LAPORAN PRAKTIKUM

PENGOLAHAN CITRA DIGITAL

Histogram

PENYUSUN :

Nama : Muhammad Hermansyah

NIM : 150504008
Unit : 02

PRODI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS SAMUDRA
2017
 LEMBAR PENGESAHAN

LAPORAN PRAKTIKUM

PENGOLAHAN CITRA DIGITAL

PRODI TEKNIK INFORMATIKA

Histogram

Diajukan sebagai salah satu syarat kelulusan Praktikum Pengolahan Citra

Digital Semester V tahun ajaran 2017/2018

Oleh :

Nama NIM Unit Nilai

Muhammad Hermansyah 150504008 02

Disetujui

Koordinator Praktikum III Pengasuh Mata Kuliah

Praktikum Pengolahan
Citra Digital

Liza Fitria, S.ST, M.T. Nurul Fadillah, S.ST, M.T.

NIDN. 0001019001 NIDN. 0001108901
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Seiring dengan perkembangan zaman, tentunya teknologi juga semakin
berkembang. Semakin banyak penemuan-penemuan baru dan juga pengembangan
dari teknologi yang sudah pernah ada sebelumnya akan memberikan berbagai
dampak positif bagi kehidupan manusia. Salah satunya adalah dalam bidang
multimedia, di dalam dunia multimedia dalam penyajian datanya tentu tidak hanya
dalam bentuk teks atau tulisan saja, tetapi juga terdapat gambar (citra), video, dan
audio. Sebagai contoh dalam sebuah situs web (website) di internet dibuat
semenarik mungkin dengan meyertakan visualisasi berupa gambar/citra dan video
yang bisa diputar. Citra (image) sebagai salah satu komponen multimedia
memegang satu peranan sangat penting sebagai bentuk informasi visual. Citra
memiliki karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi.
Penggunaan kamera digital sebagai alat untuk mengambil citra saat ini sudah
banyak digunakan karena kepraktisannya, terkadang hasil citra memiliki tampilan
visual yang kurang baik. Salah satu faktor yang menghasilkan kualitas citra kurang
baik karena adanya citra cacat (noise). Kualitas pencahayaan menjadi terlalu gelap
atau terlalu terang.
Image enhancement adalah metode yang umum digunakan dalam
meningkatkan kualitas citra. (Handayaningsih, S. 2008). Perbaikan citra (image
enhancement) bertujuan untuk mendapatkan tampilan citra dengan bentuk
visualisasi yang lebih baik, dengan cara memaksimalkan kandungan informasi di
dalam citra masukan. Teknik-teknik pengolahan citra mentransformasikan citra
menjadi citra lain. Inputan pada proses ini adalah citra dan keluarannya juga berupa
citra dengan kualitas lebih baik daripada citra inputan sebelumnya. Banyak teknik
atau metode yang digunakan dalam perbaikan citra (image enhancement). Antara
lain menggunakan metode penapis median (median filtering) dan perataan
histogram citra (histogram equalization).
 Median filter merupakan suatu metode yang menitik beratkan pada nilai
median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada di
sekelilingnya. Pemrosesan median filter ini dilakukan dengan cara mencari nilai
tengah dari nilai pixel tetangga yang mempengaruhi pixel tengah. Proses pemilihan
median ini diawali dengan terlebih dahulu mengurutkan nilai-nilai pixel tetangga,
baru kemudian dipilih nilai tengahnya. Median filter ini berguna untuk mengurangi
noise yang terdapat pada sebuah citra dengan cara memfilternya. Histogram
equalization adalah suatu metode yang mana terjadi perataan histogram citra,
dimana distribusi nilai derajat warna pada suatu citra dibuat rata. Dengan histogram
equalization ini sebuah citra akan memiliki kontras yang seragam dan derajat atau
tingkat warna yang merata.

1.2 Tujuan
1. Dapat memahami konsep pembuatan Histogram
2. Dapat menggambarkan secara umum penggunaan Histogram
3. Dapat meningkatkan mutu suatu citra digital dengan menerapkan metode
Histogram Equalization
4. Dapat memahami representasi Histogram gray level pada citra berwarna
maupun abu-abu

1.3 Alat dan Bahan

1. Komputer/Laptop
2. Aplikasi Matlab R2009a
 BAB II
DASAR TEORI
2.1 Pengertian Histogram
Histogram adalah 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
berdampingan dengan interval yang tidak tumpang tindih, diharapkan dengan
penjabaran yang ada mampu menggambarkan secara umum penggunaan histogram.
(Ahmad Ikhsan, dkk. 2017).
Informasi penting mengenai isi citra digital dapat diketahui dengan membuat
histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran
kuantitatif nilai derajat keabuan (gray level) pixel di dalam (bagian tertentu) citra.
Misalkan citra digital memiliki L derajat keabuan, yaitu dari nilai 0 sampai L 1
(misalnya pada citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat keabuan
dari 0 sampai 255). Gambar 2.1 memperlihatkan contoh sebuah histogram citra,
yang dalam hal ini k menyatakan derajat keabuan dan nk menyatakan jumlah pixel
yang memiliki nilai keabuan k.

Gambar 2.1 Histogram Citra

Histogram adalah alat bantu yang berharga dalam pekerjaan pengolahan

citra baik secara kualitatif maupun kuantitatif. Histogram berguna antara lain untuk
perbaikan kontras dengan teknik histogram equalization dan memilih nilai ambang
untuk melakuka segmentasi objek. (Hadinegoro, 2012). Poin yang disebutkan
terakhir akan dijelaskan di dalam bagian selanjutnya. Histogram citra adalah grafik
yang menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau
bagian tertentu di dalam citra. Histogram citra menunjukkan banyak hal tentang
kecerahan (brightness) dan kontras (contrast) dari sebuah gambar. Puncak
histogram menunjukkan intensitas pixel yang menonjol. Lebar dari puncak
menunjukkan rentang kontras dari gambar. Citra yang mempunyai kontras terlalu
terang (overexposed) atau terlalu gelap (underexposed) memiliki histogram yang
sempit. Histogramnya terlihat hanya menggunakan setengah dari daerah derajat
keabuan. Citra yang baik memiliki histogram yang mengisi daerah derajat keabuan
secara penuh dengan distribusi yang merata pada setiap derajat keabuan pixel.

2.2 Histogram Sebagai Distribusi Gray Level

Sebah citra digital memiliki L derajat keabuan (misalnya citra dengan
kuantisasi derajat keabuan 8-bit, nilai derajat keabuan dari 0255) secara matematis
dapat dihitung dengan rumus:

Dimana ni = jumlah pixel yang memiliki derajat keabuan I

n = jumlah seluruh pixel di dalam citra

2.3 Histogram Citra Berwarna

Citra berwarna histogramnya dibuat untuk setiap kanal RGB (Red, Green,
Blue). Histogram adalah kunci untuk mengerti image digital. Sebagai ilustrasi, pada
contoh dibawah diperlihatkan 40 tile scene yang terdiri dari 4 warna, kemudian
masing-masing warna disusun bertumpuk sesuai banyaknya warna. Makin banyak
jumlah suatu warna, makin tinggi susunannya secara vertikal. Histogram adalah
grafik yang menampilkan distribusi warna dari sebuah scene sesuai dengan jumlah
masing-masing warna. Histogram sangat erat kaitannya dengan kemampuan
dynamic range dari sebuah kamera.

Gambar 2.3 Contoh Representasi Citra Berwarna

 Sebuah image digital dibentuk oleh sekumpulan pixel-pixel (berbentuk
kotak) yang berwarna-warni dan sangat kecil bahkan sangat halus. Tetapi, daripada
mengurutkan pixel berdasarkan warna, grafik histogram menyusun pixel-pixel
tersebut kedalam 256 level brightness dalam range 0 (dark) sampai 255 (white) dan
menumpuknya sesuai kecerahan masing-masing, artinya ada 254 level gray
diantara range 0-255. Sistem secara otomatis mengurutkan pixel-pixel tersebut ke
dalam 256 level group dan menumpuknya sesuai group masing-masing. Tingkat
tinggi dari masing-masing tumpukan (vertical bar) menunjukan seberapa banyak
pixel yang terdeteksi dari masing-masing level brightness pada image tersebut. 0
mewakili warna hitam sedang 255 mewakili warna putih dalam level kecerahan
pixel-pixel tersebut.
 BAB III
METODOLOGI PERCOBAAN
3.1 Algoritma
1. Mulai
2. Memasukkan sebuah gambar
3. Melakukan konversi gambar awal (Asli) menjadi RGB (Red, Green, Blue)
dimana pada nilai Red bernilai (255.0.0), Green bernilai (0.255.0), dan Blue
(0.0.255) maka nilai yang paling dominan akan menampilkan warna masing-
masing pada RGB
4. Melakukan konversi gambar Asli menjadi Grayscale dengan rumus
(R+G+B)/3 dimana pada warna Red bernilai (255.0.0), Green bernilai
(0.255.0), dan Blue (0.0.255) sehingga menampilkan gambar Grayscale
(keabu-abuan)
5. Menampilkan hasil RGB, Grayscale dan histogram dari gambar grayscale
6. Selesai

3.2 Flowchart

Mulai

Gambar Asli

red2 = cat (3,red,green*0,blue*0);

green1 = cat (3,red*0,green,blue*0);
blue1 = cat (3,red*0,green*0,blue);

gray = 0.3*red+0.5*green+0.2*blue;

Gambar RGB,
Grayscale,
Histogram Grayscale

Selesai
3.3 Source Code

gambar = imread('bukabersama.jpg');
red=gambar(:,:,1);
green=gambar(:,:,2);
blue=gambar(:,:,3);
red2 = cat(3,red,green*0,blue*0);
green1 = cat(3,red*0,green,blue*0);
blue1 = cat(3,red*0,green*0,blue);
gray = 0.3*red+0.5*green+0.2*blue;
subplot(2,3,1);
imshow(gambar);
title('Gambar Asli');
subplot(2,3,2);
imshow(red2);
title('Gambar Red');
subplot(2,3,3);
imshow(green1);
title('Gambar Green');
subplot(2,3,4);
imshow(blue1);
title('Gambar Blue');
subplot(2,3,5);
imshow(gray);
title('Gambar Gray Scale');
subplot(2,3,6);
imhist(gray);
title('Histogram Gray Scale');
 BAB IV
ANALISA DAN PEMBAHASAN
4.1 Output Program

Gambar 4.1.1 Output Gambar Asli, RGB, Grayscale, dan Histogram

4.2 Analisa Program

gambar = imread (bukabersama.JPG); : merupakan perintah yang
digunakan untuk membaca gambar dari file grafis bukabersama.JPG
yang hasilnya berupa matriks dan disimpan dalam sebuah variabel gambar.

red = gambar (:,:,1); green = gambar (:,:,2); blue =

gambar (:,:,3); : merupakan perintah yang digunakan untuk
memanggil matriks gambar yang hanya berisi piksel warna merah, piksel
warna biru, dan piksel warna hijau.

red2 = cat (3,red,green*0,blue*0); : merupakan perintah yang

digunakan untuk menjelaskan bahwa variabel red2 akan mengubah gambar
menjadi warna merah sesuai dengan rumus dan format RGB pada warna
merah yaitu 255,0,0.
green1 = cat (3,red*0,green,blue*0); : merupakan perintah yang
digunakan untuk menjelaskan bahwa variabel green1 akan mengubah
gambar menjadi warna hijau sesuai dengan rumus dan format RGB pada
warna hijau yaitu 0,255,0.

blue1 = cat (3,red*0,green*0,blue); : merupakan perintah yang

digunakan untuk menjelaskan bahwa variabel blue1 akan mengubah
gambar menjadi warna biru sesuai dengan rumus dan format RGB pada warna
biru yaitu 0,0,255.

gray = 0.3*red+0.5*green+0.2*blue; : merupakan perintah yang

digunakan untuk menjelaskan bahwa variabel gray akan mengubah gambar
menjadi warna abu-abu sesuai dengan rumus dan perintah yang diberikan.

subplot : berfungsi untuk membuat seolah-olah grafik sebagai sebuah elemen

matriks dalam sebuah windows.

subplot (2,3,4); : merupakan perintah yang digunakan untuk menjelaskan

bahwa 2 merupakan baris, 3 merupakan kolom, dan 4 merupakan grafik.

title (....); : untuk menampilkan title/judul pada setiap gambar pada

GUI.

imshow (gambar); : untuk menampilkan gambar asli dari variabel gambar.

imshow(red2); : untuk menampilkan gambar red dari variabel red2.

imshow(green1); : untuk menampilkan gambar green dari variabel green1.

imshow(blue1); : untuk menampilkan gambar blue dari variabel blue1.

imshow(gray); : untuk menampilkan gambar grayscale dari variabel gray.

imhits(gray); : untuk menampilkan grafik histogram dari gambar

grayscale dengan memasukan variabel gray.
4.3 Pembahasan Program
Setelah menganalisa program diatas dapat disimpulkan bahwa program
tersebut adalah sebuah program yang dapat merubah gambar asli menjadi gambar
berwarna RGB dan Grayscale. Yaitu dengan melakukan konversi gambar awal
(Asli) menjadi RGB (Red, Green, Blue) dimana pada nilai Red bernilai (255.0.0),
Green bernilai (0.255.0), dan Blue (0.0.255) maka nilai yang paling dominan akan
menampilkan warna masing-masing pada RGB. Kemudian program melakukan
konversi gambar Asli menjadi Grayscale dengan rumus (R+G+B)/3.
Gambar 4.1.1 merupakan gambar Grayscale yang telah berhasil dikonversi
yang didefinisikan ke dalam bentuk Histogram untuk mencari nilai dan derajat
keabuannya. Grafik yang paling rendah nilainya yaitu warna hitam (0) dan putih
(250). Sedangkan grafik yang paling tinggi nilainya yaitu warna dengan nilai 175-
180. Kemungkinan terbaik dari Grafik Histogram adalah ketika gambar Grayscale
tidak terlalu dominan ke arah warna hitam maupun putih. Gambar asli, gambar red,
gambar green, gambar blue, gambar grayscale, dan histogram ditampilkan dalam
satu Figure karena berada pada satu subplot yang sama.
 BAB V
LATIHAN
5.1 Source Code

gambar = imread('Productivity.jpg');
red=gambar(:,:,1);
green=gambar(:,:,2);
blue=gambar(:,:,3);
red2 = cat(3,red,green*0,blue*0);
green1 = cat(3,red*0,green,blue*0);
blue1 = cat(3,red*0,green*0,blue);
gray = 0.3*red+0.5*green+0.2*blue;
subplot(2,3,1);
imshow(gambar);
title('Gambar Asli');
subplot(2,3,2);
imshow(red2);
title('Gambar Red');
subplot(2,3,3);
imshow(green1);
title('Gambar Green');
subplot(2,3,4);
imshow(blue1);
title('Gambar Blue');
subplot(2,3,5);
her = histeq (gambar);
imshow(her);
imhist(her);
title('Histogram Equalization);

5.2 Output
5.3 Analisa dan Pembahasan
Yang membedakan antara program pada praktikum dengan program latihan
adalah terletak pada Histogram Equalization. Dengan histogram equalization
sebuah citra akan memiliki kontras yang seragam dan derajat atau tingkat warna
yang merata. Untuk memunculkan histogram equalization pada program diatas
adalah dengan memanggil fungsi her = histeq (gambar); dimana :

her merupakan variabel yang didefinisikan untuk menyatakan histogram

equalization
histeq merupakan fungsi dari histogram equalization
gambar merupakan variabel dari gambar asli

Histogram Equalization pada Output diatas menunjukan bahwa tingkat warna pada
Gambar Asli hampir menunjukan grafik/derajat yang sama.
 BAB VI
KESIMPULAN

Untuk mengetahui informasi penting mengenai isi citra digital dapat dilakukan
dengan membuat histogram citra. Histogram citra merupakan grafik yang
menggambarkan penyebaran kuantitatif nilai derajat keabuan (gray level) piksel
di dalam bagian tertentu citra.
Histogram citra menunjukkan banyak hal tentang kecerahan (brightness) dan
kontras (contrast) dari sebuah gambar dan puncak histogram menunjukkan
intensitas piksel yang paling menonjol.
Kemungkinan terbaik dari Grafik Histogram adalah ketika gambar Grayscale
tidak terlalu dominan ke arah warna hitam maupun putih.
Histogram equalization dapat dianggap sebagai suatu metode yang mana terjadi
perataan histogram citra, dimana distribusi nilai derajat warna pada suatu citra
dibuat rata.
Dengan histogram equalization sebuah citra akan memiliki kontras yang
seragam dan derajat atau tingkat warna yang merata.
 DAFTAR PUSTAKA

Ahmad, N. & Hadinegoro, A. 2012. Metode Histogram Equalization Untuk

Perbaikan Citra Digital. Seminar Nasional Teknologi Informasi &
Komunikasi Terapan 2012 (Semantik 2012). Semarang, 23 Juni 2012
Program PascaSarjana Magister Teknik Informatika, Universitas Atma Jaya
Yogyakarta.

Ihsan, Ahmad, dkk. 2017. Praktikum Pengolahan Citra Digital. Langsa. Teknik
Informatika Universitas Samudra.

Murinto, Putra., W.P. & Handayaningsih, S. 2008. Analisis perbandingan

Histogram Equalization dan Model Logarithmic Image Processing (LIP)
untuk Image Enhancement. JURNAL INFORMATIKA Vol 2, No. 2, Juli
2008.