PEMBAHASAN HISTOGRAM PADA MATA KULIAH IMAGE PROCESSING

D
I
S
U
S
U
N

OLEH

MUHAMMAD ALFATH ISHARI | 1214 370 180

HANIFAH RIZKY NASUTION | 1214 370 560

UNIVERSITAS PEMBANGUNAN PANCA BUDI MEDAN

FAKULTAS TEHNIK
ILMU KOMPUTER
TA. 2014/2015

KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah,
Taufik dan Hidayahnya sehingga kami dapat menyelesaikan penyusunan makalah ini dalam
bentuk maupun isinya yang sangat sederhana. Semoga makalah ini dapat dipergunakan sebagai
salah satu acuan, petunjuk maupun pedoman bagi pembaca.
Harapan kami semoga makalah ini membantu menambah pengetahuan dan pengalaman
bagi para pembaca, sehingga kami dapat memperbaiki bentuk maupun isi makalah ini sehingga
kedepannya dapat lebih baik.
Makalah ini kami akui masih banyak kekurangan karena pengalaman yang kami miliki
sangat kurang. Oleh kerena itu kami harapkan kepada para pembaca untuk memberikan
masukan-masukan yang bersifat membangun untuk kesempurnaan makalah ini.

Medan, 9 April 2015

PEMBAHASAN

Pernahkah anda mendapatkan suatu citra yang terlalu terang atau terlalu gelap? Atau
pernah kah anda yakin merasa bahwa pada suatu bagian pada citra yang sedang anda amati
memiliki informasi yang lebih kaya ketimbang apa yang mata anda lihat? Yap, obat
mujarabnya adalah dengan histogram equalisation. Mengapa? Karena kadang kala, informasi
yang terkandung dalam sebuah citra terlalu lemah sehingga mata kita tidak dapat menangkap
informasi tersebut. Loh? Memangnya dalam bentuk apa sih informasi tersebut? Salah satunya
dalam bentuk frekuensi. Seringkali mata kita tidak dapat menangkap perbedaan beberapa pixel
yang memiliki frekuensi yang kecil (lemah), dan tidak tertutup kemungkinan mata kita
menganggap bahwa pixel-pixel tersebut memiliki warna yang sama.
Konsep dasar dari histogram equalisation adalah dengan men-strecth histogram,
sehingga perbedaan pixel menjadi lebih besar atau dengan kata lain informasi menjadi lebih
kuat sehingga mata dapat menangkap informasi tersebut. Untuk lebih detilnya, marilah lihat
pada histogram di bawah ini.

Citra Fruit.bmp asli di atas, kita lihat histogramnya adalah seperti yang sebelahnya. Kita
dapat melihat bahwa banyak detil yang tidak terlalu terlihat karena histogram cenderung
mengumpul di lokasi sebelah kanan. Nah, pada citra Fruit.bmp setelah dilakukan histogram

equalisation, kita melihat bahwa banyak detil baru yang sebelumnya tidak terlihat (Lihat pada
tekstur serbet yang gelap, yang sekarang lebih terlihat dengan baik). Walaupun, hasil dari
histogram equalisation ini kurang baik karena beberapa bagian jadi terlihat terlalu terang
(seperti pada bagian bunga mawar yang tadinya terlihat baik, sekarang malah sekarang terlihat
terlalu terang). Itulah sebabnya histogram equalisation dikategorikan dalam image
enhancement.

APA ITU HISTOGRAM ?

Menurut Wikipedia : tampilan grafis dari tabulasi frekuensi yang digambarkan

dengan grafis batangan sebagai manifestasi data binning. Tiap tampilan batang menunjukkan
proporsi frekuensi pada masing-masing deret kategori yang berdampingann dengan interval
yang tidak tumpang tindih.
Kata histogram berasal dari bahasa Yunani: histos, dan gramma. Pertama kali
digunakan oleh Karl Pearson pada tahun 1895 untuk memetakan distribusi frekuensi dengan
luasan area grafis batangan menunjukkan proporsi banyak frekuensi yang terjadi pada tiap
kategori dan merupakan salah satu dari 7 basic tools of quality control yaitu Diagram Pareto
(Pareto chart), check sheet, diagram kontrol (control chart), Diagram ishikawa (cause-andeffect diagram), Diagram alir (flowchart), dan scatter diagram.
Histogram adalah pemetaan frekuensi bilangan dari deret observasi berdasarkan rumus:

Dimana:
adalah jumlah bilangan yang ditemukan pada masing-masing deret bin adalah observasi
pada deret bin adalah total number of bin
adalah bin.
Kegunaan dari Histogram adalah untuk melihat apakah distribusi informasi yang ada
dalam suatu citra sudah baik atau belum.
Contoh distribusi informasi dalam citra kurang baik adalah pada kasus dimana detil
tekstur citra kurang terlihat. Dan salah satu usaha untuk memperbaiki distribusi citra adalah
dengan menggunakan metode histogram equalisation.
Histogram juga banyak digunakan dalam texture analysis. Texture analysis adalah
analisa untuk melihat apakah kedua tekstur sama atau berbeda. Misalkan seberapa mirip tekstur
karpet A dengan tekstur karpet B. Contoh lainnya adalah untuk melihat apakah pencahayaan
dan contrast suatu citra sudah cukup atau belum (terlalu terang atau terlalu gelap).
Bagaimana caranya? Histogram dari suatu citra terlalu terang biasanya cenderung
mengumpul di nilai grey level yang tinggi (ke arah nilai 255), sebaliknya histogram dari suatu
citra yang terlalu gelap biasanya cenderung mengumpul di nilai grey level yang rendah (ke
arah nilai 0).

Berikut ini adalah contoh citra yang terlalu gelap dan terang beserta histogramnya.

Dasar matematika histogram equalisation

Apa yang dicapai dalam histogram equalisation sebenarnya adalah suatu colour mapping dari
citra awal pada citra hasil. Secara matematis bisa dituliskan sebagai berikut.

Di mana r adalah warna di citra awal, T adalah fungsi mapping, dan s adalah warna pada citra
hasil.
Secara singkat, histogram equalisation dapat dituliskan secara matematis sebagai berikut:

Dengan kata lain, setiap grey level value (rk) dari citra awal, akan dimap ke dalam nilai grey
level yang baru (sk) dalam citra baru. Seperti yang kita lihat pada gambar dibawah, r1 di map
ke dalam s1, r2 di map ke dalam s3, dan r3 serta r4 di map ke dalam s4.

Bagaimana kita mendefinisikan fungsi T(x) yang melakukan mapping sehingga menempatkan
pada sk yang jaraknya berbeda jauh pada rk dan r(k-1) yang memiliki perbedaan frekuensi
cukup besar.
Inilah definisi matematisnya untuk T(x)

Di mana Pr adalah

Jadi, dengan kata lain rumusan matematis histogram equalisation adalah sebagai berikut,

Di mana, n adalah jumlah pixel yang ada (n untuk citra resolusi 32x16 adalah 512), nj adalah
jumlah pixel yang bernilai rk.

PENUTUP

Demikianlah yang dapat kami sampaikan mengenai materi yang menjadi bahasan
dalam makalah ini, tentunya banyak kekurangan dan kelemahan kerena terbatasnya
pengetahuan kurangnya rujukan atau referensi yang kami peroleh hubungannya dengan
makalah ini.
Penulis banyak berharap kepada para pembaca yang budiman memberikan kritik saran
yang membangun kepada kami demi sempurnanya makalah ini. Semoga makalah ini dapat
bermanfaat bagi penulis para pembaca khusus pada penulis.