PENGUKURAN SSIM DAN ANALISIS KINERJA METODE INTERPOLASI UNTUK PENINGKATAN KUALITAS CITRA DIGITAL

Main Article Content

Meirista Wulandari

Abstract

Terdapat banyak aplikasi pengenalan pola yang membutuhkan input citra dengan ukuran tertentu. Ukuran dari citra mempengaruhi hasil dari pengenalan pola tersebut. Metode interpolasi seringkali digunakan untuk mengatur ukuran citra. Kualitas citra hasil interpolasi tergantung dari metode interpolasi yang diterapkan. Pengukuran kualitas citra hasil interpolasi dapat dilakukan dengan pendekatan kualitas indeks. Salah satu pendekatan indeks kualitas yang sering digunakan adalah SSIM. Selain kualitas citra, metode interpolasi juga berpengaruh terhadap perubahan tekstur citra. Tekstur citra adalah fitur utama yang sering digunakan pada pengolahan citra dan computer vision untuk mengklasifikasikan suatu objek. Salah satu metode untuk melihat karakteristik tekstur citra adalah dengan statistik citra tersebut. Metode statistik mengkarakteristikkan tekstur citra berdasarkan distribusi statistik citra. Penelitian ini membanding 4 metode interpolasi yaitu NNI, Bilinear Interpolation, Bicubic Interpolation dan NNV. Keempat metode interpolasi tersebut dianalisis dengan kuantitatif parameter dari tekstur citra. Parameter yang dimaksud adalah rerata, standar deviasi, skewness, energi, entropi dan kehalusan. Sepuluh buah citra uji digunakan pada penelitian ini. Berdasarkan keenam fitur yang dianalisis, nilai skewness suatu citra sangat terpengaruh proses interpolasi. Perubahan nilai skewness dari citra hasil interpolasi dengan citra asli mencapai 800%, Perubahan energi mencapai 90%, entropi 75%, kehalusan 18%, standar deviasi 10% dan rerata 0,9%. Pengukuran SSIM dengan metode Bicubic Interpolation menghasilkan nilai SSIM yang lebih tinggi dibandingkan dengan metode lainnya.

Kata kunci: interpolasi, tekstur, kualitas, citra, SSIM

Article Details

Section
Articles

References

Avcibas, I., Sankur, B., & Sayood, K. (2002). Statistical Evaluation of Image Quality Measures.

Journal of Electronic Imaging, 11 (2), 206-223.

Al-Najjar, Y.A.Y., & Soong, D.D.C. (2012). Comparison of Image Assesment: PSNR, HVS,

SSIM, UIQI. International Journal of Sciencetific & Engineering Research, 3 (8), 11-15.

Cadik, M., & Slavik, P. (2004). Evaluation of Two Principal Approaches to Objective Image

Quality Assesment. 8th International Conference on Information Visualitsation, IEEE

Computer Science Society Press, 513-551.

Chang, A. S. (1992). Image Information Systems: Where Do We Go From Here? IEEE Trans.

On Knowledge and Data Engineering, 5(5), 431-442.

Farrel, J.E. (1999). Image Quality Evaluation in Colour Imaging: Vision and Technology (Mac

Donald, L. W. And Luo, M.R. ed, pp. 285-313): John Wiley.

Gonzales, R.C., & Woods, R.E. (2002). Digital Image Processing 2nd edition. Prenctice Hall.

Han, D. (2013). Comparison of Commonly Used Image Interpolation Methods. Proceedings of

the 2nd International Conference on Computer Science and Electronics Engineering

(ICCSEE 2013), 1556-1559.

Hastuti, I. M. H. (2009). Content Based Image Retrieval Berdasarkan Fitur Bentuk

Menggunakan Metode Gradient Vector Flow Snake. Seminar Nasional Informatika 2009

(semnasIF 2009) UPN "Veteran" Yogyakarta, 23 Mei 2009, ISSN: 1979-2328, A-140-A145.

Jahne, B. (2005). Digital Image Processing. Germany: Springer-Verlag Berlin.

Khare, C., & Nagwanshi, K. (Februari 2012). Image Restoration Techniques with Non Linear

Filter. International Journal of Advanced Science and Technology, 39.

Kreis, R. (2004). Issues of Spectral Quality in Clinical H-Magnetic Resonance Spectroscopy and

a Gallery of Artifacts. NMR in Biomedicine, 17 (6), 361-381.

Kodituwakku, S. S. (2011). Analysis and Comparison of Texture Features for Content Based

Image Retrieval. International Journal of Latest Trends in Computing, 2(1), 108-113.

Levine, M. (1985). Vision in Man and Machine. McGraw-Hill.

Nguyen, T.B., & Ziou, D. (2000) Contextual and Non-contextual Performance Evaluation of

Edge Detectors. Pattern Recognition Letters, 21 (9), 805-816.

Olivier, R., & Hanqiang, C. (2012). Nearest Neighbor Value Interpolation. IJACSA

(International Journal of Advanced Computer Science and Applications vol. 3, No. 4, 1-6.

Smulders, A.M.W, W. M. (2000). Content-Based Image Retrieval at The End of The Early

Years. IEEE Transaction on Pattern Analysis and Machine Intelligence, 22(12), 1349-

Susanto A., & Kadir, A. (2012). Pengolahan Citra : Teori dan Aplikasi. Penerbit Andi.

Wang, Z., Bovik, A.C., Sheikh, H.R., & Simmoncelli, E.P. (2004). Image Quality Assessment:

From Error Visibility to Structural Similarity. IEEE Transactions on Image Processing,

Image Processing and Pattern Recognition, 8(11), 221-230.