Analisis komparatif kinerja operator histogram HE, BBHE, dan CLAHE pada citra fundus sintetis menggunakan metrik kontras dan kecerahan.

Liwa Uddin; Kaylatun  Ni'mah; Parhani Padilah; Saskia Putri Khoirunisa; Muhammad Fauzan Azima

doi:10.66256/permata.v2i1.28

Penulis

Liwa Uddin Universitas Islam Negeri Siber Syekh Nurjati Cirebon Penulis
Kaylatun Ni'mah Universitas Islam Negeri Siber Syekh Nurjati Cirebon Penulis
Parhani Padilah Universitas Islam Negeri Siber Syekh Nurjati Cirebon Penulis
Saskia Putri Khoirunisa Universitas Islam Negeri Siber Syekh Nurjati Cirebon Penulis
Muhammad Fauzan Azima Universitas Islam Negeri Siber Syekh Nurjati Cirebon Penulis

DOI:

https://doi.org/10.66256/permata.v2i1.28

Kata Kunci:

Komperatif Kinerja Operator, HE, CLAHE, BBHE, AMBE & EME, Citra Fundus

Abstrak

Studi ini menganalisis pertimbangan mendasar dalam mengoptimalkan peningkatan kontras citra fundus retina dengan menyajikan formalisasi matematis dalam kerangka teori operator diskrit nonlinier. Studi ini menguji hipotesis bahwa polarisasi kinerja antara operator adaptif lokal dan global merupakan konsekuensi matematis yang mendasar dari arsitektur operator yang digunakan. Operator BBHE dan CLAHE digunakan sebagai representasi utama pada setiap arsitektur. Kerangka evaluasi ortogonal diperkenalkan, menggunakan AMBE untuk mengukur pelestarian kecerahan global dan EME untuk mengukur dispersi kontras lokal. Hasil kuantitatif pada N=60. Citra fundus menunjukkan polarisasi kinerja yang signifikan secara statistik (p < 0,001; Cohen’s d > 2,8). BBHE mencapai nilai AMBE terendah (μ=1,88), yang menunjukkan fidelitas luminansi tinggi, sedangkan CLAHE menghasilkan nilai EME tertinggi (μ=32,18), yang menunjukkan keunggulan dalam memperkuat kontras lokal. Analisis geometris berbasis batas Pareto mengkonfirmasi keberadaan trade-off struktural antara pelestarian kecerahan dan peningkatan kontras, dan menunjukkan bahwa kuadran ideal (AMBE rendah dan EME tinggi secara bersamaan) tidak dapat dicapai oleh operator tunggal mana pun. Secara teoritis, temuan ini memvalidasi konflik AMBE–EME sebagai kendala struktural dalam desain operator peningkatan citra. Kontribusi utama penelitian ini adalah formalisasi matematis dari trade-off tersebut dan landasan teoritis untuk mengembangkan operator peningkatan citra di masa mendatang melalui pendekatan optimasi terbatas.

Unduhan

Data unduhan tidak tersedia.

Biografi Penulis

Kaylatun Ni'mah, Universitas Islam Negeri Siber Syekh Nurjati Cirebon

saya jurusan matematika
Parhani Padilah, Universitas Islam Negeri Siber Syekh Nurjati Cirebon

saya jurusan matematika
Saskia Putri Khoirunisa, Universitas Islam Negeri Siber Syekh Nurjati Cirebon

saya jurusan matematika
Muhammad Fauzan Azima, Universitas Islam Negeri Siber Syekh Nurjati Cirebon

Saya jurusan Matematika

Referensi

[1] R. C. Gonzalez and R. E. Woods, Digital Image Processing. New York, USA: Pearson, 2018.

[2] H. J. Lee, S. J. Park, and K. S. G. K, “A novel contrast enhancement method for color images using histogram equalization in HSV color space,” presented at Proceedings of the 2013 IEEE International Conference on Consumer Electronics (ICCE), 2013, pp. 214–215.

[3] K. Zuiderveld, “Contrast-limited adaptive histogram equalization,” in Graphics Gems IV, P. S. Heckbert, Ed., San Diego, CA, USA: Academic Press Professional, 1994, pp. 474–485.

[4] A. Prasetio, “Digital image and its application algorithms,” 1 November 2021, Thesis Commons. doi: 10.31237/osf.io/7amr8.

[5] Y.-T. Kim, “Contrast enhancement using brightness preserving bi-histogram equalization,” IEEE Transactions on Consumer Electronics, vol. 43, no. 1, pp. 1–8, Feb 1997.

[6] S.-C. Huang, F.-C. Cheng, and Y.-S. Chiu, “Efficient Contrast Enhancement Using Adaptive Gamma Correction With Weighting Distribution,” IEEE Trans. on Image Process., vol. 22, no. 3, pp. 1032–1041, Mar 2013, doi: 10.1109/TIP.2012.2226047.

[7] Y. Fauzi, “Numerical differential applications in digital image processing,” [Indonesian-language thesis; consider replacing with a peer-reviewed English-language source].

[8] J. Staal, M. D. Abràmoff, M. Niemeijer, M. A. Viergever, and B. van Ginneken, “Ridge-based vessel segmentation in color images of the retina,” IEEE Transactions on Medical Imaging, vol. 23, no. 4, pp. 501–509, 2004.

[9] A. Hoover, V. Kouznetsova, and M. Goldbaum, “Locating blood vessels in retinal images,” presented at Proceedings of the AMIA Symposium, 1998, pp. 918–922.

[10] G. Winarno, M. Irsal, C. A. Karenina, G. Sari, and R. N. Hidayati, “Metode Histogram Equalization untuk Peningkatan Kualitas Citra dengan Menggunakan Studi Phantom Lumbosacral,” j. kesehat., vol. 7, no. 2, pp. 104, May 2022, doi: 10.22146/jkesvo.71469.

[11] W. Gazali, H. Soeparno, and J. Ohliati, “Application of convolution methods in digital image processing,” [incomplete reference; please supply journal name, volume, pages, and year].

[12] N. Assydiqi, “Comparative contrast enhancement techniques for eye health classification using the VGG19 model,” [incomplete reference; please supply journal/conference name, volume, pages, and year].

[13] S. S. Agaian and K. A. Panetta, “Transform-based image enhancement algorithms with performance measure,” IEEE Transactions on Image Processing, vol. 13, no. 3, pp. 321–336, 2004.

[14] F. Wilcoxon, “Individual Comparisons by Ranking Methods,” Biometrics Bulletin, vol. 1, no. 6, pp. 80–83, 1945.

[15] J. Cohen, Statistical Power Analysis for the Behavioral Sciences. New York: Routledge Academic Press, 1988.