PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY
INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS
CITRA DIGITAL BERWARNA
Linggaluhung
Linggaluhung Dwikawuryan Dwikawuryan WibowoWibowo
-- 1205 100 022 1205 100 022 ––
JURUSAN MATEMATIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
LATAR BELAKANG
Citra Digital dengan Kontras Rendah
Citra Digital dengan Kontras Tinggi
LATAR BELAKANG (cont.)
Histogram dari Citra•
Bagaimana melakukan peningkatan kontras citra digital
berwarna pada ruang warna Lab dengan pendekatan
HHFIA
•
Bagaimana mengimplementasikan HHFIA dalam
peningkatan kontras citra digital berwarna.
•
Analisa secara numerik untuk membandingkan kualitas
kontras citra digital yang dihasilkan.
• Citra digital berwarna asal adalah citra digital berwarna dalam ruang warna RGB dengan 256 nilai intensitas serta memiliki kualitas
kontras yang rendah.
• Pada Tugas Akhir ini, citra digital memiliki kontras rendah bila nilai standar deviasinya lebih kecil dari 23.
• Pengolahan citra digital dilakukan pada ruang warna Lab yang standar yaitu CIELab.
• Nilai intensitas yang dimaksud pada pengolahan citra digital adalah nilai intensitas luminasi, yaitu komponen L pada ruang warna Lab dengan nilai intensitas berada pada [0, 100].
• Pengukuran kualitas kontras citra digital yang dimaksud adalah perbandingan standar deviasi dari histogram citra digital asal dan citra digital hasil. Semakin tinggi standar deviasi citra digital yang dihasilkan, maka semakin baik pula kualitas kontras citra digital hasil.
• Citra digital hasil diasumsikan tidak valid sebagai citra asal untuk diolah kembali, mengingat kualitas kontrasnya telah ditingkatkan.
•
Melakukan pendekatan HHFIA dalam peningkatan
kontras citra digital berwarna untuk meningkatkan
persepsi mata manusia dalam memperoleh informasi
dari citra digital.
•
Menganalisa kualitas citra digital yang dihasilkan
melalui histogram yang terbentuk dengan
membandingkan standar deviasi dari citra digital asal
dengan citra digital hasil peningkatan kontras.
•
Memberikan gambaran pendekatan HHFIA terhadap
peningkatan kontras citra digital berwarna.
•
Meningkatkan kontras citra digital berwarna,
sehingga mampu meningkatkan persepsi mata
manusia dalam memperoleh informasi dari suatu citra
digital.
Fuzzifikasi
Mengubah citra digital asal dalam domain fuzzy, dengan menggunakan fungsi keanggotaan (I.K. Vlachos, 2007):
PENINGKATAN KONTRAS CITRA DIGITAL
BERWARNA DALAM DOMAIN FIA
min max min
(
)
LL
L
L
A
L
L
x
x
x
x
x
μ
=
−
−
min Lx
=
Nilai minimal intensitas Lmax
L
x
=
Nilai maksimal intensitas L(
L)
Ax
Fuzzifikasi Intuisi
Mengubah citra digital dari domain fuzzy ke dalam domain fuzzy intuisi Atanassov, dengan menggunakan fungsi keanggotaan dan fungsi ke-non-anggotaan (I.K. Vlachos, 2007):
PENINGKATAN KONTRAS CITRA DIGITAL
BERWARNA DALAM DOMAIN FIA (cont.)
Parameter bebas, dengan yang mengatur bentuk ke-fuzzy-an L
x
(
)
1 (1
(
)) ;
L L Ax
L Ax
L λμ
= − −
μ
( 1)(
)
(1
(
))
,
L L Ax
L Ax
L λ λν
= −
μ
+(
)
L Ax
Lμ
=
(
)
L Ax
Lν
=
λ
=
Nilai derajat keanggotaan dari intensitas
Nilai derajat ke-non-anggotaan dari intensitas
x
L0
PENINGKATAN KONTRAS CITRA DIGITAL
BERWARNA DALAM DOMAIN FIA (cont.)
Mengoptimalkan untuk memperoleh representasi dalam domain fuzzy intuisi optimal yang memenuhi kriteria (I.K. Vlachos, 2007):
λ
0
max{ ( ; )},
optE A
λλ
λ
≥=
dimana E adalah entropi dari fuzzy intuisi seperti yang diusulkan oleh Szmidt dan Kacprzyk (E. Szmidt, 2001).
PENINGKATAN KONTRAS CITRA DIGITAL
BERWARNA DALAM DOMAIN FIA (cont.)
Modifikasi
Melakukan modifikasi pada citra digital dalam domain FIA yang optimal dengan menggunkan kriteria (I.K. Vlachos, 2007):
Komponen L citra digital dalam domain FIA yang telah dimodifikasi
{(
,(
(
)) ,1 (1
(
)) ) |
{0,
,
1}},
L L
Lopt L A opt L A opt L L
A
β=
x
μ
x
β− −
ν
x
βx
∈
…
l
−
opt
L
A
β=
0,
β
≥ sebarang bilangan riil positif yang mengatur besar faktor modifikasiPENINGKATAN KONTRAS CITRA DIGITAL
BERWARNA DALAM DOMAIN FIA (cont.)
Defuzzifikasi Intuisi
Mengubah citra digital dalam domain FIA yang telah dimodifikasi ke domain fuzzy dengan menggunakan operator yang diajukan oleh Atanassov
PENDEKATAN HIPERBOLISASI HISTOGRAM
DALAM PENINGKATAN KONTRAS CITRA DIGITAL
BERWARNA PADA DOMAIN FIA
Defuzzifikasi
Mengubah citra digital dari domain fuzzy ke domain citra asal
sekaligus mengatur histogram hasil modifikasi supaya mendekati fungsi hiperbolik (hiperbolisasi histogram):
max( ) 1 1 x x e x e − − ⎛ − ⎞ ′ = ⎜⎜ ⎟⎟ − ⎝ ⎠
Memberi nilai intensitas L yang baru dengan menskalakan citra dalam domain fuzzy yang berada pada nilai [0,1] ke nilai
intensitas L yang berada pada nilai [0,100] dan dengan
menggunakan fungsi hiperbolik di atas. Atau dalam bentuk
persamaan: ( ) 1
1
100
1
AL xL Le
x
e
μ − −⎛
−
⎞
⎜
⎟
′ =
⎜
−
⎟
⎝
⎠
Domain RGB Citra Asal Domain Lab Citra Dalam Lab Domain Fuzzy Citra Fuzzy
Domain Fuzzy Intuisi
Modifikasi Citra Fuzzy
Intuisi Citra Fuzzy Intuisi Baru Domain Fuzzy Citra Fuzzy Baru Domain RGB Citra Baru Domain Lab Citra Baru Dalam Lab
LANGKAH-LANGKAH
LANGKAH-LANGKAH
PENGERJAAN TUGAS AKHIR (cont.)
Analisis Hasil Peningkatan Kontras
• Citra digital masukan dan keluaran merupakan citra digital
dalam ruang warna RGB, pengamatan standar deviasi dilakukan pada tingkat intensitas kecerahan luminosity.
• Luminosity merupakan tingkat keterangan citra digital yang
diukur dalam ruang warna RGB. Nilai luminosity citra digital diperoleh dengan persamaan berikut:
(
)
1
( , )
( , )
( , )
( , )
3
l x y
=
R x y
+
G x y
+
B x y
( , ) R x y = ( , ) G x y = ( , ) B x y =Intensitas merah suatu piksel pada ( , )x y
Intensitas hijau suatu piksel pada Intensitas biru suatu piksel pada
( , )x y
UJICOBA DAN PEMBAHASAN
a. Hasil Pengujian File “face_1.jpg”UJICOBA DAN PEMBAHASAN (cont.)
Statistik pengujian terhadap file “face_1.jpg”
S.D. S.D.
β
Channel
Citra
Asal
Citra
Hasil
Peningkatan
S.D. (%)
Merah 7,5812
43,3045
471,21%
Hijau 7,8879
44,3128
461,78%
Biru 8,6072
44,5244
417,29%
0,8
Luminosity
7,9436
44,0134
454,07%
UJICOBA DAN PEMBAHASAN (cont.)
b. Hasil Pengujian File “face_2.jpg”
UJICOBA DAN PEMBAHASAN (cont.)
Statistik pengujian terhadap file “face_2.jpg”
S.D. S.D.
β
Channel
Citra
Asal
Citra
Hasil
Peningkatan
S.D. (%)
Merah 14,144
50,9235
360,02%
Hijau 11,430
51,9295
454,32%
Biru 9,661
44,5727
461,36%
0,6
Luminosity
9,737
47,7855
490,73%
UJICOBA DAN PEMBAHASAN (cont.)
c. Hasil Pengujian File “coin.jpg”
UJICOBA DAN PEMBAHASAN (cont.)
Statistik pengujian terhadap file “coin.jpg”
S.D. S.D. β Channel Citra Asal Citra Hasil Peningkatan S.D. (%) Merah 2,8454 24,2172 851,10% Hijau 2,8423 24,2255 852,32% Biru 2,8399 24,219 852,81% 0,5 Luminosity 2,8385 24,222 853,33%
UJICOBA DAN PEMBAHASAN (cont.)
d. Hasil Pengujian File “eye_1.jpg”
UJICOBA DAN PEMBAHASAN (cont.)
Statistik pengujian terhadap file “eye_1.jpg”
S.D. S.D.
β
Channel
Citra
Asal
Citra
Hasil
Peningkatan
S.D. (%)
Merah 22,4275
58,7271
261,85%
Hijau 22,5482
58,2628
258,39%
Biru 23,6319
58,2684
246,56%
0,4
Luminosity
22,4203
58,2491
259,80%
UJICOBA DAN PEMBAHASAN (cont.)
e. Hasil Pengujian File “eye_2.jpg”
UJICOBA DAN PEMBAHASAN (cont.)
Statistik pengujian terhadap file “eye_2.jpg”
S.D. S.D. β Channel Citra Asal Citra Hasil Peningkatan S.D. (%) Merah 17,8425 42,7904 239,82% Hijau 15,3652 38,2471 248,92% Biru 14,9177 37,2241 249,52% 0,4 Luminosity 14,4868 38,475 265,58%
UJICOBA DAN PEMBAHASAN (cont.)
f. Pengujian terhadap Besar Faktor Modifikasi
UJICOBA DAN PEMBAHASAN (cont.)
Hasil pengujian untuk dan
Citra Digital Hasil Histogram Luminosity
0.25
0, 25
UJICOBA DAN PEMBAHASAN (cont.)
Hasil pengujian untuk dan
Citra Digital Hasil Histogram Luminosity 1.25
1, 25
UJICOBA DAN PEMBAHASAN (cont.)
Hasil pengujian untuk dan
Citra Digital Hasil Histogram Luminosity
2.25
2, 25
UJICOBA DAN PEMBAHASAN (cont.)
Statistik hasil pengujian faktor modifikasi
β
S.D.
Mean
0.25β
= 0,25
46,0077
149,2886
0.75β
= 0,75
43,6400
69,086
1.25β
= 1,25
48,0658
62,5995
1.75β
= 1,75
51,9675
57,6024
2.25β
= 2,25
47,6772
44,0099
2.75β
= 2,75
43,1358
34,1617
KESIMPULAN
• Peningkatan kontras citra digital berwarna dengan pendekatan HHFIA telah berhasil diimplementasikan.
• Peningkatan kontras yang terjadi dapat diamati dari
peningkatan nilai standar deviasi pada intensitas kecerahan (luminosity) ruang warna RGB.
• Hasil peningkatan kontras telah mengimplikasi secara langsung kualitas citra digital, yaitu dengan terjadinya peningkatan persepsi terhadap mata manusia dalam mendapatkan informasi dari suatu citra digital.
• Hasil peningkatan kontras yang terjadi dipengaruhi oleh besarnya nilai faktor modifikasi yang dipilih.
• Untuk pemilihan nilai besar faktor peningkatan kontras, tidak selalu sama antara satu citra dengan yang lain.
• Secara khusus, semakin rendah nilai faktor modifikasi yang dipilih, maka tampilan citra yang dihasilkan akan semakin terang. Demikian juga sebaliknya.
SARAN
• Jika diihat dari sifat fungsi keanggotaan fuzzy pada tahap fuzzifikasi yang linier, sangat mungkin jika digunakan fungsi keanggotaan lain yang non-linier pada pengembangan
selanjutnya, seperti fungsi keanggotaan Gaussian.
• Pengolahan citra digital masih diimplementasikan pada ruang warna Lab saja. Akan lebih baik jika pengembangan
diimplementasikan pada ruang warna lain.
• Sebagai tindak lanjut sangat dimungkinkan jika penelitian ini diterapkan pada sistem lain yang membutuhkan peningkatan kontras citra digital, seperti sistem pengenalan dan
pendeteksian wajah, sistem pengenalan iris mata, sistem pengenalan tulisan, serta yang lain.
DAFTAR PUSTAKA
Atanassov, K. T. 1999. Intuitionistic Fuzzy Sets: Theory and
Application. Heidelberg : Physica-Verlag.
Gonzales, R. C., dan Woods, R. E. 2002. Digital Image Processing
Second Edition. New Jersey : Prentice Hall, Inc.
Hanbury, A., dan Serra, J. 2001. Mathematical Morphology in the
L*a*b* Colour Space. Perancis : Centre de Morphologie
Mathématique Ecole des Mines de Paris.
Pratt, W. K. 1991. Digital Image Processing Second Edition. Canada : John Wiley & Sons, Inc.
Sid-Ahmed, M. A. 1995. Image Processing : Theory, Algorithms,
and Architectures. Singapore : McGraw-Hill Book Co.
Vlachos, I. K., dan Sergiadis, G. D. 2007. Intuitionistic Fuzzy
Histogram Hiperbolization for Color Images. Heidelberg :
Springer-Verlag.
Vlachos, I. K., dan Sergiadis, G. D. 2007. A Two Dimensional
Entropic Aprroach to Intuitionistic Fuzzy Contrast Enhancement. Heidelberg : Springer-Verlag.