IMPLEMENTASI METODE PENAPIS HIGH-PASS DAN PENAPIS HIGH-BOOST DALAM PENAJAMAN CITRA DENGAN

MENGGUNAKAN KERNEL KONVOLUSI

Agfianto Eko Putra1 dan Rama Ali2,

1 Program Studi Elektronika dan Instrumentasi (ELINS), FMIPA Universitas Gadjah Mada, Sekip Utara, Yogyakarta

(email: agfi@ugm.ac.id)2 Program Studi Ilmu Komputer, FMIPA,

Universitas Gadjah Mada, Sekip, Yogyakarta (email: r4li@yahoo.com)

Abstrak

Telah dibuat sebuah sistem penajaman citra menggunakan kernel konvolusi penapis High-pass dan High-boost.Sistem terdiri dari dua kategori, yaitu mengimplementasikan metode kernel konvolusi penapis High-pass dan penapis High-boost untuk mempertajam citra dan menghitung nilai MSE (Mean Square Error) antara citra asli dengan citra yang telah dimodifikasi. Sistem ini dapat mempertajam suatu citra yang terdegradasi oleh penapis Gaussian blur ataupun penapis jenis lain. Dalam hal ini, kualitas citra akan ditingkatkan dengan mempertajam detail yang penting dalam citra tersebut dan mempertajam detil objek yang telah blur. Citra yang telah ditajamkan dapat dibandingkan dengan citra asli untuk mengetahui seberapa dekat kesamaan kedua citra tersebut dengan menggunakan parameter MSE. Semakin kecil nilai MSE antara kedua citra maka kedua citra tersebut semakin mirip. Hasil penelitian menunjukan penajaman terbaik diperoleh pada penajaman citra buram Gaussian Blur radius 1 piksel, yang ditandai dengan nilai MSE paling kecil yaitu pada kernel 1 dan faktor penguat 1. Hasil penajaman terburuk/terparah diperoleh pada penajaman citra buram Gaussian Blur radius 50 piksel, yang ditandai pada kernel 3 dan faktor penguat 5. Penajaman citra sangat tergantung pada kernel konvolusi High-pass filter dan High-boost filter dan nilai faktor penguat yang digunakan. Semakin besar nilai faktor penguat kernel, citra yang dihasilkan akan semakin terang.

Kata kunci: kernel, konvolusi, citra tajam, penapis high-pass, penapis high-boost

1. Pendahuluan

Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa citra/gambar, audio dan video. Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Citra sebagai salah satu komponen multimedia memegang peranan penting sebagai bentuk informasi visual karena citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu kaya informasi.

Komputer pada perkembangannya dapat digunakan sebagai pengolah citra digital yang handal dan mampu menghasilkan citra yang lebih baik. Pengolahan citra menerapkan teknik dan metode tertentu untuk memodifikasi dan menerjemahkan citra yang ada, diantaranya memperbaiki kualitas citra, membuat penapis atau memberikan efek tertentu pada citra dan lain

sebagainya. Pembuatan penapis citra dapat dilakukan dengan cara menerapkan teknik-teknik tertentu, seperti mempertajam kualitas citra, yaitu suatu proses yang bertujuan memperjelas tepi pada objek didalam citra. Pada citra yang relatif kabur bila dimanipulasi dengan operasi penajaman citra maka akan dihasilkan citra yang lebih tajam dibandingkan citra sebelumnya.

Penelitian ini memanfaatkan metode penapis high-pass dan high-boost untuk memnajamkan citra digital dengan menggunakan kernel konvolusi. 2. Dasar Teori

Metode konvolusi adalah salah satu metode

pengoperasian nilai-nilai piksel pada citra, salah satunya bertujuan untuk penajaman citra yang banyak dikenal secara luas. Metode ini digunakan untuk menentukan nilai baru bagi masing-masing

piksel dalam sebuah citra dengan melakukan beberapa fungsi perhitungan dari piksel tersebut dengan nilai-nilai piksel disekitarnya. Untuk melakukan operasi konvolusi digunakan suatu matriks yang disebut kernel berdimensi N x N, dengan N adalah bilangan ganjil dan bernilai positif. Matriks tersebut dinamakan kernel konvolusi. Dalam pengolahan citra, kernel konvolusi yang biasa digunakan untuk melakukan penajaman citra diantaranya adalah penapis High-pass dan High-boost.

Penapis High-pass filter atau lolos-atas, adalah penapis yang meloloskan frekuensi tinggi untuk menajamkan penampakan linear pada citra. Penapis lolos atas terkadang disebut juga sebagai penapis penajaman atau filter sharpening, karena secara umum digunakan untuk menajamkan citra secara detail tanpa mempengaruhi bagian dari frekuensi rendah citra. Kernel konvolusi untuk penapis High-pass filter [1] sebagai berikut:

dan (1)

Dengan α merupakan faktor penguat dengan nilai α ≥ 1. Proses penapis High-pass dapat dinyatakan menggunakan persamaan berikut:

High_pass = asli – low_pass (2)

Penapis High-boost dapat diinterpretasikan seperti meninggikan frekuensi citra asli kemudian mengurangi komponen frekuensi rendah pada citra tersebut. Efek dari penapis High-boost ditekankan pada penajaman transisi tepian dan area citra. Proses penapis High-boost dapat dinyatakan menggunakan persamaan berikut:

(3)

Sedangkan kernel konvolusi untuk penapis High-boost sebagai berikut [3]:

dan (4)

Dengan α = Faktor penguat dengan nilai α > 1.Jika nilai α = 1, maka High-boost = High-pass.

Dalam algoritma penajaman citra, perbedaan antara citra asli dengan citra yang telah ditajamkan dapat dihitung dengan menggunakan Mean Squared Error (MSE). Dalam penghitungan nilai MSE, perbedaan piksel antara kedua matriks citra yang bersesuaian adalah kuadrat rata-rata semua piksel

pada kedua citra tersebut. Parameter ini digunakan untuk mengetahui error atau kesalahan informasi yang terjadi. Citra hasil penajaman akan sama dengan citra asli jika nilai MSE = 0. Nilai MSE akan besar jika citra hasil penajaman sangat berbeda dengan citra asli. Penghitungan nilai MSE dapat dihitung dengan menggunakan persamaan berikut [3]:

(5)

Keterangan:

Gaussian Blur adalah salah satu penapis untuk penghalusan citra. Dalam sistem citra, Gaussian Blur merupakan kasus yang sering terjadi. Gaussian Blur menggunakan distribusi Gaussian dalam implementasinya. Fungsi distribusi Gaussian dua dimensi g(x,y) didefinisikan melalui persamaan sebagai berikut [2]:

(6)

Keterangan:

3. Perancangan dan Implementasi

Kualitas citra sangat dipengaruhi oleh ketepatan dalam pengambilan atau perekaman citra. Kekaburan (blur) dan kekaburan akibat obyek citra yang bergerak (motion blur) mengakibatkan citra menjadi sulit diinterpretasi karena informasi yang disampaikan menjadi berkurang.

Untuk mengatasi masalah tersebut, maka dalam penelitian ini dibuat suatu rancangan sistem untuk proses penajaman citra dengan keadaan sebagai berikut: • Metode yang digunakan untuk melakukan

penajaman citra adalah metode Kernel Konvolusi;

• Digunakan empat macam kernel konvolusi penajaman citra yaitu High-pass filter (kernel 1 dan 2) dan High-boost filter (kernel 3 dan 4);

• Jenis penapis yang akan diterapkan pada citra adalah Gaussian Blur dengan radius piksel 1, 2, 3, 4, 5, 10 dan 50.

• Masukan sistem terdiri dari citra warna 24 bit dengan format BMP dan faktor penguat dengan nilai 1, 2, 3, 4 dan 5. Parameter-parameter tersebut yang nantinya akan digunakan untuk mempertajam citra;

• Hasil penajaman citra akan ditampilkan dalam bentuk citra warna 24 bit dengan format BMP yang dapat disimpan dan selanjutnya dapat digunakan kembali untuk proses perbandingan; Sedangkan program sistem akan dibagi

menjadi dua kategori, yaitu: • Melakukan penajaman citra yang kabur karena

Gaussian Blur;• Melakukan perbandingan antara citra asli

dengan citra hasil penajaman dengan menghitung nilai MSE. Hal ini bertujuan untuk mengetahui seberapa tepat hasil penajaman citra yang telah dilakukan. Citra yang digunakan dalam penelitian ini

adalah citra kualitas tajam (citra asli) yang merupakan citra digital 24 bit dengan format BMP berukuran 640x512 piksel. Citra kualitas tajam diburamkan dengan menggunakan Adobe Photoshop CS2 penapis Gaussian Blur dengan radius piksel 1, 2, 3, 4, 5 , 10 dan 50. Citra buram tersebut kemudian dikonvolusi menggunakan kernel konvolusi penajaman citra High-pass filter ( kernel 1 dan 2 ) dan High-boost filter (kernel 3 dan 4) dengan nilai faktor penguat (α ) 1, 2, 3, 4 dan 5 sehingga diperoleh citra hasil penajaman. 4. Hasil dan Pembahasan

Hasil penajaman citra blur oleh penapis Gaussian Blur radius 1 piksel menggunakan kernel konvolusi High-pass filter dan High-boost filter diperoleh nilai MSE yang berbeda-beda. Perbedaan nilai MSE citra asli dengan citra hasil yang semakin besar menunjukkan bahwa citra yang dihasilkan semakin terang. Nilai MSE untuk masing-masing percobaan Gaussian Blur radius 1, 2, 3, 4, 5, 10 dan 50 piksel masing-masing ditampilkan pada Tabel 1, 2, 3, 4, 5, 6 dan 7.

Tabel 1. Nilai MSE Gaussian Blur radius 1 piksel

Faktor penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 4,7525 13,5205 4,7525 13,5205 2 8,6756 27,4447 59,9389 60,6206 3 14,3678 38,2062 95,0339 94,4694 4 19,6853 46,9319 117,245 116,3008 5 24,4828 54,1941 131,3221 130,2802

Tabel 2. Nilai MSE Gaussian Blur radius 2 piksel

Faktor penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 11,2251 8,6736 11,2251 8,6736 2 9,6441 11,5684 60,9536 60,6449 3 9,0492 17,6151 96,718 96,1971 4 9,563 23,5959 119,5165 118,939 5 10,9481 29,0874 134,1519 133,5616

Tabel 3. Nilai MSE Gaussian Blur radius 3 piksel Faktor

penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 16,7171 15,3078 16,7171 15,3078 2 16,0436 14,4464 61,9949 61,7811 3 15,5825 15,1101 98,1472 97,8494 4 15,3466 16,9502 121,4392 121,1145 5 15,3369 19,4524 136,6176 136,2883

Tabel 4. Nilai MSE Gaussian Blur radius 4 piksel Faktor

penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 20,0078 19,1854 20,0078 19,1854 2 19,6564 18,4917 63,2621 63,1252 3 19,4202 18,4241 100,0135 99,8131 4 19,3013 18,9455 123,8521 123,6344 5 19,2983 19,9653 139,456 139,2474

Tabel 5. Nilai MSE Gaussian Blur radius 5 piksel

Faktor penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 22,1883 21,6496 22,1883 21,6496 2 21,9812 21,2111 64,0749 63,9842 3 21,8627 21,177 101,3827 101,2308 4 21,8331 21,5255 125,637 125,4778 5 21,8907 22,2142 141,5096 141,3599

Tabel 6. Nilai MSE Gaussian Blur radius 10 piksel

Faktor penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 29,1271 29,0328 29,1271 29,0328 2 29,1364 29,0924 67,0837 67,0694 3 29,2033 29,3511 106,9881 106,9424 4 29,3273 29,7993 132,7224 132,672 5 29,5072 30,4222 149,5389 149,4895

Tabel 7. Nilai MSE Gaussian Blur radius 50 piksel

Faktor penguat Kernel 1 Kernel 2 Kernel 3 Kernel 4

1 45,0564 45,0945 45,0564 45,0945 2 45,0965 45,249 76,6004 76,6253 3 45,1616 45,5038 122,9823 122,9874 4 45,2518 45,8573 155,2428 155,238 5 45,3668 46,3067 175,021 175,01

Dari ketujuh percobaan terlihat bahwa semakin besar nilai MSE semakin berbeda jauh antara citra asal dengan citra hasil. Nilai MSE yang besar memperlihatkan bahwa citra hasil terlihat lebih

terang. Hal ini berarti bahwa semakin banyak nilai piksel warna 255 atau mendekati nilai piksel warna 255 (nilai piksel warna 255 menyatakan warna paling terang yaitu warna putih). Pada kernel 3 dan 4 nilai MSE untuk setiap perubahan nilai faktor penguat mengalami kenaikan yang besar terutama dimulai saat nilai faktor penguat 2. Hal ini terjadi karena untuk setiap kali perubahan nilai faktor penguat selalu mengalami perubahan nilai jumlah bobot kernel. Perubahan nilai MSE yang besar dimulai saat nilai faktor penguat 2 karena jumlah bobot kernel lebih besar dari 1 yaitu sama dengan nilai faktor penguat yaitu sebesar 2, begitu pula dengan nilai faktor penguat 3-5, jumlah bobot kernel sama dengan nilai faktor penguat yang digunakan. Hal ini mengakibatkan perubahan kenaikan nilai MSE yang besar setiap kali mengalami kenaikan nilai faktor penguat.

Berdasarkan ketujuh percobaan yang telah dilakukan tersebut, diperoleh hasil nilai MSE terkecil terletak pada Gaussian Blur 1 kernel 1 (faktor penguat 1) dan kernel 3 (faktor penguat 1) yaitu sebesar 4,7525. Di lain pihak, nilai MSE terbesar terletak pada Gaussian Blur 50 kernel 3 (faktor penguat 5) yaitu sebesar 175,021. 5. Kesimpulan

Dari hasil percobaan yang telah dilakukan pada penelitian ini diperoleh beberapa kesimpulan: • Penajaman citra sangat tergantung pada kernel

konvolusi penapis High-pass dan High-boost dan nilai faktor penguat yang digunakan. Semakin besar nilai faktor penguat kernel, citra yang dihasilkan akan semakin terang.

• Pada citra yang digunakan, penajaman terbaik diperoleh pada penajaman citra buram Gaussian Blur radius 1 piksel, yang ditandai dengan nilai MSE paling kecil yaitu pada kernel 1 dan faktor penguat 1. Hasil penajaman terburuk diperoleh pada penajaman citra buram Gaussian Blur radius 50 piksel, yang ditandai pada kernel 3 dan faktor penguat 5.

• Semakin tinggi tingkat keburaman suatu citra, maka semakin besar nilai MSE-nya.

• Kernel konvolusi penapis High-pass dan High-boost dapat memberikan efek penajaman (sharpening) pada suatu citra, yaitu citra akan tampak lebih jelas dan mempertegas batas-batas objek yang terdapat didalam citra.

Daftar Pustaka: [1] Ahmad, B., Firdausy K., 2005, “Teknik

Pengolahan Citra Digital MenggunakanDelphi”, Yogyakarta : Ardi Publishing.

[2] Gaborski, R.S., 2006, “Intoduction To ComputerVision Lecture13“ http://www.cs.rit.edu/~rsg/CV2005_3Lec13.ppt

(27 Maret 2007) [3] Gonzalez R.C., Woods R.E., 2002, “Digital

Image Processing”, New Jersey : Prentice-Hall,Inc.

Lampiran

Gambar Lampiran 1. Form Menu Utama

Gambar Lampiran 2. Perbandingan Asli dan Hasil Penajaman

Gambar Lampiran 3. Hasil proses konvolusi untuk masing-masing Nilai RGB

Gambar Lampiran 4. Hasil Perhitungan MSE