APLIKASI PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE HISTOGRAM EQUALIZATION DAN CONTRAST STRECHING
NAMA
: DONI KURNIA SURYANA
NPM
: 12112254
PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
LATAR BELAKANG MASALAH •Pengolahan citra digital adalah manipulasi dan interprestasi digital dari citra dengan bantuan komputer. •Pengolahan citra biasanya bertujuan untuk memperbaiki kualitas gambar, dilihat dari aspek radiometrik dan aspek geometris. •Image enhancement adalah suatu operasi atau teknik untuk lebih mendetailkan sebuah citra.
RUMUSAN MASALAH •Bagaimana proses penerapan Metode Histogram Equalization dan Metode Contrast Streching sehingga dapat digunakan untuk memperbaiki tampilan suatu citra digital yang memiliki noise. •Bagaimana pembuatan aplikasi dapat memberikan informasi kepada pengguna mengenai metode mana yang lebih baik dalam perbaikan citra, apakah Metode Histogram Equalization atau Metode Contrast Streching. •Bagaimana aplikasi perbaikan citra dapat mempermudah pengguna untuk proses perbaikan suatu citra pada tampilan suatu citra digital yang memiliki noise.
BATASAN MASALAH
•
Sistem informasi ini membahas mengenai masalah perbaikan citra dengan Metode Histogram Equalization dan Metode Contrast Streching.
•
Aplikasi ini akan menampilkan citra awal, prepocessing, citra hasil perbaikan, SNR dan histogram dari masing-masing metode.
TUJUAN • Membuat aplikasi perbaikan citra menggunakan Matlab, untuk metode mana yang lebih baik dalam perbaikan suatu citra, apakah Metode Histogram Equalization dan Metode Contrast Streching. • Memberikan informasi kepada pengguna mengenai proses perbaikan citra pada tampilan suatu citra digital yang memiliki noise. • Sistem ini dapat mempermudah pengguna dalam proses perbaikan suatu citra.
Tahap Proses Perbaikan
Struktur Navigasi Campuran
Rancangan Tampilan
Flowchart
Citra Input Proses citra input yang digunakan berupa citra digital berjumlah 10 citra, dengan 3 buah citra berformat TIF, 3 buah citra berformat BMP, 2 buah citra dengan format PNG, dan 2 buah citra berformat JPEG
Grayscale Algoritma 1. Konversi Citra RGB ke grayscale Input : Citra asli dengan fotmat TIF, BMP, PNG dan JPEG Output : Citra greyscale • • • •
Read citra RGB Matriks RGB = [ R, G, B] konversi ke grayscale = [ R + G + B] / 3 Nilai grayscale = [ 0 – 255] Tampilkan citra grayscale
HISTOGRAM EQUALIZATION Algoritma 2. Proses metode histogram equalization. Input : citra grayscale. Output : hasil citra yang menggunakan metode histogram equalization. • • • •
Input citra Proses citra px(i) = px(x=i) = ni/n, 0 < i < L L menjadi jumlah tingkat keabuan, n merupakan total piksel Citra hasil
Contrast Streching Algoritma 3. Proses metode contras stretching. Input : Citra grayscale. Output : hasil citra yang menggunakan metode contrast stretching. • • • • • • • • •
Ambil Citra (I) Tentukan nilai(r1, s1) dan (r2, s2) Buat garis dari titik (0,0) ke (r1, s1) -> A Buat garis dari titik (r1, s1) ke (r2, s2) -> B Buat garis dari titik (r2, s2) ke (rMax, sMax) -> C Jika nilai graylevel I (x, y) < r1 maka gunakan A Jika nilai graylevel I (x,y) >= r1 dan I(x, y) <= r2 maka gunakan B Jika nilai graylevel I (x,y) > r2 maka gunakan C Tampilkan hasil
Signal to Noise Ratio (SNR) Algoritma 4. Proses signal to noise ratio Input : Hasil citra kedua metode Output : nilai signal to noise ratio • Ambil citra • Proses SNR = 20*log10 (signal/noise) • Cetak Output Nilai SNR • .Selesai
HISTOGRAM Algoritma 5. Mencari nilai histogram Input : Citra hasil penyaringan Output : Grafik Histogram 1. Lakukan proses penyaringan terlebih dahulu dari masing-masing metode untuk mendapatkan hasil perbandingannya.
2. Citra masukan mempunyai 256 derajat keabuan yang nilai-nilainya dari 0 sampai 255. - Simpan intensitas pixel dalam image [0..N-1][0..M-1], sedangkan histogram disimpan di dalam tabel histogram [0..255] - Baca citra yang memiliki derajat keabuan 8bit (nilai derajat keabuan dari 0 sampai 255). 3. Hitung matematis histogram citra dengan rumus :
ni = jumlah pixel yang memiliki derajat keabuan i n = jumlah seluruh pixel di dalam citra - Peluang suatu pixel memiliki derajat keabuan lebih kecil atau sama dengan derajat keabuan tertentu adalah jumlah hi untuk 0 ≤ i ≤ j atau
4. Tampilkan histogram dari jumlah seluruh pixel n=N*M
HASIL PERBANDINGAN PROSES PERBAIKAN CITRA .tif Citra Asli Contrast Streching Histogram Equalization
.bmp Citra Asli Contrast Streching Histogram Equalization .png Citra Asli Contrast Streching Histogram Equalization .jpg Citra Asli Contrast Streching Histogram Equalization
Kesimpulan dan Saran Kesimpulan • Masing – masing format gambar menghasilkan frekuesnsi histogram yang berbeda dan setiap format gambar memiliki nilai SNR yang berbeda , semakin kecil nilai SNR maka kualitas citra tersebut baik. • Proses perbaikan citra dengan menggunakan metode histogram equalizaton memproses citra dengan meningkatkan contrast dengan frekuensi histogram secara merata. • Proses perbaikan citra dengan menggunakan metode contrast streching memproses citra yang awalnya memiliki contras rendah sehingga citra itu memiliki contras yang tinggi. Metode ini lebih menghasilkan citra yang lebih baik dibandingkan metode histogram equalization.
Saran • Metode yang saat ini penulis gunakan hanya menggunakan 2 jenis metode, diharapkan kedepannya menggunakan metode lainnya. • Pada aplikasi ini belum melakukan perhitungan dan waktu proses suatu citra. Sehingga diharapkan kedepannya dibuat untuk proses waktu proses suatu citra. • Diharapkan pada penelitian selanjutnya mengenai format citra yang digunakan dapat diperbanyak lagi.
