ANALISIS PERBANDINGAN METODE GAUSSIAN FILTER DENGAN WIENER FILTER UNTUK MEREDUKSI NOISE GABUNGAN GAUSSIAN DAN SALT AND PEPPER

Transkripsi

1 ANALISIS PERBANDINGAN METODE GAUSSIAN FILTER DENGAN WIENER FILTER UNTUK MEREDUKSI NOISE GABUNGAN GAUSSIAN DAN SALT AND PEPPER Dimas Ari Tonang Program Studi Teknik Informatika S1, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang URL: Abstrak Simplicity in the process of retrieval and storage of information in the form of digital image making community started leaving the analog image. From the ease of digital image sometimes can be contaminated by noise. Noise due to the process of delivery either via cable or via satellite media is very influential to the quality of the image. By using the technique of filtering noise reduction process will be performed on a digital image that has been previously given the joint Gaussian noise and salt and pepper and continued with Similarity Measurement of digital image similarity to identify the results of filtering with the original image. This research was conducted to determine the appropriate filtering techniques to reduce the combined noise Gaussian and salt and pepper. The process of image processing in this study consists of process input imagery, image conversion, addition of noise reduction filtering method of image with Gaussian and wiener. Of research results obtained so that the application of the Gaussian Filter with a value of standard deviation = 0.1 produces digital images that best approached the original image compared to the application of the Gaussian filter with standard deviation range Retrieved also Euclidean distance calculation results more consistent and get the smallest distance against the original image. It is also supported by calculation of the RMSE and PSNR Gaussian Filter method that has the effectiveness of 86.7% nicer than Wiener Filter in reduction of the image containing the joint Gaussian noise and Salt and pepper. This research developed so that can use different types of methods or other noise. Keywords: digital Imagery, Gaussian Noise, Salt and Pepper Noise, Euclidean Distance, GaussianFilter, Wiener Filter,RMSE,PSNR Abstract Kemudahan dalam proses pengambilan dan penyimpanan informasi berupa citra digital membuat masyarakat mulai meninggalkan citra analog. Dari kemudahan tersebut terkadang citra digital dapat terkontaminasi derau (noise). Derau/noise akibat proses pengiriman baik itu melalui media kabel ataupun melalui satelit sangat berpengaruh terhadap kualitas citra. Dengan menggunakan teknik filtering akan dilakukan proses pengurangan noise pada citra digital yang sebelumnya telah diberi noise gabungan gaussian dan salt and pepper dan dilanjutkan dengan Similarity Measurement untuk mengidentifikasi kesamaan citra digital hasil filtering dengan citra original. Penelitian ini dilakukan untuk menentukan teknik filtering yang tepat untuk mengurangi noise gabungan gaussian dan salt and pepper. Proses pengolahan citra dalam penelitian ini terdiri atas proses input citra, konversi citra, penambahan noise, reduksi citra dengan metode filtering gaussian dan wiener. Dari hasil penelitian didapat bahwa penerapan Gaussian Filter dengan nilai standar deviasi = 0,1 menghasilkan citra digital yang paling mendekati citra original dibanding dengan penerapan Gaussian filter dengan standar deviasi rentang 0,1 10. Diperoleh juga hasil perhitungan euclidean distance lebih konsisten dan mendapatkan jarak terkecil terhadap citra asli. Hal tersebut di dukung juga dengan perhitungan RMSE dan PSNR bahwa metode Gaussian Filter memiliki efektivitas sebesar 86,7% lebih bagus daripada Wiener Filter dalam mereduksi citra yang mengandung gabungan noise Gaussian dan Salt and pepper. Supaya penelitian ini berkembang dapat menggunakan jenis metode atau noise yang lain. Kata kunci : Citra digital, Gaussian Noise, Salt and Pepper Noise, Euclidean Distance, Manhattan Distance, GaussianFilter, Wiener Filter, RMSE,PSNR PENDAHULUAN Seiring dengan perkembangan zaman, informasi dalam bentuk citra memegang peranan sangat penting. Kemudahan dalam proses pengambilan dan penyimpanan informasi berupa citra digital membuat masyarakat mulai meninggalkan citra analog. Bentuk citra digital sendiri merupakan salah satu akses informasi yang paling mudah untuk digunakan dari segi pengiriman data berupa citra serta pengolahan dan pemrosesan citra itu sendiri. Dari kemudahan-kemudahan yang didapat dari informasi yang disajikan dalam bentuk citra digital terkadang sebuah citra seringkali mengalami

2 penurunan kualitas citra yang disebabkan oleh banyak faktor. Salah satu faktor yang menyebabkan kualitas citra menurun biasanya terjadi ketika proses pengambilan, pengiriman dan penyimpanan citra tersebut. Suatu citra dikatakan mengalami penurunan kualitas mutu biasanya mengandung cacat atau derau (noise) dan warnanya terlalu kontras ataupun juga blur. Sebuah citra digital yang mengalami kerusakan mengakibatkan informasi yang akan disampaikan jadi berkurang sehingga membuat informasi yang diperoleh menjadi tidak sesuai dengan apa yang diharapkan. Kerusakkan yang terjadi akibat proses pengiriman baik itu melalui media kabel ataupun melalui satelit juga berpengaruh terhadap kualitas citra sehingga untuk menyikapi hal tersebut maka perlu dilakukan sebuah proses perbaikan citra dengan menggunakan metode filtering citra [1]. Pada proses filtering, derau / noise diperbaiki sehingga citra mudah di intrepertasikan oleh manusia ataupun mesin dan menjadikan informasi yang akan disampaikan sesuai dengan yang diharapkan. Derau ataupun noise adalah sebuah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis(optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra ataupun bintik putih yang terdistribusi normal. Noise dengan bintik acak tersebut disebut dengan derau (salt & paper) dan noise dengan bintik putih yang terdistribusi normal disebut dengan derau gaussian. [2] Berdasarkan penelitian yang pernah dilakukan Gybert Saselah, Winsy Weku, Luther Latumakulita [1] dalam penelitianya yang berjudul Perbaikan Citra Digital dengan Menggunakan Filtering Technique dan Similarity Measurement mendapat kesimpulan: 1.Bahwa Gaussian filter lebih mendekati citra original daripada wiener filter untuk memperbaiki citra yang mengandung noise gaussian. 2. Berdasarkan perhitungan similarity measurement metode euclidean distance menghasilkan jarak paling kecil dibanding dengan metode manhattan pada penerapan gaussian filter dengan ukuran matriks 3x3 dengan nilai standar deviasi = 1 dan diikuti juga dengan hasil perhitungan MSE,PSNR dan SNR yang juga konsisten dengan nilai terbaik pada ukuran strandar deviasi tersebut. Dari hasil uji coba dan analisis yang dilakukan serta kesimpulan yang diperoleh, peneliti seblumnya memberikan rujukan untuk melakukan penelitian lebih lanjut dengan menggunakan jenis noise yang berbeda ataupun dengan gabungan dua noise atau lebih. Berdasarkan latar belakang masalah tersebut maka pada penelitian ini akan dilakukan penelitian lebih lanjut mengenai analisis terhadap metode filtering tersebut dengan melakukan proses pengurangan gabungan dua buah noise, yaitu dengan menggabungkan gaussian noise dan salt and pepper noise dengan tingkat standar deviasi noise masing-masing 0,2 yang akan diuji dengan dua buah metode filtering yaitu gaussian filter dan wiener filter yang kemudian akan dilakuakn pendekatan jarak untuk membandingkan hasil citra filtering yang paling mendekati citra asli. METODE Spatial Filtering Spatial filtering merupakan suatu konsep untuk memodifikasi nilai piksel citra digital dengan menerapkan suatu fungsi pada piksel tetangga dari piksel tersebut. Jenis spatial filtering yang akan digunakan pada penelitian ini: Gaussian Filtering Gaussian filtering diperoleh dari operasi konvolusi yang merupakan proses perkalian antara matriks kernel dengan matriks gambar asli. Matriks kernel gauss diperoleh dari fungsi komputasi yang merupakan hasil dari distribusi gaussian, berikut dapat dilihat pada persamaan di bawah ini: Wiener Filtering Wiener Filtering merupakan jenis filter spasial nonlinear. Pada noise image dimodelkan sebagai berikut: ) Diketahui M merupakan gambar original dan N adalah noise; dengan asumsi terdistribusi normal dengan mean 0. Terkadang, dalam mask yang dihasilkan, mean tidak selalu bernilai 0; misalkan adalah varians noise yang bekerja pada gambar serta g adalah current value dari piksel pada noisy image. (McAndrew, 2004), maka nilai output dapat dihitung dengan rumus berikut: Noise Noise (derau) merupakan penyebab utama penurunan kualitas citra (degradasi), sehingga sangat mengganggu apabila suatu foto ingin dicetak dan disimpan pada album atau dipajang diruang tamu. Gaussian Noise Derau Gaussian adalah derau putih yang Noise mempunyai distribusi normal. Jika citra dinyatakan dengan I dan derau Gaussian dinyatakan dengan N, maka citra yang terkorupsi oleh derau Gaussian dinyatakan dengan cara menambahkan keduanya 1) 3) 2

3 [9] yaitu dapat dibentuk model noisy image sebagai berikut :... 4) Salt And Pepper Noise Derau Salt and Pepper sering disebut juga impulse noise, shot noise, dan binary noise adalah derau disebabkan oleh gangguan yang tajam dan tiba-tiba (sharp and sudden) pada sinyal citra, kenampakan pada citra akan berupa titik-titik (piksel) hitam atau putih (atau kedua-duanya) yang tersebar pada citra [9] ) Similarity Measurement Similiarity (kemiripan) adalah ukuran kedekatan antara satu objek dengan objek lainnya. Sedangkan distance (jarak) adalah ukuran tentang jarakpisah antar objek. Terdapat beberapa tekhnik dalam pengukuran jarakantara lain : Euclidean Distance Euclidean Distance adalah metrika yang paling sering digunakan untuk menghitung kesamaan 2 vektor. Euclidean distance menghitung akar dari kuadrat perbedaan 2 vektor (root of square differences between 2 vectors) ) Manhattan Distance Manhattan distance merupakan salah satu pengukuran yang paling banyak digunakan meliputi penggantian perbedaan kuadrat dengan menjumlahkan perbedaan absolute dari variablevariable. Metode ini mengasumsikan bahwa variabel dalam cluster variate tidak berkorelasi. Prosedur ini disebut blok absolute atau lebih dikenal dengan city block distance. Berikut adalah rumus dari manhattan distance:... 7) Peak Signal to Noise Ratio (PSNR) PSNR merupakan perbandingan yang terjadi antara nilai maksimum dari sinyal yang dapat diukur dengan besarnya sebuah derau yang berpengaruh terhadap sinyal tersebut. Untuk menghitung PSNR dari suatu citra, terlebih dahulu harus menentukan RMSE(Root Mean Square Error). RMSE adalah nilai error kuadrat rata-rata antara citra asli dengan citra hasil filtering. Perhitungan RMSE adalah sebagai berikut [10]: RMSE 1 m n 2 I i, j K i, j ) mn i 1 j 1 Nilai PSNR didapat dengan rumus: B PSNR. log RMSE Proses Alur Penelitian Citra Asli ) Proses Grayscale Proses Simiilarity Measurement Proses Pemberian Noise ( Gaussian Noise dan Salt And Pepper Noise Proses Filtering Noise ( Gaussian Filter dan Wiener Filter) HASIL DAN PEMBAHASAN Proses pengolahan citra dalam penelitian ini terdiri dengan proses input gambar dan membaca matriks citra langkah selanjutnya yaitu konversi citra RGB ke grayscale, penambahan density noise gaussian dan salt and pepper, reduksi noise menggunakan metode gaussian filter dan wiener filter, similarity measurement, analisis teknik filtering. 1. Konversi Citra RGB ke Grayscale Setelah proses input gambar dan pembacaan matriks citra yang menghasilkan nilai piksel pada dimensi 3 layer yaitu Red, Green, dan Blue (RGB), kemudian untuk mempermudah proses selanjutnya dilakukan konversi citra RGB ke Grayscale. 2. Menambahkan Noise Pada Citra Digital Noise yang akan ditambahkan adalah noise gaussian dan noise salt and pepper. 3. Melakukan proses filtering Proses ini dilakukan untuk mereduksi noise. Yaitu dengan menggunakan metode filtereing : a. Gaussian Filtering Pada metode gaussian filter dalam penelitian ini akan digunakan ukuran matriks 3x3, 5x5, 7x7 dan 9x9 dengan penambahan standar deviasi filter dengan ukuran 0,5 ; 2,5 ; 5 ;7,5 ; 10; dengan penggunaan matriks dan standar deviasi yang dipakai maka di dapatkan hasil kombinasi 20 jenis filter (G1,G2,...G20). b. Wiener Filtering Dengan ukuran matrik yang dipakai dalam penelitian ini adalah 3x3, 5x5, 7x7 dan 9x9 dengan juga ditambah ukuran standar deviasi dengan nilai 0,5;2,5; 5 ; 7,5;10; sehingga diperoleh juga kombinasi 20 jenis filter (G21,G22,....G40). 4. Similarity Measurement Setelah melakukan proses filtering citra maka selanjutnya akan dilakukan proses similarity measurement yaitu untuk melihat citrahasil filtering yang paling mendekati citra original dengan perhitungan metode euclidean distance dan 3

4 manhattan distance. Berikut adalah tabel hasil perhitungan similarity measurement: Untuk membuktikan ke efektifan kedua metode tersebut akan dilakukan analisis tingkat lanjut dengan menggunakan 5 (lima ) buah citra uji dengan standar deviasi filter 0,1 dan ukuran matriks filter 3x3. Berikut adalah hasil uji kualitas citra dengan lima buah citra uji: 5. Analisis Teknik Dari hasil perhitungan similarity pada kedua metode tersebut memberikan hasil yang kurang maksimal dikarenakan hasil dari perhitungan wiener mempunyai nilai yang sama. Sehingga perlu dilakukan uji selanjutnya dengan menggunakan standar deviasi 0,1 s.d 10,. Berikut tabel hasil perhitungannya: Dari hasil tabel diatas dapat disimpulkan bahwa hasil terbaik dari pengukuran kualitas citra kedua metode filtering tersebut terdapat pada penggunaan ukuran filter matriks 3 x 3 hal tersebut ditunjukkan dengan hasil RMSE dan PSNR kedua metode menempati nilai terbaik pada ukuran matrik 3x3.Diperoleh juga hasil dari pengukuran tingkat error (RMSE) dan juga ratio noise (PSNR) bahwa penggunaan Euclidean distance menghasilkan jarak yang konsisten terhadap nilai hasil pengukuran RMSE dan PSNR dibanding dengan pengukuran menggunakan Manhattan distance.oleh karena itu hasil pengukran jarak yang diambil adalah nilai dari hitungan Euclidean distance. Dari uji lanjut analisis pengukuran MSE dan PSNR terhadap 5 buah citra uji yang mengandung prosentase noise 10%,30% dan 50% sehingga didapatkan kombinasi hasil citra sebanyak 15 citra hasil. Diperoleh hasil 13 citra hasil Metode gaussian noise menghasilkan MSE dan PSNR terbaik dan 2 citra hasil menunjukkan hasil MSE dan PSNR terbaik pada Wiener filter.sehingga dari hasil tersebut dapat di hitung keefektivitasan metode sebagai berikut : Probabilitas citra hasil terbaik X 100% Jumlah citra Uji 13 X 100% = 86,7% 15 Dari hasil tersebut menunjukkan bahwa penggunaan Gaussian Filter lebih bagus dari pada penggunaan Wiener Filter dalam mereduksi noise gabungan gaussian dan salt and pepper dengan prosentase keefektifan gaussian filter sebesar 86,7%. 4

5 KESIMPULAN a. Penerapan gaussian filtering dengan ukuran filter 3x3 dan presentase noise 20% serta nilai standar deviasi =0,1 menghasilkan citra digital yang paling mendekati citra original dibanding dengan nilai standar deviasi lain dengan hasil ukuran jarak euclidean 7542,272 dan RMSE sebesar 14,740 serta PSNR sebesar 24,760 db, sedangkan Wiener Filter pada ukuran yang sama jarak euclidean terbaik 7614,611dan RMSE sebesar 14,872 serta PSNR sebesar 24,683 db. b. Efektifitas penerapan metode gaussian filter dalam pengurangan noise gabungan gaussian dan salt and pepper terhadap 5 buah citra uji sebesar 86,7% yang menyatakan metode gaussian filter lebih baik daripada Wiener Filter. DAFTAR PUSTAKA [1] w. w. l. l. Gybert saselah, "Perbaikan Citra Digital dengan Menggunakan Filtering Technique," ejournal, vol. 2, [2] Hermawati, Pengolahan Citra Digital, Yogyakarta: Andi, [3] B. Yuwono, "Image Smoothing Menggunakan Mean Filtering, Median Filtering, Modus Filtering dan Gaussian Filtering," Telematika, vol. 7, [4] E. J. Rani and E. S. Kaur, "Image Restoration Using Various Methods and Performance Using Various Parameters," International Journal of Advanced Research in Computer Science and Software Engineering, vol. 4, no. 1, [5] M. K. D. Rika Novita Wardhani, "Analisis PenerapanMetode Konvolusi untuk Reduksi Derau pada Citra Digital," Poli-Teknologi, vol. 10, p. 2, [6] M. H. Oceandra, "Pengurangan Noise Pada Citra Digital," [7] E. D. Ginting, "Deteksi tepi Menggunakan metode Canny Dengan Matlab Untuk Membedakan Uang Asli dan Uang Palsu," [8] Arifin and Budiman, "Edge Detection Menggunakan Roberts Cross," vol. 12, [9] A. McAndrew, "An Introduction to Digital Image Processing with Matlab," School of Computer Science and Mathematics, [10] R. Munir, Pengolahan Citra Digital, Bandung : Informatika, [11] P. A. Setiyono, "Menganalisa Perbandingan Deteksi Tepi Antara metode Sobel dan Metode Robert,"