IMPLEMENTASI METODE GEOMETRIC MEAN FILTER UNTUK PERBAIKAN DENGAN REDUKSI NOISE PADA CITRA DIGITAL

Transkripsi

1 IMPLEMENTASI METODE GEOMETRIC MEAN FILTER UNTUK PERBAIKAN DENGAN REDUKSI NOISE PADA CITRA DIGITAL Fristi Riandari Teknik Informatika STMIK Pelita Nusantara Medan Jln. Iskandar Muda No. 1, 20154, Indonesia Abstrak Citra memegang peranan sangat penting sebagai bentuk informasi. Seiring kemudahan yang ditawarkan dalam pengambilan, pemrosesan dan penyimpanannya masyarakat mulai banyak yang meninggalkan citra analog dan beralih ke citra digital. Citra digital merupakan salah satu bentuk citra yang paling mudah dipergunakan dari segi pengiriman sebagai data, pengolahan dan pemrosesan citra itu sendiri. Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan intensitas mutu, misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras atau kabur. Penurunan intensitas mutu tersebut, biasanya terjadi pada proses pengambilan ataupun penyimpanan gambar (citra digital). Mean filter merupakan salah satu filtering linear yang berfungsi untuk memperhalus dan menghilangkan noise pada suatu citra yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai pixel tersebut dengan nilai pixel-pixel tetangganya. Aplikasi pada penelitian ini diimplementasikan dengan menggunakan bahasa pemrograman VB.Net.2008 dan database menggunakan Mysql. Kata Kunci : Metode Geometric Mean Filter, Pengolahan Citra Digital, Reduksi noise. 1. Pendahuluan Meskipun sebuah citra kaya akan informasi, namun seringkali citra yang dimiliki mengalami penurunan mutu, misalnya mengandung cacat atau noise. Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Untuk mengatasi noise tersebut perlu dilakukan usaha untuk memperbaiki kualitas citra itu. Pengolahan citra merupakan suatu sistem dimana proses dilakukan dengan masukan citra dan hasilnya juga berupa citra. Peningkatan kwalitas citra merupakan salah satu proses awal dalam peningkatan kwalitas citra. Peningkatan kwalitas citra diperlukan karena citra mempunyai kwalitas yang buruk, misalnya citra mengalami derau, kabur. Ada beberapa jenis noise yang terdapat pada citra digital antara lain adalah noise Gaussian, Salt-and-Pepper, Gamma, Eksponensial, Rayleigh, dan Uniform. Efek noise-noise diatas terhadap sebuah citra berbeda-beda karena ada yang mempengaruhi tampilan citra dan ada juga yang tidak begitu mempengaruhi. Salah satu teknik yang digunakan adalah reduksi noise yang melakukan restorasi citra dengan cara peningkatan kualitas. Noise yang akan dibahas adalah noise yang terjadi karena karakteristik dari derajat keabu-abuan (gray-level) atau karena adanya variabel acak yang terjadi karena karakteristik Fungsi Probabilitas Kepadatan (Probability Density Functionatau PDF). Noise Rayleigh sangat membantu untuk memodelkan fenomena derau pada saat pencitraan. Noise Eksponensial dan Gamma ditemukan pada pencitraan dengan menggunakan laser. Teknik reduksi noise yang dibahasa dalah teknik filter yang melakukan teknik pemisahan noise dari objek-objek pada citra. Algoritma yang digunakan pada penelitian reduksi noise ini adalah Geometric Mean Filter (GMF) yang melakukan reduksi pada noise dengan cara mengganti nilai Pixel dengan nilai tengah (rata-rata) intensitas Pixel citra yang mengandung noise. 2. Teori a. Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering kali citra yang dimiliki mengalami penurunan mutu, misalnya mengandung cacat atau noise. Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang (Rachmad, 2008). Suatu citra dapat didefinisikan sebagai fungsi f (x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat (x,y) dinamakan 175

2 intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila nilai x,y dan nilai amplitudo f secara keseluruhan berhingga (finite) dan bernilai diskrit, maka dapat dikatakan bahwa citra tersebut adalah citra digital. Citra digital dapat ditulis dalam bentuk matrik sebagai berikut (Rachmad, 2008).Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y ) disebut dengan picture element, image element, pels, atau pixel. Istilah terakhir (pixel) paling sering digunakan pada citra digital. b. Matriks bitmap Citra bitmap adalah susunan bit-bit warna untuk tiap pixel yang membentuk pola tertentu. Pola-pola warna ini menyajikan informasi yang dapat dipahami sesuai dengan persepsi indera penglihatan manusia. Format file ini merupakan format grafis yang fleksibel untuk platform Windows sehingga dapat dibaca oleh program grafis manapun. Format ini mampu menyimpan informasi dengan kualitas tingkat 1 bit sampai 24 bit. Citra bitmap didefinisikan sebagai fungsi f (x,y) dengan x dan y adalah koordinat bidang. Besaran f untuk tiap koordinat (x,y) disebut intensitas atau derajat keabuan citra pada titik tersebut (Sutoyo 2009). Pada Gambar 1 ditunjukkan gambar bitmap beserta nilai matriksnya. Gambar 1. Bitmap dengan nilai matriksnya Dari definisi di atas yang diperjelas oleh Gambar 1, bitmap dimodelkan dalam bentuk matriks. Nilai pixel atau entri-entri dari matriks ini mewakili warna yang ditampilkan di mana ordo matriks merupakan dimensi panjang dan lebar dari bitmap. Nilai-nilai warna ditentukan berdasarkan intensitas cahaya yang masuk. Dalam komputer, derajat intensitas cahaya diwakili oleh bilangan cacah. Nilai 0 menerangkan tidak adanya cahaya sedangkan nilai yang lain menerangkan adanya cahaya dengan intensitas tertentu. Nilai-nilai ini bisa didapatkan melalui fungsi-fungsi yang disediakan oleh bahasa pemrograman berdasarkan input berupa lokasi entri-entri matriks yang hendak dicari. c. Pixel Pixel (Picture Elements) adalah nilai tiaptiap entri matriks pada bitmap. Rentang nilainilai pixel ini dipengaruhi oleh banyaknya warna yang dapat ditampilkan. Jika suatu bitmap dapat menampilkan 256 warna maka nilai-nilai pixelnya dibatasi dari 0 hingga 255. Suatu bitmap dianggap mempunyai ketepatan yang tinggi jika dapat menampilkan lebih banyak warna (Putra, 2010). Prinsip ini dapat dilihat dari contoh pada Gambar 2 yang memberikan contoh dua buah bitmap dapat memiliki perbedaan dalam menangani transisi warna putih ke warna hitam. Gambar 2. Perbedaan ketepatan warna bitmap Sumber : Sutoyo, 2009 Perbedaan ketepatan warna bitmap pada Gambar 2.3 menjelaskan bahwa bitmap sebelah atas memberikan nilai untuk warna lebih sedikit daripada bitmap di bawahnya. Untuk bitmap dengan pola yang lebih kompleks dan dimensi yang lebih besar, perbedaan keakuratan dalam memberikan nilai warna akan terlihat lebih jelas. Sebuah citra adalah kumpulan pixel-pixel yang disusun dalm larik dua dimensi. Indeks baris dan kolom (x,y) dari sebuah pixel dinyatakan dalam bilangan bulat. Pixel (0,0) terletak pada sudut kiri atas pada citra, indeks x begerak ke kanan dan indeks y bergerak ke bawah. Konvensi ini dipakai merujuk pada cara penulisan larik yang digunakan dalam pemrograman komputer. Letak titik origin pada koordinat grafik citra dan koordinat pada grafik matematika terdapat perbedaan. Hal yang berlawanan untuk arah vertikal berlaku pada kenyataan dan juga pada sistem grafik dalam matematika yang sudah lebih dulu dikenal. Gambar berikut memperlihatkan perbedaan kedua sistem ini. d. Citra Biner Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai pixel yaitu hitam dan putih. Citra biner juga disebut sebagai citra B & W (black and white) atau monokrom. Citra biner sering kali muncul sebagai hasil dari proses pengolahan seperti segmentasi, pengambangan, morphologi, ataupun dithering. e. Citra Grayscale Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya, dengan kata lain bagian RED = GREEN = BLUE. Nilai tersebut digunakan untuk menunjukan tingkat intensitas. Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkat keabuan disini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Citra grayscale berikut memiliki kedalaman warna 8 bit (256 kombinasi 176

3 warna keabuan). f. Noise (derau) Noise adalah suatu gangguan yang disebabkan oleh penyimpanan data digital yang diterima oleh alat penerima data gambar yang dapat mengganggu kualitas citra. Noise dapat disebabkan oleh gangguan fisik (optik) pada alat penangkap citra misalnya kotoran debu yang menempel pada lensa foto maupun akibat proses pengolahan yang tidak sesuai. Ada tiga jenis noise yaitu gaussian noise, speckle noise, dan salt and pepper noise (Putra, 2010). 1. Noise gaussian merupakan model noise yang mengikuti distribusi normal standar dengan rata-rata nol dan standard deviasi 1. Efek dari gaussian noise ini pada gambar adalah munculnya titik-titik berwarna yang jumlahnya sama dengan persentase noise. 2. Noise speckle merupakan model noise yang memberikan warna hitam pada titik yang terkena noise. Noise salt and pepper adalah bentuk noise yang biasanya terlihat titik-titik hitam dan putih pada citra seperti tebaran garam dan merica. 3. Noise salt and pepper disebabkan karena terjadinya error bit dalam pengiriman data, pixel-pixel yang tidak berfungsi dan kerusakan pada lokasi memori. g. Mean Filter Mean Filter (filter rata-rata) adalah intensitas pada beberapa pixel lokal dimana setiap pixel akan digantikan nilainya dengan rata-rata dari nilai intensitas pixel tersebut dengan pixel-pixel tetangganya, dan jumlah pixel tetangga yang dilibatkan tergantung pada filter yang dirancang. Secara matematis, hal ini dapat dinyatakan dengan persamaan: (pada kernel ukuran 3 x 3 bobot maksimum adalah 1/9 dan 1/25 untuk kernel 5 x 5). 3. Pilih nilai pada bagian tengah untuk nilai yang baru bagi pixel (x,y). Jumlah pembobotan pada filter rata-rata adalah satu, dengan demikian karakteristik global dari citra dapat tetap terpelihara. Ada berbagai macam teknik untuk mengurangi (reduksi) noise, salah satunya menggunakan filter rata-rata (mean filter). Dalam pengertian noise sebagai suatu nilai yang berbeda dengan semua tetangganya maka dapat dikatakan noise merupakan nilai-nilai yang berada pada frekuensi tinggi, untuk mengurangi noise digunakan Low Pass Filter (LPF) [3]. Salah satu dari bentuk LPF adalah filter rata-rata yang merupakan filter H dalam bentuk matriks yang berukuran M x N, dan nilainya adalah sama untuk setiap elemen, dan karena bersifat LPF maka jumlah seluruh elemen adalah satu dan dituliskan dengan persamaan: H i,j m n = filter rata-rata = koordinat pixel pada citra = lebar citra (pixel) = tinggi citra (pixel) Filter rata-rata berukuran 3x3 adalah: Filter rata-rata berukuran 5x5 adalah: H M F K Dimana: = filter rata-rata = jumlah (pixel) = filter (pixel) = Intensitas pixel M = jumlah pixel pada jendela sebesar N*N Cara mencari nilai mean di atas adalah: 1. Baca nilai pixel yang akan diproses beserta pixel-pixel tetangganya. 2. Gantikan nilai pixel denga bobot rata-rata Mean filter merupakan salah algoritma memperhalus citra dengan cara perhitungan nilai intensitas rata-rata citra pada= koordinat pixel pada citra M s,t = lebar citra (pixel) = nilai intensitas pixel Setiap blok citra yang diproses. Algoritma yang umum digunakan adalah Arithmetic dan Geometric Mean Filter. Pada algoritma Arithmetic Mean Filter proses yang dilakukan adalah menghitung rata-rata nilai dari citra yang rusak g(x,y) pada sebuah blok area citra yang didefinisikan oleh Sx,y. Nilai dari citra f(x,y) yang diperbaiki pada tiap titik (x,y) hanya dihitung dengan menggunakan pixel dalam daerah yang 177

4 didefinisikan oleh Sx,y dengan rumus: Pada algoritma Geometric Mean Filter proses yang dilakukan adalah sama dengan Arithmetic Mean Filter dengan rumus: xy mn s,t = koordinat pixel pada citra = dimensi citra (pixel) = nilai intensitas pixel = perkalian nilai pixel yang terkena filter Pada algoritma ini setiap pixel yang diperbaiki oleh hasil kali masing-masing pixel dalam subimage window, kemudian dipangkatkan dengan i/mn. h. Mean Squared Error (MSE) MSE adalah rata-rata kuadrat nilai kesalahan antara citra asli dengan citra hasil pengolahan yang secara matematis dapat dirumuskan sebagai berikut: X = lebar citra dalam pixel Y = tinggi citra dalam pixel I = nilai pixel citra sebelum reduksi noise I = nilai pixel citra sesudah reduksi noise x,y = koordinat pixel 3. Algoritma Dan Implementasi a. Algoritma Algoritma adalah urutan langkah-langkah logika yang diperlukan untuk penyelesaian masalah dan penyusunan program. Algoritma digunakan untuk menganalisa serta menjelaskan urutan dan hubungan antara kegiatan yang akan ditempuh. Penyusunan algoritma ini sangat penting dalam perancangan suatu program. Selain itu algoritma juga berfungsi untuk menyelesaikan suatu permasalah hingga tercapai suatu tujuan. Adapun algoritma dari deteksi tepi tersebut dapat dilihat pada algoritma dibawah ini. Input Output Citra awal Citra Hasil reduksi noise koordinat pixel pada citra dimensi citra (pixel) nilai intensitas pixel = perkalian nilai pixel yang (5) terkena filter else if exit then End (6) b. Implementasi Implementasi merupakan percobaan suatu sistem yang telah jadi ke dalam permasalahan yang sebenarnya. Pengimplementasian suatu program akan berpengaruh pada spesifikasi komputer yang digunakan, agar program bisa berjalan dengan baik maka spesifikasi perangkat keras dan perangkat lunak harus sesuai. Form reduksi noise geometric mean filter akan ditampilkan jika user memilih pilihan reduksi noise geometric mean filter setelah memilih pilihan reduksi pada menu bar. Pada form citra digital yang akan di browse dari media penyimpanan akan di tempatkan pada image dengan mengklik tombol browse, kemudian noise akan di generate dengan tombol generate noise dan data dari citra yang sudah di generate akan tampil pada data citra asli dan di dapat nilai dimensi citra, kemudian noise akan di bersihkan dengan mengklik tombol reduce noise, maka diperoleh gambar hasil proses reduice noise pada kotak citra hasil sekaligus data citra hasil dan nilai mean square error ( MSE ). Maka gambar hasil proses reduice noise dapat di simpan pada media penyimpanan. Berikut gambar 3 ditampilkan pada form menu Reduksi Noise Geometric Mean Filter. Gambar 3. Form Reduksi Noise Geometric Mean Filter Selanjutnya untuk menyimpan hasil reduksi noise, pilih tombol <Save> seperti pada kotak dialog pada Gambar 4. Proses 178

5 Gambar 4. Form Kotak Dialog Save Pada kotak dialog di atas, isi nama file hasil reduksi dan tekan tombol tombol <Save>. Setelah memilih tombol <Save>, maka akan tampil konfirmasi bahwa file sudah disimpan. Setelah memilih file yang akan diproses maka akan tampil tampilan seperti pada gambar 5dibawah ini Gambar 5. Hasil Pemilihan Citra Geometric Kemudian pilih tombol Generate Noise untuk elihat nilai noise pada gambar, seperti pada gambar 6.Gambar 6. Hasil Generate Noise Geometric Gambar 7. Hasil Reduce Noise Geometric. Setelah proses reduksi selesai, maka akan tampil nilai MSE dan pada commond button Data citra hasil akan diperoleh nilai-nilai pixel dari citra yang telah direduksi noise. Kemudian akan muncul konfirmasi bahwa proses telah selesai 4. Kesimpulan Berdasarkan hasil penelitian di atas yang telah dilakukan, maka dapat disimpulkan bahwa: 1. Berdasarkan hasil pengujian reduksi noise yang terbaik adalah yang memiliki nilai ratarata MSE terkecil yaitu untuk algoritma Geometric Mean Filter. 2. Sistem reduksi noise ini menggunakan dua jenis tipe gambar yaitu jpg dan bmp sehingga membutuhkan kapasitas memori yang cukup besar. 5. Referensi [1]. Basuki, Sulistyo Metode Penelitian. Jakarta : Penaku [2]. Darma Putra 2010, Pengolahan Citra, Penerbit Andi Yogyakarta. [3]. Jogiyanto H. M, 2005, Analisis dan Design, Penerbit Andi, Yogyakarta. [4]. Munir, Pengenalan Citra Digital, Penerbit Bandung. [5]. Rahmat Priyanto Langsung Bisa Visual basic net 2008 ; Penerbit Andi Publisher [6]. Sutoyo, T,dkk. 2009, Teori Pengolahan Citra Digital,; Penerbit Andi:Yogyakarta [7]. Hutahaean, H. D. (2013). Teknik Penajaman Citra Digital Dengan Menggunakan Metode Contrast Streching. Pelita Informatika: Informasi dan Informatika, 3(1). Setelah di Generate Noise, command button Data Citra Asli akan menampilkan nilai-nilai pixel dari citra asli yang akan diberi noise dan pilih tombol Reduce Noise dan hasilnya seperti pada Gambar 7 : 179