hhiissttooggrraamm cciittrraa -...
TRANSCRIPT
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
HHiissttooggrraamm CCiittrraa
Kory Anggraeni [email protected]
Histogram dalam pengolahan citra adalah grafik yang menunjukkan distribusi dari intensitas
citra. Histogram citra menyatakan frekuensi kemunculan berbagai derajat keabuan dalam citra.
Teknik pemodelan histogram mengubah citra hingga memiliki histogram sesuai keinginan.
Untuk meningkatkan kualitas citra salah satunya dapat dilakukan dengan ekualisasi histogram.
Dengan ekualisasi histogram dapat diperoleh histogram citra dengan distribusi seragam. Berikut
merupakan contoh untuk histogram citra
Terdapat empat proses histogram, yaitu :
Apabila gambar gelap maka histogram cenderung ke sebelah kiri
Apabila gambar terang maka histogram cenderung ke sebelah kanan
Apabila gambar low contrast maka histogram mengumpul di suatu tempat
Apabila gambar high contrast maka histogram merata di semua tempat
Lisensi Dokumen:
Copyright © 2003-2007 IlmuKomputer.Com
Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
secara bebas untuk tujuan bukan komersial (nonprofit), dengan syarat tidak menghapus atau
merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap dokumen.
Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu
dari IlmuKomputer.Com.
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
Terdapat beberapa informasi yang ada di dalam Histogram :
Puncak histogram yaitu intensitas pixel yangpaling menonjol
Lebar puncak yaitu rentang kontras
Citra yang baik mengisi daerah derejat keabuan secara penuh dan merata pada
setiap nilai intensitas pixel
Over-exposed (terlalu terang) dan under-exposed (terlalu gelap) memiliki rentang
kontras sempit.
Cara Membuat
Berikut contoh dengan menggunakan Matlab :
1. Cara menjalankan langkah pertama sama seperti pada postingan sebelumnya ( Cara
Menampilkan File Gambar Menggunakan Matlab ). Masukkan gambar (File -> Import
Data) pilih gambar, lalu pilih Finish
2. Ketik coding dibawah ini :
uceeh=imread(uceeh.jpg');
figure,imshow(uceeh);
red=(:,:,1);
green=(:,:,2);
blue=(:,:,3);
merahgray2=0.3*red+0.5*green+0.5*blue;
figure,imhist(merahgray2);
Simpan dulu, kemudian Jalankan dengan memilih Icon Run, maka diperoleh hasil
sebagai berikut :
Gambar diatas merupakan hasil histogram dari gambar asli.
Sedangkan apabila coding di atas ditambahkan dengan coding seperti dibawah ini :
uceeh=rgb2gray(uceeh); %konversi gambar dari GRB ke Grayscale
Hasilnya :
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
Gambar diatas merupakan hasil histogram dari konversi gambar Asli (RGB) di buat
Grayscale
Untuk membuat histogram kita menggunakan fungsi imhist pada Matlab. Berikut
contohnya untuk warna abu-abu:
uceeh=imread('uceeh.jpg'); % membaca file gambar
red=uceeh(:,:,1); % memanggil matriks gambar yang hanya berisi piksel warna merah
green=uceeh(:,:,2); % memanggil matriks gambar yang hanya berisi piksel warna hijau
blue=uceeh(:,:,3); % memanggil matriks gambar yang hanya berisi piksel warna biru
imhist(gray)
Histogram Grayscale
Misalkan saya menggunakan gambar hitam putih, maka hasil histrogram dari gambar
tersebut sebagai berikut :
uceeh=imread(uceh hitam.jpg');
figure,imshow(uceeh);
red=(:,:,1);
green=(:,:,2);
blue=(:,:,3);
merahgray2=0.3*red+0.5*green+0.5*blue;
figure,imhist(merahgray2);
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
Histogram hasil dari gambar hitam putih
Seperti yang anda lihat pada ilustrasi diatas, histogram lebih memadati mid
area sedangkanlight area dan dark area hanya memiliki piksel yang sedikit. Hal ini
disebabkan memang pada foto memiliki banyak daerah pada mid area, sedangkan light
area dan dark area hanya sedikit.
Manfaat
Manfaat histogram dalam pengolahan citra :
1. Untuk melihat apakah distribusi informasi yang ada dalam suatu citra sudah baik atau
belum.
2. Digunakan dalam texture analysis, yaitu analisa untuk melihat apakah kedua tekstur
sama atau berbeda. Misalkan seberapa mirip tekstur karpet A dengan tekstur karpet B.
3. Untuk melihat apakah pencahayaan dan contrast suatu citra sudah cukup atau belum
(terlalu terang atau terlalu gelap). Caranya histogram dari suatu citra yang terlalu terang
cenderung mengumpul di nilai grey level yang tinggi (ke arah nilai 255),
sebaliknyahistogram dari suatu citra yang terlalu gelap cenderung mengumpul di nilai
grey level yang rendah (ke arah nilai 0).
Histogram citra banyak memberikan informasi penting sebagai berikut :
Nilai hi menyatakan peluang (probability) pixel, P(i), dengan derajat keabuan i. Jumlah
seluruh nilai hi sama dengan 1, atau
Peluang suatu pixel memiliki derajat keabuan lebih kecil atau sama dengan derajat
keabuan tertentu adalah jumlah hi untuk 0 £ i £ j, atau
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
Puncak histogram menunjukkan intensitas pixel yang menonjol. Lebar dari puncak
menunjukkan rentang kontras dari gambar. Citra yang mempunyai kontras terlalu terang
(overexposed) atau terlalu gelap (underexposed) memiliki histogram yang sempit.
Histogramnya terlihat hanya menggunakan setengah dari daerah derajat keabuan. Citra
yang baik memiliki histogram yang mengisi daerah derajat keabuan secara penuh
dengan distribusi yang merata pada setiap nilai intensitas pixel
(a) citra gelap, (b) citra terang, (c) citra normal (normal brightness), (d) normal
brightness dan hi gh contrast
Berikut ini adalah contoh citra yang terlalu gelap dan terang beserta histogramnya.
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
Referensi 1. http://updateknologi.blogspot.com/2011/06/membuat-histogram-dari-file-gambar.html
2. Krisnawati. KOMPRESI CITRA GRAY SCALE DENGAN MODIFIKASI ALGORITMA
KUANTISASI. Accessed: 07 – 12 – 2005.
http://p3m.amikom.ac.id/p3m/dasi/des07/05%20-%20AMIKOM_Yogyakarta_KOMPR
ESI%20CITRA%20GRAY%20SCALE%20DENGAN%20MODIFIKASI.pdf
3. Dasar-Dasar Pengolahan Citra Digital menggunakan GUI MATLAB. Accessed: 01 –
08 – 2013. http://pemrogramanmatlab.files.wordpress.com/2013/08/histogram-citra.pdf
Komunitas eLearning IlmuKomputer.Com
Copyright © 2003-2014 IlmuKomputer.Com
Biografi Penulis
Kory Anggraeni. Mahasiswi Politeknik Negeri Bandung jurusan Teknik
Komputer dan Informatika, program studi diploma III Teknik
Informatikatahun ajaran 2011 –2014. Saat ini sedang menyusun tugas akhir.