Dokumen ini menjelaskan pengolahan citra, termasuk histogram, operasi negasi, peningkatan kontras, dan ambang batas. Setiap teknik diuraikan dengan formula dan penjelasan mengenai pengaruh intensitas piksel pada kualitas citra. Selain itu, dokumen juga membahas transformasi logaritmik dan power-law untuk memperbaiki tampilan citra.

1. Pengolahan Citra
4 – Peningkatan Kualitas Citra
Disusun oleh: Teady Matius – teadymatius@yahoo.com
Dari berbagai sumber

2. Histogram
• Menunjukkan frekuensi kemunculan setiap gradasi warna
• Sumbu x : Nilai intensitas; Sumbu y : Frekuensi kemunculan
(banyaknya pixel dengan intensitas x) pada citra atau kebalikannya
tergantung kebutuhan.
• Semakin besar bit pada sistem yang digunakan, semakin banyak
variasi intensitasnya, semakin panjang pula sumbu yang mewakili
intensitas nya.
– 24 bit = 224 = 256 variasi intensitas pada sumbu x
– 8 bit = 28 = 256 variasi intensitas pada sumbu x
• Pada citra grayscale yang dipergunakan adalah derajat keabu-
abuannya.
• Pada citra RGB yang dipergunakan adalah intensitas masing-
masing channel.
• Pada color template yang dipergunakan adalah nilai yang mewakili
template warnanya.

3. Contoh Histogram
• Contoh Histogram Channel Red & Histogram
Channel Grayscale

4. Contoh Manfaat Histogram
• Indikasi visual untuk menentukan skala
intensitas yang tepat, sehingga di peroleh
kualitas citra yang diinginkan
• Pemilihan batas ambang (tresshold)
• Pada Computer vision dapat dimanfaatkan
sebagai feature.

5. Operasi Negasi (Invers)
• 0 (x,y) = maksimum - i (x,y)
• Tujuan: Untuk mendapatkan Citra negatif
Misal
citra grayscale 7 bit  = maksimum = 127

6. Brightness
• Intensitas
– mendekati 0  semakin gelap
– Mendekati 255  Semakin cerah
• Citra Grayscale 8 bit:
– 0 (x,y) = i (x,y) + k
• Citra True Color
– Dilakukan pada masing-masing Channel RGB
– 0
R (x,y) = i
R (x,y) + k
– 0
G (x,y) = i
G (x,y) + k
– 0
B (x,y) = i
B (x,y) + k
• k  nilai kecerahan
– k positif  semakin cerah
– k negatif  semakin gelap
– Nilai maksimum dan nilai minimum k tergantung jumlah bit nya.

7. Kontras (Contrast)
• Tingkat penyebaran piksel-piksel ke dalam intensitas
warna
• Kontras rendah karena kurangnya pencahayaan,
mengakibatkan intensitas warna berkumpul di tengah
skala intensitas
• Kontras tinggi karena terlalu banyak pencahayaan,
mengakibatkan intensitas warna berkumpul di tengah
awal dan akhir skala intensitas, sedangkan di tengah
sangat kecil frekwensinya
• Kontras normal  penyebaran piksel tidak terlalu
ekstrem.
• Operasi kontras adalah melakukan stretching pada
histogram

8. Fungsi-fungsi peningkatan kontras
(1)
0 (x,y) = G . (i (x,y) – P)+P
• G: Koefesien penguatan kontras
• P: nilai intensitas yang dipakai sebagai
pusat pengontrasan

9. Fungsi-fungsi peningkatan kontras
(2)
• Max: intensitas piksel yang paling besar dari
citra asal
• Dapat juga untuk mengatur brightness








max
max
-
255
)
,
(
)
,
(
)
,
(
0 y
x
f
y
x
f
y
x
f i
i

10. Fungsi-fungsi peningkatan kontras
(3)
• k = jumlah bit warna
• Ci = cacah jumlah kumulatif intensitas ke I
• w = lebar citra
• h = tinggi citra







 

h
w
C
y
x
f
k
i
.
)
1
2
(
)
,
(
0

11. Fungsi-fungsi peningkatan kontras
(4)
a
b
da
bc
a
b
a
d
y
x
f
y
x
f i











 )
,
(
)
,
(
0
• a = nilai intensitas terendah (paling kiri pada histogram)
• b = nilai intensitas tertinggi
• c = nilai intensitas terendah yang diinginkan
• d = nilai intensitas tertinggi yang diinginkan

12. Fungsi-fungsi peningkatan kontras
(5)
• Dinamakan Contrast
Stretching
• Meningkatkan range
dinamis dari level skala
intensitas pada gambar
saat proses berlangsung
• Range frekwensi
intenstas hasil yang
diharapkan dibagi pada 3
range: 0A1A2 255
• Range frekwensi
intensitas asal dibagi
pada 3 range: 0B1B2
255

13. Fungsi-fungsi peningkatan kontras
(5 cont.)
• Untuk 0  i (x,y)  A1
• Untuk A1  i (x,y)  A2
• Untuk A2  i (x,y)  255
1
1
0 )
,
(
)
,
(
A
B
y
x
f
y
x
f i

1
2
1
2
1
1
0 )
)
,
(
(
)
,
(
A
A
B
B
A
y
x
f
B
y
x
f i





2
2
2
2
0
255
255
)
)
,
(
(
)
,
(
A
B
A
y
x
f
B
y
x
f i






14. Operasi ambang batas
(Tressholding)
• Nilai piksel yang memenuhi syarat
ambang batas dipetakan ke suatu nilai
yang dikehendaki
• o (x,y) = 0 jika i (x,y)  0
• o (x,y) = T1 jika T1  i (x,y)  T2
• o (x,y) = T2 jika T2  i (x,y)  T3
• o (x,y) = Tn-1 jika Tn-1  i (x,y)  Tn

15. Tranformasi Logaritmik
• Memperluas jumlah piksel hitam di dalam
sebuah gambar
• Untuk memperoleh citra yang lebih halus
• 0 (x,y) = 0.1 * log(1+i (x,y) + k)

16. Tranformasi Power-law
• 0 (x,y) = C.i (x,y)
• C dan  adalah konstanta positif