Sistem Informasi1,3
Universitas Bina Sarana Informatika1,3
www.bsi.ac.id
suharyanto@bsi.ac.id 1; sandra.sjk@bsi.ac.id3
Sistem Informasi2
Universitas Nusa Mandiri,2
www.nusamandiri.ac.id
frieyadie@nusamandiri.ac.id 2
Abstrak—Para peneliti saat ini memberikan perhatian yang cukup besar terhadap obyek citra bawah air,
kebutuhan akan aplikasi pengamatan citra bawah air memiliki peran yang sangat penting dalam
mengidentifikasi objek, pemantauan kehidupan spesies, deteksi kebocoran pipa minyak atau gas,
pemantauan polusi, dan sebagainya. Degradasi citra bawah air merupakan fenomena atmosfer yang
merupakan hasil dari hamburan dan penyerapan cahaya. Kami menggunakan satu gambar terdistorsi untuk
mendapatkan kontras yang ditingkatkan dan versi koreksi warna dari gambar aslinya. Selanjutnya
menghilangkan distorsi dan meningkatkan visibilitas objek dalam gambar dengan menerapkan peta bobot,
hal ini dapat dicapai dengan menerapkan penyeimbangan warna putih, kemudian penajaman
menggunakan gaussian filtering dilakukan untuk, meningkatkan tampilan visual. pada setiap input yang di
proses. Langkah terakhir dilakukan menaikan nilai kontras dengan koreksi peregangan kontras yang
dibatasi utuk meningkatkan warna keabuan dan uuntuk menhjilangkan efek noise yang berlebihan pada
latar belakang obyek gambar. Hasil penelitian evaluasi menggunakan fitur Root Mean Squared Error
(RMSE), dan Peak Signal-to-Noise Ratio (PSNR) dan kami bandingkan dengan metode CLAHE. Hasil evaluasi
menunjukkan peningkatan PNSR yang signifikan kualitas citra yg di perbaiki menggunakan algoritma
kombinasi dibanding dengan menggunakan metode CLAHE sebagaimana yang kami paparkan dalam bagian
hasil penelitian.
Kata Kunci: Keseimbangan Putih, Gray World, CLAHE, Pemerataan Histogram, koreksi warna, Dehazing,
Filter Gaussian, citra bawah air, peningkatan kualitas.
Abstract— Researchers are currently paying considerable attention to underwater image objects, the need
for underwater image observations has a very important role in finding species observation objects, detecting
oil or gas leaks, observations, and so on. Underwater image degradation is an atmospheric phenomenon that
is the result of the scattering and absorption of light. We use a single distorted image to get a contrast-
enhanced and corrected version of the image that helps. Further eliminating distortion and increasing the
visibility of objects in the image by applying a map view, this can be achieved by applying white balancing, then
sharpening using gaussian filtering is done to, enhance the visuals. on each input that is processed. The last
step is to increase the contrast value with limited contrast correction to increase the gray color and to
eliminate the effect of excessive noise on the background of the image object. The results of the evaluation used
the Root Mean Squared Error (RMSE) feature, and the Peak Signal-to-Noise Ratio (PSNR) and we compared
them with the CLAHE method. The evaluation results show a significant increase in PNSR image quality which
is corrected using a combination algorithm compared to using the CLAHE method as described in the results
section of the study.
Keywords: White Balancing, Grey World, CLAHE, Multi-scale fusion, Weight maps, Dehazing, Gaussian
filtering.
1 0.5
Rayleigh 𝑔 = 𝑔𝑚𝑖𝑛 + [2(𝑎2 ) In ( )] (6) 5
1−𝑃(𝑓)
Tabel 2. RMSE (Root Mean Square Eror) Gambar 6 secara visualisasi menunjukkan
keunggulan metode Kombinasi color correction
a b c dan Pemerataan histogram (WBGWCL) bahwa
Citra 1 0,00377 0,00565 0,00037 tinggkat RMSE nya berada paling rendah
Citra 2 0,01144 0,01039 0,00216 dibandingkan metode White Balancing dan
Pemerataan histogram.
Citra 3 0,00261 0,00606 0,00059
Citra 4 0,00679 0,00904 0,00120 KESIMPULAN
Citra 5 0,03924 0,01491 0,00060
Citra 6 0,01677 0,00956 0,00248 Penelitian ini menyajikan sebuah metode
teknik peningkatan kualitas citra bawah air
Citra 7 0,01978 0,01792 0,00244
berbasis color corection dan pemerataan histogram
Citra 8 0,01599 0,00873 0,00836 pada citra bawah air yang sangat terdegradasi. Hasil
Citra 9 0,00765 0,00747 0,00071 eksperimen menunjukkan sangat efektif untuk
Citra 10 0,02239 0,01351 0,00158 mengurangi tingkat error citra yang dihasilkan
setelah enhancement menggunakan Peningkatan
Citra 11 0,00473 0,00621 0,00065 Kontras berbasis pemerataan histogram.
Citra 12 0,00538 0,00734 0,00350 Peningkatan kontras berdasarkan pemerataan
Citra 13 0,00989 0,00919 0,00554 histogram citra asli terbukti merupakan teknik yang
sangat efektif untuk mengurangi eror dengan
Citra 14 0,00351 0,00876 0,00224
persamaan terhadap citra asli. Teknik klipping atau
Citra 15 0,00929 0,01494 0,00073 perpotongan histogram pada metode CLAHE untuk
Citra 16 0,00460 0,01304 0,00131 memberikan kontrol piksel lebih baik dari
Citra 17 0,00143 0,00781 0,00062 perbaikan kontras yang mengarah ke peningkatan
kualitas Teknik pembatasan dengan perpotongan
Citra 18 0,00503 0,01072 0,00114
histogram sangat baik dalam metode CLAHE karena
Citra 19 0,01364 0,01192 0,00103 berhasil mengkontrol piksel citra secara otomatis.
Citra 20 0,01913 0,01046 0,00062 Untuk menghasilkan citra hasil peregangan kontras
Sumber: (Suharyanto, Frieyadie, 2021) yang memiliki efek noise pada latar belakang citra
bawah air maka dilakukan terlebih dahulu
Tabel 5, menampilkan data nilai RMSE 20 citra penyeimbangan warna putih menggunakan metode
bawah air yang terdiri dari kolom nilai RMSE citra white balancing dengan model grey world (WBGW)