aplikasi perbaikan citra dengan menggunakan metode histogram

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.