Perbandingan Metode Perbaikan pada Citra Jalan Berlubang

Tutuk Indriyani, Anggun Ardana Sitoresmi, Ahmad Naufal Lubabsyah, Rahmi Rizkiana Putri, Nanang Fakhrur Rozi

Abstract

Perbaikan kualitas gambar pada jalan berlubang sangat diperlukan pada tahap awal proses. Karena sering kali gambar yang akan diolah memiliki kualitas buruk yaitu terlalu terang atau terlalu gelap yang disebabkan oleh pengambilan data yang tidak sempurna.  Sehingga akan mempengaruhi pada tahap proses selanjutnya kalau tidak dilakukan perbaikan atau preprosessing sebelumnya. Dalam penelitian ini akan dilakukan analisa dari lima metode perbaikan kualitas citra yang  terdiri dari  metode brightness, contrast, kombinasi brightness dan contrast, improve brightness dan pemetaan nonlinier. Lima metode peningkatan kualitas gambar tersebut akan diterapkan di sepuluh data gambar jalan berlubang. Analisa pada lima metode tersebut menggunakan pengukuran nilai Means Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR).  Hasil pengujian yang diperoleh dari penelitian ini adalah nilai rata- rata MSE brightness 2.500 dB, MSE gabungan 107 dB, MSE contrast 5.633dB, MSE nonlinier 2.883,1 dB dan MSE improve brightness 537,1 dB. Nilai rata- rata PSNR brightness 32,6 dB, PSNR contrast 24 dB, PSNR gabungan 74,6 dB, PSNR nonlinier 34,6 dB dan, PSNR improve brightness 52,1 dB. Analisa dari hasil pengukuran tersebut didapatkan metode kombinasi brightness dan contrast yang merupakan metode terbaik untuk perbaikan kualitas gambar jalan berlubang. karena menghasilkan nilai rata rata MSE yang paling kecil, dan nilai rata rata PSNR paling besar.

Full Text:

PDF

References

Indriyani, T., Kurniawan, M., Yuliastuti, G., Prabiantissa, C., & Kembang, R. (2023). An Improve KNN Method for Classification of Sexually Transmitted Diseases. 2023 Sixth International Conference on Vocational Education and Electrical Engineering (ICVEE), 3, 315–319.

Indriyani, T., Nurmuslimah, S., Taufiqurrahman, A., Hapsari, R. K., Prabiantissa, C. N., & Rachmad, A. (2023). Steganography on Color Images Using Least Significant Bit (LSB) Method (pp. 39–48). https://doi.org/10.2991/978-94-6463-174-6_5

Indriyani, T., Utoyo, I., & Rulaningtyas, R. (2020a). Comparison of image edge detection methods on potholes road images. Journal of Physics: Conference Series, 1613(1). https://doi.org/10.1088/1742-6596/1613/1/012067

Indriyani, T., Utoyo, M. I., & Rulaningtyas, R. (2020b). Comparison of Image Smoothing Methods on Potholes Road Images. Journal of Physics: Conference Series, 1477(5). https://doi.org/10.1088/1742-6596/1477/5/052056

Indriyani, T., Utoyo, M. I., & Rulaningtyas, R. (2021). A New Watershed Algorithm for Pothole Image Segmentation. Studies in Informatics and Control, 30(3), 131–139. https://doi.org/10.24846/v30i3y202112

Jayasankari, S., & Domnic, S. (2018). A New Brightness Assessment Method to Predict the Balance of Color Occurrence. Procedia Computer Science, 133, 19–26. https://doi.org/10.1016/j.procs.2018.07.004

Klco, P., Koniar, D., Hargas, L., & Paskala, M. (2023). Automated Detection Of Potholes Using YOLOv5 Neural Network. Transportation Research Procedia, 74, 1150–1155. https://doi.org/10.1016/j.trpro.2023.11.255

Morimoto, Y., Masaya, A., & Ueki, M. (2019). High-speed 3D shape measurement by one pitch phase analysis method using brightness values in small square area of single-shot image. 113(August 2018), 38–46.

Sankaranarayanan, R., Priyanka, B. J., & Merry, K. P. (2025). Enhancing lung cancer detection and classification using two-stream conditional GANs for accurate computed tomography scan image analysis. Alexandria Engineering Journal, 129, 900–910. https://doi.org/10.1016/j.aej.2025.07.029

Xiao, B., Tang, H., Jiang, Y., Li, W., & Wang, G. (2018). Brightness and contrast controllable image enhancement based on histogram specification. Neurocomputing, 275, 2798–2809. https://doi.org/10.1016/j.neucom.2017.11.057

Zhang, J., Wang, X., Yang, C., Zhang, J., & He, D. (2018). Image dehazing based on dark channel prior and brightness enhancement for agricultural remote sensing images from consumer-grade cameras. 151(October 2017), 196–206.

DOI: https://doi.org/10.31284/j.integer.0.v10i2.8287

Refbacks

  • There are currently no refbacks.