Perbandingan Segmentasi Ruang Warna HSV dan YCbCr untuk Deteksi Objek
DOI:
https://doi.org/10.23969/infomatek.v26i2.19025Abstract
Salah satu langkah penting dalam pengenalan objek adalah segmentasi gambar, proses memisahkan objek yang relevan dari latar belakangnya, Segmentasi gambar yang efektif meningkatkan akurasi dan efisiensi seluruh sistem deteksi objek. Pada dasarnya, ruang warna RGB yang umum digunakan tidak selalu optimal untuk analisis visual, terutama dalam lingkungan yang bervariasi pencahayaannya atau warna yang harus diidentifikasi secara spesifik. Oleh karena itu Dalam penelitian ini, membandingkan kinerja segmentasi ruang warna HSV dan YCbCr untuk deteksi objek. HSV (Hue, Saturation, Value) terdiri dari Hue mewakili warna dasar, Saturation mengukur kejelasan warna (intensitas atau kejenuhan), Value menunjukkan kecerahan warna. YCbCr (Luma, Blue-difference, Red-difference), Y adalah komponen luma yang merepresentasikan tingkat kecerahan, Cb dan Cr adalah komponen chrominance yang merepresentasikan informasi warna (biru dan merah), yang dapat mengisolasi aspek warna, intensitas, dan kecerahan.. Tujuan penelitian ini memberikan kontribusi penting untuk memahami keunggulan YCbCr dibandingkan HSV dalam konteks deteksi objek, serta memberikan pedoman praktis untuk penerapan teknik deteksi objek secara lebih efektif dan efisien. Hasil analisis dan eksperimen yang dilakukan, nilai PSNR (Peak Signal-to-Noise Ratio) paling besar pada citra 1 hasil segmentasi menggunakan ruang warna YCbCr dengan nilai 14,0627 dB dan nilai HSV paling besar bernilai 10,2397 dB. Berdasarkan nilai PSNR ruang warnaYCbCr memberikan kinerja unggul dalam hal segmentasi, , dan efisiensi komputasi. Keywords : Object detection, color space segmentation, HSV, YCbCr, PSNRDownloads
References
Budi Putranto, B. Y., Hapsari, W., & Wijana, K. (2011). Segmentasi Warna Citra Dengan Deteksi Warna Hsv Untuk Mendeteksi Objek. Jurnal Informatika, 6(2). https://doi.org/10.21460/inf.2010.62.81
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
Hastawan, A. F., Septiana, R., & Windarto, Y. E. (2019). Perbaikan Hasil Segmentasi HSV Pada Citra Digital Menggunakan Metode Segmentasi RGB Grayscale. Edu Komputika Journal, 6(1), 32–37. https://doi.org/10.15294/edukomputika.v6i1.23025
Nabilla, P., Saputra, Muh. F., & Adi Saputra, R. (2022). Perbandingan Ruang Warna Rgb, Hsv Dan Ycbcr Untuk Segmentasi Citra Ikan Kembung Menggunakan K-Means Clustering. Jati (Jurnal Mahasiswa Teknik Informatika), 6(2), 476–481. Https://Doi.Org/10.36040/Jati.V6i2.4770
Prastya, D. Z. E., Pamungkas, D. P., & Niswatin, R. K. (2022). Implementasi Metode Gaussian Filter Dan Median Filter Untuk Penghalusan Gambar.
Rabbani, H. A., Rahman, M. A., & Rahayudi, B. (N.D.). Perbandingan Ruang Warna Rgb Dan Hsv Dalam Klasifikasi Kematangan Biji Kopi.
Universitas Harapan, Panggabean, A. K., Syahfaridzah, A., & Ardiningih, N. A. (2021). Mendeteksi Objek Berdasarkan Warna Dengan Segmentasi Warna Hsv Menggunakan Aplikasi Matlab. Methomika Jurnal Manajemen Informatika Dan Komputerisasi Akuntansi, 4(2), 94–97. Https://Doi.Org/10.46880/Jmika.Vol4no2.Pp94-97
Yeuseyenka, I., Melnikau, I., & Yemelyanov, I. (2022). Detection And Selection Of Moving Objects In Video Images Based On Impulse And Recurrent Neural Networks. Journal Of Data Analysis And Information Processing, 10(02), 127–141. Https://Doi.Org/10.4236/Jdaip.2022.102008
Zeng, L., Li, R. Y. M., & Li, R. (2024). Chromaticity Analysis On Ethnic Minority Color Landscape Culture In Tibetan Area: A Semantic Differential Approach. Applied Sciences, 14(11), 4672. Https://Doi.Org/10.3390/App14114672
Zou, Z., Chen, K., Shi, Z., Guo, Y., & Ye, J. (2023). Object Detection In 20 Years: A Survey (Arxiv:1905.05055). Arxiv. Http://Arxiv.Org/Abs/1905.05055
