LAPORAN TEKNOLOGI MULTIMEDIA

OLEH :

NAMA : RAHMA SARI

NIM : 061930331270

KELAS : 4TD

DOSEN PEMBIMBING : SHOLIHIN, S.T.,M.T.

PROGRAM STUDI TEKNIK TELEKOMUNIKASI

JURUSAN TEKNIK ELEKTRO
POLITEKNIK NEGERI SRIWIJAYA
A. Pengertian Citra
Citra adalah suatu representasi (gambaran), kemiripan, atau inisiasi dari suatu
objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau
bersifat digital yang dapat langsung disimpan pada suatu media penyimpan.
Pengolahan citra digital menggunakan teknologi Computer Vision saat ini banyak
digunakan sebagai obyek penelitian. Bagian dari pengolahan citra adalah dengan
menggunakan pengolahan berdasarkan warna. Analisis warna dalam pengenalan citra
digital ini ada beberapa model di antaranya, model RGB, CMY, HSI, HSV dan
normalized RGB.
B. Citra Digital
Citra digital mengandung sejumlah elemen-elemen dasar yang sangat penting
untuk diketahui dan dipelajari. Elemen-elemen dasar tersebut dapat dimanipulasi dalam
pengolahan citra dan dieksploitasi lebih lanjut dalam computer vision dengan software
yang telah disediakan sebelumnya. Elemen-elemen dasar yang paling penting dalam citra
digital di antaranya akan dijelaskan sedikit seperti berikut ini.
a) Kecerahan (Brightness)
Kecerahan (Brightness) adalah kata lain untuk menjelaskan intensitas cahaya.
Sebagaimana telah dijelaskan pada bagian sebelumnya, kecerahan pada sebuah titik
( pixel ) di dalam citra bukanlah intensitas yang sebenarnya, tetapi yang sebenarnya
adalah intensitas rata-rata dari suatu area yang melingkupinya. Sistem visual dari
manusia mampu menyesuaikan dirinya dengan tingkat kecerahan (brightness level)
mulai dari yang paling rendah sampai ke level yang paling tinggi dengan jangkauan
sebesar 1010.
b) Kontras (Contrast)
Kontras ( Contrast ) adalah yang menyatakan penyebaran atau tampilan terang
(lightness ) dan gelap (darkness) di dalam sebuah gambar. Citra dengan kontras
rendah dapat dicirikan oleh sebagian besar komposisi citranya adalah terang atau
sebagian besar gelap. Pada citra dengan kontras yang baik, komposisi gelap dan
terang tersebar secara merata.
c) Kontur (Contours)
Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada pixel-
pixel yang bertetangga atau bersebelahan. Keadaan ini terjadi karena adanya
perubahan intensitas inilah mata kita mampu mendeteksi tepi-tepi (edge) objek di
dalam citra.
d) Warna (Color)
Warna ( Color ) adalah persepsi yang dirasakan oleh sistem visual manusia
terhadap panjang gelombang cahaya yang dipantulkan oleh sebuah objek. Setiap
warna mempunyai panjang gelombang (λ) yang berbeda. Warna merah mempunyai
panjang gelombang paling tinggi, sedangkan warna ungu ( violet ) mempunyai
panjang gelombang paling rendah. Warna-warna yang diterima oleh mata ( sistem
visual manusia ) merupakan hasil kombinasi cahaya dengan panjang gelombang
berbeda. Penelitian memperlihatkan bahwa kombinasi warna yang memberikan
rentang warna yang paling lebar adalah red ( R ), green ( G ), dan blue ( B ).
RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru,
digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar,
misalnya merah, dapat diberi rentang-nilai. Untuk monitor komputer, nilai rentangnya
paling kecil = 0 dan paling besar = 255. Pilihan skala 256 ini didasarkan pada cara
mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer. Dengan
cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 16.777.216
jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3
dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam
bentuk tiga bilangan, yaitu komponen-x, komponen-y dan komponen-z. Misalkan
sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna, komponen-komponen
tersebut digantikan oleh komponen Red, Green, Blue. Jadi, sebuah jenis warna dapat
dituliskan sebagai berikut: warna = RGB(30, 75, 255). Putih = RGB (255,255,255),
sedangkan untuk hitam= RGB(0,0,0). Bentuk Representasi warna dari sebuah citra
digital dapat dilihat pada berikut.
 Misal : terdapat Gambar berukuran 100 pixel x 100 pixel dengan color encoding
24 bits dengan R = 8 bits, G = 8 bits, B = 8 bits, maka color encoding akan mampu
mewakili 0 ... 16.777.215 (mewakili 16 juta warna), dan ruang disk yang dibutuhkan
=100 x 100 x 3 byte (karena RGB) = 30.000 bytes = 30 KB atau 100 x 100 x 24 bits
=240.000 bits. Beberapa persepsi sistem visual manusia terhadap warna sangat relatif
berbeda sebab dipengaruhi oleh banyak kriteria, salah satunya disebabkan oleh
adaptasi yang menimbulkan distorsi. Misalnya adalah bercak abu-abu di sekitar
warna hijau akan tampak keungu-unguan ( distorsi terhadap ruang ), atau jika mata
melihat warna hijau lalu langsung dengan cepat melihat warna abu-abu, maka mata
menangkap kesan warna abu-abu tersebut sebagai warna ungu ( distorsi terhadap
waktu ).
e) Tekstur (Texture)
Tekstur dapat dicirikan sebagai distribusi spasial dari derajat keabuan di dalam
sekumpulan pixel-pixel yang bertetangga. Jadi, tekstur tidak dapat didefinisikan
untuk sebuah pixel. Sistem visual manusia pada hakikatnya tidak menerima informasi
citra secara independen pada setiap pixel, melainkan suatu citra dianggap sebagai
suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala pada mana tekstur
tersebut dipersepsi. Sebagai contoh permasalahan untuk dipelajari sebelumnya agar
lebih mudah dimengerti, jika kita mengamati citra pada lantai yang berubin dari yang
jarak jauh, maka kita mengamati bahwa tekstur terbentuk oleh penempatan ubinubin
secara keseluruhan, bukan dari persepsi pola di dalam ubin itu sendiri. Tetapi, jika
kita mengamati citra yang sama dari jarak yang dekat, maka hanya beberapa ubin
 yang tampak dalam bidang pengamatan, sehingga kita persepsi bahwa tekstur ubin
yang terbentuk oleh penempatan pola-pola rinci yang menyusun pada tiap ubin.

C. Pengolahan Citra Digital

Pengolahan citra digital (digital image processing) adalah sebuah disiplin ilmu
yang mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud di sini
adalah gambar diam (foto) maupun gambar bergerak (yang berasal dari webcam).
Sedangkan digital di sini mempunyai maksud bahwa pengolahan citra atau gambar
dilakukan secara digital menggunakan komputer. Secara matematis, citra merupakan
fungsi kontinu (continue) dengan intensitas cahaya pada bidang dua dimensi. Agar dapat
diolah dengan komputer digital, maka suatu citra harus dipresentasikan secara numerik
dengan nilai-nilai diskrit. Representasi dari fungsi kontinyu menjadi nilai-nilai diskrit
disebut digitalisasi citra (R.D.Kusumanto, Alan N.Tompunu, Wahyu Setyo, 2011).
Sebuah citra digital dapat diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri
dari M kolom dan N baris, di mana perpotongan antara kolom dan baris disebut piksel
(pixel= picture element) atau elemen terkecil dari sebuah citra.

Suatu citra ƒ(x,y) dalam fungsi matematis dapat dituliskan sebagai berikut:
0 = x = M-1
0 = y = N-1
0 = ƒ(x,y) = G-1
dengan:
M = jumlah piksel baris (row) pada array citra
N = jumlah piksel kolom (column) pada array citra
G = nilai skala keabuan (graylevel)
 Besarnya nilai M, N dan G pada umumnya merupakan perpangkatan dari dua. M = 2m ;
N = 2n; G = 2k dengan nilai m, n dan k adalah bilangan bulat positif. Interval (0,G)
disebut skala keabuan (grayscale). Besar G tergantung pada proses digitalisasinya.
Biasanya keabuan 0 (nol) menyatakan intensitas hitam dan 1 (satu) menyatakan intensitas
putih. Untuk citra 8 bit itu sendiri, nilai G sama dengan 28 = 256 warna (derajat keabuan)
pada berikut.

D. Model Citra
Oleh karena citra merupakan matrix dua dimensi dari fungsi intensitas cahaya,
maka referensi citra menggunakan dua variabel yang menunjuk posisi pada bidang
dengan sebuah fungsi intensitas cahaya yang dapat dituliskan sebagai f(x,y) dimana f
adalah nilai amplitudo pada koordinat spasial (x,y). Karena cahaya merupakan salah satu
bentuk energi, f(x,y) tidak berharga nol atau negatif dan merupakan bilangan berhingga,
yang dalam pernyataan matematis adalah sebagai berikut :

Konvensi sistem koordinat citra diskrit ditunjukkan oleh gambar berikut

 Citra yang kita lihat sehari-hari merupakan cahaya yang direfleksikan oleh sebuah
obyek.Fungsi f(x,y) dapat dilihat sebagai fungsi dengan dua unsur, pertama merupakan
besarnya sumber cahaya yang melingkupi pandangan kita terhadap obyek (illumination) ,
kedua merupakan besarnya cahaya yang direfleksikan oleh obyek dalam pandangan kita
(reflectance component). Keduanya dituliskan dengan fungsi yang berturutturut i(x,y)
dan r(x,y). Fungsi i(x,y) dan r(x,y) merupakan kombinasi perkalian untuk membentuk
fungsi f(x,y) yang dapat dituliskan dengan persamaan ,

Persamaan diatas menandakan bahwa nilai kerefleksian dibatasi oleh nilai 0 (total
absorption) dan nilai 1 (total reflectance). Fungsi i(x,y) ditentukan oleh sumber atau asal
sinar, sedangkan fungsi r(x,y) ditentukan oleh karakteristik dari obyek.

Citra digital (digital image) adalah citra kontinyu f(x,y) yang sudah didiskritkan
baik koordinat spasial maupun tingkat kecerahannya.Kata kontinyu disni menjelaskan
bahwa index x dan y hanya bernilai bulat.Kita dapat menganggap citra digital sebagai
matrix dengan ukuran M x N yang baris dan kolomnya menunjukkan titik-titiknya, yang
diperlihatkan pada persamaan berikut,
 Citra yang tidak berwarna atau hitam putih dikenal juga sebagai citra dengan
derajat keabuan (citra gray level). Derajat keabuan yang dimiliki ini bisa beragam mulai
dari 2 derajat keabuan (yaitu 0 dan 1) yang dikenal juga sebagai citra monochrome, 16
derajat keabuan dan 256 derajat. Semakin besar jumlah derajat keabuan yang dimiliki
maka semakin halus gambar tersebut.

Dalam sebuah citra monochrome, sebuah piksel diwakili oleh 1 bit data yang
berisikan data tentang derajat keabuan yang dimiliki piksel tersebut. Data akan berisi 1
bila piksel tersebut berwarna putih dan data akan berisi nilai 0 bila piksel tersebut
berwarna hitam.

Citra yang memiliki 16 derajat keabuan (mulai dari 0 yang mewakili warna hitam
sampai dengan 15 yang mewakili warna putih) direpresentasikan oleh 4 bit data,
sedangkan citra dengan 256 derajat keabuan (nilai dari 0 yang mewakili warna hitam
sampai dengan 255 yang mewakili warna putih) direpresentasikan oleh 8 bit data.

Dalam citra berwarna, jumlah warna bisa beragam mulai dari 16, 256, 65536, atau
16 juta warna, yang masing – masing direpresentasikan oleh 4, 8, 16 atau 24 bit data
untuk setiap pikselnya. Warna yang ada terdiri dari 3 komponen utama yaitu nilai merah
(red), nilai hijau (green) dan nilai biru (blue). Paduan ketiga komponen utama pembentuk
warna ini dikenal sebagai RGB color.

E. Model Warna
Warna yang kita lihat sebenarnya adalah spektrum cahaya yang dipantulkan oleh
benda yang kemudian ditangkap oleh indra penglihatan kita (yakni mata) lalu
diterjemahkan oleh otak sebagai sebuah warna tertentu. Sebagai contoh kita melihat
warna hijau yang terdapat pada daun karena cahaya yang datang (umumnya cahaya
matahari yang punya spektrum cahaya yang cukup komplit) diserap oleh daun selain
warna hijau yang dipantulkan, dan cahaya hijau yg terpantul inilah yang kita tangkap
sehingga kita dapat melihat bahwa daun berwana hijau. jadi sebenarnya faktor penting
bagi kita untuk melihat sebuah warna dengan baik adalah cahaya yang mengenai benda

tersebut.

Spektrum Warna

Karena terkait dengan cahaya maka kita mengetahui bahwa tidak semua spektrum
cahaya dapat ditangkap oleh indra penglihatan kita, karena itu kemudian timbul istilah
 spektrum cahaya tampak (visible spectrum) yang rangenya cukup besar. Range inilah
yang menjadi penyebab kita dapat melihat beraneka ragam warna yang secara umum
dipisahkan menjadi beberapa spektrum dasar.

F. Pengolahan Warna Model HSV (Hue, Saturation dan Value)

Warna adalah hasil persepsi dari cahaya dalam spektrum wilayah yang terlihat oleh
retina mata, dan memiliki panjang gelombang antara 400nm sampai dengan 700nm.
Sedangkan ruang warna adalah model matematis abstrak yang menggambarkan cara agar
suatu warna dapat direpresentasikan sebagai baris angka biasanya dengan nilai-nilai dari
tiga atau empat buah warna atau komponen. Contohnya adalah ruang warna RGB, ruang
warna CMY/CMYK, ruang warna YIQ, ruang warna YCbCr, ruang warna HSI, HSL,
HSV, ruang warna CIELAB. Pada bab ini yang akan dibahas yaitu model warna HSV
(Hue, Saturation dan Value). Permodelan warna HSV mendefinisikan warna dalam
terminologi Hue, Saturation dan Value. Hue menyatakan warna sebenarnya, seperti
merah, violet, dan kuning. Hue digunakan untuk membedakan warna-warna dan
menentukan kemerahan (redness), kehijauan (greeness), dan sebagainya, dari cahaya.
Hue berasosiasi dengan panjang gelombang cahaya. Saturation menyatakan tingkat
kemurnian suatu warna, yaitu mengindikasikan seberapa banyak warna putih diberikan
pada warna. Value adalah atribut yang menyatakan banyaknya cahaya yang diterima oleh
mata tanpa memedulikan warna
Model HSV, pertama kali diperkenalkan oleh A.R Smith pada tahun 1978, yang
ditunjukkan pada gambar diatas. Keuntungan HSV adalah terdapat warna-warna yang
sama dengan yang ditangkap oleh indra manusia. Sedangkan warna yang dibentuk model
lain seperti RGB merupakan hasil campuran dari warna-warna primer. Permodelan HSV
adalah permodelan yang paling umum dari permodelan warna RGB. Biasanya digunakan
oleh aplikasi visual pada komputer, Karena model warna dari HSV ( Hue Saturation
Value ) ini sendiri merupakan model warna yang diturunkan dari model warna RGB (Red
Green Blue) maka untuk mendapatkan hasil warna HSV ( Hue Saturation Value ) ini ,
kita harus melakukan proses konversi warna dari RGB ( Red Green Blue ) ke HSV ( Hue
Saturation Value ). HSV ( Hue Saturation Value ) merupakan salah satu cara untuk
mendefinisikan warna yang didasarkan pada roda warna. Permodelan warna dari HSV
( Hue Saturation Value ) ini sendiri mempunyai beberapa komponen yang perlu untuk
diketahui, di antaranya adalah sebagai berikut :
 Hue : permodelan pencampuran warna dari merah, kuning, hijau biru.
 Intensity, radiance : intensitas cahaya yang diterima suatu wilayah.
 Luminance (Y) : Pencahayaan relatif atau tergantung dari arah pandang / arah
datangnya cahaya.
 Brightness : kecerahan.
 Lightness : kecerahan relatif
 Colorfullness : sensasi visual karena komponen warna yang terbatas.

Pada metode segmentasi dengan deteksi warna HSV menurut Giannakupoulos

(2008), dilakukan pemilihan sampel piksel sebagai acuan warna untuk membentuk
segmen yang diinginkan. Citra digital menggunakan model warna RGB sebagai standar
acuan warna, oleh karena itu proses awal pada metode ini memerlukan konversi model
warna RGB ke HSV. Untuk membentuk segmen sesuai dengan warna yang diinginkan
maka ditentukan nilai toleransi pada setiap dimensi warna HSV, kemudian nilai toleransi
tersebut digunakan dalam perhitungan proses adaptive threshold. Hasil dari proses
threshold tersebut akan membentuk segmen area dengan warna sesuai toleransi yang
diinginkan. Secara garis besar, berikut ini merupakan proses segmentasi menurut
Giannakupoulos (2008).

 Tentukan citra RGB yang menjadi obyek deteksi, nilai warna HSV yang menjadi
acuan (hasil proses pelatihan data) dan nilai toleransi HSV yang digunakan.
 Transpose citra RGB ke HSV
 Lakukan filter warna pada citra berdasarkan nilai acuan (T) dan nilai toleransi
(tol). Dengan x sebagai warna HSV pada piksel yang ada maka warna yang tidak
termasuk dalam rentang T-tol < x < T+tol diberi warna hitam.
 Transpose kembali citra ke RGB, tampilkan hasil filter.

Gunanto (2009) mencoba melakukan segmentasi dengan menggunakan metode

deteksi warna HSV pada bagian tubuh manusia yang diberi warna tertentu. Gunanto
melakukan penelitian berdasarkan metode deteksi warna HSV Giannakupoulos untuk
memisahkan bagian tubuh manusia yang diberi warna tertentu. Penelitian tersebut
menggunakan data input berupa citra 2 dimensi dengan latar belakang homogen berwarna
putih dan fitur model manusia. Model manusia mengenakan pakaian dengan warna
tertentu pada tiap bagian tubuh manusia yang akan dikenali. Proses segmentasi warna
dengan menggunakan deteksi warna HSV menghasilkan segmen warna yang akurat
sesuai dengan warna sampel dan nilai toleransi yang diberikan. Hasil segmentasi warna
tersebut menghasilkan segmen citra yang membentuk suatu blob, yaitu sekumpulan
piksel bertetangga yang memiliki nilai tertentu.

Cara mengkonversi warna RGB ke HSV

Ada 2 cara perhitungan dalam mengkonversi warna RGB ke HSV yaitu :

a) Cara pertama

Kemudahan cara pertama ternyata menimbulkan permasalahan, cara pertama membuat

hue tidak terdefinisi jika Saturation bernilai 0.
 b) Cara kedua

A. Pengolahan Warna Model HSL (Hue, Saturation dan Lightness)

HSL adalah suatu model warna yang diperoleh dari color space RGB dan device
dependent color space. Berdasarkan pada presepsi dasar manusia, HSL model tersusun
atas tiga karakteristik warna dasar :
 Hue adalah warna yang direfleksikan atau pun ditransmisikan sebuah objek. Nilainya
diukur dari lokasi pada roda standar warna, yang diekspresikan dengan nilai derajat sudut
di antara 0° dan 360°. Dalam penggunaannya, hue mengidentifikasikan nama dari sebuah
warna seperti merah, kuning, atau hijau.

 Saturation, sering dikenal dengan chroma, yaitu ukuran atau kemurnian sebuah warna,
Saturation merepresentasikan ukuran (kuantitas) dari proporsi keabuan pada hue,
ukurannya dalam bentuk persentase dari 0% (gray) sampai dengan 100% (fully
 saturated). Pada roda standar warna, nilai saturation dari pusat roda (lingkaran) menuju
tepian roda akan semakin bertambah.

 Lightness adalah sebuah ukuran relative skala pencahayaan (lightness) atau kegelapan
(darkness) dari sebuah warna, umumnya diukur sebagai persentase dari 0% (black)
sampai dengan 100% (white).

HSL dapat dianggap sebagai warna yang menggambarkan sebagai titik-titik

dalam sebuah silinder (disebut warna solid) yang poros tengah berkisar dari hitam di
bagian bawah untuk putih di bagian atas. Sudut sekitar sumbu terkait dengan "warna",
jarak dari sumbu terkait dengan "kejenuhan", dan jarak sepanjang sumbu terkait dengan
"ringan", "nilai" atau "terangnya". Secara konseptual HSL mewakili sebuah kerucut
ganda atau bola (dengan putih di bagian atas, hitam di bagian bawah, dan penuh warna
 jenuh sekitar tepi horizontal penampang dengan tengah berwarna abu-abu pada
pusatnya).

Untuk model warna HSL ini biasanya digunakan pada saat sang desainer ingin
memodifikasi warna dari warna asli image . dalam memodifikasi warna bisa
menggunakan program photoshop atau yang lain, akan tetapi hati-hati, sebab warna hasil
modifikasi kadang yang tampak dimonitor akan lain dengan hasil cetakan. Atau dalam
proses film untuk warna yang mengandung raster tipis akan bermasalah, jadi sesuaikan
dengan kemampuan imagesetter. Pada program Photoshop, Hue/Saturation/Lightness
biasa dipakai untuk membuat efek gambar menjadi satu warna.
Perbedaan antara HSL dan HSV terletak di Lightness dan Value, Dimana
Lightness akan semakin memperterang tiap hue (warna) hingga ke tingkat warna paling
terang (putih), sedangkan Value hanya sampai mempercerah tiap hue (warna) saja dari
posisi awal paling bawahnya berwarna gelap (hitam).

G. Perubahan Gambar HSV dan HSL

HSL dan HSV adalah transformasi RGB sederhana yang mempertahankan
kesimetrian dalam kubus RGB yang tidak terkait dengan persepsi manusia, sehingga R,
G, dan B sudut berjarak sama dari sumbu netral, dan berjarak sama di sekitarnya. Jika
kita memplot gamut RGB dalam ruang yang lebih seragam secara perseptual, seperti
CIELAB (Lihat di bawah), segera menjadi jelas bahwa warna primer merah, hijau, dan
biru tidak memiliki kecerahan atau kroma yang sama, atau rona dengan jarak yang sama.
Selain itu, tampilan RGB yang berbeda menggunakan primer yang berbeda, sehingga
memiliki nada yang berbeda. Karena HSL dan HSV didefinisikan murni dengan mengacu
pada beberapa ruang RGB, keduanya tidak ruang warna absolut: untuk menentukan
warna secara tepat memerlukan pelaporan tidak hanya nilai HSL atau HSV, tetapi juga
karakteristik ruang RGB yang menjadi dasarnya, termasuk koreksi gamma digunakan.
Jika kita mengambil gambar dan mengekstrak komponen hue, saturation, dan
lightness atau nilai, dan kemudian membandingkannya dengan komponen dengan nama
yang sama seperti yang didefinisikan oleh color scientist, kita dapat dengan cepat melihat
perbedaannya, secara perseptual.
Misalnya, periksa gambar nafas api berikut Yang asli ada di ruang warna sRGB.
HSL dan HSV secara substansial menyimpang dari keringanan persepsi.

HSV HSL

Meskipun tidak ada dimensi di ruang ini yang cocok dengan analog perseptual
mereka, the nilai dari HSV dan kejenuhan dari HSL adalah pelanggar tertentu. Di HSV,
primer biru   dan putih   dianggap memiliki nilai yang sama, meskipun secara
persepsi primer biru memiliki sekitar 10% dari luminansi putih (fraksi yang tepat
tergantung pada RGB primer tertentu yang digunakan). Di HSL, campuran 100% merah,
100% hijau, 90% biru — yaitu, kuning sangat muda  —Dianggap memiliki saturasi
yang sama dengan primer hijau  , meskipun warna sebelumnya hampir tidak memiliki
chroma atau saturasi menurut definisi psikometri konvensional.

Jika masalah ini membuat HSL dan HSV bermasalah dalam memilih warna atau
skema warna, mereka akan memperburuk penyesuaian gambar. HSL dan HSV, seperti
yang disebutkan Brewer, mengacaukan atribut pembuatan warna perseptual, sehingga
mengubah setiap dimensi menghasilkan perubahan yang tidak seragam ke ketiga dimensi
persepsi, dan mendistorsi semua hubungan warna pada gambar. Misalnya, memutar rona
biru tua murni menuju hijau juga akan mengurangi kroma yang terlihat, dan
meningkatkan kecerahan yang dirasakan (yang terakhir lebih abu-abu dan lebih terang),
tetapi rotasi rona yang sama akan berdampak berlawanan pada kecerahan dan kroma
hijau kebiruan yang lebih terang untuk (yang terakhir lebih berwarna dan sedikit lebih
gelap).

Pada contoh di bawah ini (ara. 21), gambar di sebelah kiri (a) adalah foto asli dari
(a) penyu hijau. Di gambar tengah (b), kami telah memutar rona (H.) dari setiap warna
menurut −30°, dengan tetap mempertahankan nilai HSV dan saturasi atau kecerahan dan
saturasi HSL yang konstan. Pada gambar di sebelah kanan (c), kami membuat rotasi yang
sama ke warna HSL / HSV setiap warna, tetapi kemudian kami memaksa kecerahan
CIELAB (L*, perkiraan yang layak dari keringanan yang dirasakan) agar tetap konstan.
Perhatikan bagaimana versi tengah yang bergeser-rona tanpa koreksi seperti itu secara
dramatis mengubah hubungan kecerahan yang dirasakan antara warna dalam gambar.
Secara khusus, cangkang kura-kura jauh lebih gelap dan kurang kontras, dan latar
belakang air jauh lebih terang.
 DAFTAR PUSTAKA

http://eprints.polsri.ac.id/3781/3/FILE%20III%20BAB%20II.pdf

http://www.kitainformatika.com/2015/01/ruang-warna-hue-saturation-value-hsv.html

https://id.wikipedia.org/wiki/HSL_dan_HSV

http://notegan.blogspot.com/2013/06/model-warna-hsl-hue-lightness-saturation.html

https://mhstekkomp.wordpress.com/2011/05/07/representasi-model-warna-rgb-menggunakan-
hsl-dan-hsv/

https://www.duniailkom.com/artikel-css-pengertian-dan-cara-penulisan-kode-warna-rgba-hsl-
dan-hsla/

https://jejakjabar.com/wiki/hsl_and_hsv