Publisher

UBMUBM

Journal Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan Komputasi Abstract

Kartun ditandai oleh warna yang sederhana, datar, dan tegas, yang membuatnya menarik untuk berbagai aplikasi, seperti avatar atau hiburan. Namun, proses kartunisasi manual menuntut keahlian artistik tinggi dan memakan waktu. Penelitian ini bertujuan untuk mengotomatisasi proses tersebut melalui kuantisasi warna menggunakan K-Means Clustering sebagai solusi untuk menyederhanakan palet warna citra natural. Masalah utama yang dibahas adalah pemilihan mode dan fitur warna yang optimal untuk mencapai efek kartun. Dalam metodologi, digunakan mode warna HSI (Hue, Saturation, Intensity), di mana klastering K-Means secara spesifik diterapkan pada fitur Hue saja untuk memisahkan pengelompokan warna dari pengaruh gradasi cahaya. Hasil klastering ini kemudian digabungkan dengan nilai Intensity yang sudah didiskritisasi untuk membedakan warna gelap dan terang secara tegas. Hasil eksperimen menunjukkan bahwa algoritma K-Means efektif dalam melakukan kuantisasi warna, menghasilkan warna yang lebih sederhana dan solid, yang secara visual mendekati rona warna aslinya. Penelitian ini membuktikan bahwa penggunaan fitur Hue pada K-Means adalah strategi yang tepat untuk mewujudkan palet warna datar khas kartun.

Conclusion

Penelitian ini menunjukkan bahwa K-Means, ketika diterapkan pada fitur Hue dalam ruang warna HIS, efektif menyederhanakan palet warna citra natural menjadi warna datar yang khas pada kartun.Keberhasilan ini bergantung pada pengaturan nilai K yang tepat, di mana nilai rendah menghasilkan warna yang lebih optimal.Integrasi proses kuantisasi warna dengan pembentukan outline melalui High Pass Filtering dan morfologi citra berhasil melengkapi stylisasi citra kartun.

Future Research

Penelitian lanjutan dapat mengeksplorasi penambahan bobot pada fitur Hue selama klastering untuk meningkatkan dominasinya dibandingkan koordinat spasial, terutama pada nilai K yang tinggi. Selain itu, penerapan metode inisialisasi centroid yang lebih optimal, seperti K-Means , dapat meningkatkan stabilitas dan kecepatan konvergensi algoritma. Terakhir, pengembangan metrik evaluasi kuantitatif yang spesifik untuk mengukur kemiripan stylisasi kartun, bukan hanya metrik rekonstruksi citra, akan memberikan penilaian yang lebih akurat terhadap kualitas hasil kartunisasi. Penelitian-penelitian ini akan membantu meningkatkan efisiensi dan kualitas proses kartunisasi otomatis, sehingga memungkinkan pembuatan karya seni digital yang lebih menarik dan mudah diakses oleh berbagai kalangan. Dengan mempertimbangkan faktor-faktor tersebut, diharapkan proses kartunisasi dapat dioptimalkan untuk menghasilkan citra yang lebih sesuai dengan preferensi artistik dan kebutuhan pengguna, serta membuka peluang baru dalam bidang seni digital dan hiburan.

References

1. EFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER | Jurnal Muara Sains, Teknologi, Kedokteran... journal.untar.ac.id/index.php/jmistki/article/view/394EFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER Jurnal Muara Sains Teknologi Kedokteran journal untar ac index php jmistki article view 394
2. FPGA implementation of filtered image using 2D Gaussian filter. fpga filtered 2d gaussian filter doi... doi.org/10.14569/ijacsa.2016.070771FPGA implementation of filtered image using 2D Gaussian filter fpga filtered 2d gaussian filter doi doi 10 14569 ijacsa 2016 070771

Metadata

File size	641.22 KB
Pages	10
DMCA	Report