laporan penelitian mandiri peningkatan kualitas … filelaporan penelitian mandiri peningkatan...

25
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

Upload: nguyencong

Post on 10-Aug-2019

228 views

Category:

Documents


0 download

TRANSCRIPT

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