Perbaikan Kualitas Citra Menggunakan Metode Fuzzy Type-2

Tio Dewantho Sunoto, Riko Arlando Saragih, Judea Janoto Jarden, Kioe (Oeij) O. K. Ricky Wijaya

Abstract


Image enhancement is applied to an image that has low contrast. Histogram Equalization (HE) is a general method used to improve the quality of an image.  However, its drawback is for a low contrast image, which is solved by using the type-1 fuzzy method. Nonetheless, due to its crisp membership function, then type-1 fuzzy will result in uncertainty when implemented on an image with a non-homogenous contrast. In this research, type-2 fuzzy will be applied because its membership function can model and minimize the uncertainty to increase the image quality. Image enhancement is evaluated quantitatively and qualitatively. Mean Square Error (MSE) and Peak Signal-to-Noise Ratio (PSNR) are used as quantitative measures for the three image enhancement techniques used, i.e., HE, type-1 fuzzy, and type-2 fuzzy. In general, based on the simulation results, type-2 fuzzy gives the best performance. Meanwhile, the qualitative measure is done through a survey of several respondents. The respondents agree that type-2 fuzzy shows the best performance for image enhancement qualitatively. Quantitatively, there is not the best among the three type-2 fuzzy methods for image enhancement because their MSE and PSNR were varied. Moreover, neither qualitatively, due to subjective issue among the respondents when looking at the resulting image, the respondents agree there is none the best one among them so that it needs the same perception about the quality of a good image.

 

 

Perbaikan kualitas citra biasanya diterapkan untuk citra yang memiliki kontras yang rendah. Metode Histogram Equalization (HE) adalah metode yang umum digunakan untuk memperbaiki kualitas citra. Namun, metode ini mempunyai kekurangan untuk citra yang memiliki level kekontrasan yang rendah. Kekurangan ini dapat diatasi dengan menggunakan metode fuzzy tipe-1. Karena sifat keanggotaan metode fuzzy type-1 bersifat crisp (tajam), maka akan berakibat ketidakpastian saat diterapkan untuk citra yang mempunyai distribusi kontras yang tidak homogen. Oleh karena itu, dalam penelitian ini akan diimplementasikan metode fuzzy type-2. Himpunan fungsi keanggotaan fuzzy type-2 mampu memodelkan dan meminimalisasi ketidakpastian sehingga kualitas citra dapat ditingkatkan. Penilaian terhadap perbaikan kualitas citra dilakukan secara kuantitatif dan kualitatif. Pengujian kuantitatif dilakukan dengan menggunakan metrik Mean Square Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR) terhadap perbaikan kualitas citra yang menggunakan metode HE, metode fuzzy type-1, dan metode fuzzy type-2. Berdasarkan pengujian, secara umum metode fuzzy type-2 menghasilkan perbaikan kualitas citra yang paling baik. Evaluasi pengujian kualitatif dilakukan melalui survei responden. Secara umum responden menilai perbaikan kualitas citra dengan metode fuzzy type-2 akan menghasilkan visual citra yang lebih baik. Di antara ketiga kategori metode fuzzy type-2, secara kuantitatif hasilnya tidak menunjuk kepada satu kategori yang terbaik karena nilai MSE dan PSNR yang masih bervariasi. Demikian pula secara kualitatif, responden tidak memilih satu kategori terbaik akibat adanya faktor subyektivitas responden saat melihat sebuah citra. Untuk itu, dibutuhkan kesamaan persepsi tentang arti kualitas sebuah citra yang baik.

Keywords


Image quality ehancement; contrast; uncertainty; histogram equalization; fuzzy type-1; fuzzy type-2; perbaikan kualitas citra; kontras; ketidakpastian

References


P. Mittal, R. K. Saini, dan N. K. Jain. “Image enhancement using fuzzy logic techniques”, dalam Proceedings of Soft Computing: Theories and Applications (SoCTA), 742, 2017, hlm. 537-546.

J. M. Mendel dan R. I. B. John. “Type-2 fuzzy sets made simple”, IEEE Transactions on Fuzzy Systems, vol. 10, no. 2, hlm. 117-27, 2002.

E. Onyedinma, I. Onyenwe, dan H. Inyiama. “Performance evaluation of histogram equalization and fuzzy image enhancement techiniques on low contrast images”, International Journal of Computer Science and Software Engineering (IJCSSE), vol 8, no. 7, hlm. 144-150, July 2019.

P. Ensafi dan H. R. Tizhoosh. “Type-2 fuzzy image enhancement”, (ICIAR), LNCS 3656, hlm. 159–166, 2005.

T. Chaira. “Rank-ordered filter for edge enhancement of cellular images using interval type ii fuzzy set”, Journal of Medical Imaging, vol. 2(4), Oct–Dec 2015.

D. J. Bora dan R. S. Thakur. “An efficient technique for medical image enhancement based on interval type-2 fuzzy set logic”, dalam Proceeding of Progress in Computing, Analytics and Networking (ICCAN) 710, 2017, hlm. 667-678.

N. K. Kansal dan A. Bala. “Fuzzy Techniques for Image Enhancement.” Computer Science and Engineering Department, Thapar University, India, 2010.

G. Maragatham dan S. Md. M. Roomi. “A review of image contrast enhancement methods and techniques”, Research Journal of Applied Sciences, Engineering and Technology (Res. J. Appl. Sci. Eng. Technol), 9(5), hlm. 309-326, 2015.

Cahyasaputra, B. “Perbandingan Perbaikan Kualitas Citra dengan Metode Image Adjustment, Histogram Equalization, dan Adaptive Histogram Equalization”, Tugas Akhir, Teknik Elektro, Universitas Kristen Maranatha, Bandung, 2020.

P. Mishra dan K. L. Sinha. “A highly efficient color image contrast enhancement using fuzzy based contrast intensification operator.” Department of Computer Science and Engineering, India, 2015.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Jurnal Telematika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

____________________________________________

Institut Teknologi Harapan Bangsa

Jl. Dipatiukur no. 80-84 Lt. 2

Bandung 40132


Creative Commons License

Jurnal Telematika is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.