IMPLEMENTASI ADAPTIVE MEDIAN FILTER SEBAGAI

REDUKSI NOISE PADA CITRA DIGITAL

EVA LISTIYANIS1 SISTEM KOMPUTER

07.41020.0007

IMPLEMENTASI ADAPTIVE MEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL1. Latar Belakang Masalah 2. Rumusan Masalah3. Batasan Masalah4. Tujuan Masalah5. Telaah Pustaka

LATAR BELAKANG MASALAHKetika sebuah citra ditangkap oleh kamera atau citra yang telah disimpan dalam waktu cukup lama, seringkali tidak dapat langsung digunakan sebaigaimana yang diinginkan karena kualitasnya belum memenuhi standar untuk kebutuhan pengolahan (Ahmad, Usman, 2005). Misalnya saja citra disertai oleh variasi intensitas yang kurang seragam akibat pencahayaan yang tidak merata, atau lemah dalam hal kontras sehingga obyek sulit sekali untuk dipisahkan dari latar belakangnya melalui operasi binerisasi karena terlalu banyak noise (gangguan atau distorsi dalam citra), dan lain sebagainya. Secara umum dapat dikatakan bahwa citra yang demikian kualitasnya masih rendah, baik oleh karena adanya noise, maupun oleh sebab lainnya seperti tingginya variasi intensitas dari daerah yang sama, atau karena lemahnya perbedaan intensitas dari dua atau lebih daerah yang berlainan. Citra dengan kualitas seperti ini memerlukan langkah-langkah perbaikan atau kualitasnya perlu ditingkatkan untuk memfasilitasi pengolahan yang akan dilakukan. NEXT

LATAR BELAKANG MASALAH1. Pada penelitian terdahulu (Sony, 2006) menjelaskan tentang

perbaikan citra dengan menggunakan metode filter median dan filter mean yang dibandingkan kualitas citra hasil antara kedua filter tersebut.

2. Dalam penelitian lain yang dilakukan oleh (Jannah, Asmaniatul, 2008), sistem yang dibuat membahas tentang perbandingan antara tiga metode, yaitu filer Gaussian, Mean, dan Median, tetapi hanya menggunakan sampel satu buah jenis noise yaitu salt n peppers. Pada awalnya pengguna memasukkan input data berupa citra. Citra masukan adalah citra grayscale karena sistem hanya dibatasi untuk memproses citra grayscale. Kemudian pengguna diminta untuk memasukkan parameter untuk menambahkan noise pada citra. Jika parameter telah dimasukkan, maka sistem siap melakukan proses pengurangan noise citra.

BACK

RUMUSAN MASALAH

Dari permasalahan di atas, dapat diambil rumusan masalah, yaitu bagaimana cara mereduksi noise pada citra digital dengan menggunakan metode adaptive median filter.

BACK

BATASAN MASALAH1. Noise diberikan secara manual oleh user yang

sudah di-setting kan ke dalam program.2. Noise yang dipergunakan hanya Gaussian Noise

dan Uniform Noise.3. Menggunakan perhitungan MSE dan PSNR sebagai

pembanding kualitas citra.4. Menggunakan kernel 3x3 dan 5x5.5. Citra yang digunakan adalah citra bitmap (*.bmp).

BACK

TUJUAN MASALAHTujuan dari pembuatan tugas akhir ini adalah :Memperbaiki citra digital dengan rincian sebagai berikut :1. Membuat citra digital yang ber-noise menjadi tanpa

noise.2. Dapat menghaluskan data sekaligus

mempertahankan detail kecil dan tajam dari citra digital.

3. Mengurangi distorsi, seperti penipisan berlebihan atau penebalan batas-batas obyek.

BACK

TELAAH PUSTAKA

NEXT

CITRA DIGITALCitra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, Rinaldi, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai bentuk informasi visual (Murinto, dkk, 2007). Dalam kamus komputer, gambar atau foto diistilahkan sebagai citra digital yang mempunyai representasi matematis berupa matriks .

NEXT

MATRIKS BITMAPCitra disimpan di dalam berkas (file) dengan format tertentu (Munir, 2004). Format citra yang baku di lingkungan sistem operasi Microsoft Windows adalah berkas bitmap (*.bmp). Saat ini format BMP memang “kalah” populer dibandingkan dengan format JPG atau GIF. Hal ini karena berkas BMP pada umumnya tidak dimampatkan sehingga ukuran berkasnya relatif lebih besar daripada berkas JPG maupun GIF. Hal ini juga yang menyebabkan format BMP sudah jarang digunakan. Citra dalam format BMP lebih bagus daripada citra dalam format yang lainnya, karena citra dalam format BMP umumnya tidak dimampatkan sehingga tidak ada informasi yang hilang. Terjemahan bebas bitmap adalah pemetaan bit. Artinya, nilai intensitas pixel di dalam citra dipetakan disejumlah bit tertentu. Peta bit yang umum adalah 8, artinya setiap pixel panjangnya 8 bit. Delapan bit ini merepresentasikan nilai intensitas pixel. Dengan demikian ada sebanyak 28 = 256 derajat keabuan, mulai dari 0-255.

NEXT

Citra Skala Keabuan (Grayscale)

Citra skala keabuan memberi kemungkinan warna yang lebih banyak dari pada citra biner, karena terdapat kemungkinan nilai-nilai lain antara nilai minimum (0) hingga nilai maksimum. Banyaknya kemungkinan nilai tergantung dari jumlah bit yang digunakan. Contoh, jika skala keabuan yang digunakan bernilai 4 bit, maka jumlah kemungkinan nilai adalah 24 = 16, dan nilai maksimum adalah 24-1 = 15. Sedangkan untuk skala keabuan 8 bit, maka jumlah kemungkinan nilainya adalah 28 = 256, dengan nilai maksimumnya 28-1 = 255Format citra ini umumnya memiliki warna antara hitam sebagai warna minimal dan warna putih sebagai warna maksimal, sedangkan warna diantaranya adalah warna kelabu. NEXT

PIKSEL (PIXEL)Pixel (Picture Elements) adalah nilai tiap-tiap entri matriks pada bitmap. Rentang nilai-nilai pixel ini dipengaruhi oleh banyaknya warna yang dapat ditampilkan. Jika suatu bitmap dapat menampilkan 256 warna maka nilai-nilai pixel nya dibatasi dari 0-255. Suatu bitmap dianggap mempunyai ketepatan yang tinggi jika dapat menampilkan lebih banyak warna. Prinsip ini dapat dilihat dari contoh pada gambar 4 yang memberikan contoh dua buah bitmap dapat memiliki perbedaan dalam menangani transisi warna putih ke warna hitam.

NEXT

DIMENSI DAN RESOLUSIDimensi bitmap adalah ukuran bitmap yang dinotasikan dengan menulis lebar x tinggii bitmap. Kerapatan pixel ini digunakan bitmap dalam mendekati kekontinyuan. Semakin besar resolusi suatu bitmap, obyek yang ditampilkan citra tersebut semakin akurat. Kerapatan titik-titik pada citra dinamakan resolusi, yang menunjukkan seberapa tajam gambar ini ditampilkan yang ditunjukkan dengan jumlah baris dan kolom. Resolusi merupakan ukuran kuantitas bukan kualitas. Pixel merupakan satuan ukuran terhadap jumlah area photo-receptor pada sensor gambar kamera, yang menentukan seberapa banyak data yang dapat ditangkap. NEXT

PENGOLAHAN CITRA

Image processing atau pengolahan citra adalah salah bidang dalam dunia komputer yang mulai berkembang sejak manusia memahami bahwa komputer tidak hanya mampu menangani data teks, tetapi juga data citra (Ahmad, 2005:4). Terminologi pengolahan citra dipergunakan bila hasil pengolahan data yang berupa citra, adalah juga berbentuk citra yang lain, yang mengandung atau memperkuat informasi khusus pada citra hasil pengolahan sesuai dengan tujuan pengolahannya.

NEXT

FILTERING

Filtering merupakan suatu proses yang mengambil sebagian sinyal frekuensi tertentu dan membuang sinyal pada frekuensi lain (Sigit, dkk ,2005). Filtering pada citra menggunakan prinsip sama, yaitu mengambil fungsi citra pada frekuensi-frekuensi tertentu dan membuang fungsi citra pada frekuensi-frekuensi lain.

NEXT

FILTER MEDIANCara kerja filter median dalam jendela tertentu mirip dengan filter linier namun prosesnya bukan lagi dengan pembobotan. Rinaldi Munir (2004:126) menjelaskan filter median sebagai suatu jendela yang memuat sejumlah pixel ganjil. Jendela digeser titik demi titik pada seluruh daerah citra. Pada setiap pergeseran dibuat jendela baru. Titik tengah dari jendela ini diubah dengan nilai median dari jendela tersebut. Berikut disajikan ilustrasi penggunaan filter median berukuran 3x3 pixel terhadap bitmap 2 dimensi. Cara mencari nilai median di atas adalah :1. Baca nilai pixel yang akan diproses beserta pixel-pixel tetangganya2. Urutkan nilai-nilai pixel dari yang paling kecil hingga yang paling

besar.3. Pilih nilai pada bagian tengah untuk nilai yang baru bagi pixel (x,y).

NEXT

METODE ADAPTIVEAlgoritma teknik ini adalah :•Membuat graf pixel tetangga artinya adalah menentukan piksel-piksel tetangga mana saja yang akan mempengaruhi perubahan nilai untuk piksel aktual.•Graf piksel tetangga dicari dengan jarak yang masih termasuk dalam range yang diinputkan oleh user. Jarak piksel se semua piksel lain yang dicapai dengan langkah<d(masukan dari user).•Memberi bobot nilai berdasarkan perbedaan jarak antar piksel yang difilter dengan piksel-piksel tetangga. Bobot piksel-piksekl tetangga dihitung dengan fungsi Gaussian.•Mengganti nilai piksel dengan rata-rata nilai, semua piksel tetangga.•Dengan cara ini, hanya piksel tetangga yang relevan dengan masing-masing piksel saja yang akan dipilih. Ukuran dan bentuk tetanggalah yang akan mempengaruhi perubahan citra.

NEXT

HISTOGRAM

Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Histogram juga dapat menunjukkan banyak hal tentang kecerahan (brightness) dan kontras (contrast) dari sebuah gambar. Secara grafis histogram ditampilkan dengan diagram batang.

NEXT

Noise Uniform

Noise Uniform seperti halnya Noise Gaussian dapat dibangkitkan dengan cara membangkitkan bilangan acak [0,1] dengan distribusi uniform. Kemudian untuk titik-titik yang tertkena noise , nilai fungsi citra ditambahkan dengan noise yang ada.Noise Uniform merupakan noise sintesis yang sebenernya dalam penerapannya jarang digunakan, tetapi secara pemrograman pembangkitan noise uniform ini merupakan jenis pembangkitan noise yang paling mudah.

NEXT

Noise GaussianNoise Gaussian merupakan model noise yang mengikuti distribusi normal standar dengan rata-rata nol dan standar deviasi 1. Efek dari noise ini adalah munculnya titik-titik berwarna yang jumahnya sama dengan persentase noise. Noise Gaussian dapat dibangkitkan dengan cara membangkitkan bilangan acak [0,1]dengan distribusi Gaussian. Kemuadian titik-titik yang terkena noise, nilai fungsi citra ditambahkan dengan noise yang ada.Untuk membangkitkan bilangan acak berdistribusi Gaussian , tidak dapat langsung menggunakan fungsi rnd, tetapi diperlukan suatu metode yang digunakan untuk mengubah distribusi bilangan acak ke dalam funsi f tertentu. NEXT

MSE dan PSNR

PSNR adalah ukuran rasio antara kekuatan maksimum sinyal yang mungkin dan kekuatan sinyal yang telah rusak. Dikarenakan beberapa sinyal mempunyai pola data yang berubah-ubah. PSNR biasanya dinyatakan dalam skala dicible dalam bentuk logaritma. PSNR secara umum digunakan untuk mengukur kualitas pada penyusunan ulang citra. Hal ini lebih mudah didefinisikan dengan Mean Square Error (MSE). Misal I (x,y) adalah citra masukan I’(x,y) adalah citra keluaran, keduanya memiliki M baris dan N kolom

BACK