Optimasi Peningkatan Kontras Gambar Menggunakan Interval-Valued Intuitionistic Fuzzy Sets dan Contrast Limited Adaptive Histogram Equalization (CLAHE)

Abstract

Pengolahan citra merupakan bidang yang terus berkembang seiring dengan kemajuan teknologi komputer, dengan fokus utama pada peningkatan kualitas gambar, terutama pada gambar yang memiliki kontras rendah. Salah satu tantangan yang sering dihadapi adalah kesulitan dalam mengidentifikasi detail pada gambar yang memiliki pencahayaan yang kurang optimal atau kontras yang tidak memadai. Penelitian ini mengusulkan suatu pendekatan hibrida yang menggabungkan Interval-Valued Intuitionistic Fuzzy Sets (IVIFS) dan Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kontras gambar. IVIFS berperan dalam mengatasi ketidakpastian yang terdapat dalam intensitas piksel, sedangkan CLAHE dirancang untuk meningkatkan kontras lokal tanpa menyebabkan efek over-enhancement atau noise yang berlebihan. Dataset gambar dengan kontras rendah diambil dari Kaggle untuk menguji efektivitas metode yang diusulkan. Hasil pengujian entropi menunjukkan bahwa metode CLAHE menghasilkan nilai entropi tertinggi pada seluruh gambar, yang mencerminkan peningkatan signifikan dalam detail dan kontras. Proses defuzzifikasi menghasilkan gambar dengan entropi yang lebih halus, memberikan kontras yang optimal tanpa distorsi yang berlebihan. Metode yang diusulkan terbukti lebih efektif dibandingkan dengan teknik tradisional seperti Histogram Equalization (HE) dan Adaptive Histogram Equalization (AHE). Pendekatan ini menawarkan solusi yang efisien dan optimal untuk peningkatan kualitas citra, khususnya dalam aplikasi citra medis, penginderaan jauh, dan pengolahan citra lainnya.