Kompleksitas visual citra merupakan representasi dari persepsi penglihatan manusia terhadap suatu citra. Pada penelitian ini, kompleksitas visual citra digunakan untuk mengkategorikan citra antara lain Very Simple, Simple, Medium, Complex, dan Very Complex. Kompleksitas visual citra direpresentasikan dengan tiga fitur, diantranya adalah fitur Structure, Noise, dan Diversity. Fitur Structure diekstraksi dengan menghitung rasio antara piksel tepi dengan total jumlah piksel pada citra, tepi dari citra dideteksi dengan tiga deteksi tepi yaitu Sobel, Prewitt dan Laplacian of Gaussian. Fitur Noise diekstraksi dengan menghitung Standard Deviasi dari citra yang dikonvolusi dengan kernel Laplacian. Sedangkan fitur Diversity diekstraksi dengan membagi antara piksel sudut dengan jumlah baris pada citra, sudut dari citra dideteksi menggunakan FAST Algorithm. Sistem Inferensi Fuzzy tipe Mamdani digunakan untuk memberi label pada citra berdasarkan fitur yang sudah diekstraksi. Hasil uji coba menunjukkan bahwa semakin banyak objek dan pola pada citra, maka semakin tinggi pula kompleksitas visual dari citra. Sebaliknya, semakin sedikit objek dan pola pada citra, maka semakin rendah pula kompleksitas visual dari citra. Disamping itu, tiga jenis deteksi tepi yang digunakan untuk mengekstraksi fitur Structure tidak begitu berpengaruh terhadap sistem.

Visual complexity of images is a representation of human perception of an image. This research, Visual Complexity of Image is used to categorize an image which consist of Very Simple, Simple, Medium, Complex, Very Complex. Visual Complexity of Images are represented by three features, consist of Structure, Noise, and Diversity. Structure feature is extracted by calculating the ratio between edge pixels and number of pixels in the image, edge of image is detected by three edge detection consist of Sobel, Prewitt, and Laplacian of Gaussian. Noise feature is extracted by calculating the Standard Deviation of convolution image with Laplacian kernel. Meanwhile, the Diversity feature is extracted by dividing the number of corner with the number of line in the image, corner of image is detected by FAST Algorithm. Mamdani Fuzzy Inference System is used to classify the image based on the features. Experimental result show more objects and patterns in the image them higher Visual Complexity of the Image, meanwhile the fewer objects and patterns in the image, then the lower Visual Complexity of the image. Beside that, three edge detection is used for structure feature extracted did not influence on the system.