Kualitas adalah parameter penting bagi semua objek dan fungsinya. Penilaian Kualitas Gambar - Image Quality Assessment (IQA) dianggap sebagai karakteristik utama sebuah gambar. Penurunan kualitas gambar dapat diukur dengan berbagai metode IQA. Biasanya, degradasi gambar dihitung dengan membandingkannya terhadap gambar ideal yang disebut sebagai gambar referensi. Secara teknis, kualitas gambar dapat dijelaskan secara objektif untuk menunjukkan penyimpangan dari model referensi. Penurunan kualitas gambar dapat dipengaruhi oleh noise. Terdapat beberapa teknik untuk melakukan penilaian kualitas gambar secara objektif diantaranya adalah PSNR (Peak Signal-to-Noise Ratio) dan SSIM (Structural Similarity Index Method) [1].

  1. PSNR (Peak Signal-to-Noise Ratio)

PSNR digunakan untuk menghitung rasio antara daya sinyal maksimum yang mungkin dengan daya noise yang menyebabkan distorsi pada gambar. Rasio ini dihitung dalam bentuk desibel (dB) karena sinyal memiliki rentang dinamis yang sangat luas. Rentang dinamis ini mencerminkan perbedaan antara nilai terbesar dan terkecil yang dapat diubah berdasarkan kualitas gambar [1].

PSNR adalah metode penilaian kualitas yang paling umum digunakan untuk mengukur kualitas rekonstruksi pada kompresi gambar lossy. Dalam hal ini, sinyal dianggap sebagai data asli, sedangkan noise adalah kesalahan akibat kompresi atau distorsi. PSNR memberikan perkiraan kasar tentang bagaimana manusia merasakan kualitas rekonstruksi dibandingkan dengan codec kompresi gambar [1].

PSNR dapat dihitung untuk berbagai ruang warna seperti RGB atau YUV. PSNR adalah metrik full-reference yang bersifat non-linear. Secara umum, PSNR diukur dalam desibel (dB) dengan skala berkisar antara 0 hingga 60. Kualitas video dapat dinilai berdasarkan nilai PSNR (Peak Signal-to-Noise Ratio) dalam desibel (dB). Jika nilai PSNR berada dalam rentang 20-30 dB, maka kualitas video dianggap buruk (bad). Untuk rentang 30-33 dB, kualitasnya tergolong rendah (poor), sementara nilai antara 33-38 dB menunjukkan kualitas yang cukup (fair). Video dengan PSNR di atas 38 dB memiliki kualitas yang baik hingga sangat baik (good/excellent). Secara umum, semakin tinggi nilai PSNR, semakin baik kualitas video karena tingkat distorsi atau noise yang lebih rendah [2].

Gambar 1. PSNR Formula (https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio)

 2. SSIM (Structural Similarity Index Method)

SSIM adalah metode berbasis persepsi manusia. Dalam metode ini, degradasi gambar dianggap sebagai perubahan persepsi terhadap informasi struktural. SSIM juga memperhitungkan aspek persepsi lain, seperti luminance masking dan contrast masking [1].

  • Informasi struktural mengacu pada hubungan antar piksel yang berdekatan secara spasial. Piksel yang saling terkait erat memberikan informasi penting tentang objek visual dalam gambar [1].
  • Luminance masking adalah fenomena di mana distorsi lebih sulit terlihat di tepi gambar [1].
  • Contrast masking adalah fenomena di mana distorsi lebih sulit terlihat pada tekstur gambar [1].

SSIM digunakan untuk menilai kualitas gambar dan video berdasarkan kemiripan antara gambar asli dan hasil rekonstruksi [1].

SSIM diukur dalam skala 0 hingga 1, di mana semakin mendekati 1, semakin mirip gambar yang terdegradasi dengan gambar referensi. SSIM adalah metrik non-linear, di mana nilai 0,97 hingga 1 menunjukkan degradasi minimal, nilai 0,95 hingga 0,97 menunjukkan degradasi rendah, sedangkan nilai di bawah rentang tersebut mengindikasikan degradasi sedang hingga berat [2].

Gambar 2. SSIM Formula (https://en.wikipedia.org/wiki/Structural_similarity_index_measure)

Studi menunjukkan bahwa PSNR lebih sensitif terhadap noise Gaussian aditif dibandingkan SSIM, sedangkan hasil sebaliknya diamati pada kompresi JPEG [3][4].

Source Code yang tersedia di situs ini [5] memungkinkan pengukuran PSNR dan SSIM. Berikut ini adalah contoh perbandingan PSNR dan SSIM menggunakan dua gambar [5].

Gambar 3. PSNR vs SSIM (https://amroamroamro.github.io/mexopencv/opencv/image_similarity_demo.html)

Keywords: Kualitas Gambar, PSNR (Peak Signal-to-Noise Ratio), SSIM (Structural Similarity Index Method), Image Quality Assessment (IQA)

SDG: 9 “Industry, Innovation and Infrastructure”

Referensi:

  1. https://www.scirp.org/journal/paperinformation?paperid=90911
  2. https://www.testdevlab.com/blog/full-reference-quality-metrics-vmaf-psnr-and-ssim
  3. https://www.researchgate.net/publication/220931731_Image_quality_metrics_PSNR_vs_SSIM
  4. https://projet.liris.cnrs.fr/imagine/pub/proceedings/ICPR-2010/data/4109c366.pdf
  5. https://amroamroamro.github.io/mexopencv/opencv/image_similarity_demo.html
  6. https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio
  7. https://en.wikipedia.org/wiki/Structural_similarity_index_measure