PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN

Transkripsi

1 PERBAIKAN KUALITAS CITRA MENGGUNAKAN HISTOGRAM LINEAR CONTRAST STRETCHING PADA CITRA SKALA KEABUAN Murinto Program Studi Teni Informatia Universitas Ahmad Dahlan Kampus III UAD Jl. Prof. Soepomo Janturan Jogjaarta Telp , Fax Abstract An image with low-contrast can result from poor illumination, lac of dynamic range in the imaging sensor, or even wrong setting of a lenes aperture during image qcquisition. The idea behind contrast stretching is to increase the dynamic range of the gray levels in image being processed. An important class of point operation is based upon the manipulation of an image histogram or a region histogram. Therefore, the processed image is more suitable than the original image for some applications. The method of histogram linear contrast stretching the new wide histogram dynamic range can be assigned directly from the original narrow histogram dynamic range. However, the histogram of an image can be composed of many models of histogram. Different modals can be represented with different objects. The standard deviation of each modals will be calculated and summed for providing the proportional of stretching range. This paper tries to carry out a method of the histogram linear contrast stretching. Keywords : Image Enhancemet, Contrast Stretching,, Image Histogram Pendahuluan Perbaian ualitas citra (image enhancement) merupaan suatu proses untu mendapatan citra yang lebih mudah diinterpretasian secara human visual. Atau bisa juga diataan suatu proses untu memperoleh citra yang lebih sesuai untu apliasi tertentu dibandingan dengan citra aslinya. Suatu citra digital diodean dengan picture element (pixel) dengan L bit-bit, ecerahan sala eabuan (gray level of brightness) nilainya bervariasi dari 0 sanpai dengan 2L-1. Maa probabilitas unti tiap sala eabuan didefinisian dengan persamaan sebagai beriut : p(r ) = n /N (1) dimana: r :sala eabuan e n :jumlah pixel untu sala eabuan e-. n :jumlah total pixel-pixel yang ada dalam citra. K = 0,1,2,,L-1. Jia fungsi probabilitas ini digambaran dengan suatu grafi maa distribusi dari semua probabilitas sala eabuan tersebut aan memberian suatu bentu desripsi dari citra tersebut dan desripsi tersebut terwaili dalam bentu grafi yang dinamaan dengan histogram. Metode-metode perbaian citra dapat diategorian menjadi dua bagian, yani: metode-metode yang beerja pada domain spatial dan metode-metode yang beerja pada domain freuensi.

2 1. Metode yang beerja pada domain spatial Metode ini beerja pada eseluruhan pisel dan dapat ditulisan dalam bentu : g(x,y) = T[f(x,y)] (2) dimana f(x,y) : citra yang diolah g(x,y) : citra hasil pengolahan T : operator yang beerja pada f Metode spatial juga dapat beerja pada sub citra yang didefinisian pada suatu daerah etetanggaan tertentu. Pada implementasinya sering digunaan window atau mas. Pengertian dari mas adalah larian dua dimensi dengan nilai elemen dipilih sesuai dengan feature yang aan didetesi pada suatu citra. Salah satu jenis pengolahan citra dalam domain spatial tersebut adalah peregangan ontras (contrast stretching). 2. Metode yang beerja pada domain freuensi Metode ini berbasis pada teori onvolusi. Andaian g(x,y) adalah image yang diperoleh dari onvolusi image f(x,y) dengan position-invariant operator h(x,y) yaitu : g(x,y) = h(x,y) * f(x,y) (3) maa dari teori onvolusi didapat : G(u,v) = H(u,v) F(u,v) (4) dimana G, H, F adalah transformasi Fourier dari g, h, f. Tujuan dari pengolahan adalah untu memilih H(u,v) sedemiian sehingga image yang diinginan, g(x,y) = F -1 [H(u,v) F(u,v)], menunjuan feature f(x,y). Citra Digital dan Representasinya Citra digital adalah suatu citra f(x,y) yang memilii oordinat spatial, dan tingat ecerahan yang disrit. Citra yang terlihat merupaan cahaya yang direflesian dari sebuah obje. Fungsi f(x,y) dapat dilihat sebagai fungsi dengan dua unsur. Unsur yang pertama adalah euatan sumber cahaya yang melingupi pandangan ita terhadap obje (illumination), sedangan unsur yang edua adalah besarnya cahaya yang direflesian oleh obje e dalam pandangan ita (reflectance components). Keduanya dapat ditulisan sebagai fungsi i(x,y) dan r(x,y) yang digabungan sebagai peralian fungsi untu membentu fungsi f(x,y). Adapun fungsi tersebut dapat ditulisan sebagai : f(x,y) = i(x,y) * r(x,y) (5) dimana 0 i ( x, y) dan 0 r ( x, y) 1 Suatu citra agar bisa dolah omputer digital, maa harus dipresentasian secara numeri dengan nilai-nilai disrit. Digitalisasi merupaan representasi citra dari fungsi ontinu menjadi nilai-nilai disrit. Suatu citra digital beruuran N(tinggi)x M (lebar) dapat dinyataan sebagai matris dengan uuran N x M :

3 f (0,0) f (0,1) f ( x) f ( N 1,0) f (0,1) f (1,1) f ( N 1,1). f (0, M ) f (1, M ) f ( N 1, M 1) indes baris (i) dan indes olom (j) menyataan suatu oordinat titi pada citra, sedangan f(i,j) merupaan intensitas (derajat eabuan ) pada titi (i,j). Masing-masing elemen pada citra digital disebut image elemen, atau picture elemen (pixel). Maa dapat diataan citra yang mempunyai uuran N x M mempunyai NM pixel. Misalan suatu citra mempunyai uuran 256 x 256 pixel, maa apabila direpresentasian secara numeri melalui suatu matris yang terdiri dari 256 baris ( indes 0 sampai 255) dan 256 olom (indes dari 0 sampai 255), maa matrisnya dapat diperlihatan sebagai beriut : pixel pertama pada oordinat (0,0) mempunyai nilai intensitas 0, maa warna pixel tersebut adalah hitam, sedangan pexel edua pada oordinat (0,1) mempunyai nilai intensitas 124 berarti warnanya antara hitam dan putih. Histogram linear contrast stretching Citra dapat didefinisian sebagai suatu fungsi intensitas cahaya dua-dimensi f(x,y) dimana x dan y menyatan suatu ooordinat spatial, nilai f pada suatu titi (x,y) sebanding dengan ecerahan dari citra tersebut.histogram dari suatu citra menggambaran distribusi nilai pixel pada citra tersebut. Histogram citra dengan gray level dalam range [0, L-1] yan gmerupaan suatu fungsi disrit. Mesipun histogram citra tida menunjuan informasi apa-apa tentang isi citra tetapi bentu dari histogram dapat memberian informasi mengenai emunginan untu melauan perbaian ontras citra tersebut. 0 1 r 0 1 Distribusi cahaya image (iri) terlalu gelap dan (anan) terlalu terang r

4 Histogram dapat dihasilan dari beberapa nilai dimana nilai tersebut masing-masing bersesuaian dengan obje-objenya dalam suatu citra yang dipunyai.untu memperbaii tiap obje atau meningatan ontras citra, tiap nilai obje tersebut aan diregang (stretch) secara linier dengan menggunaan persamaan : dimana x min, = x max, = x 2 x 2 (5) x dan merupaan mean and standar deviasi, x min, dan x max, rentang nilai dalam range obje tersebut. Contrast Stretching Kontras menyataan suatu sebaran terang dan gelap pada citra. Contras stretching di sini dimasudan untu memperluas sebaran nilai eabuan. Pada umumnya citra dielompoan dalam : ontras rendah, ontras bagus atau normal ontras, dan ontras tinggi. Citra dengan ontras rendah ditandai dengan sebagian besar omposisi citranya terang atau sebagian besar gelap. Histogramnya memperlihatan sebagian derajat eabuannya berelompo bersama. Jia pengelompoan pixelnya dibagian iri, maa citranya cenderung gelap. Begitu juga sebalinya jia pengelolmpoan pixelnya dibagian anan, maa citra aan cenderung terang. Citra dengan ualitas rendah dapat diperbaii ualitasnya dengan operasi contrast stretching. Algoritma contrast stretching adalah sebagai beriut : 1. Cari batas bawah pengelompoan pixel dengan cara scan histogram dari nilai eabuan (gray scale) terecil e nilai gray scale terbesar ( 0 sampai 255 ) untu menentuan pixel pertama yang melebihi nilai ambang pertama yang telah ditetapan. 2. Cari batas atas pengelompoan pixel dengan cara scan histogram dari nilai gray scale terbesar e nilai terecil dari nilai ambang edua yang telah ditetapan. 3. Pixel-pixel yang berada di bawah nilai ambang pertama di beri nilai 0, sedangan pixelpixel yang berada di atas nilai ambang edua di beri nilai Pixel-pixel yang berada di antara nilai ambang pertama dan nilai ambang edua disalaan untu memenuhi rentang nilai-nilai gray scale yang lengap (0 sampai 255) dengan persamaan secara matematis adalah : dimana : r rmax s x 255 (6) r r min max

5 r : nilai sala eabuan citra semula s : nilai sala eabuan yang baru r min : nilai sala eabuan terendah dari elompo pixel r max : nilai sala tertinggi dari elompo pixel tersebut Hasil dan Pembahasan Dalam penulisan ini, implementasi proses perbaian ualitas citra pada operasi pengolahan citra dengan histogram linear contrast stretching menggunaan MATLAB, dimana memanfaatan dari Toolbox Matlab untu image processing dan MATLAB GUI untu membangun apliasi user interfacenya. Histogram Linier Contrast Stretching Dalam penelitian ini digunaan tiga macam citra yang mewaili citra dalam channel blue, channel red dan chanel green. Uuran citra yang digunaan adalah 512 x 512 pixel. Adapun citra asli tersebut dan hasil histogram linier contrast stretching ditunjuan dalam Gambar 1, Gambar 2, Gambar 3. Gambar 1. lena512r.bmp dan citra hasil contrast stretching Gambar 2. lena512b.bmp dan citra hasil contrast stretching Gambar 3. Citra Asli lena512g.bmp dan Citra hasil contrast stretching

6 Sedangan histogram citra asli dan hasil histogram linier contrast stretching masing-masing citra adalaha sebagai beriut : Gambar 4. Histogram citra asli lena512b.bmp Gambar 5. Histogram citra asli lena512r.bmp Gambar 6. Histogram citra asli lena512g.bmp Sedangan hasil Histogram Linier Contrast Stretching ditunjuan dalam gambar beriut : Gambar 7. Histogram hasil contrast lena512b.bmp Gambar 8. Histogram hasil contrast lena512g.bmp Gambar 9. Histogram hasil contrast lena512r.bmp Dari Gambar 1, Gambar 2, dan Gambar 3 terlihat bahwa terdapat peningatan contrast yang nyata terhadap citra aslinya. Hal ini juga bisa dilihat pada histogramnya. Histogram citra yang dihasilan arena proses linear contrast stretching terlihat penyebaran intensitas pixel-pixelnya lebih merata jia dibandingan dengan histogram citra aslinya. Adapun histogram citra hasil linear contrast stretching dapat dilihat pada Gambar 7, Gambar 8, dan Gambar 9.

7 Kesimpulan Dari hasil yang didapatan diatas maa dapat disimpulan bahwa penggunaan metode linear histogram contrast stretching dapat menyebaban terjadinya peningatan ontras yang diinginan. Histogram citra yang dihasilan memperlihatan adanya penyebaran nilai intensitas pixel-pixel yang lebih merata. Daftar Pustaa [1] Conzales, Woods. (1992), Digital Image Processing," 2nd Edition, Addison-Wesley Publishing Co., Reading, Massachusetts. [2] Y. T. Kim. (1992)., "Contrast Enhancement using Brightness Preserving Bi-Histogram Equalization" IEEE Trans On Consumer Electronic, vol. 43, no. 1, pp [3] Young,T.A, Gerbrands, J.J, Van Liet, L.J. (1998), Fundamnetal of Image Processing, Delft University of technology.