Definisi Citra pada Pengolahan Citra (Image Processing)

1.1 Pengertian Citra

Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalah koordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan (brightness) suatu citra pada suatu titik. Suatu citra diperoleh dari penangkapan kekuatan sinar yang dipantulkan oleh objek. Gambar 1.1 adalah gambar penangkapan / penerimaan citra oleh mata manusia.

Citra sebagai output alat perekaman, seperti kamera, dapat bersifat analog ataupun digital. Citra Analog adalah citra yang masih dalam bentuk sinyal analog, seperti hasil pengambilan gambar oleh kamera atau citra tampilan di layar TV ataupun monitor (sinyal video).

Menurut presisi yang digunakan untuk menyatakan titik-titik koordinat pada domain spasial (bidang) dan untuk menyatakan nilai keabuan (warna suatu citra), maka secara teoritis cotra dapat dikelompokkan menjadi empat kelas citra, yaitu: kontinu-kontinu, kontinu-diskrit, diskrit-kontinu, diskritdiskrit. Parameter(label) pertama menyatakan presisi titik koordinat pada bidang, sedangkan label kedua menyatakan presisi nilai keabuan/warna. Label kontinu berarti nilai yang digunakan adalah tak terbatas dan tak tehingga, sedangkan diskrit menyatakan terbatas dan berhingga. Suatu citra dijital merupakan representasi 2-D array sample diskrit suatu citra kontinu f(x,y). Amplitudo setiap sample di kuantisasi untuk menyatakan bilangan hingga bit. Setiap elemen array 2-D sample disebut suatu pixel atau pel (dari istilah”picture element”) Pengolahan citra dijital adalah proses pengolahan citra dijital dengan alat bantu komputer.

Tingkat ketajaman/resolusi warna pada citra digital tergantung pada jumlah ”bit” yang digunakan oleh komputer untuk merepresentasikan setiap pixel tersebut. Tipe yang sering digunakan untuk merepresentasikan citra ada;ah ”8-bit citra” (256 colors (0 untuk hitam - 255 untuk putih)), tetapi dengan kemajuan teknologi perangkat keras grafik, kemampuan tampilan citra di komputer hingga 32 bit (232 warna). Ranah nilai intensitas dalam suatu citra juga ditentukan oleh alat digitasi yang digunakan untuk menangkap dan konversi citra analog ke citra digital (A/D).

Perolehan citra digital ini dapat dilakukan secara langsung oleh kamera digital ataupun melakukan proses konversi suatu citra analog ke citra digital. Untuk mengubah citra kontinu menjadi digital diperlukan proses pembuatan kisi-kisi arah horizontal dan vertikal, sehingga diperoleh gambar dalam bentuk array dua dimensi. Proses tersebut dikenal sebagai proses digitalisasi/sampling.

Citra monochrome atau citra hitam-putih merupakan citra satu kanal, dimana citra f(x, y) merupakan fungsi tingkat keabuan dari hitam ke putih; x menyatakan variabel baris (garis jelajah) dan y menyatakan variabel kolom atau posisi di garis jelajah. Sebaliknya citra bewarna dikenal juga dengan citra multi-spectral, di mana warna citra biasanya

1.2 Perspective Projection

Perspective projection adalah proses transformasi dari koordinat 3Dworld ke 2D image, yang dilakukan berdasarkan:

• Continuous Perspective Projection

• optics

Gambar 1.1: Intensitas

Pada Gambar 1.2 proyeksi suatu koordinat 3 dimensi(X, Y,Z) ke koordinat 2 Dimensi (x, y) pada model perspective kontinu.

Gambar 1.2: Proyeksi

Weak perspective (scaled orthographic projection) Merupakan efek perspektif, tetapi tidak berdasarkan skala objek secara individu, yaitu mengumpulkan titik-titik ke suatu kelompok pada sekitar kedalaman yang sama dan kemudian membagi setiap titik dengan kedalaman kelompok titik-titik itu. Gambar 1.3 menunjukkan bentuk proyeksi weak perspective.

Bentuk persamaan untuk weak perspective adalah:

(x, y, z) à  s(x, y)

Dimana s bernilai konstan untuk semua titik, garis parallel tidak konvergen tetapi terus parallel.

Gambar 1.3: Weak Perspective

1.3 Sistem Visual Manusia

Kita perlu memperhatikan konsep system visual manusia dalam pengolahan citra, sebab proses tersebut sangat identik dengan proses pengolahan citra. Ketika manusia menangkap citra di mata, maka prinsip tersebut juga diterapkan oleh pengolahan citra untuk mengambil citra dari suatu alat sensor citra. Dari informasi citra yang ditangkap oleh mata, kemudian diproses untuk mengidentifikasikan citra tersebut. Beberapa pertanyaan sederhana yang muncul berkaitan dengan system vision manusia:

• Intensitas cahaya apa yang dapat kita bedakan?

• Apa resolusi spasial mata manusia ?

• Berapa akurat estimasi kita ketika membandingkan jarak dan luas area?

• Bagaimana sense manusia terhadap warna?

Gambar 1.4: Sistem Visual Manusia

Pembentukan Citra oleh Sensor Mata

 Gambar 1.4 menunjukkan system penangkapan citra pada mata manusia. Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Kemudian bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana fokus lensa terletak antara retina dan lensa mata. Mata dan syaraf otak dapat menginterpretasi bayangan yang merupakan obyek pada posisi terbalik.

Pada system mata manusia terdapat bagian: Fovea di bagian retina terdiri dari dua jenis receptor: Sejumlah (6-7 juta) cone receptor, sensitif terhadap warna, vision cone disebut photocopic vision atau bright light vision Sejumlah rod receptor (75-150 juta) terletak pada permukaan retina, memberikan gambar keseluruhan pandangan dan sensitif terhadap iluminasi tingkat rendah, vision rod disebut scotopic vision atau dim-light vision.

Blind Spot adalah bagian retina yang tidak mengandung receptor sehingga tidak dapat menerima dan menginterpretasi informasi Adaptasi terhadap kecerahan dan diskriminasi Ranah total tingkat intensitas yang dapat mendiskriminasikan secara simultan adalah lebih kecil dibandingkan ranah total adaptasi. Pada gam bar 1.5, Ba adalah tingkat adaptasi kecerahan, Kurva Irisan yang pendek menyatakan ranah subjektif kecerahan yang dapat diterima oleh mata ketika mengadaptasikan tingkat kecerahan tersebut.

Gambar 1.5: Ranah adapatasi warna pada sistem visual manusia

Gambar 1.6: Weber Ratio

Kemampuan mata untuk diskriminasi hitam/putih kecerahan pada level adaptasi tertentu. Pada gambar 1.6, I adalah nilai Iluminasi uniform pada area datar dengan luasan yang cukup untuk keseluruhan field of view. ΔIc adalah perubahan kecerahan objek yang diperlukan untuk membedakan objek dari warna latar belakanya. Diskriminasi yang buruk apabila Weber Ratio (ΔIc/I) bernilai besar untuk tingkat iluminasi rendah dan akan meningkat signifikan (ketika ratio rendah) yaitu iluminasi background meningkat. Sangat sulit untuk membedakan iluminasi apabila background terang sebaliknya akan sangat mudah pada background yang lebih gelap. Brightness (kecerahan) bukan merupakan suatu model fungsi intensitas yang sederhana, karena system visual sangat dipengaruhi oleh daerah batasintensitas yang berbeda. Intensitas dari masing-masing daerah pada gambar 1.7 adalah konstan tetapi pada kenyataan penglihatannya pattern brightness sangat kuat sehingga membentuk seperti garis lipatan di dekat batas masingmasing daerah tersebut.

Gambar 1.7: Garis seperti lipatan pada daerah batas tingkat intensitas

Pada tahun 1865, Ernst Mach menemukan fenomena mach band pattern. Pada gambar 1.8 di atas, brightness pattern yang diterima berupa suatu stripe yang lebih gelap di daerah D dan lebih terang di daerah B padahal kenyataanya daerah D dan B memiliki intensitas yang sama.

Contrast Simultan

Gambar 1.9. menyatakan suatu model contrast simultan, dimana kemunculan kotak kecil ditengah berkesan memiliki intensitas yang semakin lebih gelap apabila warna background menjadi lebih terang, padahal kenyataannya intensitas kotak kecil tersebut sama. Hal ini menyatakan bahwa daerah brightness yang diterima tidak bergantung sederhana pada intensitasnya.

Gambar 1.8: Mach Band Efek

Gambar 1.9: Tampilan kotak di tengan berkesan lebih gelap apabila background lebih terang

1.4 Pemanfaatan Pengolahan Citra

Manfaat pengolahan citra adalah menunjang kebutuhan kehidupan sehari-hari khususnya untuk :

• Memfasilitasi penyimpanan dan transmisi citra seperti menentukan metode penyimpanan citra yang efisien dalam suatu kamera digital sehingga mempercepat proses pengirim citra dari jarak jauh misalkan dari planet Mars ke Bumi.

• Menyiapkan untuk ditampilkan di monitor atau di cetak. Proses yang dilakukan adalah melakukan merubah ukuran citra yang dharus disesuaikan dengan ukuran media tampilan serta proses halftoning untuk proses pencetakan.

• Meningkatkan dan memperbaiki citra dengan menghilangkan goresan-goresan pada ataupun meningkatkan visibilitas citra

• Ekstrasi informasi citra misalkan character recognizing, pengukuran plusi air dari citra aerial

1.5 Implementasi Pengolahan Citra

Aplikasi pengolahan citra dijital sudah diimplementasikan secara luas, khususnya di bidang keilmuan maupun industri seperti kedokteran, keamanan, pertanahan, geologi, biology, system kontrol fabrikasi, dll. Bentuk dari model implementasi citra:

• Pengembangan Sistem Aplikasi Biomedik

• Pengembangan Sistem Optical Character Recognition (OCR)

• Pengembangan Sistem Aplikasi Inderaja

• Pengembangan Sistem Multitemporal Multisensor Image Classification and Fusion

1.6 Proses Pengolahan Citra

Gambar 1.10 di atas adalah langkah dalam pengolahan citra secara umum yang teridiri dari:

• Pembentukan Citra (Data Acquisition): Menentukan data yang diperlukan dan memilih metode perekaman citra dijital.

• Pengolahan Citra Tingkat Awal (Image Preprocessing): Meningkatkan kontras, menghilangkan gangguan geometrik / radiometrik, menentukan

bagian citra yang akan diobservasi. Segmentasi Citra (Image Segmentation) dan Deteksi Sisi (Edge Detection): Melakukan partisi citra menjadi wilayah-wilayah obyek (internal properties) atau menentukan garis batas wilayah obyek (external shape characteristics).

Gambar 1.10: Proses Pengolahan Citra dan Implementasinya

• Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection): Seleksi ciri memilih informasi kwantitatif dari ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel

1.7 Representasi Citra

Bagaimana sebuah citra direpresentasikan dalam file? Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar, kita harus memiliki palet dan kanvas Pallete:

• kumpulan warna yang dapat membentuk citra, sama halnya seperti ketika hendak melukis dengan cat warna, kita memiliki palet yang bisa kita isikan berbagai warna cat air

• Setiap warna yang berbeda dalam palet tersebut diberi nomor (berupa angka)

• Contoh untuk citra monokrom (warnanya hanya putih-abuabu-hitam), berarti kita memiliki palet seperti pada gambar 1.11

Gambar 1.11: pallete

Warna

2.1 Warna pada Pengolahan Citra

Sistem visual manusia dapat membedakan ratusan ribu shade warna dan intersitas, tetapi hanya 100 shade keabun. Oleh sebab itu, dalam suatu citra, masih banyak informasi lainnya yang ada pada warna, dan informais tersebut juga dapat digunakan untuk menyederhanakan analisis citra, misalkan identifikasi objek dan ekstraksi warna. Tiga kuatisasi yang dapat digunakan untuk menggambarkan warna:

• hue ditentukan oleh dominan panjang gelombang. Warna yang dapat dilihat oleh mata memiliki panjang gelombang antara 400 nm (violet) - 700 nm (red) pada spektrum electromagnetic seperti pada gambar 2.1

• (Saturation) ditentukan oleh tingkat kemurnian, dan tergantung pada jumlah sinar putih yang tercampur dengan hue. Suatu warna hue murni adalah secara penuh tersaturasi, yaitu tidak ada sinar putih yang tercampur. Hue dan saturation digabungkan menentukan chromaticity suatu warna. Intensitas ditentukan oleh jumlah sinar yang diserap. Semakin banyak sinar yang diserap semakin banyak tinggi intensitas warnanya.

• Sinar Achromatic tidak memiliki warna, tetapi hanya ditentukan oleh atribut intensitas. Tingkat keabuan (Greylevel) adalah ukuran intensitas yand ditentukan oleh energi, sehingga merupakan suatu kuantitas fisik. Dalam hal lain, brightness atau luminance ditentukan oleh persepsi warna (sehingga dapat merupakan efek psychology). Apabila diberikan sinar biru dan hijau dengan intensitas yang sama, sinar biru diterima (perceived) lebih gelap dibandingkan sinar hijau. Sehingga dapat dikatakan bahwa persepsi intensitas manusia adalah non-linear, misalkan perubahan intensitas yang dinormalisasi dari 0.1 ke 0.11 dan 0.5 ke 0.55 akan diterima dengan perubahan tinkat kecerahan (brightness) yang sama.

Gambar 2.1: Visible Spectrum

Warna secara utuh bergantung pada sifat pantulan (reflectance) suatu objek. Warna yang dilihat merupakan yang dipantulkan, sedangkan yang lainnya diserap. Sehingga sumber sinar perlu diperhitungkan begitu pula sifat alami system visual manusia ketika menangkap suatu warna. Sebagai contoh, suatu objek yang memantulkan sinar merah dan hijau akan tampak berwarna hijau apabila benda tersebut disinari oleh sinar hijau (tanpa adanya sinar merah). Demikian juga sebaliknya, objek akan tampak berwarna merah apabila tidak terdapat sinar hijau. Apabila benda tersebut disinari oleh sinar putih, maka objek tersebut berwarna kuning (merupakan gabungan warna hijau + merah).

2.2 Teori Tristimulus Persepsi Warna

Seperti yang dijelaskan pada Bab 1, retina manusia memiliki 3 jenis cones. Respon setiap jenis cone sebagai suatu fungsi panjang gelombang (gambar 2.2). Pada Gambar 2.2, puncak setiap kurva warna adalah [ada 440 nm (biru), 545 nm (hijau) dan 580 nm (merah).

Gambar 2.2: Spectral response curves for each cone type. The peaks for each curve are at 440nm (blue), 545nm (green) and 580nm (red).

CIE primaries

Teori tritimulus persepsi warna dapat dilihat bahwa suatu warna dapat diperoleh dari suatu campuran tiga warna utama: merah, hijau dan biru (Red Green Blue). Meskipun hampir setiap warna yang tampak dapat ditentukan sesuai dengan tiga komponen diatas, tetapi masih terdapat beberapa warna yang tidak dapat diuraikan sebagai kombinasi dari ketiga warna dasar tersebut. Bagaimanapun juga apabila salah satu dari ketiga komponen warna dasar tersebut ditambahkan ke warna yang tidak dapat dicocokkan tadi, maka warna yang tidak dapat dicocokkan tersebut dapat dicocokkan dengan campuran dari dua warna dasar lain. Hal ini menunjukkan bahwa warna dapat memiliki nilai bobot negatif dari ketiga komponen warna dasar tersebut. Pada tahun 1931, Commission Internationale de l’´Eclairage (CIE) mendefinisikan tiga standar komponen warna utama : X, Y dan Z. Yang dapat ditambahkan untuk membentuk semua kemungkinan warna. Warna utama Y dipilih sedemikian rupa sehingga fungsi kecocokan warnanya secara tepat mencocokkan fungsi luminous efisiensi mata manusia berdasarkan penjumlahan ketiga warna seperti pada gambar 2.3.

Gambar 2.3: Diagram CIE Chromaticity menunjukkan semua visible colours. x dan y adalah jumlah normalisasi kemunculan X and Y primaries, z = 1 - x - y menentukan jumlah Z primary yang dibutuhkan.

Diagram Chromaticity (Gambar 2.3) menunjukkan semua visible colours. Sumbu x dan y merupakan nilai normalisasi warna utama X dan Y untuk suatu warna, dan z = 1−x−y menyatakan jumlah Z utama yang diperlukan. Chromaticity bergantung pada panjang gelombang dan saturation dominan, dan tidak bergantung pada energi luminan. Warna dengan nilai chromaticity yang sama tetapi dengan luminan berbeda akan terpetakan pada titik yang sama di regian tersebut.

Warna spectrum utama murni berada pada bagian kurva batas daerah, dan suatu sinar putih standar memiliki warna yang didefinisikan berada dekat (tetapi tidak di) titik dengan persamaan energi x = y = z = 1/3. Warna komplementer, yaitu warna yang ditambahkan ke warna putih, berada di titik akhir suatu garis yang melewati titik tersebut. Sebagai ilustrasi pada gambar 2.4, semua warna yang berada di dalam segitiga dapat dibentuk dari campuran warna yang berada pada verteks (garis) segitiga. Dari ilustrasi grafik tersebut, semua warna visible tidak dapat diperoleh dari campuran warna utama R, G dan B (atau dari tiga visible warna lainnya), karena bentuk diagramnya bukan segitiga.

Gambar 2.4: Warna Campuran pada Diagram Chromaticity

2.3 Model Warna

Model warna merupakan cara standar untuk menspesifikasikan suatu warna tertentu, dengan mendefinisikan suatu sistem koordinat 3D, dan suatu ruang bagian yang mengandung semua warna yang dapat dibentuk ke dalam suatu model tertentu. Suatu warna yang dapat dispesifikasikan menggunakan suatu model akan berhubungan ke suatu titik tunggal dalam sautu ruang bagian yang didefinisikannya. Masing-masing warna diarahkan ke salah satu standard hardware tertentu (RGB, CMY,YIQ), atau aplikasi pengolahan citra (HSI).

2.3.1 Model RGB

Suatu citra dalam model RGB terdiri dari tiga bidang citra yang saling lepas, masing-masing terdiri dari warna utama: merah, hijau dan biru. (Standar panjang gelombang untuk tiga warna utama ditunjukkan pada gambar 2.2). Suatu warna dispesifikasikan sebagai campuran sejumlah komponen warna utama. Gambar 2.5 menunjukkan bentuk geometri dari model warna RGB untuk menspesifikasikan warna menggunakan sistem koordinat Cartesian. Spektrum greyscale (tingkat keabuan) yaitu warna yang dibentuk dari gabungan tiga warna utama dengan jumlah yang sama, berada pada garis yang menghubungkan titik hitam dan putih.

Gambar 2.5: Koordinat warna RGB

Warna dipresentasikan dalam suatu sinar tambahan untuk membentuk warna baru, dan berhubungan untuk membentuk sinar campuran. Citra pada gambar 2.6 sebelah kiri menunjukkan campuran dengan menambahkan warna utama merah, hijau, dan biru untuk membentuk warna sekunder kuning (merah+hijau), cyan (biru+hijau), magenta (merah+biru) dan putih (merah+hijau+biru). Model warna RGB banyak digunakan untuk monitor komputer dan video kamera.

Gambar 2.6: Penambahan Campuran Warna Merah Hijau dan Biru

2.3.2 Model CMY

Model CMY (Cyan, Magenta dan Yellow) adalah suatu model substractive yang berhubungan dengan penyerapan warna, sebagai contoh pigment warna cat (seperti pada Gambar 2.6 sebelah kanan). Suatu permukaan yang dicat warna cyan kemudian diiluminasi sinar putih, maka tidak ada sinar merah yang dipantulkan, dan similar untuk warna magenta dengan hijau, dan kuning dengan biru. Relasi model CMY adalah sebagai berikut:

2.3.3 Model HSI

Model HSI, menunjukkan padat HSI di sebelah kiri, dan segitiga HSI di kanan, yang dibentuk dengan mengambil sepotong horisontal melalui padat HSI pada intensitas tertentu. Hue diukur dari merah, dan saturasi diberikan oleh jarak dari sumbu. Warna pada permukaan padat sepenuhnya jenuh, yaitu warna murni, dan spektrum Skala abu-abu adalah pada sumbu yang solid. Untuk warna, warna tidak terdefinisi.

Sebagaimana Yang sudah dijelaskan, Warna juga dapat dispesifikasikan Dibuat Tiga kuantisasi warna, saturasi, intensitas (disebut Model HSI) eperti PADA Gambar 2.7. PADA Gambar sebelah Kiri merupakan bentuk yang solid HSI Dan sebelah Kanan adalah Model Segitiga HSI Yang merupakan Kepemilikan Modal Datar bahasa Dari pemotongan model solid HSI secara horisontal PADA tingkat Intensitas tertentu. Hue ditentukan bahasa Dari Warna merah, saturasi ditentukan berdasarkan jarak sumbu bahasa Dari. Warna PADA permukaan model solid dibentuk bahasa Dari saturasi Penuh, yaitu Warna Murni, Dan Spektrum tingkat keabuan,

Gambar 2.7: Model Warna HSI

Konversi Diskonto antar Model RGB Dan HSI adalah sebagai berikut:

XXXXXX

dimana kuantitas R, G, dan b adalah jumlah Komponen Warna merah, Hijau, biru Dan dinormilisasi Ke [0,1]. Intensitas adalah Diskonto rata-rata Komponen merah, Hijau Dan biru. Diskonto saturasi ditentukan sebagai:

 XXXXXXXXX

2,4 Model YIQ

Para YIQ (luminance-inphase-quadrature) model merupakan recoding dari RGB untuk televisi berwarna, dan merupakan model yang sangat penting untuk pengolahan citra warna. Pentingnya pencahayaan dibahas dalam 1.

Konversi dari RGB ke YIQ diberikan oleh: luminance (Y) komponen berisi semua informasi yang diperlukan untuk televisi hitam putih, dan menangkap persepsi kita tentang kecerahan relatif dari warna tertentu. Bahwa kita merasakan hijau jauh lebih ringan dari merah, merah dan lebih ringan daripada biru, ini ditunjukkan dengan bobot masing-masing 0.587, 0.299 dan 0.114 pada baris pertama dari matriks konversi atas. Bobot harus digunakan ketika mengkonversi gambar warna abu-abu jika Anda ingin persepsi kecerahan tetap sama. Ini bukan kasus untuk komponen intensitas citra HSI, seperti pada gambar 8. Komponen Y adalah sama dengan CIE utama Y (lihat Bagian tidak 3.2).
Menerapkan 2,5 Skala abu-abu Transformasi ke Foto Warna

Mengingat semua representasi yang berbeda warna, dan gambar sehingga warna, muncul pertanyaan untuk apa cara terbaik untuk menerapkan teknik pengolahan gambar yang telah kita pelajari sejauh ini gambar? Salah satu kemungkinan adalah untuk menerapkan transformasi untuk setiap pesawat warna dalam sebuah gambar RGB, tapi apa sebenarnya artinya ini? Jika kita ingin meningkatkan kontras dalam gambar gelap dengan pemerataan histogram, bisakah kita menyamakan warna masing-masing secara independen? Hal ini akan mengakibatkan warna sangat berbeda dalam gambar kita berubah. Secara umum lebih baik untuk menerapkan transformasi untuk hanya komponen intensitas citra HSI, atau komponen luminansi citra YIQ, sehingga meninggalkan Kromatisitas tidak berubah.

Contoh ditunjukkan pada gambar 2.9. Ketika histogram ekualisasi diterapkan pada setiap pesawat warna gambar RGB, gambar akhir lebih ringan, tetapi juga cukup berbeda warna dengan aslinya. Ketika pemerataan histogram hanya diterapkan pada komponen luminansi citra dalam format YIQ, hasilnya lebih seperti versi lebih ringan dari gambar asli, seperti yang diperlukan.

Gambar 2.8: Gambar (a) menunjukkan pola uji warna, yang terdiri dari garis-garis horizontal hitam magenta, biru, hijau, cyan, merah, dan kuning, jalan warna dengan intensitas konstan, saturasi maksimal, dan hue berubah secara linear dari merah melalui hijau menjadi biru, dan abu-abu jalan dari hitam menjadi putih. Gambar (b) menunjukkan intensitas untuk gambar (a). Perhatikan berapa banyak detail hilang. Gambar (c) menunjukkan pencahayaan tersebut. Gambar ketiga akurat mencerminkan variasi kecerahan preceived dalam gambar asli.

Gambar 2.9: Gambar atas adalah gambar yang sangat gelap adegan hutan. Gambar tengah adalah hasil dari penerapan pemerataan histogram untuk masing-masing komponen merah, hijau dan biru dari gambar asli. Gambar bawah adalah hasil dari mengkonversi gambar ke format YIQ, dan menerapkan pemerataan histogram untuk komponen luminance saja.

^ mohon maaf atas posting gak jelas di atas ini.
halaman yang sudah di-remake ada di page http://anda-and-panda.blogspot.com/2012/06/definisi-citra-pada-pengolahan-citra.html