ANALISIS GAMBAR MENGGUNAKAN METODE GRAYSCALE DAN HSV (HUE, SATURATION, VALUE)
Abstract
Dalam era digital, gambar memainkan peran penting dalam berbagai bidang seperti fotografi, desain grafis, dan pengolahan citra. Untuk mengolah dan menganalisis gambar secara efektif, teknik yang memungkinkan ekstraksi informasi berharga sangat diperlukan. Metode Grayscale (grayscale cycling) dan model warna HSV (Hue, Saturation, Value) adalah dua teknik yang penting dalam analisis gambar. Grayscale meningkatkan kualitas visual dengan mengatur kecerahan dan kontras, membuat gambar lebih jelas dan menarik. Model warna HSV, yang lebih intuitif daripada model RGB, memudahkan pemahaman dan manipulasi atribut warna. HSV menggambarkan warna melalui hue (nuansa warna), saturation (kejenuhan), dan value (kecerahan). Penelitian ini menyoroti efektivitas Grayscale dalam meningkatkan kualitas visual gambar dan penggunaan HSV untuk analisis warna yang lebih mendalam. Implementasi kedua metode ini dapat dilakukan dengan perangkat lunak seperti MATLAB dan bahasa pemrograman seperti Python, memungkinkan pengguna untuk meningkatkan kualitas visual gambar dan mendapatkan wawasan lebih dalam dalam analisis gambar. Pemahaman mendalam tentang Grayscale dan HSV bermanfaat dalam berbagai konteks seperti fotografi, desain grafis, pengenalan pola, dan pengolahan citra medis.
Kata Kunci: Analisis gambar, Grayscale, HSV (Hue, Saturation, Value), Kualitas visual, Pengolahan citra
Full Text:
PDF (Bahasa Indonesia)References
Boopathi, S., Pandey, B. K., & Pandey, D. (2023). Advances in artificial intelligence for image processing: Techniques, applications, and optimization. Handbook of Research on Thrust Technologies? Effect on Image Processing, 73–95. https://doi.org/10.4018/978-1-6684-8618-4.ch006
Fajri, R., & Fitria, F. (2023). KLIK: Kajian Ilmiah Informatika dan Komputer Pengembangan Real-Time Object Detection System pada Perangkat Single-Board Computer. Media Online), 4(2), 1154–1162. https://doi.org/10.30865/klik.v4i2.1224
Hasan, N. F., Dengen, C. N., & Ariyus, D. (2020). Analisis Histogram Steganografi Least Significant Bit Pada Citra Grayscale. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 11(1), 20–29. https://doi.org/10.31849/digitalzone.v11i1.3413
Koot, P., Mendoza-Lugo, M. A., Paprotny, D., Morales-Nápoles, O., Ragno, E., & Worm, D. T. H. (2023). PyBanshee version (1.0): A Python implementation of the MATLAB toolbox BANSHEE for Non-Parametric Bayesian Networks with updated features. SoftwareX, 21, 101279. https://doi.org/10.1016/j.softx.2022.101279
Nordbotten, J. M., Benali, B., Both, J. W., Brattekås, B., Storvik, E., & Fernø, M. A. (2023). DarSIA: An Open-Source Python Toolbox for Two-Scale Image Processing of Dynamics in Porous Media. In Transport in Porous Media (Vol. 151, Issue 5). Springer Netherlands. https://doi.org/10.1007/s11242-023-02000-9
Pandiangan, H. S. M. (2020). Segmentasi Citra Untuk Pencarian Kode Warna Cat Menggunakan Metode Thershold Hsv. Bulletin of Information Technology ( BIT ), 1(3), 134–143.
Sabini, B. (2021). Perbandingan Metode Konversi Grayscale Menggunakan Metrik Kualitas Butteraugli. Jurnal Inovasi Informatika, 6(2), 38–54. https://doi.org/10.51170/jii.v6i2.189
Sarimole, F. M., & Fadillah, M. I. (2022). Classification of Guarantee Fruit Murability Based on Hsv Image With K-Nearest Neighbor. Journal of Applied Engineering and Technological Science, 4(1), 48–57. https://doi.org/10.37385/jaets.v4i1.929
Utami, M., & Erwin Dwika Putra. (2023). Deteksi Objek Kualitas Daun Sawi Menggunakan Metode HSV Color dan Color Blob. JUSIBI (Jurnal Sistem Informasi Dan Bisnis), 5(2), 85–93. https://doi.org/10.54650/jusibi.v5i2.518
Yulina, S. (2021). Penerapan Haar Cascade Classifier dalam Mendeteksi Wajah dan Transformasi Citra Grayscale Menggunakan OpenCV. Jurnal Komputer Terapan, 7(1), 100–109. https://doi.org/10.35143/jkt.v7i1.3411
DOI: https://doi.org/10.24853/justit.14.3.174-180
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License