BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Budi Tanuwidjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Suatu data atau informasi disajikan tidak hanya berupa data teks tetapi juga dapat berupa audio, video, dan gambar. Pada zaman sekarang informasi sangatlah penting dan diperlukan, begitu juga informasi yang terdapat pada citra [1]. Citra (image) atau istilah lain untuk gambar merupakan salah satu komponen multimedia yang berperan penting sebagai bentuk informasi visual [2]. Dibandingkan dengan data teks citra memiliki banyak infomasi daripada data teks. Namun terkadang citra juga dapat mengalami penurunan yaitu degradasi atau penurunan mutu yang disebabkan oleh derau / noise, warna terlalu kontras, kabur, dan lain lain [2]. Karena kekurangan tersebut informasi pada citra lebih sulit dijelaskan atau dipahami karena informasi pada citra tersebut kurang jelas [3]. Gambar atau piksel yang mengurangi kualitas citra dalam pengolahan citra disebut derau (noise). Derau / noise muncul dikarenakan oleh proses capture yang tidak sempurna, pencahayaan yang tidak merata yang mengakibatkan intensitas tidak seragam, kontras citra terlalu rendah, pemakaian ISO tinggi atau gangguan fisik (optik), maupun disengaja karena proses pengolahan yang tidak sesuai dan lain sebagainya [4]. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. Bintik acak ini disebut dengan noise salt & pepper. Dilihat dari karakteristik dan bentuknya noise pada citra dibagi menjadi beberapa macam yaitu Gaussian noise, Speckle noise, Salt and Pepper noise, Poisson Noise [5].
2 Untuk meningkatkan kualitas citra dan mengurangi noise supaya informasi yang ada pada citra dapat dipahami dengan baik dibutuhkan metode filtering. Filtering adalah metode untuk mengubah atau meningkatkan kualitas citra. Sebagai contoh, kita dapat memfilter sebuah citra untuk mengutamakan feature tertentu dan membuang feature yang lain [5]. Ada berbagai cara dan metode yang dapat digunakan dalam pengurangan noise. Metode tersebut antara lain adalah transformasi wavelet, operasi aritmatik (aljabar), metode contour, metode frequency filtering, dan metode intensity filtering. Median filter adalah salah satu metode filtering non linear yang mengurutkan nilai intensitas sekelompok pixel, kemudian mengganti nilai pixel yang diproses dengan nilai tengahnya. Median filter banyak digunakan untuk memperhalus, mengembalikan, dan mereduksi noise dari bagian citra yang mengandung noise yang berbentuk bintik putih dan hitam atau noise salt & pepper [6]. Dalam penelitian lain yang dilakukan oleh [2], menjelaskan tentang analisis filtering citra metode Mean filter dan Median filter, menggunakan noise Gaussian, Salt, Pepper, Salt & Pepper. Pada penelitian tersebut digunakan besaran MSE dan PSNR untuk membandingkan pixel pixel pada posisi yang sama dari dua citra yan berlainan. Dari hasil penelitian dapat disimpulkan bahwa untuk perbaikan citra dengan noise berupa Gaussian noise lebih baik dilakukan dengan metode Mean filter. Sedangkan untuk noise salt & pepper menggunakan metode Median filter. Dalam penelitian lain yang dilakukan oleh [6], menjelaskan tentang Implementasi Adaptive Median Filter untuk reduksi noise pada citra digital. Pada penelitian tersebut juga menggunakan besaran MSE dan PSNR untuk mengukur kualitas citra. Sedangkan untuk uji citra menggunakan noise Gaussian, Uniform, dan noise coretan. Hasil penelitian menunjukkan bahwa efektivitas metode adaptive median filter terhadap pengurangan noise uniform dan Gaussian sebesar 30%. Sedangkan efektivitas metode adaptive median filter terhadap pengurangan noise coretan sebesar 50%.
3 Dalam penelitian lain yang dilakukan oleh [4], menjelaskan tentang perbaikan citra dengan menggunakan Median Filter dan Metode Histogram Equalization. Penelitian ini menggunakan citra uji sebanyak 9 buah dalam format jpg. Dan setelah di uji menghasilkan bahwa median filter dan metode histogram equalization mampu memperbaiki citra yang telah diujikan. Kelemahan dari penelitian tersebut adalah bila kapasitas noise terlalu banyak serta merata pada seluruh bagian citra, filter akan kesulitan untuk menghilangkan noise tersebut. Kelebihannya adalah dapat diterapkan grayscale, black and white dan true color. Pada penelitian yang dilakukan oleh [7], membahas tentang metode noise adaptive fuzzy switching median filter (NAFSM) dalam reduksi salt & pepper. Metode ini menggunakan 2 pemfilteran yang pertama yaitu mendeteksi intensitas noise salt dan peper sebelum mengidentifikasi lokasi noise. Ketika noise pixel teridentifikasi akan dilanjutkan ke tahap kedua, jika tidak teridentifikasi noise maka gambar tersebut akan dipertahankan. Dari penelitian ini dapat di simpulkan bahwa metode NAFSM merupakan metode yang baik dalam menekan noise salt dan pepper dalam intensitas yang tinggi dan dalam waktu yang sama dapat menjaga atau mempertahankan kualitas gambar, tepi dan tekstur secara baik. Dari beberapa penelitian di atas dapat disimpulkan bahwa metode yang baik dalam reduksi noise salt & pepper adalah median filter dan belum ada penelitian yang membandingkan antara adaptif median filter dengan median filter, sehingga muncul suatu ide untuk membuat penelitian tentang perbandingan kedua metode tersebut. Pada penelitian ini kualitas citra diukur dengan dua besaran, yaitu MSE (Mean Square Error) dan PSNR (Peak Signal to Noise Ratio). MSE (Mean Square Error) menyatakan tingkat kesalahan kuadrat rata rata dari codebook yang dihasilkan terhadap vector input. Semakin kecil nilai MSE menunjukkan semakin sesuai dengan vector input. Parameter PSNR bernilai sebaliknya, semakin besar parameter PSNR semakin bagus codebook yang dihasilkan.
4 1.2 Rumusan Masalah Dari uraian latar belakang di atas, maka dapat ditarik rumusan masalah sebagai berikut : 1. Bagaimana hasil keluaran dari analisa metode Adaptif Median Filter dan Median Filter dalam reduksi noise salt & pepper? 2. Seberapa besar tingkat efektivitas penerapan metode Adaptif Median Filter dan Median Filter terhadap pengurangan noise salt & pepper? 1.3 Batasan Masalah Pada penelitian ini agar sesuai dengan masalah yang dituju maka sebagai batasan masalah dalam penelitian ini antara lain : 1. Menitikberatkan pada pembahasan pada reduksi noise salt & pepper. 2. Menggunakan filter 3x3, 5x5, 7x7. 3. Menggunakan perhitungan MSE dan PSNR sebagai pembanding kualitas citra. 4. Citra yang digunakan adalah citra grayscale. 1.4 Tujuan Penelitian 1. Untuk mengetahui hasil keluaran analisa metode Adaptif Median Filter dan Median Filter dalam reduksi salt & pepper. 2. Untuk mengetahui perbandingan antara metode Adaptif Median Filter dan Median Filter sehingga dapat mengetahui metode mana yang memiliki efektivitas tinggi dalam reduksi noise salt & pepper. 1.5 Manfaat Penelitian Manfaat yang di dapat pada penelitian ini adalah : a. Bagi Mahasiswa Dapat menambah wawasan dan ilmu pengetahuan tentang reduksi noise salt & pepper dan metode untuk reduksi noise.
5 b. Bagi Dosen Dapat mengetahui metode yang tepat dalam reduksi noise salt & pepper sehingga dapat disampaikan kepada para mahasiswa.
6 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI Pada Bab 2 ini, akan dijelaskan berbagai penelitian terkait yang mendukung peracangan program analisa perbandingan metode Adaptive Median Filter dan Median Filter dalam reduksi noise salt & pepper. Dan berbagai teori yang mencakup penjelasan mengenai citra, citra digital, pengolahan citra, metode median filter, metode adaptive median filter, noise salt & pepper, citra grayscale, citra warna. 2.1 Penelitian Terkait Dari sekian banyak penelitian yang ada, ditemukan penelitian yang membahas reduksi noise dengan metode median filter atau adaptive median filter. Salah satunya adalah penelitian yang dilakukan oleh [8], pada penelitian tersebut dibahas tentang bagaimana noise di tambahkan pada citra dan beberapa metode reduksi noise. Penelitian tersebut membandingkan teknik reduksi noise salt & pepper dan gaussian noise, dengan menggunakan metode median filter dan mean filter. Penelitian tersebut juga menggunakan MSE dan PSNR untuk mengukur kualitas citra. Dari hasil penelitian dapat disimpulkan bahwa metode mean filter dan median filter memiliki kelebihan dan kekurangan. Metode median filter lebih baik dalam pengurangan noise salt & pepper, sedangkan metode mean filter lebih baik dalam pengurangan noise gaussian. Hasil yang didapat dalam reduksi noise salt & pepper metode median filter mendapatatkan MSE db, sedangkan mean filter mendapatakan MSE db. Untuk reduksi noise gaussian median filter mendapatkan MSE db, sedangkan mean filter mendapatkan MSE db. Tetapi secara keseluruhan metode median filter lebih baik dalam reduksi berbagai noise. Penelitian lain yang dilakukan oleh [9], yang membahas tentang optimalisasi spasial domain detektor tepi untuk citra yang cacat karena noise salt & pepper. Pada penelitian tersebut deteksi tepi adalah salah
7 satu metode yang sering digunakan dalam pengolahan citra. Tetapi kinerja semua deteksi tepi mengalami degradasi yang tajam pada lingkungan yang memiliki banyak noise sehingga mengakibatkan hilangnya informasi pada citra. Penelitian ini menggunakan skema deteksi optimal yang menggunakan detektor pintar digabungkan dengan modul denoising untuk mendeteksi tepi dalam citra yang terkena noise salt & pepper. Dilihat dari hasil penelitian dapat disimpulkan bahwa metode detector dengan optimal domain menghasilkan hasil yang lebih baik daripada detektor lain. Detektor ini juga dapat diterapkan pada tingkat noise yang tinggi dengan intensitas sampai 30%. Penelitian selanjutnya yaitu oleh [10], yang membahas tentang reduksi salt & pepper dengan intensitas tinggi menggunakan metode modified decision based unsymmetrical trimmed median filter (MDBUTMF). Pada penelitian tersebut membahas algoritma metode modified based unsymmetrical median filter dalam restorasi gray scale dan citra berwarna yang terkontaminasi dengan noise salt & pepper dengan intensitas tinggi. Langkah pertama dari metode ini adalah mendeteksi impuls noise terlebih dahulu kemudian memisahkan citra yang cacat dan tidak. Implementasi penelitian tersebut juga membandingkan dengan metode lain seperti, metode modified based unsymmetrical trimmed median filter dengan metode median filter, adaptif median filter, decision based algorithm, dan progressive switched median filter. Dan kesimpulan dari hasil penelitian tersebut adalah dari segi PSNR dan IEF metode modified decision based unsymmetrical trimmed median filter menghasilkan hasil yang lebih baik dari metode filter lainnya. Metode MDBUTMF mendapatkan PSNR db untuk citra Cameraman, PSNR db untuk citra Lena, dan PSNR db untuk citra Baboon. Metode tersebut juga telah diuji pada tingkat intensitas noise yang rendah, sedang, dan tinggi dalam citra gray scale dan berwarna. Penelitian selanjutnya yaitu oleh [11], yang membahas tentang filtering citra menggunakan integrasi hybrid median filter dan alpha trimmed mean filter. Pemfilteran citra adalah bagian penting dalam pengolahan citra karena dapat mengurangi noise dari citra yang cacat sehingga kualitas citra dapat meningkat.
8 Pada penelitian ini membahas manfaat dan batas batas metode reduksi noise yang ada. Dari sekian banyak metode filter, metode hybrid median filter dan alpha trimmed mean filter merupakan metode yang mempunyai yang baik dalam reduksi noise salt & pepper. Hybrid filter adalah gabungan dari median dan weiner filter. Langkah pertama pada penelitian ini adalah mengurangi noise dengan median filter kemudian hasilnya di filter lagi dengan weiner filter. Weiner filter menghilangkan blur dan bintik putih noise pada citra. Sedangkan untuk kalkulasi alpha trimmed mean, data terlebih dahulu diurutkan dari rendah ke tinggi dan menjumlahkan pixel tengah pada array. Dilihat dari hasil penelitian dapat disimpulkan, bahwa metode hybrid median filter adalah metode yang baik dan mempunyai kelebihan dalam reduksi noise salt & pepper.metode tersebut mendapatkan MSE 974 dan PSNR db Sedangkan untuk noise Gaussian dan noise yang lain kemungkinan dibutuhkan metode lain yang lebih baik. Penelitian selanjutnya yaitu oleh [12], yang membahas tentang metode switching median filter dengan metode deteksi impuls noise yang disebut boundary discriminative detection (BDND) untuk citra yang cacat parah. Metode BDND bertujuan mereduksi pixel yang cacat. Dalam penelitian ini langkah pertama adalah mengklasifikasikan pixel kedalam tiga grup yaitu impuls noise tingkat rendah, pixel yang tidak terkontaminasi, dan impuls noise tingkat tinggi. Penerapan penelitian menggunakan pengukuran terhadap miss detection, false alarm, PSNR, dan menggunakan 4 noise model. Dilihat dari hasil penelitian dapat disimpulkan bahwa, metode BDND adalah metode paling bagus dari pada metode lain. Metode BDND menghasilkan 0 miss detection walaupun sampai 70% intensitas noise dan menghasilkan PSNR yang lebih baik. Penelitian selanjutnya adalah dari [7], yang membahas tentang metode noise adaptive fuzzy switching median filter (NAFSM) dalam reduksi noise salt & pepper. Metode ini menggunakan 2 cara pemfilteran yang pertama yaitu mendeteksi intensitas noise salt & pepper sebelum mengidentifikasi lokasi noise. Setelah noise pixel dapat teridentifikasi akan dilanjutkan ke tahap kedua, jika tidak teridentifikasi noise maka citra tersebut akan dipertahankan. Dalam penelitian ini kualitas citra
9 diukur menggunakan PSNR. Dari hasil penelitian disimpulkan bahwa metode NAFSM merupakan metode yang baik dalam menekan noise salt & pepper dalam intensitas yang tinggi dan dalam waktu yang sama dapat menjaga atau mempertahankan kualitas gambar, tepi dan tekstur secara baik. Metode NAFSM mendapatkan PSNR 40 db lebih dalam reduksi noise dan merupakan PSNR tertinggi. Penelitian selanjutnya oleh [13], yang membahas tentang kecepatan dan keefisienan metode median filter (FEMF) dalam reduksi 1 99% salt & pepper dalam citra. Citra yang digunakan pada penelitian ini menggunakan informasi dari citra natural, citra yang bebas noise akan divariase dan dipisahkan dengan tepi. Dalam penelitian ini hanya fokus pada salt & pepper impulsif noise dengan 2 fitur yang dideskripsikan sebagai berikut : sebagai bagian dari citra yang cacat, pixel yang bebas noise, dan pixel mengambil nilai positif yang sangat besar sebagai impuls positif atau nilai yang sangat kecil sebagai impuls negative. Dari kesimpulan penelitian menunjukkan bahwa metode FEMF menunjukkan hasil yang signifikan dalam visualisasi subjek dan pengukuran digitial objektif. Metode FEMF mendapatkan PSNR 50 db lebih. Tanpa ada kesalahan filter FEMF dapat mengenali nilai yang paling rendah dan tinggi sebagai noise yang rendah dan tinggi. Penelitian selanjutnya yaitu oleh [14], yang membahas tentang reduksi gangguan (noise) dengan metode median filter untuk meningkatkan akurasi citra sidik jari sebagai humanidentification. Dalam penelitian tersebut telah dicoba algoritma yang mampu mengurangi noise pada citra digitial yaitu median filter. Median filter telah banyak digunakan untuk mengatasi noise salt & pepper. Cara kerja median filter adalah menangkap matriks citra menggunakan filter, lalu mengurutkan matriks tersebut untuk diambil nilai tengah atau yang disebut median. Lalu nilai tengah ini akan menggantikan target pixel yang terdapat pada bagian tengah pada matriks filter. Penelitian tersebut menggunakan filter 3x3, 5x5, 7x7 dan 9x9. Citra yang digunakan berformat JPG dan grayscale. Dari hasil penelitian dapat disimpulkan bahwa metode median filter sangat efektif dalam reduksi noise salt & pepper sampai dengan probabilitas noise sebesar 15%.
10 Penelitian selanjutnya adalah yang dilakukan oleh [1], yang membahas tentang perbandingan metode low pass filter dan median filter dalam penghalusan citra untuk peningkatan citra. Pada citra terdapat banyak informasi, apalagi pada jaman sekarang informasi sangat penting dan diperlukan banyak orang. Dalam citra juga ada kekurangan yaitu ketika citra mengandung noise, seperti bercak hitam dan putih sehingga informasi pada citra sulit dipahami. Untuk mengatasi hal tersebut dapat dilakukan penghalusan citra sehingga citra lebih mudah diinterpretasikan oleh mata manusia dan untuk pengenalan objek. Penelitian ini menggunakan citra dengan format BMP dan filter 3x3. Kualitas citra menggunakan skala kriteria subjektif dan PSNR. Dari hasil penelitian dapat disimpulkan bahwa metode low pass filter walaupun mampu menghaluskan citra tetapi dalam mengurangi noise menghasilkan citra yang kabur. Metode median filter adalah metode yang baik dalam reduksi noise dan menghaluskan citra. Metode median filter mendapatkan PSNR db, sedangkan Low Pass Filter mendapatkan db Penelitian selanjutnya yaitu oleh [4], yang membahas tentang perbaikan citra dengan menggunakan median filter dan metode histogram equalization. Seringkali citra mengalami penurunan mutu atau kualitas akibat terdapat noise, warna terlalu kontras, kabur, kurang tajam dan sebagainya. Dalam kondisi demikian perlu adanya perbaikan citra untuk mendapatkan tampilan citra dengan bentuk visualisasi yang lebih baik. Median filter adalah metode yang menitik beratkan pada nilai tengah dari keseluruhan pixel. Sedangkan histogram equalization adalah suatu metode yang mana terjadi perataan histogram citra, dimana distibusi nilai derajat warna pada suatu citra dibuat rata. Dalam penelitian ini telah diterapkan median filter dan histogram equalization dalam perbaikan citra sehingga mampu memperbaiki citra yang telah diujikan. Pengujian citra menggunakan PSNR dan MSE. Dari hasil penelitian menghasilkan semua citra yang diuji termasuk dalam kategori cukup (citra masih dapat dikenali, tetapi masih terdapat kerusakan (noise) dan kategori baik, tidak ada kerusakan (noise). Rata -rata nilai tertinggi 4,8 dan terendah adalah 3,2. Semakin besar ukuran dimensi gambar, semakin lama juga waktu prosesnya.
11 Penelitian selanjutnya oleh [2], yang membahas tentang analisis filtering citra dengan metode mean filter dan median filter. Filtering adalah salah satu bagian dari perbaikan citra, yaitu menghaluskan dan menghilangkan noise yang ada pada citra, baik secara linear maupun secara non linear. Mean filter merupakan metode filtering linear yang bekerja dengan menggantikan intensitas nilai pixel dengan rata rata dari nilai pixel tersebut dengan nilai pixel pixel tetangganya. Median filter merupakan metode filtering non linear yang mengurutkan nilai intensitas sekelompok pixel, kemudian mengganti nilai pixel yang diproses dengan nilai tengahnya. Dalam penelitian ini kualitas citra diukur dengan dua besaran yaitu PSNR dan MSE. Dari hasil penelitian dapat disimpulkan bahwa semakin besar ukuran penapis ( mask) yang digunakan maka semakin turun nilai PSNR yang dihasilkan dan semakin besar nilai MSE. Berdasarkan pengujian metode mean filter mendapatkan PSNR 7,182 db, sedangkan untuk median filter mendapatakan PSNR sebesar 13,704dB. Untuk noise Gaussian metode yang paling baik dalam reduksi adalah mean filter. Sedangkan untuk noise salt & pepper metode yang paling baik adalah median filter. Penelitian selanjutnya yaitu oleh [5], yang membahas tentang analisis pengaruh noise terhadapap deteksi wajah manusia pada citra berwarna menggunakan fuzzy. Dalam pengolahan citra, khususnya deteksi wajah merupakan salah satu penelitian pengenalan bentuk dan human computer interaction. Banyak metode dalam mendeteksi wajah seperti contoh yaitu metode Fuzzy. Pada aplikasi security, deteksi wajah merupakan proses awal pengenalan wajah. System merekam wajah seseorang kemudian dikirimkan ke sebuah computer. Tetapi pada saat merekam dan pengiriman citra sering terjadi gangguan. Gangguan tersebut salah satunya adalah munculnya noise. Noise ada beberapa jenis yaitu : Gaussian Speckle Poisson Salt & Pepper
12 Filtering adalah metode yang tepat untuk mengurangi noise tersebut sehingga dapat mengenali wajah dengan baik. Pengujian menggunakan noise Gaussian, speckle, poisson, dan salt & pepper. Dari hasil pengujian dapat disimpulkan bahwa citra masukan yang mengandung noise masih dapat di deteksi jika tidak melebihi parameter maksimal. Tipe noise poisson adalah sama untuk setiap citra karena tidak memiliki parameter. Citra masukan yang mengandung noise kategori berat membuat citra kabur. Penelitian selanjutnya yaitu oleh [15], yang membahas tentang analasis penerapan metode konvolusi untuk reduksi derau pada citra digitial. Derau (noise) dalam pengolahan citra digital merupakan gangguan yang disebabkan oleh menyimpangnya data digital yang diterima oleh alat penerima data gambar. Banyak metode dalam reduksi noise salah satunya metode konvolusi yang terdiri dari Low Pass Filter, High Pass Filter, Median, Mean, Gaussian. Pada penelitian tersebut dilakukan analisis citra digital dengan penerapan metode konvolusi dengan berbagai parameter yakni histogram, perhitungan Timing Run, dan perhitungan SNR. Dari hasil grafik penelitian dapat diambil kesimpulan bahwa filter High Pass Filter adalah filter yang tidak dapat mereduksi noise namun justru menambah noise pada citra uji. Perhitungan Timing Run menunjukkan semakin besar ukuran pixel citra, semakin besar pula waktu yang diperlukan untuk melakukan reduksi noise. Metode median filter mendapatkan SNR sebesar db dalam reduksi noise aditif,sedangkan LPF mendapatkan SNR sebesar db dalam reduksi noise gaussian, dan untuk noise speckle sebesar db. Berdasarkan perhitungan SNR untuk jenis noise aditif median filter adalah metode yang baik, sedangkan untuk noise Speckle dan Gaussian metode Low Pass Filter merupakan filter yang efektif dalam reduksi noise. Penelitian selanjutnya yaitu oleh [6], yang membahas tentang implementasi Adaptive Median Filter sebagai reduksi noise pada citra digital. Citra memiliki peranan penting sebagai bentuk informasi visual. Citra juga memiliki banyak informasi dibandingkan data yang lain, tetapi informasi tersebut tidak dapat dipahami dengan jelas jika mengandung noise. Noise menyebabkan kualitas citra
13 menurun, sehingga perlu suatu metode untuk mengurangi noise tersebut. Metode adaptive median filter merupakan salah satu metode reduksi noise. Metode tersebut dirancang untuk menghilangkan masalah yang dihadapi dengan standar median filter. Perbedaan mendasar antara dua filter ini adalah bahwa pada adaptive median filter besarnya window (jendela/kernel) sekitarnya setiap piksel adalah variabel. Pada penelitian ini menggunakan noise Gaussian dan uniform dan menggunakan pengukuran MSE dan PSNR. Dilihat dari hasil penelitian dapat disimpulkan bahwa efektivitas penerapan metode adaptive median filter terhadap pengurangan noise uniform dan gaussian sebesar 30%. No Nama Peneliti 1 Pei Eng Ng & Kai Kuang Ma 2 Kenny Kal Vin Toh & Nor Ashidi Mat Isa Tahun Metode Evaluasi Hasil 2006 Swicthing Menggunakan Metode BDND Median Filter pengukuran adalah metode With miss yang paling Boundary detection, ampuh dari Discriminative false alarm, metode lain. Noise PSNR, 4 Metode tersebut Detection noise model menghasilkan 0% miss detection sampai intentsitas noise 70% 2010 Noise Menggunakan Metode NAFSM Adaptive pengukuran merupakan Fuzzy PSNR metode yang Switching baik dalam Median Filter menekan noise salt dan pepper dalam intensitas yang tinggi dan
14 3 Anisa Fitri 2010 Low Pass Filter & Median Filter Kualitas citra menggunakan skala kriteria subjektif dan PSNR 4 Humaira & 2011 Metode Fuzzy Menggunakan Rasyidah parameter maksimal noise yang diperbolehkan dalam waktu yang sama dapat menjaga atau mempertahankan kualitas gambar, tepi dan tekstur secara baik. Metode low pass filter walaupun mampu menghaluskan citra tetapi dalam mengurangi noise menghasilkan citra yang kabur. Metode median filter adalah metode yang baik dalam reduksi noise dan menghaluskan citra Citra masukan yang mengandung noise masih dapat di deteksi
15 dikandung jika tidak dalam setiap melebihi citra parameter maksimal. Citra masukan yang mengandung noise kategori berat membuat citra kabur 5 S Modified Menggunakan Dari segi PSNR Erakkirajan Decision pengukuran dan IEF metode dkk Based PSNR dan MDBUTMF Unsymemetric IEF menunjukkan Trimmed hasil yang lebih Median Filter baik dari metode lainnya. 6 Sony 2012 Mean Filter Menggunakan Semakin besar Nuryadin dan Median MSE dan ukuran penapis Syarifuddin Filter PSNR (mask) yang digunakan maka semakin turun nilai PSNR yang dihasilkan dan semakin besar nilai MSE. Untuk noise Gaussian paling baik menggunakan metode mean
16 filter. Sedangkan noise salt & pepper paling baik menggunakan median filter. 7 Mu Hsien 2012 Fast and Menggunakan Metode FEMF Hsieh dkk Efficient pengukuran menunjukkan Median Filter PSNR, MSE hasil yang signifikan dalam visualisasi subjek dan pengukuran digital objektik. 8 Abhinav 2012 Optimal Menggunakan Metode detector Garg dkk Spatial matlab dan dengan optimal Domain Edge deteksi tepi domain Detector menghasilkan hasil yang lebih baik daripada detektor lain. Detektor ini juga dapat diterapkan pada tingkat noise yang tinggi. 9 Rika Novita 2013 Metode Menggunakan Berdasarkan Wardhani & Konvolusi histogram, perhitungan Mera perhitungan SNR untuk jenis Timing Run, noise aditif
17 Kartika Delimayanti 10 Eva Listiyani 11 Handoyo Widi Nugroho & Abdi Darmawan perhitungan SNR 2013 Metode Menggunakan Adaptive MSE dan Median Filter PSNR 2014 Median Filter Menggunakan filter berukuran 3x3, 5x5, 7x7, 9x9 median filter adalah metode yang baik, sedangkan untuk noise Speckle dan Gaussian Low Pass Filter merupakan filter yang efektif dalam reduksi noise. Efektivitas penerapan metode adaptive median filter terhadap pengurangan noise uniform dan gaussian sebesar 30%. Metode median filter sangat efektif dalam reduksi noise salt & pepper sampai dengan probabilitas noise sebesar 15%.
18 12 Ricky 2014 Median Filter Menggunakan Semua citra Aprias dan Histogram MSE dan yang diuji Sholihin & Equalization PSNR termasuk dalam Bambang kategori cukup Hari (citra masih Purwoto dapat dikenali, tetapi masih terdapat kerusakan (noise) dan kategori baik, tidak ada kerusakan (noise). Semakin besar ukuran dimensi gambar, semakin lama juga waktu prosesnya. 13 Ayushi 2014 Median & Menggunakan Metode mean Gupta & Mean Filter pengukuran filter dan median Yugshakti MSE, noise filter Kaushik salt pepper, mempunyai Gaussian kelebihan dan kekurangan masing masing. Metode mean filter baik dalam reduksi Gaussian noise dan metode median
19 filter baik dalam reduksi salt dan pepper noise. 14 Prabhdeep 2014 Integrated Menggunakan Hybrid median Singh dkk Median Filter pengukuran filter merupakan & Alpha PSNR, MSE, metode yang Trimmed matlab baik dan Mean Filter mempunyai keuntungan hanya dalam reduksi salt dan pepper. Untuk noise Gaussian dan yang lain mungkin dibutuhkan metode yang lain yang lebih baik. Tabel 2.1 State of The Art 2.2 Landasan Teori Citra Citra (image) merupakan istilah lain untuk gambar sebagai bentuk informasi visual, yang memegang peranan penting dan merupakan salah satu komponen multimedia. Citra dapat diukur melalui pendapat, kesan atau respon seseorang dengan tujuan untuk mengetahui secara pasti apa yang ada dalam pikiran setiap individu mengenai suatu objek. Suatu citra dapat memiliki suatu makna yang sangat kaya atau sederhana saja [15].
20 Citra dapat berjalan stabil dari waktu ke waktu atau sebaliknya bisa berubah dinamis, diperkaya oleh jutaan pengalaman dan berbagai jalan pikiran asosiatif. Setiap orang dapat melihat suatu objek dengan persepsi berbeda atau dapat diterima relatif sama pada setiap orang, yang disebut juga dengan opini publik. Ada dua jenis citra yaitu citra diam dan citra bergerak. Citra diam merupakan citra tunggal yang tidak bergerak, sedangkan citra bergerak merupakan rangkaian citra diam yang ditampilkan secara sekuensial [4] Citra Digital Yang dimaksud dengan citra digital adalah fungsi intensitas dua cahaya dua dimensi f(x,y) dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y) sebanding dengan brightness (gray level) dan citra di titik tersebut. Citra digital adalah representasi dari citra yang diambil oleh mesin dengan bentuk pendekatan berdasarkan kuantisasi dan sampling. Beberapa karakteristik citra digital adalah resolusi, ukuran citra, dan format lainnya. Citra digital mempunyai bentuk persegi panjang dan memiliki lebar dan tinggi tertentu. Ukuran citra selalu bulat karena dinyatakan dalam banyaknya titik atau piksel. Berdasarkan sifat dari nilai terkuantisasinya, citra digital dapat diklasifikan sebagai berikut : Citra Biner Citra biner adalah citra digital yang tiap pikselnya hanya memiliki dua kemungkinan nilai, yaitu 1 dan 0. Citra Grayscale Citra grayscale adalah citra digital yang setiap pikselnya merupakan sampel tunggal. Citra ini berbentuk warna abu abu pada tingkatan berbeda beda, mulai dari warna hitam pada intensitas rendah sampai warna putih pada intensitas tinggi. Disebut juga citra hitam putih atau citra monokromatik. Citra grayscale memberi kemungkinan warna lebih banyak dari pada citra biner, karena kemungkinan terdapat nilai nilai lain antara nilai minimum (0) hingga nilai maksimum.
21 Citra Warna RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru, digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna dasar dapat diberi rentang nilai, contohnya untuk monitor computer nilai rentangnya paling kecil = 0 dan paling besar = 255. Pilihan skala 256 ini adalah didasarkan untuk mengungkap 8 digit bilangan biner yang digunakan oleh mesin computer. Maka dengan cara ini diperoleh warna campuran sebanyak 256 x 256 x 256 = warna. Sebuah warna dapat dituliskan sebagai berikut : warna RGB (30, 75, 255), putih = RGB (255, 255, 255), untuk hitam = RGB (0,0,0) [6]. Gambar 2.1 Citra Warna (RGB) Pengolahan Citra Image Processing atau pengolahan citra merujuk pada segala bentuk pemrosesan sinyal yang inputnya adalah citra. Output dapat berupa citra atau sekumpulan karakteristik atau parameter yang berhubungan dengan citra. Teknik
22 pengolahan citra memperlakukan citra sebagai sinyal dua dimensi dan menerapkan teknik standar pemrosesan sinyal pada sinyal tersebut [6]. Dua tujuan utama pengolahan citra adalah sebagai berikut : Mengekstraksi informasi ciri yang ada pada citra, sehingga menghasilkan informasi citra dan manusia mendapatkan informasi ciri dari citra tersebut secara numerik. Memperbaiki kualitas citra, dengan tujuan informasi pada citra dapat ditampilkan dengan jelas. Informasi yang ada pada citra dilakukan oleh manusia Operasi Pengolahan Citra Operasi pengolahan citra terbagi menjadi beberapa jenis yaitu sebagai berikut [6] : Pemampatan citra Berfungsi agar citra dapat ditampilkan dalam bentuk sederhana dan memerlukan memori yang sedikit. Dalam hal ini citra yang sudah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Contoh metode pemampatan citra adalah metode JPEG [6]. Pengorakan citra Berfungsi untuk menghitung besaran kuantitatif dari citra. Teknik pengoran citra dapat membantu dalam identifikasi objek dengan cara mengektraksi ciri ciri tertentu. Contoh pengorakan citra [6] : a. Ektraksi batas b. Representasi daerah c. Pendeteksian tepi objek
23 Perbaikan Kualitas Citra Berfungsi untuk memperbaiki kualitas citra dengan cara memanipulasi parameter parameter citra, contoh operasi [6] : a. Penajaman b. Penapisan derau c. Perbaikan tepian objek d. Pemberian warna semu e. Perbaikan kontras gelap/terang Rekontruksi citra Berfungsi untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekontruksi citra sering digunakan dalam bidang medis. Contohnya foto rontgen untuk mengetahui gambar organ tubuh [6]. Pemugaran citra Berfungsi untuk meminimumkan atau menghilangkan cacat pada citra. Sehingga penyebab degradasi citra dapat diketahui, contoh [6] : a. Penghilangan derau b. Penghilangan kesamaran Noise Noise dalam pengolahan citra adalah piksel atau gambar yang dapat menganggu kualitas citra. Ada beberapa penyebab noise yaitu proses pengolahan yang sengaja dibuat tidak sesuai, gangguan fisis (optik) pada alat akuisisi, dan juga kotoran yang ada pada citra. Terdapat beberapa jenis noise yaitu Gaussian noise, speckle noise, salt & pepper noise, dan uniform noise. Banyak cara dalam pengolahan citra untuk menghilangkan atau mengurangi noise [6]. Noise muncul dikarenakan oleh pembelokkan yang tidak bagus (photographic gain noise, sensor, noise). Contohnya adanya gangguan yang berupa
24 variasi intensitas suatu piksel dengan piksel piksel tetangganya. Piksel yang terkena noise biasanya memiliki frekuensi yang tinggi [6] Noise Salt & Pepper Noise salt & pepper terlihat seperti garam dan merica. Pada citra akan nampak seperti titik titik. Pada citra RGB noise salt & pepper muncul dalam tiga warna yaitu merah, biru, hijau, sedangkan pada citra grayscale akan muncul dalam dua warna yaitu hitam dan putih. Noise ini memberi efek on dan off pada pixel [5] Metode Median Filter Metode median filter merupakan filter non linear yang dikembangkan oleh Tukey. Metode tersebut berfungsi untuk mengurangi noise dan menghaluskan citra. Dikatakan non linear karena cara kerja penapis ini tidak termasuk kedalam kategori operasi konvolusi. Operasi nonlinear dhitung dengan cara mengurutkan nilai intensitas sekelompok pixel, kemudian mengganti nilai pixel yang diproses dengan nilai tertentu [2]. Pada median filter suatu window atau penapis yang memuat sejumlah pixel ganjil digeser titik per titik pada seluruh daerah citra. Lalu nilai nilai tersebut diurutkan secara ascending untuk kemudian dihitung nilai mediannya. Nilai median tersebut akan menggantikan nilai yang berada pada pusat bidang window [2]. Dari beberapa penelitian metode ini sangat cocok untuk reduksi noise sal & pepper. Contoh filtering dengan filter 3x3 sebagai berikut : Gambar 2.2 Median Filter
25 Dengan menggunakan citra diatas, diambil 3x3 filtering. Nilai masingmasing piksel yang bertetanggaan setelah diurutkan adalah sebagai berikut: 115, 119, 120, 123, 124, 125, 126, 127, 150. Hasil pengurutan tersebut mendapatkan nilai median 124. Nilai median ini digunakan untuk menggantikan nilai pusat mask, sehingga nilai 150 akan diganti dengan Adaptif Median Filter Adaptif Median Filter adalah metode pengembangan dari median filter biasa. Perbedaan yang menonjol antara dua metode ini adalah bahwa besarnya window (jendela) yang ada pada adaptif median filter setiap piksel adalah variabel. Variasi ini tergantung pada nilai median dari piksel dalam window saat ini. Ukuran jendela akan diperluas jika nilai rata rata adalah impuls. Pada proses pengolahan citra diperlukan piksel pusat (median) dari window (jendela) untuk memastikan apakah piksel tersebut merupakan suatu impuls atau tidak. Jika merupakan impuls, maka nilai piksel baru pada citra yang telah difilter akan diganti dengan nilai median dari pusat piksel dalam jendela itu. Jika tidak merupakan impuls, maka piksel tersebut akan dipertahankan dalam citra yang difilter [6]. Adaptif median filter mempunyai 2 tujuan yaitu mengurangi distorsi pada gambar dan menghapus impuls noise pada gambar. Adaptif median filter dapat mengatasi operasi filter pada citra yang cacat karena impuls noise. Dan juga dapat memperhalus noise [6]. Filter ini melakukan pengolahan spasial untuk menentukan nilai mana dalam citra yang terkena noise dengan membandingkan setiap piksel dengan tetangganya. Ukuran jendela disesuaikan dengan batas maksimum jendela. Piksel yang berbeda dengan tetangganya dianggap sebagai noise lalu piksel tersebut diganti dengan nilai median (pusat) piksel yang ada dalam satu jendela. Misalnya Cij,untuk (i,j) ϵ A = {1,,P} x {1,,Q}, adalah derajat keabuan dari citra C dengan ukuran PxQ pada lokasi (i,j) dan [Smin, Smax] adalah jangkauan dinamik dari C dengan kata lain Smin Cij Smax untuk semua (i,j) ϵ A. Kemudian y didefinisikan sebagai citra yang terkena noise [6].
26 Misalkan Swij merupakan suatu windows dengan ukuran j x j dan memiliki pusat di (i,j) dan Jmax x Jmax adalah ukuran maksimum window/jendela. Fungsi dari algoritma adaptif median filter ini adalah untuk mengidentifikasi kandidat noise dan mengganti kandidat noise tersebut dengan nilai median dari piksel yang ada pada window Swij [6] MSE dan PSNR Pada pengolahan citra digital mempunyai standar pengukuran galat (error) kualitas citra yaitu MSE dan PSNR [6]. MSE dan PSNR digunakan untuk mengukur kualias citra. Peak Signal to Noise Ratio (PSNR) digunakan untuk mengukur tingkat keberhasilan dan performa dari suatu metode filtering pada citra. Pengukuran teknik visual setiap orang berbeda beda, jadi lebih baik menggunakan PSNR dan MSE untuk pengukuran performa yang baik [6]. PSNR (Peak Signal to Noise Ratio) adalah perhitungan yang menentukan nilai dari sebuah citra. Besar kecilnya nilai MSE yang terjadi pada citra mempengaruhi nilai PSNR. PSNR biasanya dinyatakan dalam skala decibel (db) dalam bentuk logaritma. Semakin kecil nilai PSNR, hasil yang diperoleh semakin jelek. Sebaliknya semakin besar nilai PSNR, hasil yang diperoleh semakin baik. Jadi hubungan antara nilai MSE dan PSNR adalah semakin kecil nilai PSNR, maka semakin besar pula nilai MSE nya. Untuk mengukur kualitas pada penyusunan ulang citra digunakan PSNR. MSE (Mean Square Error) adalah nilai error kuadrat rata rata antar hasil citra asli dengan citra manipulasi. Nilai MSE diperoleh dengan cara membandingkan nilai citra hasil pada posisi pixel yang sama dengan selisih pixel pixel citra asal.
27 Misal Sxy adalah citra masukan Cxy adalah citra keluaran, kedua citra tersebut mempunyai M baris dan N kolom, maka dapat didefinisikan sebagai berikut : Rumus menghitung PSNR adalah : Nilai PSNR dibawah 30dB mengindikasikan kualitas yang relative rendah, dimana distorsi yang dikarenakan penyisipan terlihat jelas. Akan tetapi kualitas stego-image yang tinggi berada pada nilai 40dB dan diatasnya. Berikut ini adalah contoh perhitungannya. citra awal adalah citra yang memiliki noise, dan citra akhir adalah citra yang sudah di filter.
28 BAB III METODE PENELITIAN 3.1 Instrumen Penelitian Beberapa perangkat yang digunakan untuk mengerjakan penelitian ini adalah sebagai berikut : Perangkat Keras Dalam melakukan penelitian, digunakan beberapa perangkat keras sebagai berikut : a. Laptop dengan processor Intel Core i5 3317U Ivy Bridge 1,7Ghz. b. RAM dengan ukuran 8 GB. c. Harddisk dengan kapasitas 500 GB. Perangkat Lunak Beberapa perangkat lunak yang dibutuhkan dalam melakukan penelitian adalah sebagai berikut : a. Sistem Operasi yang digunakan adalah Microsoft Windows 7 Ultimate 64 Bit. b. Aplikasi editor citra Adobe Photoshop. c. Menggunakan Matlab sebagai bahasa pemrograman. 3.2 Teknik Analisis Data Setelah data didapatkan, selanjutnya adalah menguraikan cara pengolahan data secara konkrit. Ada beberapa tahapa yang dilakukan terhadap data-data yang diperoleh. Tahapan-tahapan tersebut antara lain : 1. Merubah citra berwana menjadi grayscale, kecuali citra yang sudah grayscale untuk digunakan dalam pelatihan dan.pengujian penelitian.
29 2. Menambahkan noise salt & pepper pada citra grayscale sesuai intensitas yang diinginkan. 3. Menerapkan metode Adaptive Median Filter dan Median Filter untuk proses pengurangan noise salt & pepper. 4. Hasil dari metode reduksi diatas diolah kembali dengan menggunakan metode histogram untuk mendapatkan data fitur atau ciri tekstur. 5. Selanjutnya mengukur kualitas citra menggunakan MSE dan PSNR untuk mengetahui metode mana yang lebih baik dalam mereduksi noise salt & pepper. 3.3 Metode yang Diusulkan Metode yang digunakan dalam penelitian ini adalah Adaptive Median Filter dan Median Filter. Untuk lebih jelasnya dapat dilihat pada penjelasan di bawah ini Adaptif Median Filter Adaptif Median Filter adalah metode pengembangan dari median filter biasa. Perbedaan yang menonjol antara dua metode ini adalah bahwa besarnya window (jendela) yang ada pada adaptif median filter setiap piksel adalah variabel. Variasi ini tergantung pada nilai median dari piksel dalam window saat ini. Ukuran jendela akan diperluas jika nilai rata rata adalah impuls. Pada proses pengolahan citra diperlukan piksel pusat (median) dari window (jendela) untuk memastikan apakah piksel tersebut merupakan suatu impuls atau tidak. Jika merupakan impuls, maka nilai piksel baru pada citra yang telah difilter akan diganti dengan nilai median dari pusat piksel dalam jendela itu. Jika tidak merupakan impuls, maka piksel tersebut akan dipertahankan dalam citra yang difilter [6]. Adaptif median filter mempunyai 2 tujuan yaitu mengurangi distorsi pada gambar dan menghapus impuls noise pada gambar. Metode ini melakukan pengolahan spasial untuk menentukan nilai mana dalam citra yang terkena noise dengan membandingkan setiap piksel dengan piksel tetangganya. Ukuran jendela disesuaikan dengan batas maksimum jendela. Piksel yang berbeda dengan piksel tetangga dianggap sebagai noise lalu piksel tersebut diganti dengan nilai median
30 piksel yang ada pada satu jendela. Adaptif median filter bekerja pada area persegi panjang Sxy. Selama operasi pengurangan noise metode adaptif median filter mengubah ukuran Sxy. Berikut ini adalah algoritma dari metode adaptif median filter : Zmin = Nilai tingkat keabuan minimum pada Sxy Zmax = Nilai tingkat keabuan maksimum pada Sxy. Zmed = Nilai tengah keabuan pada Sxy. Zxy = tingkat keabuan pada koordinat (x,y). Smax = Ukuran maksimum Sxy. Ada dua tahap pada pada metode ini yaitu tahap A dan tahap B : Tahap A : A1 = Zmed Zmin A2 = Zmed Zmax If A1 > 0 dan A2 < 0, lanjut ke tahap B else tambah ukuran window If ukuran window <= Smax, ulangi tahap A Else output Zxy. Tahap B : B1 = Zxy Zmin B2 = Zxy Zmax If B1 > 0 dan B2 < 0 output Zxy Else output Zmed.
31 Penjelasan untuk algoritma diatas adalah sebagai berikut : Tahap A : jika Zmin < Zmed < Zmax maka Zmed bukan suatu impuls Lanjut ke tahap B untuk menguji apakah Zxy merupakan impuls. Zmed merupakan impuls a. Ukuran window ditambah dan b. Tahap A diulang sampai Zmed tidak merupakan impuls dan lanjut ke tahap B atau ukuran maksimum Smax tercapai, lalu Zxy adalah keluarannya. Tahap B : jika Zmin < Zxy < Zmax maka Zxy tidak merupakan impuls Hasil keluarannya adalah Zxy Jika Zxy = Zmin atau Zxy = Zmax Hasil keluarannya adalah Zmed (Median filter) Zmed tidak merupakan impuls (dari tahap A) Median Filter Metode median filter merupakan filter non linear yang dikembangkan oleh Tukey. Metode tersebut berfungsi untuk mengurangi noise dan menghaluskan citra. Dikatakan non linear karena cara kerja penapis ini tidak termasuk kedalam kategori operasi konvolusi. Operasi nonlinear dhitung dengan cara mengurutkan nilai intensitas sekelompok pixel, kemudian mengganti nilai pixel yang diproses dengan nilai tertentu [2]. Pada median filter suatu window atau penapis yang memuat sejumlah pixel ganjil digeser titik per titik pada seluruh daerah citra. Lalu nilai nilai tersebut diurutkan secara ascending untuk kemudian dihitung nilai mediannya. Nilai median tersebut akan menggantikan nilai yang berada pada pusat bidang window [2]. Dari beberapa penelitian metode ini sangat cocok untuk reduksi noise sal & pepper. Contoh filtering dengan filter 3x3 sebagai berikut :
32 Gambar 3.1 Median Filter Dengan menggunakan citra diatas, diambil 3x3 filtering. Nilai masingmasing piksel yang bertetanggaan setelah diurutkan adalah sebagai berikut: 115, 119, 120, 123, 124, 125, 126, 127, 150. Hasil pengurutan tersebut mendapatkan nilai median 124. Nilai median ini digunakan untuk menggantikan nilai pusat mask, sehingga nilai 150 akan diganti dengan 124. Berikut adalah metode yang diusulkan secara keluruhan.
33 Gambar 3.2 Metode yang diusulkan Berdasarkan gambar di atas, terdapat beberapa tahapan proses, antara lain : Proses pra pengolahan. Pada tahap ini dilakukan penambahan noise secara manual, lebih tepatnya tingkat intensitas noise. Tahap pengolahan. Pada tahap ini dilakukan proses pengolahan lebih lanjut pada citra yang telah didapatkan dari tahap pra pengolahan. Pada tahap ini citra yang bernoise di filter dengan menggunakan metode adaptif median filter dan median filter, dan setelah itu menjadi data keluaran. Tahap analisis. Pada tahap ini, citra di analisis secara sederhana. Citra yang dibandingkan ada 3 yaitu, citra asli atau citra tidak bernoise, citra yang telah
34 diberi noise, dan citra hasil (citra yang sudah di filter) yang selanjutnya akan dihitung histogram, MSE, dan PSNR nya. 3.4 Evaluasi dan Validasi Penelitian ini akan mengukur kualitas citra metode adaptif median filter dan median filter dalam reduksi noise salt & pepper. Data yang digunakan berjumlah 4 buah citra grayscale. Data keluaran yang dihasilkan dari filtering metode adaptive median filter dan median filter, kemudian dihitung histogram, MSE dan PSNR. Kualitas citra diukur menggunakan MSE dan PSNR dari histogram yang telah dihitung, kemudian dibandingkan metode mana yang lebih baik dalam reduksi noise salt & pepper. Penelitian dilakukan dengan membandingkan hasil MSE dan PSNR citra ber noise dikurangkan dengan citra normal yang disebut MSE dan PSNR awal, dan nilai MSE dan PSNR citra hasil filter dikurangkan dengan citra normal yang disebut MSE dan PSNR akhir. Citra dengan kualitas yang paling baik ditentukan dengan melihat nilai MSE terendah dan PSNR tertinggi.
35 BAB IV IMPLEMENTASI DAN HASIL PENELITIAN 4.1 Implementasi Penelitian ini membahas tentang reduksi noise salt & pepper menggunakan metode adaptif median filter dan median filter. Penelitian ini juga dapat diimplementasikan dalam kehidupan sehari hari sebagai contoh ketika mengambil foto dalam kondisi gelap dan ketika memakai ISO tinggi. Penelitian ini berguna dalam mengurangi noise salt & pepper pada citra. Data yang digunakan adalah citra grayscale sebanyak 4 buah. Tahap pertama dari penelitian ini adalah pengambilan citra dari media internet. Data yang diambil berupa citra yang berformat RGB maupun grayscale. Kemudian citra yang berformat RGB di konversi ke grayscale terlebih dahulu. Berikut adalah contoh citra hasil pengambilan data : Gambar 4.1 Citra hasil pengambilan data Citra yang diambil memiliki variasi pencahayaan dan variasi geometric yang berbeda beda. Tahap kedua dari penelitian ini adalah preprocessing. Tujuan dari preprocessing adalah agar data tersebut dapat diolah sehingga menghasilkan data yang sesuai dengan kebutuhan. Pada tahap preprocessing terdapat 4 langkah yaitu konversi citra rgb menjadi grayscale, penambahan persentase noise salt &
36 pepper sesuai keinginan, histogram equalization dan reduksi noise menggunakan metode Median Filter dan Adaptif Median Filter, MSE dan PSNR. Berikut langkahlangkah pada preprocessing : a. Konversi Citra RGB Menjadi Grayscale Dalam image processing banyak dilakukan konversi citra berwarna menjadi grayscale. Tujuan dari konversi citra ini adalah untuk memperkecil memori yang dibutuhkan sehingga dapat mempercepat proses yang dilakukan. Proses ini sangat membantu dalam pemrograman karena dapat memanipulasi bit yang tidak terlalu banyak. Citra berwarna terdiri dari 3 layer matrik yaitu R-layer, G-layer, dan B-layer. Sehingga untuk melakukan proses-proses selanjutnya tetap diperhatikan tiga layer tersebut. Bila setiap proses perhitungan dilakukan menggunakan tiga layer, berarti dilakukan tiga perhitungan yang sama. Sehingga konsep itu diubah dengan mengubah 3 layer di atas menjadi 1 layer matrik grayscale dan hasilnya adalah citra grayscale. Dalam citra ini tidak ada lagi warna, yang ada hanyalah derajat keabuan. Untuk mengubah citra berwarna yang mempunyai nilai matrik masing-masing r, g, dan b menjadi gray scale dengan nilai s, maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai r, g, dan b sehingga dapat dituliskan menjadi : dimana : I (i,,j) = Nilai intensitas citra grayscale (, ) = (, ) + (, ) + (, ) 3 R (i,j) = nilai intensitas warna merah dari citra asal G (i,j) = nilai intensitas warna hijau dari citra asal B (i,j) = nilai intensitas warna biru dari citra asal Untuk melakukan Grayscaling di Matlab, dapat menggunakan fungsi : I = rgb2gray (RGB)
37 Berikut adalah hasil konversi citra RGB ke citra grayscale : Citra RGB Citra Grayscale Gambar 4.2 Konversi citra rgb menjadi grayscale b. Penambahan persentase noise salt & pepper pada citra Penambahan persentase noise ini membantu dalam mendeteksi seberapa efektif metode yang digunakan, dalam reduksi noise. Untuk bisa menambahkan noise pada citra digital kita bisa menggunakan fungsi ini pada matlab : J = imnoise (I, type) J= imnoise (I, type, paramaters)
38 I merupakan matriks penyusun citra, type merupakan jenis metode penambahan noise yang kita gunakan, sedangkan parameters merupakan parameter-parameter yang dipakai. Berikut adalah hasil citra yang telah ditambahkan noise salt & pepper : Gambar 4.3 Penambahan noise salt & pepper sebesar 30 % c. Histogram Equalization dan reduksi noise menggunakan metode Median Filter dan Adaptif Median Filter Histogram Equalization ini akan mendistribusikan nilai graylevel dari tiap piksel secara merata, sehingga jumlah piksel pada suatu graylevel tertentu hampir sama atau sama seperti pada semua graylevel lain dalam citra.
39 Median Filtering merupakan salah satu teknik peningkatan kualitas citra dalam domain spasial. Cara kerja median filtering yaitu nilai piksel output ditentukan oleh median dari lingkungan mask yang ditentukan. Median dicari dengan melakukan pengurutan terhadap nilai piksel dari mask yang sudah ditentukan, kemudian dicari nilai tengahnya. Berikut adalah contoh perhitungan proses median filtering : Gambar 4.4 Proses Median Filtering Gambar 4.5 Hasil citra median filter
40 Sedangkan untuk Adaptif Median Filter sebenarnya hampir sama dengan Median Filter tetapi ada beberapa perbedaan. Perbedaannya adalah bahwa besarnya window (jendela) yang ada pada adaptif median filter setiap piksel adalah variabel. Variasi ini tergantung pada nilai median dari piksel dalam window saat ini. Ukuran jendela akan diperluas jika nilai rata rata adalah impuls. Pada bagian proses sebenarnya hampir sama dengan median filter, tetapi untuk adaptif median filter tahap pertama yaitu memastikan apakah piksel tengah yang ada pada windows merupakan suatu impuls noise atau tidak. Jika merupakan impuls noise, maka windows akan bertambah sampai piksel tersebut tidak merupakan impuls noise. Jika sudah tidak merupakan langkah selanjutnya adalah mencari nilai tengah sama seperti median filter. Berikut adalah algoritma adaptif median filter : Zmin = Nilai tingkat keabuan minimum pada Sxy Zmax = Nilai tingkat keabuan maksimum pada Sxy. Zmed = Nilai tengah keabuan pada Sxy. Zxy = tingkat keabuan pada koordinat (x,y). Smax = Ukuran maksimum Sxy. Ada dua tahap pada pada metode ini yaitu tahap A dan tahap B : Tahap A : A1 = Zmed Zmin A2 = Zmed Zmax If A1 > 0 dan A2 < 0, lanjut ke tahap B else tambah ukuran window If ukuran window <= Smax, ulangi tahap A Else output Zxy.
41 Tahap B : B1 = Zxy Zmin B2 = Zxy Zmax If B1 > 0 dan B2 < 0 output Zxy Else output Zmed. Penjelasan untuk algoritma diatas adalah sebagai berikut : Tahap A : jika Zmin < Zmed < Zmax maka Zmed bukan suatu impuls Lanjut ke tahap B untuk menguji apakah Zxy merupakan impuls. Zmed merupakan impuls I. Ukuran window ditambah dan II. Tahap A diulang sampai Zmed tidak merupakan impuls dan lanjut ke tahap B atau ukuran maksimum Smax tercapai, lalu Zxy adalah keluarannya. Tahap B : jika Zmin < Zxy < Zmax maka Zxy tidak merupakan impuls Hasil keluarannya adalah Zxy Jika Zxy = Zmin atau Zxy = Zmax Hasil keluarannya adalah Zmed (Median filter) Zmed tidak merupakan impuls (dari tahap A) Gambar 4.6 Hasil citra adaptif median filter
42 d. MSE dan PSNR MSE (Mean Square Error) adalah nilai error kuadrat rata rata antar hasil citra asli dengan citra manipulasi. Nilai MSE diperoleh dengan cara membandingkan nilai citra hasil pada posisi pixel yang sama dengan selisih pixel pixel citra asal. PSNR (Peak Signal to Noise Ratio) adalah perhitungan yang menentukan nilai dari sebuah citra. Besar kecilnya nilai MSE yang terjadi pada citra mempengaruhi nilai PSNR. PSNR biasanya dinyatakan dalam skala decibel (db) dalam bentuk logaritma. Semakin kecil nilai PSNR, hasil yang diperoleh semakin jelek. Sebaliknya semakin besar nilai PSNR, hasil yang diperoleh semakin baik. Jadi hubungan antara nilai MSE dan PSNR adalah semakin kecil nilai PSNR, maka semakin besar pula nilai MSE nya.
43 4.2 Hasil Penelitian Pada penelitian ini dilakukan pengujian untuk mengetahui efektivitas metode median filter dan adaptif median filter dalam reduksi noise salt & pepper. Dengan membandingkan hasil MSE dan PSNR kita dapat mengetahui metode mana yang memiliki efektivitas tinggi dalam reduksi noise salt & pepper. Berikut adalah screenshot dari hasil pengujian reduksi noise salt & pepper : Gambar 4.7 Hasil reduksi noise salt & pepper
Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper
Cogito Smart Journal/VOL. 2/NO. 2/DESEMBER 2016 157 Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper Ivan Maulana 1, Pulung Nurtantio Andono 2 1,2 Program
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo & Mulyanto, 2009). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada saat ini penggunaan sebuah citra sangat meningkat untuk digunakan pada berbagai kebutuhan. Hal ini dikarenakan banyak sekali kelebihan yang ada pada citra digital
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data
Lebih terperinciBAB II TI JAUA PUSTAKA
BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.
Lebih terperinciBAB I PENDAHULUAN. semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan mengikuti perkembangan zaman, tentunya teknologi juga semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga pengembangan dari teknologi yang sudah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun
Lebih terperinciBAB II LANDASAN TEORI. dihadapi dengan standar median filter. Perbedaan mendasar antara dua filter ini
BAB II LANDASAN TEORI 2.1. Metode Adaptive Median Filter Adaptive Median Filter dirancang untuk menghilangkan masalah yang dihadapi dengan standar median filter. Perbedaan mendasar antara dua filter ini
Lebih terperinciImplementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata
Implementasi Reduksi Noise Citra Berwarna dengan Metode Filter Median dan Filter Rata-rata Arif Senja Fitrani 1, Hindarto 2, Endang Setyati 3 1,2, Jurusan Teknik Informatika Universitas Muhammadiyah Sidoarjo,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA
ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinci3.2.1 Flowchart Secara Umum
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan
Lebih terperinciANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL.
ANALISIS PENERAPAN METODE KONVOLUSI UNTUK UNTUK REDUKSI DERAU PADA CITRA DIGITAL. Rika Novita Wardhani, Mera Kartika Delimayanti Electrical Engineering Department, Politeknik Negeri Jakarta Kampus UI Depok,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra hasil rekaman kamera digital sering sekali terdapat beberapa gangguan yang mungkin terjadi, seperti lensa tidak fokus, muncul bintik-bintik yang disebabkan oleh
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Didukung dengan perkembangan zaman
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra digital adalah citra yang dapat diolah oleh komputer. Citra
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat
Lebih terperinciArnes Sembiring Sekolah Tinggi Teknik Harapan Medan Abstrak
Perbandingan Algoritma Mean Filter, Median Filter dan Wiener Filter pada Aplikasi Restorasi Citra RGB Terdegradasi Impulse Noise Menggunakan The Peak Signal To Noise Ratio (PSNR) Arnes Sembiring Sekolah
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Citra atau gambar adalah sebuah fungsi dua dimensi, f(x,y), dimana x dan y koordinat bidang datar dan f di setiap pasangan koordinat disebut intensitas atau level keabuan
Lebih terperinciBAB 2 LANDASAN TEORI Closed Circuit Television (CCTV)
6 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas mengenai teori pendukung dan penelitian sebelumnya yang berhubungan dengan metode Median Filter dalam peningkatan kualitas video. 2.1. Closed Circuit Television
Lebih terperinciPERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL ABSTRAK
PERBANDINGAN KINERJA METODE MEDIAN FILTER DAN MIDPOINT FILTER UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL Okada Arle Sandi, T. Sutojo, S.Si, M.Kom Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
Lebih terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciMETODE PERANCANGAN PENGARANGKAT LUNAK MEREDUKSI NOISE CITRA DIGITAL MENGGUNAKAN CONTRAHARMONIC MEAN FILTTER
METODE PERANCANGAN PENGARANGKAT LUNAK MEREDUKSI NOISE CITRA DIGITAL MENGGUNAKAN CONTRAHARMONIC MEAN FILTTER Masnun Dasopang Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciGrafik yang menampilkan informasi mengenai penyebaran nilai intensitas pixel-pixel pada sebuah citra digital.
PSNR Histogram Nilai perbandingan antara intensitas maksimum dari intensitas citra terhadap error citra. Grafik yang menampilkan informasi mengenai penyebaran nilai intensitas pixel-pixel pada sebuah citra
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciMETODE GAUSSIAN SMOOTHING UNTUK PENINGKATAN KUALITAS CITRA MEDIS YANG BLUR
METODE GAUSSIAN SMOOTHING UNTUK PENINGKATAN KUALITAS CITRA MEDIS YANG BLUR Dwi Cahyo Wibisono 1 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Imam Bonjol No. 207, Semarang,
Lebih terperinciWATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL
SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE
ISSN : 1978-6603 IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE *Tugiono #1, Hafizah #2, Asyahri Hadi Nasyuha #3
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Pengenalan Citra
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra merupakan representasi (gambaran) dari sebuah objek nyata yang dihasilkan oleh alat digital. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
Lebih terperinciPERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION Ricky Aprias Sholihin, Bambang Hari Purwoto
PERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION Ricky Aprias Sholihin, Bambang Hari Purwoto Jurusan Teknik Elektro, Fakultas Teknik Universitas Muhammadiyah Surakarta
Lebih terperinciJURNAL ANALISIS PERBANDINGAN METODE HISTOGRAM EQUALIZATION DENGAN METODE MEDIAN FILTER UNTUK REDUKSI NOISE
JURNAL ANALISIS PERBANDINGAN METODE HISTOGRAM EQUALIZATION DENGAN METODE MEDIAN FILTER UNTUK REDUKSI NOISE THE COMPARISON ANALYSIS OF HISTOGRAM EQUALIZATION WITH MEDIAN FILTER METHODS TO NOISE REDUCTION.
Lebih terperinciIMPLEMENTASI MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION DALAM PERBAIKAN CITRA (IMAGE ENHANCEMENT)
IMPLEMENTASI MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION DALAM PERBAIKAN CITRA (IMAGE ENHANCEMENT) NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Pengolahan Citra Pengolahan citra adalah pemrosesan citra, khususnya menggunakan komputer, menjadi citra yang kualitasnya lebih baik dan sesuai dengan keinginan pemakai.
Lebih terperinciAPLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB
APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB PUJI LESTARI 41512010061 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI TAPIS LOLOS RENDAH
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciIMPLEMENTASI METODE MEDIAN FILTER DAN HISTOGRAM EQUALIZATION UNTUK PERBAIKAN CITRA DIGITAL
IMPLEMENTASI METODE MEDIAN FILTER DAN HISTOGRAM EQUALIZATION UNTUK PERBAIKAN CITRA DIGITAL Eko Fransisko Manurung Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpang Limun
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini citra digital sedang menjadi trend di kalangan masyarakat, apalagi dengan semakin berkembangnya teknologi digital serta makin murahnya harga perangkat yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciPENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,
1 VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini, Abstrak Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun imitasi dari sebuah objek atau benda. Citra memiliki beberapa karateristik yang menjadikan
Lebih terperinciPenerapan Metode Kirsch Dalam Mendeteksi Tepi Objek Citra Digital
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Metode Kirsch Dalam Mendeteksi Tepi Objek Citra Digital Edy Victor Haryanto Universitas Potensi Utama Jl. K.L.
Lebih terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra 2.1.1 Definisi Pengolahan Citra Pengolahan citra adalah sebuah disiplin ilmu yang mempelajari hal-hal yang berkaitan dengan perbaikan kualitas gambar (peningkatan
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Proses pengolahan citra digital dapat dibagi menjadi beberapa bidang seperti object detection, image analyze, computer vision, dan medical imaging. Medical imaging
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
Lebih terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
Lebih terperinci