PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA

Transkripsi

1 PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA Linggaluhung Dwikawuryan Wibowo JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

2 LATAR BELAKANG Citra Digital dengan Kontras Rendah Citra Digital dengan Kontras Tinggi

3 LATAR BELAKANG (cont.) Histogram dari Citra Kontras Rendah Histogram dari Citra Kontras Tinggi

4 PERUMUSAN MASALAH Bagaimana melakukan peningkatan kontras citra digital berwarna pada ruang warna Lab dengan pendekatan HHFIA Bagaimana mengimplementasikan HHFIA dalam peningkatan kontras citra digital berwarna. Analisa secara numerik untuk membandingkan kualitas kontras citra digital yang dihasilkan.

5 BATASAN MASALAH Citra digital berwarna asal adalah citra digital berwarna dalam ruang warna RGB dengan 256 nilai intensitas serta memiliki kualitas kontras yang rendah. Pada Tugas Akhir ini, citra digital memiliki kontras rendah bila nilai standar deviasinya lebih kecil dari 23. Pengolahan citra digital dilakukan pada ruang warna Lab yang standar yaitu CIELab. Nilai intensitas yang dimaksud pada pengolahan citra digital adalah nilai intensitas luminasi, yaitu komponen L pada ruang warna Lab dengan nilai intensitas berada pada [0, 100]. Pengukuran kualitas kontras citra digital yang dimaksud adalah perbandingan standar deviasi dari histogram citra digital asal dan citra digital hasil. Semakin tinggi standar deviasi citra digital yang dihasilkan, maka semakin baik pula kualitas kontras citra digital hasil. Citra digital hasil diasumsikan tidak valid sebagai citra asal untuk diolah kembali, mengingat kualitas kontrasnya telah ditingkatkan.

6 TUJUAN Melakukan pendekatan HHFIA dalam peningkatan kontras citra digital berwarna untuk meningkatkan persepsi mata manusia dalam memperoleh informasi dari citra digital. Menganalisa kualitas citra digital yang dihasilkan melalui histogram yang terbentuk dengan membandingkan standar deviasi dari citra digital asal dengan citra digital hasil peningkatan kontras.

7 MANFAAT Memberikan gambaran pendekatan HHFIA terhadap peningkatan kontras citra digital berwarna. Meningkatkan kontras citra digital berwarna, sehingga mampu meningkatkan persepsi mata manusia dalam memperoleh informasi dari suatu citra digital.

8 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA Fuzzifikasi Mengubah citra digital asal dalam domain fuzzy, dengan menggunakan fungsi keanggotaan (I.K. Vlachos, 2007): μ A L ( x ) L = x x L L max x L x min L min x L min x Lmax μ ( ) = A x L = Nilai minimal intensitas L = Nilai maksimal intensitas L Nilai derajat keanggotaan dari intensitas L x

9 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Fuzzifikasi Intuisi Mengubah citra digital dari domain fuzzy ke dalam domain fuzzy intuisi Atanassov, dengan menggunakan fungsi keanggotaan dan fungsi ke-non-anggotaan (I.K. Vlachos, 2007): μ ( x ) = AL L ν ( x ) = A L L λ = μ ν L ( x ) = 1 (1 μ ( x )) ; A L A L L Parameter bebas, dengan bentuk ke-fuzzy-an L λ λλ ( + 1) ( x ) = (1 μ ( x )), A L A L Nilai derajat keanggotaan dari intensitas L Nilai derajat ke-non-anggotaan dari intensitas λ 0 x L yang mengatur xl

10 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Mengoptimalkan untuk λ memperoleh representasi dalam domain fuzzy intuisi optimal yang memenuhi kriteria (I.K. Vlachos, 2007): λ opt = max{ E( A; λ)}, λ 0 dimana E adalah entropi dari fuzzy intuisi seperti yang diusulkan oleh Szmidt dan Kacprzyk (E. Szmidt, 2001).

11 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Modifikasi Melakukan modifikasi pada citra digital dalam domain FIA yang optimal dengan menggunkan kriteria (I.K. Vlachos, 2007): β L A L β A L β L A = {( x,( μ ( x )),1 (1 ν ( x )) ) x {0,, l 1}}, Lopt Lopt Lopt A β L = opt β 0, Komponen L citra digital dalam domain FIA yang telah dimodifikasi sebarang bilangan riil positif yang mengatur besar faktor modifikasi

12 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Defuzzifikasi Intuisi Mengubah citra digital dalam domain FIA yang telah dimodifikasi ke domain fuzzy dengan menggunakan operator yang diajukan oleh Atanassov

13 PENDEKATAN HIPERBOLISASI HISTOGRAM DALAM PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA PADA DOMAIN FIA Defuzzifikasi Mengubah citra digital dari domain fuzzy ke domain citra asal sekaligus mengatur histogram hasil modifikasi supaya mendekati fungsi hiperbolik (hiperbolisasi histogram): x e 1 x = max( x) e 1 Memberi nilai intensitas L yang baru dengan menskalakan citra dalam domain fuzzy yang berada pada nilai [0,1] ke nilai intensitas L yang berada pada nilai [0,100] dan dengan menggunakan fungsi hiperbolik di atas. Atau dalam bentuk persamaan: e x L = 100 μ A ( L) L x e 1 1 1

14 LANGKAH-LANGKAH PENGERJAAN TUGAS AKHIR Domain RGB Citra Asal Domain Lab Citra Dalam Lab Domain Fuzzy Citra Fuzzy Domain Fuzzy Domain Fuzzy Intuisi Citra Fuzzy Baru Citra Fuzzy Intuisi Baru Modifikasi Citra Fuzzy Intuisi Domain Lab Citra Baru Dalam Lab Domain RGB Citra Baru

15 LANGKAH-LANGKAH PENGERJAAN TUGAS AKHIR (cont.) Analisis Hasil Peningkatan Kontras Citra digital masukan dan keluaran merupakan citra digital dalam ruang warna RGB, pengamatan standar deviasi dilakukan pada tingkat intensitas kecerahan luminosity. Luminosity merupakan tingkat keterangan citra digital yang diukur dalam ruang warna RGB. Nilai luminosity citra digital diperoleh dengan persamaan berikut: R( x, y ) = G( x, y ) = B( x, y ) = 1 l( x, y) = R( x, y) + G( x, y) + B( x, y) 3 ( ) Intensitas merah suatu piksel pada ( x, y) Intensitas hijau suatu piksel pada ( x, y) Intensitas biru suatu piksel pada ( x, y)

16 UJICOBA DAN PEMBAHASAN a. Hasil Pengujian File face_1.jpg Citra Digital Asal Citra Digital Hasil

17 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file face_1.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 7, , ,21% Hijau 7, , ,78% 0,8 Biru 8, , ,29% Luminosity 7, , ,07%

18 UJICOBA DAN PEMBAHASAN (cont.) b. Hasil Pengujian File face_2.jpg Citra Digital Asal Citra Digital Hasil

19 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file face_2.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 14,144 50, ,02% Hijau 11,430 51, ,32% 0,6 Biru 9,661 44, ,36% Luminosity 9,737 47, ,73%

20 UJICOBA DAN PEMBAHASAN (cont.) c. Hasil Pengujian File coin.jpg Citra Digital Asal Citra Digital Hasil

21 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file coin.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 2, , ,10% Hijau 2, , ,32% 0,5 Biru 2, , ,81% Luminosity 2, , ,33%

22 UJICOBA DAN PEMBAHASAN (cont.) d. Hasil Pengujian File eye_1.jpg Citra Digital Asal Citra Digital Hasil

23 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file eye_1.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 22, , ,85% Hijau 22, , ,39% 0,4 Biru 23, , ,56% Luminosity 22, , ,80%

24 UJICOBA DAN PEMBAHASAN (cont.) e. Hasil Pengujian File eye_2.jpg Citra Digital Asal Citra Digital Hasil

25 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file eye_2.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 17, , ,82% Hijau 15, , ,92% 0,4 Biru 14, , ,52% Luminosity 14, , ,58%

26 UJICOBA DAN PEMBAHASAN (cont.) f. Pengujian terhadap Besar Faktor Modifikasi Citra Digital Asal Histogram Luminosity

27 UJICOBA DAN PEMBAHASAN (cont.) Hasil pengujian untuk β = β 0.75 = 0, ,25dan Citra Digital Hasil Histogram Luminosity

28 UJICOBA DAN PEMBAHASAN (cont.) Hasil pengujian untuk β = dan β 1.75 = 1, , 25 Citra Digital Hasil Histogram Luminosity

29 UJICOBA DAN PEMBAHASAN (cont.) Hasil pengujian untuk β = dan β 2.75 = 2, , 25 Citra Digital Hasil Histogram Luminosity

30 UJICOBA DAN PEMBAHASAN (cont.) Statistik hasil pengujian faktor modifikasi β S.D. Mean β 0.25 = 0,25 46, ,2886 β 0.75 = 0,75 43, ,086 β 1.25 = 1,25 48, ,5995 β 1.75 = 1,75 51, ,6024 β 2.25 = 2,25 47, ,0099 β 2.75 = 2,75 43, ,1617

31 KESIMPULAN Peningkatan kontras citra digital berwarna dengan pendekatan HHFIA telah berhasil diimplementasikan. Peningkatan kontras yang terjadi dapat diamati dari peningkatan nilai standar deviasi pada intensitas kecerahan (luminosity) ruang warna RGB. Hasil peningkatan kontras telah mengimplikasi secara langsung kualitas citra digital, yaitu dengan terjadinya peningkatan persepsi terhadap mata manusia dalam mendapatkan informasi dari suatu citra digital. Hasil peningkatan kontras yang terjadi dipengaruhi oleh besarnya nilai faktor modifikasi yang dipilih. Untuk pemilihan nilai besar faktor peningkatan kontras, tidak selalu sama antara satu citra dengan yang lain. Secara khusus, semakin rendah nilai faktor modifikasi yang dipilih, maka tampilan citra yang dihasilkan akan semakin terang. Demikian juga sebaliknya.

32 SARAN Jika diihat dari sifat fungsi keanggotaan fuzzy pada tahap fuzzifikasi yang linier, sangat mungkin jika digunakan fungsi keanggotaan lain yang non-linier pada pengembangan selanjutnya, seperti fungsi keanggotaan Gaussian. Pengolahan citra digital masih diimplementasikan pada ruang warna Lab saja. Akan lebih baik jika pengembangan diimplementasikan pada ruang warna lain. Sebagai tindak lanjut sangat dimungkinkan jika penelitian ini diterapkan pada sistem lain yang membutuhkan peningkatan kontras citra digital, seperti sistem pengenalan dan pendeteksian wajah, sistem pengenalan iris mata, sistem pengenalan tulisan, serta yang lain.

33 DAFTAR PUSTAKA Atanassov, K. T Intuitionistic Fuzzy Sets: Theory and Application. Heidelberg : Physica-Verlag. Gonzales, R. C., dan Woods, R. E Digital Image Processing Second Edition. New Jersey : Prentice Hall, Inc. Hanbury, A., dan Serra, J Mathematical Morphology in the L*a*b* Colour Space. Perancis : Centre de Morphologie Mathématique Ecole des Mines de Paris. Pratt, W. K Digital Image Processing Second Edition. Canada : John Wiley & Sons, Inc. Sid-Ahmed, M. A Image Processing : Theory, Algorithms, and Architectures. Singapore : McGraw-Hill Book Co. Vlachos, I. K., dan Sergiadis, G. D Intuitionistic Fuzzy Histogram Hiperbolization for Color Images. Heidelberg : Springer-Verlag. Vlachos, I. K., dan Sergiadis, G. D A Two Dimensional Entropic Aprroach to Intuitionistic Fuzzy Contrast Enhancement. Heidelberg : Springer-Verlag.