Penerapan RMS Contrast sebagai Penentu Citra Terbaik Berdasarkan Tingkat Kontras
on
JNATIA Volume 1, Nomor 3, Mei 2023
Jurnal Nasional Teknologi Informasi dan Aplikasinya
p-ISSN: 2986-3929
Penerapan RMS Contrast sebagai Penentu Citra Terbaik Berdasarkan Tingkat Kontras
Shiennyta Florensia Adiriyantoa1, I Gede Arta Wibawaa2
aProgram Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
Jalan Raya Kampus Udayana, Bukit Jimbaran, Kuta Selatan, Badung, Bali Indonesia 1[email protected]
Abstract
This research centers on the objective of identifying the finest image from a burst shot through the utilization of Root Mean Square (RMS) contrast as a guiding metric. The primary focus lies in selecting the visually captivating image by assessing the contrast levels present in each individual shot. By conducting calculations of the RMS contrast values, the optimal image can be determined. The core purpose of this study is to employ RMS contrast as a reliable criterion for selecting the most outstanding image from a burst shot, thereby guaranteeing the production of high-quality visuals, and aiding in the organization and decluttering of smartphone galleries. This research holds significance in addressing the growing need for efficient and effective image selection methods, ensuring that users can effortlessly identify and showcase the best images captured in burst mode. By embracing the power of RMS contrast analysis, individuals can confidently curate their image collections with exceptional visual content while optimizing limited storage space on their smartphones.
Keywords: Burst Shot, RMS contrast, Contrast Level, Best Image, Storage Space.
Dalam dunia fotografi modern, perkembangan teknologi telah menghadirkan kemudahan dalam pengambilan foto dalam jumlah besar dalam waktu singkat. Fitur burst shot pada kamera digital dan smartphone memungkinkan pengguna untuk menangkap serangkaian foto berurutan hanya dengan menahan tombol rana. Mode ini sangat bermanfaat dalam situasi di mana pengguna ingin menangkap momen yang cepat berubah atau objek yang bergerak dengan cepat. Namun, setelah sesi pemotretan selesai, muncul tantangan baru yaitu memilih gambar terbaik dari sekumpulan foto burst tersebut. Hal ini dapat memakan waktu yang cukup lama, karena pengguna tentu ingin memastikan gambar yang dipilih memiliki kejelasan, ketajaman, dan kontras yang optimal
Kontras warna merupakan sebuah teknik desain yang digunakan untuk membuat warna pada gambar lebih mencolok. Kontras ditentukan oleh perbedaan dalam warna dan tingkat kecerahan dari objek yang satu dengan yang lainnya dalam jangkauan pandang yang sama [1]. Tingkat kontras warna ini bervariasi dari tinggi hingga rendah, tergantung pada posisi kedua warna pada roda warna. Semakin jauh kedua posisi dari warna tersebut pada roda warna, maka semakin tinggi juga tingkat kontras warnanya. Tidak hanya untuk memperindah foto, kontras warna juga diperlukan terutama bagi orang yang memiliki masalah pada indera penglihatannya untuk dapat membedakan objek dengan lebih mudah [2].
Dengan begitu, salah satu metode yang dapat digunakan dalam mengevaluasi dan memilih gambar terbaik berdasarkan tingkat kontrasnya adalah metrik Root Mean Square (RMS) contrast. RMS contrast adalah metode kuantitatif yang mengukur tingkat kontras dalam sebuah gambar [3]. Metrik ini menghitung variasi intensitas piksel dalam gambar dengan cara menghitung akar kuadrat dari rata-rata selisih kuadrat antara intensitas piksel dengan nilai intensitas rata-rata. Dengan membandingkan nilai RMS contrast dari masing-masing foto dalam burst shot, akan
dapat ditemukan gambar dengan kontras yang optimal, di mana detail-detail gambar terlihat jelas dan tajam.
Selain memberikan hasil yang memuaskan secara visual, penggunaan metrik RMS contrast dalam pemilihan gambar dari burst shot juga membantu mengurangi waktu dan usaha yang diperlukan untuk memilih gambar secara manual. Dengan memanfaatkan metode ini, pengguna dapat dengan mudah menemukan gambar terbaik yang menonjol dan memiliki kualitas visual yang tinggi, sekaligus mengoptimalkan ruang penyimpanan pada galeri smartphone mereka.
Metode penelitian memiliki peran yang sangat penting dalam menentukan hasil dari suatu penelitian. Hal ini disebabkan oleh pentingnya pendekatan yang tepat dalam melaksanakan penelitian tersebut. Berikut merupakan urutan dari metode penelitian yang akan dilaksanakan.
Pada penelitian ini, akan digunakan data primer berupa foto beberapa objek yang difoto menggunakan burst shot, kemudian disimpan menggunakan format JPG file. Objek yang akan difoto di antaranya adalah tin kotak, buku, boneka, tempat minum dan bunga, dengan sebanyak 5 foto untuk setiap objek tersebut. Data dari pengambilan foto-foto objek dapat dilihat pada Tabel 1. Foto akan diberikan nama dengan format “’nomor objek’_’nomor foto’”.
Data akan diubah menjadi grayscale terlebih dahulu, sehingga penghitungan kontras warna akan digabungkan menjadi satu. Gambar grayscale merupakan gambar yang hanya memiliki warna hitam dan putih dengan skala intensitas 0-255. Angka 0 berarti hitam, 255 berarti putih, dan 1254 merupakan abu-abu dengan intensitas kecerahan yang berbeda-beda. Semakin kecil angka tersebut, maka semakin gelap pula pikselnya.
Gambar RGB merupakan gambar berwarna yang berdasar dari warna merah, hijau, dan biru dengan skala intensitas 0-255 pada setiap warnanya. Dengan 3 dasar warna tersebut, didapatkan sebanyak 16.777.216 varian campuran warna yang dapat memberatkan proses pengolahan gambar. Dengan begitu, pelaksanaan pre-processing data dengan menggunakan grayscale sangatlah penting [4].
Root Mean Square (RMS) contrast merupakan salah satu cara yang dapat digunakan dalam menentukan tingkat kontras gambar. Rumus dari RMS contrast untuk gambar f(x, y) dapat dilihat pada persamaan (1) di bawah. Semakin tinggi nilai dari RMS contrast tersebut, maka semakin tinggi pula tingkat kontras pada gambar. Dengan f(x, y) sebagai intensitas piksel dari gambar dua dimensi berukuran X dan Y. Sedangkan, μf merupakan rata-rata intensitas dari semua nilai piksel pada gambar. Rumus dari μf dapat dilihat pada persamaan (2) [5].
√X-1 Y-1
∑ ∑{f(x, y) - μf}2
x=0 y=0
X-1 Y-1 μf=XY∑∑f(x,y) x=0 y=0
(1)
(2)
Foto yang sudah dilakukan pre-processing dengan grayscale akan dihitung RMS contrast menggunakan rumus tersebut. Foto dengan nilai RMS tertinggi akan menjadi foto dengan tingkat kontras terbaik dan akan ditampilkan.
Tabel 1. Data Foto Objek
Objek Foto 1
Foto 2
Foto 3 Foto 4 Foto 5
Buku (2)
Tin Kotak (1)
Boneka
(3)
Tempat Minum (4)
Bunga (5)
* estimasi foto terbaik
Berdasarkan metode penelitian yang sudah dipaparkan di atas, berikut merupakan hasil penghitungan dari setiap foto pada masing-masing objek sesuai dengan Tabel 1.
RMS contrast for l_l.jpg: 46.32469683818406
RMS contrast for l_2.jpg: 45.55963659056988
RMS contrast for l_3.jpg: 45.13111158317552
RMS contrast for l_4.jpg: 48.53592335230029
RMS contrast for l_5.jpg: 49.877362845482416
-
The best image is: l_5.jpg
Gambar 1. Hasil Penghitungan Objek 1 (Tin Kotak)
Pada objek (1) tin kotak, didapatkan foto 5 sebagai foto terbaik dengan nilai RMS 49.877, dilanjutkan dengan foto 4 dengan nilai RMS 48.536. Foto dengan nilai RMS terburuk adalah foto 3 dengan RMS 45.131. Foto terbaik yang didapatkan, yaitu foto 5 sesuai dengan estimasi foto terbaik,
|
RMS contrast for 2_l.jpg: |
55.67153590809478 |
|
RMS contrast for 2_2.jpg: |
56.33791575391052 |
|
RMS contrast for 2_3.jpg: |
56.42718742325045 |
|
RMS contrast for 2_4.jpg: |
56.50383423743579 |
|
RMS contrast for 2_5.jpg: |
55.350802154514895 |
The best image is: 2_4.jpg
Gambar 2. Hasil Penghitungan Objek 2 (Buku)
Pada objek (2) buku, didapatkan foto 4 sebagai foto terbaik dengan nilai RMS 56.504, dilanjutkan dengan foto 3 dengan nilai RMS 56.427. Foto dengan nilai RMS terburuk adalah foto 5 dengan RMS 55.351. Foto terbaik yang didapatkan, yaitu foto 4 tidak sesuai dengan estimasi foto terbaik yang merupakan foto 2,
|
RMS |
contrast |
for |
3. |
.l∙JPg: |
36.2307858027897 |
|
RMS |
contrast |
for |
3. |
_2.jpg: |
34.76491936142141 |
|
RMS |
contrast |
for |
3. |
_3.jpg: |
34.16883362580635 |
|
RMS |
contrast |
for |
3. |
?JPg: |
36.56450304505334 |
|
RMS |
contrast |
for |
3. |
.5∙jpg: |
36.2666462737494 |
The best image is: 3_4.jpg
Gambar 3. Hasil Penghitungan Objek 3 (Boneka)
Pada objek (3) boneka, didapatkan foto 4 sebagai foto terbaik dengan nilai RMS 36.564, dilanjutkan dengan foto 5 dengan nilai RMS 36.267. Foto dengan nilai RMS terburuk adalah foto 3 dengan RMS 34.169. Foto terbaik yang didapatkan, yaitu foto 4 sesuai dengan estimasi foto terbaik.
|
RMS |
contrast |
for |
4. |
.1∙ JPg: |
46.11874252291498 |
|
RMS |
contrast |
for |
4. |
.2∙jpg: |
45.59398686702662 |
|
RMS |
contrast |
for |
4. |
.≡∙jpg: |
45.45977853431225 |
|
RMS |
contrast |
for |
4. |
.4. jpg: |
46.01089614658642 |
|
RMS |
contrast |
for |
4. |
.5∙jpg: |
45.9550917182774 |
The best image is: 4_l.jpg
Gambar 4. Hasil Penghitungan Objek 4 (Tempat Minum)
Pada objek (4) tempat minum, didapatkan foto 1 sebagai foto terbaik dengan nilai RMS 46.119, dilanjutkan dengan foto 4 dengan nilai RMS 46.011. Foto dengan nilai RMS terburuk adalah foto 3 dengan RMS 45.460. Foto terbaik yang didapatkan, yaitu foto 1 sesuai dengan estimasi foto terbaik.
RMS contrast for 5_l.jpg: 47.91176073142965
RMS contrast for 5_2.jpg: 48.10882587074554
RMS contrast for 5_3.jpg: 49.69945322238286
RMS contrast for 5_4.jpg: 49.60001472094993
RMS contrast for 5_5.jpg: 49.57430561006631
The best image is: 5_3.jpg
Gambar 5. Hasil Penghitungan Objek 5 (Bunga)
Pada objek (5) bunga, didapatkan foto 3 sebagai foto terbaik dengan nilai RMS 49.699, dilanjutkan dengan foto 4 dengan nilai RMS 49.600. Foto dengan nilai RMS terburuk adalah foto 1 dengan RMS 47.912. Foto terbaik yang didapatkan, yaitu foto 3 sesuai dengan estimasi foto terbaik.
Berdasarkan hasil-hasil tersebut, pada Tabel 2 diperlihatkan perbandingan antara estimasi foto terbaik dengan foto terbaik berdasarkan penelitian, besertakan perbandingan RMS dari kedua foto tersebut.
Tabel 2. Perbandingan Estimasi dan Hasil Foto Terbaik
|
Objek |
Foto Terbaik |
RMS | ||
|
Estimasi |
Hasil |
Estimasi |
Hasil | |
|
(1) Tin kotak |
5 |
5 |
49.877362845482416 |
49.877362845482416 |
|
(2) Buku |
2 |
4 |
56.33791575391052 |
56.50383423743579 |
|
(3) Boneka |
4 |
4 |
36.56450304505334 |
36.56450304505334 |
|
(4) Tempat minum |
1 |
1 |
46.11874252291498 |
46.11874252291498 |
|
(5) Bunga |
3 |
3 |
49.69945322238286 |
49.69945322238286 |
Penelitian penentu citra terbaik dengan menggunakan penerapan RMS contrast memberikan hasil yang cukup baik. Penelitian ini mencapai hasil akurasi sebesar 80% yang di mana terdapat kesalahan pemillihan foto terbaik pada 1 objek dari 5 objek yang digunakan. Kekurangan yang terdapat pada hasil penelitian ini adalah belum dibuatnya penerapan ini dalam rupa aplikasi. Kedepannya, diharapkan penelitian ini dapat ditingkatkan dengan penambahan fitur maupun fungsi lainnya untuk mendapatkan hasil yang lebih optimal dan akurat.
Daftar Pustaka
-
[1] J. Felix, "Penggunaan Kontras Warna dalam Fotografi," HUMANIORA, vol. 1, no. 2,
2010.
-
[2] R. Almeida and C. Duarte, "Analysis of automated contrast checking tools," W4A '20:
Proceedings of the 17th International Web for All Conference, no. 18, p. 1, April 2020.
-
[3] S. Rahman, M. . M. Rahman, M. Abdullah-Al-Wadud, G. D. Al-Quaderi and M. Shoyaib,
"An adaptive gamma correction for image enhancement," EURASIP Journal on Image and Video Processing, no. 35, 18 October 2016.
-
[4] P. Kaler, "Study of Grayscale imagein Image processing," International Journal on
Recent and Innovation Trends in Computing and Communication, vol. 4, no. 11, p. November, 2016.
-
[5] A.-A. Bhuiyan and A. R. Khan, "Image Quality Assessment Employing RMS Contrast
and Histogram Similarity," The International Arab Journal of Information Technology, vol. 15, no. 6, pp. 984-985, November 2018.
832
Discussion and feedback