IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL

Transkripsi

1 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 Darma 1,2 Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Citra merupakan suatu bentuk representasi, yang menggambarkan kemiripan dari suatu obyek atau benda. Citra yang dikenal dalam komputer adalah citra dalam format digital. Meskipun sebuah citra kaya akan informasi, namun sering kali citra mengalami penurunan mutu, misalnya mengandung cacat atau noise. Mengatasi noise tersebut perlu dilakukan usaha untuk memperbaiki kualitas citra. Salah satu teknik yang digunakan adalah reduksi noise yang melakukan restorasi citra dengan cara peningkatan kualitas yang merupakan langkah awal dalam image processing. Dalam metode harmonic mean filter, nilai warna setiap piksel diganti dengan nilai warna harmonic mean filter pada setiap piksel di wilayah terdekat. Harmonic Mean Filter lebih baik digunakan untuk menghilangkan jenis noise Gaussian dan membuat garis tepi dari pada Arithmetic Mean Filter. Harmonic Mean Filter sangat baik untuk menghilangkan outlier positif. Sedangkan metode Canny menyaring dan membuang noise dengan merubah objek ke grayscale pada gambar asli sebelum mencoba untuk menetapkan dan mendeteksi nilai tepian untuk menghilangkan noise jenis Gaussian filter ini juga dilakukan secara ekslusif dalam algoritma canny. Kata Kunci: Citra, Perbaikan Kualitas Citra, Harmonic Mean Filret, Canny. I. PENDAHULUAN Citra merupakan suatu bentuk representasi, yang menggambarkan kemiripan dari suatu obyek atau benda. Sering kali citra mengalami penurunan mutu, misalnya mengandung cacat atau noise. Noise (derau) adalah gambar atau pixel yang mengganggu kualitas citra. Untuk mengatasi noise tersebut perlu dilakukan usaha untuk memperbaiki kualitas citra. Salah satu teknik yang digunakan adalah reduksi noise yang melakukan restorasi citra dengan cara peningkatan kualitas yang merupakan langkah awal dalam image processing. Untuk menghilangkan noise atau gangguan pada citra memerlukan teknik filtering. teknik filtering yang digunakan adalah Harmonic Mean Filter dan Canny. Dalam metode harmonic mean filter, nilai warna setiap piksel diganti dengan nilai warna harmonic mean filter pada setiap piksel di wilayah terdekat. Sedangkan metode Canny menyaring dan membuang noise dengan merubah objek ke grayscale pada gambar asli sebelum mencoba untuk menetapkan dan mendeteksi nilai tepian untuk menghilangkan noise. Dengan adanya penelitian ini dapat mempermudah user untuk menghilangkan derau ( noise ) yang terdapat pada citra digital kemudahan yang didapat oleh user adalah cukup dengan menekan tombol proses maka citra digital akan tereduksi noisenya II. LANDASAN TEORI A. Citra Warna Setiap pixel pada citra warna mewakili warna yang merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna. Berarti setiap pixel mempunyai kombinasi warna sebanyak = 2 24 = 16 juta warna lebih. Itulah sebabnya format ini dinamakan true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam. Dari penjelasan tersebut dapat dilihat perbedaan antara citra grayscale dengan citra berwarna, yaitu citra grayscale hanya memiliki satu channel saja, sedangkan citra berwarna tersusun dari 3 channel (Red, Green dan Blue). Di mana setiap channel menyimpan pixel-pixel diskrit dengan intensitas kecerahan masing-masing antara 0 sampai dengan 255. B. NoiseSalt and Pepper NoiseSalt and Pepper biasa dinamakan sebagai noise impuls positif dan negatif, noise tembakan, atau noise biner. Noise ini biasa disebabkan oleh gangguan yang tiba-tiba dan tajam pada proses perolehan isyarat citra. Bentuknya berupa bintik-bintik hitam atau putih di dalam citra.noisesalt and Pepper dengan berbagai nilai densitas derau. NoiseSalt and Pepper, sering muncul pada citra yang diperoleh melalui kamera. (Abdul, K. & Adhi, S. 2013) C. NoiseGaussian NoiseGaussianadalah model derau yang memiliki fungsi kerapatan probabilitas (probability density 251

2 function/ PDF) yang diberikan oleh kurvagaussian. PDF yang mewakili sifat paling acak dalam bentuk satu dimensi seperti berikut: p(z) = 1 e (z μ)2 2σ 2 2π (2.1) Dalam hal ini, adalah nilai rerata dan adalah deviasi standar (atau akar varians) variabel random.pdf-nya ditunjukkan pada D. Harmonic Mean Filter Harmonic Mean Filter termasuk dalam golongan filter nonlinear, biasa digunakan untuk mengatasi jenis noise, Gaussian noise. Pada noise,salt and Pepper Noise, filter ini dapat digunakan untuk menghilangkan Noise Salt, tetapi akan gagal kalau diterapkan pada Noise Pepper.(Abdul, K. & Adhi, S. 2013) Operasi dengan filter ini dilakukan dengan menggunakan rumus : f (y, x) = E. Operator Canny mn 1 (p,q) Syx g(p,q) (2.2) Operator Canny, yang dikemukakan oleh John Canny pada tahun 1986, terkenal sebagai operator deteksi tepi yang optimal.algoritma ini memberikan tingkat kesalahan yang rendah, melokalisasi titik-titik tepi (jarak piksel-piksel tepi yang ditemukan deteksi dan tepi yang sesungguhnya sangat pendek), dan hanya memberikan satu tanggapan untuk satu tepi.(abdul, K. & Adhi, S. 2013) Terdapat enam langkah yang dilakukan untuk mengimplementasikan deteksi tepi Canny. Keenam langkah tersebut dijabarkan berikut ini. 1. Pertama dilakukan penapisan terhadap citra dengan tujuan untuk menghilangkan derau. Hal ini dapatdilakukan dengan menggunakan filter Gaussian dengan cadar sederhana. Cadar yang digunakan berukuran jauh lebih kecil daripada ukuran citra. 2. Setelah penghalusan gambar terhadap derau dilakukan, dilakukan proses untuk mendapatkan kekuatan tepi (edge strength). Hal ini dilakukan dengan menggunakan operator Gaussian. Selanjutnya, gradien citra dapat dihitung melalui rumus: G G x G y Langkah ketiga berupa penghitungan arah tepi. Rumus yang digunakan untuk keperluan ini: theta = tan -1 (G y, G x ) Setelah arah tepi diperoleh, perlu menghubungkan antara arah tepi dengan sebuah arah yang dapat dilacak dari citra. Sebagai contoh, terdapat susunan piksel berukuran 5x5 seperti terlihat pada Gambar Dengan melihat piksel a tampak bahwa a hanya memiliki 4 arah berupa 0 o, 45 o, 90 o, dan 135 o.selanjutnya, arah tepi yang diperoleh akan dimasukkan ke dalam salah satu kategori dari keempat arah tadi berdasarkan area yang tertera pada Gambar Berikut adalah aturan konversi yang berlaku: 0 ( H ) ( H ) ( HI ) y i f 45 wij x j j arah 90 TH H ( T ) ( ) ( ) y i f 135 wij y j j 3. Setelah arah tepi diperoleh, penghilangan nonmaksimum dilaksanakan. Penghilangan nonmaksimum dilakukan di sepanjang tepi pada arah tepi dan menghilangkan piksel-piksel (piksel diatur menjadi 0) yang tidak dianggap sebagai tepi. Dengan cara seperti itu, diperoleh tepi yang tipis. 4. Langkah keenam berupa proses yang disebut hysteresis. Proses ini menghilangkan garis-garis yang seperti terputus-putus pada tepi objek. Caranya adalah dengan menggunakan dua ambang T 1 dan T 2. Lalu, semua piksel citra yang bernilai lebih besar daripada T 1 dianggap sebagai piksel tepi. Selanjutnya, semua piksel yang terhubung dengan piksel tersebut dan memiliki nilai lebih besar dari T 2 juga dianggap sebagai piksel tepi. III ANALISA DAN PEMBAHASAN A. Analisa Metode Harmonic Mean Filter Berikut ini merupakan contoh proses reduksi noise dengan menggunakan metode Harmonic Mean Filter. (a) Gambar 1. Pengambilan Pixel yang Akan Diproses Gambar (a) merupakan gambar berukuran 250x250 pixels Pada contoh ini hanya menggunakan citra yang berukuran 10x10 pixels yang diambil dari gambar (a) yang terlihat seperti pada gambar (b).karena citra yang digunakan adalah citra berwarna RGB maka akan terdapat 3 matrix citra untuk tiap-tiap komponen yaitu Red, Green, dan Blue.Matriks citra pada gambar 252

3 (b) yang digunakan sebagai proses analisa metode dengan menggunakan Harmonic Mean Filter Matriks Citra Komponen Red Matriks tiap-tiap komponen dihitung sampai koordinat (9,9) Hasil Matriks Komponen Red Matriks Citra Komponen Blue Hasil Matriks Komponen Blue Matriks Citra Komponen Green Hasil Matriks Komponen Green Perhitungan Matriks Komponen Red Perhitungan Matriks Komponen Green B. Analisa Proses Metode Canny Dalam analisa metode Canny diperlukan beberapa langkah dalam prosesnya. Karena dalam penelitian ini input gambar berupa citra berwarna RGB, maka perlu dilakukan konversi dari citra berwarna ke citra grayscale (berskala keabuan). Dengan input citra yang sama seperti metode Harmonic Mean Filter proses analisa dengan metode Canny adalah sebagai berikut: Matriks Citra Komponen Red Perhitungan Matriks Komponen Blue 253

4 Matriks Citra Komponen Blue Matriks Citra Komponen Green Setelah proses penghilangan derau (noise) dilakukan, maka langkah selanjutnya adalah proses gradien citra yang dihitung dengan rumus berikut: G G x G y Dalam bentuk mask/ kernel, Gx dan Gy dinyatakan sebagai berikut: Untuk mengubah citra berwarna ke citra grayscale maka tiap-tiap matriks tersebut dihitung dengan menggunakan rumus, yaitu: I = (R + G + B) / 3 Perhitungan merubah citra berwarna tersebut ke citra grayscale: I (1,1) = ( ) / 3 = 181,3333 = 181 I (1,10) = ( ) / 3 = 98 Perhitungan seterusnya dilakukan sampai I (10,10)hasil dari konversi citra tersebut akan terlihat seperti matriks citra berikut: Adapun proses perhitungan gradien citra yang dilakukan adalah sebagai berikut: Untuk Gx(2,2) = (189(1) + 174(2) + 172(1)) + (181(-1) + 200(-2) + 198(-1)) = -70 Untuk Gy(2,2) = (181(1) + 182(2) + 189(1)) - (198(-1) + 168(-2) + 172(-1)) = 28 Perhitungan dilakukan terus sampai koordinat (9,9) Untuk mendapatkan nilai pixel G adalah dengan menggunakan rumus: Dengan dilakukan pembulatan pada perhitungan tersebut, sehingga matriks citra hasil dari proses ini adalah sebagai berikut: Selanjutnya adalah langkah menghilangkan derau (noise) dengan menerapkan gaussian filter.dalam penelitian ini kernel yang digunakan adalah 3x3 yaitu: Perhitungan Proses Gaussian Filter G(2,2) = 181x0, x0, x0, x0, x0, x0, x0, x0, x0,077 = 152,845= 153 G(2,3) = 182x0, x0, x0, x0, x0, x0, x0, x0, x0,077= 173,712= 174 Kemudian dilakukan Tresholding. Ambang batas untuk tresholding dapat disesuaikan. Dalam penelitian ini, proses ambang batasnya adalah 180. Nilai yang berada di atas nilai 180 akan diubah menjadi nilai 1 dan yang di bawah 180 akan diubah menjadi nilai 0. Hasil dari proses ini adalah sebagai berikut: Perhitungan dilakukan terus sampai G(9,9) dan matriks hasil dari perhitungan dari proses gaussian filter tersebut adalah sebagai berikut: 254

5 IV. IMPLEMENTASI 1. Form Menu Utama Form menu utama merupakan induk dari aplikasi. Pada form menu utama inilah form reduksi noisedan form about dapat dipanggil atau ditampilkan. Gambar 2. Form Menu Utama 2. form reduksi noise Pada form reduksi noise, user diminta untuk menginputkan citra yang ingin direduksi noise-nya, kemudian menentukan nilai radius (untuk menentukan ukuran kernel yang akan digunakan). Gambar 3. Form Reduksi Noise 3. Form About Form About berisi tentang nama aplikasi, nama pembuat program (programmer) dan penjelasanpenjelasan lain yang berhubungan dengan aplikasi. Gambar 4. Form Form About 4. Data pengujian Data pengujian yang digunakan dalam pengujian reduksi noise adalah citra citra berwarna yang terdapat noise, Salt and Pepper Noisedan akan direduksi dengan MetodeHarmonic Mean FilterAdapun data pengujian tersebut adalah sebagai berikut Gambar 5. Citra Dengan Noise Salt and Pepper (a) Citra Awal ( Input ) (b) Citra Hasil Reduksi Harmonic Mean Filter V. KESIMPULAN Setelah melakukan beberapa tahap, yang dimulai dari tahap penelitian, perancangan hingga tahap implementasi metode Harmonic Mean Filter dan Canny untuk Mereduksi Noisepada Citra Digital dapat disimpulkan bahwa. 1. Metode Harmonic Mean Filter dan Canny paling baik digunakan untuk mereduksi jenis noisesalt and Pepper Noise. 2. Dalam menganalisis parameter analisis ketahanan terhadap noise diperoleh hasil bahwa metode Canny memiliki ketahanan yang cukup baik. 3. Dalam menganalisis parameter analisis waktu proses (timing run) diperoleh hasil bahwa cepat atau lamanya waktu proses metode pada citra masukan tergantung pada ukuran citra masukan tersebut. Jika ukuran dari citra masukan besar maka hasil timing run juga akan lama, begitu juga sebaliknya jika ukuran dari citra masukan kecil maka hasil timing run yang didapat akan semakin cepat. DAFTAR PUSTAKA 1. Foxal, J., Sams Teach Yourself Visual Basic 2008 in 24 Hours, Complete Starter Kit. USA : Sams Publishing, Gilang Juanda, Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering,Pelita Informatika Budi Darma, Medan, Kadir. A., Susanto, A. Teori Dan Aplikasi Pengolahan Citra, Penerbit Andi, Jogjakarta, McAmis, D., Professional Crystal Reports for Visual Studio.NET, Edisi 2, USA : Wiley Publishing Inc, Munir, R., Pengolahan Citra Digital. Informatika. Bandung, Nugroho. A., Unified Modeling Language.Jogjakarta, Vidya V. & Huddleston J., Membuat Aplikasi Client Server dengan Visual Basic 2008, Jogjakarta,