UJIAN AKHIR SEMESTER

PENGOLAHAN CITRA DIGITAL

HISTOGRAM CITRA

AGUS PRIYANTO

G.231.15.0185

PROGRAM STUDI S1 - TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INFORMASI DAN KOMUNIKASI

UNIVERSITAS SEMARANG

2018
A. ABSTRAK B. LATAR BELAKANG

Image Processing atau pengolahan Berkembangnya teknologi semakin

citra/gambar adalah proses yang banyak menciptakan sesuatu yang baru

bertujuan untuk memanipulasi dan dan juga mengembangkan dari teknologi

menganalisis citra dengan komputer. yang sudah ada sebelumnya tentunya

Pengolahan citra digunakan untuk akan memberikan berbagai dampak

mempermudah kehidupan manusia. positif dan negatif bagi kehidupan

Dari sebuah histogram dapat diketahui manusia. Salah satunya adalah dalam

frekuensi kemunculan nisbi (relative) bidang multimedia, di dalam dunia

dari intensitas pada citra tersebut. multimedia dalam penyajian data tentu

Histogram juga dapat menunjukkan tidak hanya dalam bentuk teks atau

banyak hal tentang kecerahan tulisan saja, tetapi juga terdapat gambar,

(brightness) dan kontas (contrast) dari video, dan audio. Sebagai contoh dalam

sebuah gambar. Perbaikan suatu citra yaitu sebuah situs web (website) dibuat

digital yang mempunyai intensitas mutu semenarik mungkin dengan menyertakan

kurang baik seperti mengandung cacat visualisasi berupa gambar/citra dan

atau derau, warnanya terlalu kabur atau video maka citra (image) sebagai salah

kontras yang disebut noise. Kejelasan satu komponen multimedia yang

suatu citra akan menjadi berarti sebagai memegang peranan sangat penting

sebuah informasi. Penelitian ini sebagai bentuk informasi visual. Banyak

bertujuan memperbaiki suatu citra digital teknik atau metode yang digunakan

dengan mengurangi noise menggunakan dalam perbaikan citra (image

metode Histogram Equalization dan enhancement) yaitu dengan

Gaussian Filtering. Pengukuran suatu menggunakan metode penapis median

noise citra dilakukan dengan metode (median filtering) dan perataan

Peak Signal-to-Noise Ratio (PSNR) histogram citra (histogram equalization).

sedangkan pengukuran kualitas sinyal Median filter adalah suatu metode yang

menggunakan Signal-to-Ratio (SNR). membebankan pada nilai median atau

nilai tengah dari jumlah total nilai
keseluruhan pixel yang ada di mempunyai kontras terlalu terang
sekelilingnya. Pemrosesan median filter (overexposed) atau terlalu gelap
dilakukan dengan cara mencari nilai (underexposed) tentu memiliki
tengah dari nilai pixel tetangga yang histogram yang sempit. Histogramnya
mempengaruhi pixel tengah sedangkan terlihat hanya menggunakan setengah
histogram equalization adalah suatu dari daerah derajat keabuan sedangkan
metode yang mana terjadi perataan citra yang baik memiliki histogram yang
histogram citra. Dengan histogram secara penuh mengisi daerah derajat
equalization ini sebuah citra akan keabuan dengan distribusi yang merata
memiliki kontras yang seragam dan pada setiap derajat keabuan pixel.
derajat atau tingkat warna yang merata.
Oleh karena itu penulis tertarik untuk D. HASIL-HASIL EKSPERIMEN
melakukan penelitian tentang Hasil dari eksperimen satu buah
pengolahan citra menggunakan metode citra dilakukan dengan menggunakan
tersebut. Dalam tugas akhir ini penulis aplikasi matlab R2016b, yang pertama
membahas bagaimana metode histogram citra normal dengan satu buah objek
equalization akan menjadi lebih baik dan (buah apel), merupakan diagram yang
informasi di dalam sebuah citra yang menggambarkan distribusi frekuensi
mudah dipahami. nilai intensitas piksel dalam suatu citra.
Sumbu horizontal merupakan nilai
C. METODE HISTOGRAM intensitas piksel sedangkan sumbu
EQUALIZATION vertikal merupakan frekuensi/jumlah
Histogram citra menunjukkan piksel. Histogram dari sebuah citra
tentang kecerahan (brightness) dan ditunjukkan pada Gambar 1.
kontas (contrast) dari sebuah gambar / I = imread('apel.jpg');
citra. Ujung histogram menunjukkan figure, imshow(I);
intensitas pixel yang menonjol. Lebar
dari puncak menunjukkan rentang
kontras dari gambar/citra. Citra yang
 Contoh citra terang ditunjukkan pada
Gambar 3.

Gambar 1. Citra normal

yang kedua citra dengan buah apel objek
mengalami gelap yang memiliki banyak Gambar 3. Citra Terang
pixel dengan nilai intensitas mendekati citra yang digunakan hanyalah citra
0, seperti pada Gambar 2 hitam-putih (greyscale)
K = imadjust(I,[0.3 0.6],[0 0.3]);
figure, imshow(K); E. KESIMPULAN
Histogram citra dapat digunakan
sebagai panduan dalam menentukan nilai
ambang batas yang apik. Melalui
eksperimen dengan menggunakan
aplikasi matlab R2016b diperoleh hasil
pencahayaan yang diinginkan dengan
Gambar 2. Citra Gelap memilih beberapa nilai ambang yang
Yang ketiga adalah citra terang citra yang potensial.
yang memiliki banyak pixel dengan nilai
intensitas mendekati 255. Distribusi nilai
intensitas citra terang cenderung berada
pada daerah sebelah kanan histogram.
L = imadjust(I,[0.3 0.6],[0.6 1]);
figure, imshow(L);