra asli tampak memiliki kontras
yang rendah sehingga histogram dari citra tersebut mengumpul ditengah pada rentang yang
sempit dan tidak terdistribusi secara merata pada seluruh tingkat keabuan.
2.2 Peregangan Histogram (Histogram Stretching)
Tingkat kecerahan (kontras) dari citra kualitasnya dapat diperbaiki dengan
merentangkan histogram dari citra tersebut sehingga tingkat keabuan akan terdistribusi secara
merata pada seluruh tingkat keabuan.
a.citra asli
Gambar 2.3 Histogram Citra
b.Histogram
Gambar 2.2 Citra grayscale
5
Gambar 2.4 memperlihatkan histogram dari sebuah citra dengan 16 tingkat keabuan. Pada
gambar 2.4 (a) terlihat bahwa histogram tidak terdistribusi secara merata akan tetapi
mengumpul pada rentang keabuan tertentu. Sedangkan histogram pada gambar 2.4 (b)
merupakan histogram hasil proses peregangan histogram gambar 2.4 (a). Tampak bahwa nilai
keabuan pada gambar 2.4 (b) terdistribusi secara lebih merata.
Untuk meregangkan histogram dari sebuah citra dipakai sebuah fungsi yang disebut
fungsi linier sebagian (piecewise linier function) yang dinyatakan dengan persamaan :
Fungsi ini akan merentang histogram dari rentang awal (a sampai b) ke rentang akhir (c
sampai d). x adalah nilai pixel awal dan y merupakan nilai pixel hasil proses peregangan.
Gambar 2.5 memperlihatkan beberapa fungsi linear sebagian untuk beberapa nilai γ (gamma).
2.3 Perataan Histogram (Histogram Equalization/HE)
Jika sebuah citra digital )},({ jiXX mempunyai L tingkat keabuan yang
dilambangkan dengan },...,,{ 110 LXXX maka histogram dari citra didefinisikan dengan :
Gambar 2.4 Peregangan Histogram
a.Histogram awal b.Histogram hasil peregangan
Gambar 2.5 Fungsi untuk beberapa nilai gamma
b. gamma < 1 c. gamma >1 a.gamma = 1
)1.2..(..........................................................................................)( ccdab
axy
6
)2.2.....(................................................................................1,...1,0;)( LknXh kk
dimana Xk adalah tingkat keabuan ke-k, dan nk adalah frekuensi atau jumlah tingkat keabuan
ke-k muncul dalam citra. Jika ukuran citra adalah M baris dan N kolom maka jumlah pixel
dalam citra adalah M x N. Jika histogram kita normalisasi maka akan menjadi :
)3.2.......(....................................................................................................)(MN
nXp k
k
Histogram dalam bentuk ternormalisasi disebut dengan Fungsi Kerapatan Probabilitas
(Probability Density Function/ PDF). PDF menyatakan peluang tiap-tiap tingkat keabuan
dalam citra. Dengan berdasarkan pada PDF selanjutnya kita dapat menentukan Fungsi
Kerapatan Kumulatif (Cumulative Density Function/CDF) ,yang dinyatakan dengan :
)4.2..(....................................................................................................)()(0
k
j
jk XpXc
Dari CDF maka dapat dibuat fungsi transformasi f(x)yaitu :
)5.2.........(............................................................).........()()( 010 kLk XCXXXXf
Fungsi transformasi inilah yang akan dipakai untuk mentranformasikan nilai keabuan pixel
dari citra asli menjadi citra hasil. Citra hasil Perataan Histogram )},({ jiYY dinyatakan
dengan :
)6.2....(......................................................................}.........),(|),({ XjiXjiXfY
Beberapa penelitian sebelumnya yang berkaitan dengan penelitian ini antara lain
penelitian yang dilakukan oleh Chaudhury dan Kumar (2013) tentang perbaikan kualitas citra
(image enhancement) dengan dua metode yaitu : Perataan Histogram Global (Global
Histogram Equalization/GHE) dan Perataan Histogram Lokal (Local Histogram
Equalization/LHE). Untuk citra dengan latar belakang dan kontras yang tidak komplek maka
hasil yang didapatkan dengan metode GHE lebih baik dari metode LHE. Sedangkan untuk
citra dengan latar belakang dan kontras yang komplek maka hasil dengan metode LHE lebih
baik daripada GHE.
Singh dkk (2012) melakukan penelitian tentang perbaikan citra dengan metode Dual
Sub Image Histogram Equalization/DSIHE dan membandingkannya dengan metode GHE dan
7
LHE. Metode DSIHE menghasilkan kualitas ketajaman citra yang lebih baik jika
dibandingkan dengan hasil dari metode GHE dan LHE.
Oak et al (2013) membandingkan beberapa metode berbasis Perataan Histogram pada
citra MRI (Multi Resonance Imaging). Metode-metode tersebut adalah : HE, Bi-HE (BHE),
Modified BHE (MBHE), Brightness preserving BHE (BBHE), Adaptive HE (AHE), dan
Contrast Limited AHE (CLAHE). Hasilnya adalah setiap metode memiliki kelebihan dan
kekurangannya masing-masing tergantung dari kondisi citra MRI tersebut.
2.4 Ukuran Qualitas Citra (Image Quality Measurement/IQM)
Kualitas citra hasil ditentukan dengan beberapa ukuran kualitas standar yaitu :
2.4.1 Peak Signal-to-Noise Ratio (PSNR)
PSNR merupakan ukuran standar dari citra hasil metode pengolahan citra. Nilai PSNR
yang kecil menandakan bahwa citra hasil memiliki kualitas yang kurang baik. Nilai PSNR
biasanya berkisar antara 25 – 40 dB. PSNR dinyatakan dengan persamaan :
)7.2......(................................................................................).........255
log(102
MSEPSNR
dimana MSE (Mean Square Error) dinyatakan dengan :
)8.2.......(............................................................|),(^),(|1 2
1 1
jiXjiXMN
MSEM
i
N
j
M,N menyatakan ukuran citra, X(i,j) nilai keabuan citra asli, dan X^(i,j) nilai keabuan citra
hasil pengolahan.
2.4.2 Normalized Absolute Error (NAE)
Nilai NAE yang besar mengindikasikan bahwa citra hasil pengolahan memiliki
kualitas yang kurang baik. NAE dinyatakan dengan :
)9.2......(......................................................................
|),(|
|),(^),(|
1 1
1 1
M
i
N
j
M
i
N
j
jiX
jiXjiX
NAE
2.4.3 Structural Component (SC)
Nilai SC yang besar mengindikasikan bahwa citra hasil pengolahan memiliki kualitas
yang buruk. SC dinyatakan dengan :
8
)10.2(..........................................................................................
|),(^|
|),(|
1 1
2
1 1
2
M
i
N
j
M
i
N
j
jiX
jiX
SC
2.4.4 Average Difference (AD)
Nilai AD idealnya adalah nol. Nilai AD yang besar mengindikasikan bahwa citra hasil
pengolahan citra memiliki kualitas yang jelek. AD dinyatakan dengan :
)11.2.....(......................................................................
|),(^),(|1 1
MN
jiXjiX
AD
M
i
N
j
9
III. TUJUAN DAN MANFAAT PENELITIAN
Tujuan dari penelitian adalah untuk :
a. Membuat program aplikasi komputer metode Perataan Histogram untuk
memperbaiki kualitas kontras citra digital
b. Membandingkan hasil perbaikan kualitas kontras citra dari metode Perataan
Histogram dengan metode Peregangan Histogram (Histogram Stretching/HS)
Hasil dari penelitian diharapkan dapat memberikan manfaat antara lain :
a. Menghasilkan program aplikasi komputer yang dapat dipakai untuk memperbaiki
kontras citra digital.
10
Hitung Histogram Ternormalisasi (h(XK))
Tampilkan citra hasil Y
Baca citra X
IV. METODE PENELITIAN
1. Tempat Penelitian : Laboratorium Fisika Komputasi Jurusan Fisika FMIPA UNUD
2. Peralatan yang digunakan dalam penelitian ini adalah :
a. Komputer NoteBook core i3, 2.30 GHz, 4 GB RAM, OS Windows 7 Ultimate
b. Perangkat lunak Matlab versi 7
c. Beberapa Citra digital dalam format .jpeg
3. Pelaksanaan Penelitian
3.1 Perancangan Diagram Alir (Flow Chart)
Diagram alir dari metode Perataan Histogram diperlihatkan dalam gambar 4.1.
3.2 Perancangan Grafik Antarmuka Pemakai (Graphical User Interface/GUI)
mulai
Hitung PDF (p(Xk))
Hitung CDF (c(XK))
Hitung fungsi transfer (f(XK))
Hitung citra hasil Y
selesai
Gambar 4.1 Diagram Alir Perataan Histogram
11
Rancangan GUI dari program aplikasi Perataan Histogram (HE) diperlihatkan dalam
gambar 4.2 berikut ini :
3.3 Implementasi kode program (source code)
Kode program untuk fungsi perhitungan perataan histogram adalah :
function equal_pushbutton_Callback(hObject, eventdata, handles)
ImOri=handles.im_original;
ImG=rgb2gray(ImOri); %citra gray
ImSize=size(ImG);
M=ImSize(1);%jml baris
N=ImSize(2);%jml kolom
cla(handles.axes2,'reset');
axes(handles.axes2);
ImH=imhist(ImG);
L=0:255;
plot(L,ImH); %plot histogram
P=ImH./(M*N); %histogram ternormalisasi (Probability Density Function (PDF))
%Hitung Cummulative Density Function (CDF) : C(k)
for k=1:1:256
if k==1
C(k)=P(k);
else
C(k)=C(k-1)+P(k);
end
end
Gambar 4.2 Rancangan GUI metode HE
12
%hitung fungsi transfer f(k)
x0=0; %gray level min
xL=255; %gray level max
for k=1:1:256
f(k)=round(x0+(xL-x0)*C(k)); %fungsi transfer f(k)
end
%plot(L,f);
set(gca,'XTickLabelMode','auto');%display label2 on X-axis
hold on;
%Hitung gray level citra dengan fungsi transfer f(k)
ImG_new=ImG;
for i=1:1:M
for j=1:1:N
k=ImG(i,j);
ImG_new(i,j)=f(k+1);
end
end
%tampilkan citra hasil equalization
cla(handles.axes3,'reset');
axes(handles.axes3);
imshow(ImG_new);
hold on;
%tampilkah histogram citra hasil HE
cla(handles.axes4,'reset');
axes(handles.axes4);
ImG_newH=imhist(ImG_new);
plot(L,ImG_newH); %plot histogram citra hasil
handles.ImGray=ImG;%citra asli
handles.ImGray_new=ImG_new; %citra hasil HE
hold on;
guidata(hObject,handles);
13
V. HASIL DAN PEMBAHASAN
Dalam penelitian ini dipergunakan 2 buah citra yaitu : citra 1 (pout.jpeg) dan citra 2
(ship.jpeg). Hasil HE dari citra 1 diperlihatkan dalam gambar 5.1. Sedangkan hasil HE dari
citra 2 diperlihatkan dalam gambar 5.2.
Gambar 5.2 Hasil HE citra 2 (ship.jpeg)
Gambar 5.1. Hasil HE citra 1 (pout.jpeg)
14
Sebagai perbandingan dari metode Perataan Histogram (HE) dalam penelitian ini dipakai
metode Peregangan Histogram (HS). Hasil HS untuk citra 1 diperlihatkan dalam gambar 5.3
dan hasil untuk citra 2 diperlihatkan dalam gambar 5.4 (untuk nilai gamma = 0.5)
Ukuran Kualitas Citra (IQM) dari kedua metode tersebut dirangkum dalam tabel 5.1 dan tabel
5.2.
Gambar 5.4 Hasil HS citra 2 (ship.jpeg)
Gambar 5.3. Hasil HS citra 1 (pout.jpeg)
15
IQM PSNR NAE SC AD
Perataan Histogram (HE) 31,02 0,42 0,58 46,53
Peregangan Histogram (HS) 30,05 0,51 0,45 56,47
IQM PSNR NAE SC AD
Perataan Histogram (HE) 35,82 0,42 0,55 38,52
Peregangan Histogram (HS) 31,20 0,57 0,52 52,16
Dari gambar 5.1 sampai 5.4 dapat dilihat secara kualitatif bahwa ketajaman atau kontras yang
dihasilkan dari metode HE lebih baik daripada metode HS. Secara kuantitatif, kelebihan atau
keunggulan hasil metode HE dapat dilihat dari nilai IQM dalam tabel 5.1 dan tabel 5.2. Dari
kedua tabel tersebut dapat dilihat nilai PSNR untuk metode HE lebih besar dari metode HS,
sehingga dapat disimpulkan bahwa kualitas citra hasil HE lebih baik daripada citra hasil HS.
Nilai NAE untuk metode HE lebih kecil dari metode HS. Dari nilai NAE ini menandakan
citra hasil HE lebih baik daripada HS. Demikian juga nilai AD dari metode HE lebih kecil
daripada metode HS. Nilai AD ini juga membuktikan bahwa hasil metode HE lebih baik
daripada metode HS.
Tabel 5.1 IQM untuk citra 1 (pout.jpeg)
Tabel 5.2 IQM untuk citra 2 (ship.jpeg)
16
VI. SIMPULAN DAN SARAN
1. Simpulan
Dari penelitian mengenai perbaikan kualitas citra dengan metode HE didapatkan
simpulan sebagai berikut :
a. Hasil perbaikan kualitas citra dengan metode HE lebih baik daripada metode HS
b. Secara kuantitatif, hasil perbaikan kualitas metode HE lebih baik daripada HS yang
ditunjukkan oleh nilai PSNR metode HE lebih besar dari HS, nilai NAE dan AD dari
metode HE lebih kecil dari metode HS.
2. Saran
a. Perlu dilakukan percobaan untuk perbaikan kualitas citra dengan metode lain seperti
Dual Sub Image Histogram Equalization (DSIHE), Local Histogram Equalization
(LHE), dan lain-lain.
b. Perlu dicoba untuk melakukan perbaikan kualitas citra pada citra berwarna (RGB).
17
VII. DAFTAR PUSTAKA
Gonzales,R.C., & Woods, R.E., 1993, Digital Image Processing, Addison-Wesley Publishing
Company, New York.
McAndrew Alasdair, 2004, ”An Introduction to Digital Image Processing with Matlab”,
School of Computer Science and Mathematics, Victoria University of Technology.
Munir R., ____, ”Pengantar Pengolahan Citra”,http://informatika.stei.itb.ac.id/~rinaldi.munir
diunduh tanggal 1 Mei 2013
Oak, P.V., Kamathe, R.S., 2013, “Contrast Enhancement of brain MRI images using
histogram based techniques”, International Journal of Innovative research in electric,
electronics, instrumentation and control engineering.
Saurabh Chaudhury, Ananta Kumar Roy, 2013, ”Histogram Equalization-A Simple but
Efficient Technique for Image Enhancement”, International Journal on Image, Graphics
and Signal Processing, India
Sukhjinder Singh, Bansal,R.K., Savina Bansal ,2013, ”Comparative Study and Implementation
of Image Processing Techniques Using MATLAB”, International Journal of Advanced
Research in Computer Science and Software Engineering,India