PERBANDINGAN PEWARNAAN CITRA GRAYSCALE MENGGUNAKAN METODE K-MEANS CLUSTERING DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING83

Muhammad Safrizal, Drs. Agus Harjoko,M.Sc, Ph.D

2012 | Tesis | S2 Ilmu Komputer

Proses pewarnaan dengan mengolah citra grayscale menjadi citra berwarna dilakukan secara manual dengan menggunakan perangkat lunak yang berfungsi untuk menggambar. Pekerjaan seperti ini sangat mahal dan membutuhkan waktu yang banyak. Penelitian ini bertujuan untuk meningkatkan kualitas citra grayscale agar hasil yang diperoleh mempunyai kualitas relatif lebih baik dari citra awal, mengimplementasikan teknik-teknik untuk memperbaiki kualitas citra dengan membuat citra yang tidak berwarna (citra grayscale) menjadi citra berwarna, membangun sebuah sistem yang dapat dimanfaatkan untuk meningkatkan kualitas citra grayscale, dan membandingkan metode k-means clustering dan metode agglomerative hierarchical clustering dalam pewarnaan citra grayscale. Diharapkan dapat menjadi dasar pengembangan keilmuan dan implementasi sistem pengolahan citra untuk peningkatan kualitas citra grayscale menjadi citra berwarna yang lebih kompleks. Hasil yang diperoleh dalam Pixel dari citra berwarna dikonversi ke Ü› ! color spaces, sedangkan citra grayscale akan dihitung adalah nilai gray value. Nilai luminance Ü›! dan nilai gray dari citra dikelompokkan berdasarkan kedekatan dari masing-masing pixel. Pemetaan warna dilakukan dengan mentransfer nilai chrome !! untuk ditambahkan pada nilai gray tiap pixel citra grayscale dengan melihat terlebih dahulu similaritas antara tiap pusat cluster citra berwarna dan pusat cluster citra grayscale. pewarnaan citra grayscale bergantung pada jumlah cluster yang diberikan, pemilihan kategori citra warna acuan dan pengaruh masing-masing citra warna acuan pada kategori yang sama. Pengujian pewarnaan berdasarkan analisa subjektif dan analisa objektif yang telah dilakukan dapat disimpulkan bahwa penerapan pewarnaan citra grayscale menggunakan metode kmeans clustering lebih baik dibandingkan dengan penerapan metode agglomerative hierarchical clustering.

software that serves to draw. This jobs are very expensive and takes a lot of time. This study aims to improve the quality of grayscale images so that the results obtained have a better quality than the initial image, implementing techniques to improve image quality by creating a colorless image (grayscale image) into a color image, build a system that can be utilized to improve the quality of grayscale images, and compare of k-means clustering method and hierarchical agglomerative clustering methods for coloring grayscale images. Expected to be the basis of scientific development and implementation of image processing systems for improving the quality of grayscale image into a more complex color images. color The image is converted into the Ü› ! color spaces. Luminance Ü›! and gray value of each image are grouped based on proximity of each element. Color mapping is done by transferring the value of chrome !! to be added in the gray value of each element grayscale image with similarity between each centroid color images and. The results obtained in this study is a grayscale image color depends on the amount of a given cluster, the selection of the reference image categories and the influence of each color image in the same category. Testing staining based on subjective analysis and objective analysis that has been done can be concluded that the application of k-means clustering method is better than the application of agglomerative hierarchical clustering methods in coloring grayscale images.

Kata Kunci : pewarnaan citra grayscale, k-means clustering, agglomerative hierarchical clustering.