PENGHAPUSAN NOISE PADA CITRA DENGAN … · Implementasi metode filter dibuat dengan menggunakan...

PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL

Kata Kunci : Noise Removal, Edge Detection, impuls noise,

Oleh :

ANA WAHYU HAKIM(5106100171)

Dosen pembimbing I:Prof. Dr. Ir. Handayani Tjandrasa M.Sc Ph.D

Dosen Pembimbing II:Bilqis Amalia S.Kom M.Kom

FAKULTAS TEKNOLOGI INFORMASI INSTITUTE TEKNOLOGI SEPULUH NOPEMBER

Latar Belakang Masalah

Noise salt & pepper adalah bentuk noise yang biasanya terlihattitik-titik hitam dan putih pada citra yang disebabkan karenaterjadinya error bit dalam pengiriman data, piksel-piksel yangtidak berfungsi maupun kerusakan pada lokasi memori. Olehkarena itu, diperlukan suatu proses noise filtering untukmengurangi noise yang terdapat padanya.

Sudah banyak metode yang dikemukakan untuk menghapus noisepada citra diantaranya median filter dan Switching median filter(SWM). Median Filter tidak dapat menjangkau daerah detil citraseperti daerah tepi, sedangkan filter SWM hanya menghilangkannoise ketika perbedaan piksel yang tinggi dengan tetangganya.

Tugas akhir ini, mengimplementasikan penghapusan noise denganmeng-estimasi true edge menggunakan metode hierarchical edgedetection (HED)

TA_Ana Wahyu Hakim (5106100171)

PENDAHULUAN

Permasalahan

Bagaimana mengimplementasikan estimasi strukturcitra dengan HED(Hierarchical Edge Detection)

Bagaimana menghilangkan noise pada citra secaraadaptif sesuai dengan informasi struktur citra yang dihasilkan pada proses HED


PENDAHULUAN(2)

Batasan Masalah

Ruang lingkup pembahasan :

Implementasi metode filter dibuat dengan menggunakan Matlab7.0

Citra yang akan diproses dalam filtering ini berupa citra gray scale

Data uji yang digunakan adalah citra standart yaitu: Lenna,

Baboon, Mobil, dan Paprika.

Untuk mengetahui performa metode filter ini, hasil uji cobadibandingkan dengan data hasil uji coba metode SWM dan medianfilter.


PENDAHULUAN(3)

Tujuan Penelitian

Pengolahan citra untuk mendeteksi noise pada citra.

Membuat aplikasi untuk menghapus noise pada citradalam bentuk salt dan paper.

Membuat aplikasi yang bisa menjaga detil citra danlebih efektif digunakan pada kerapatan noise yang lebih tinggi.


PENDAHULUAN(4)

Mendeteksi Noise

Dalam metode filter adaptive-hierarchical, ada duametode pendeteksian noise yaitu:

Deteksi noise pada daerah smooth dan medium

deteksi noise pada piksel-piksel yang bukan edge.

Deteksi noise pada daerah strong atau tepi

pendeteksian noise pada tepi hanya melibatkanpiksel-piksel yang telah diestimasi sebagai edge (tepi).

TINJAUAN PUSTAKA


Mendeteksi Noise

pada smooth dan medium region

Smooth dan medium region merupakan daerah dimana piksel-piksel nya merupakan piksel-piksel bukan edge

Disebut noise apabila :

≥ Ti

dengan dicari dengan menggunkan persamaan :

=

dimana Medij merupakan nilai tengah dari matriks 3x3. Dan Ti

dihitung dengan menggunakan persamaan :

Ti = K * ρij

ρij adalah standart deviasi dan K adalah variabel bebas.

TINJAUAN PUSTAKA(2)


Mendeteksi Noise

pada smooth dan medium region(2)

jika nilai lebih besar dari treshold maka piksel x(i,j)

diganti dengan nilai tengahnya, jika lebih kecil makanilai piksel x(i,j) tetap.


TINJAUAN PUSTAKA(2)

Mendeteksi Noise pada Tepi

Untuk mendeteksi noise pada tepi, menggunakan perhitungan sbb:

d1 = |x i-1, j-1 – x i,j| & |x i+1,j+1 – x I, j|

d2 = |x i-1,j – x i,j| & |x i+1,j – x i,j|

d3 = |x i-1,j+1 – x i,j| & |x i+1,j-1 – x i,j|

d4 = |x i,j-1 – x i,j | & |x i,j+1 – x i,j|

selama x(i,j) dan piksel tetangganya telah diestimasi sebagai edge

1 0 0

0 1 0

0 0 1

50 3 5

10 255 4

10 10 51

x i-1, j-1 x i-1,j x i-1,j+1

x i,j-1 x i,j x i,j+1

x i+1,j-1 x i+1,j x i+1,j+1d1

d3

d4

d2

Dengan selisih x(i,j) dengantetangganya sesama edge lebih dari T makaX(i,j) merupakan noise dan akan diganti denganMedian (1x3) sesuai arahnya(sesuai contoh y(I,j) = 51)


TINJAUAN PUSTAKA(2)

Adaptive-hierarchical filter

Proses filtering citra dengan tingkatan atau pelevelan image.

Pelevelan image dengan memperkecil resolusi citrasebanyak dua kali sehingga membentuk sebuah pyramid image.

Pyramid Image akan digunakan untuk meng-estimasi true edge atau struktur citra, dimana struktur citra ini sebagaiinformasi utama (prior information) untuk menghilangkannoise secara adaptive (bergantung pada struktur citra).

Proses hierarchy menggunakan average filter 2x2.

average


TINJAUAN PUSTAKA(2)

Adaptive-hierarchical filter(2)

Disebut adaptive karena filtering yang dilakukanberbeda untuk piksel edge dan piksel bukan edge. Selain itu, bergantung pada struktur citra.

Tiap-tiap level image dideteksi tepinya denganmenggunakan operator sobel. Sedangkan untukmendeteksi tepi pada hierarchi edge detection (HED) dengan berdasarkan pada edge level dibawahnya.


TINJAUAN PUSTAKA(2)


Diagram Proses Hierarchical image (piramida citra)

Start

Image grayscale

(ukuran M x N)

Diberi noise

Average filter 2x2

Average filter 2x2

Image level 1

ukuran

M/2 x N/2

Image level 2

ukuran

M/4 x N/4

End

Image level 0,

(ukuran M x N )

Start

Image level 0

Dicek apakah

x(i,j) edge

x(i,j)=0 bukan edge

cek level 1

apakah x(i,j)

edge

cek level 2

apakah x(i,j)

edge

x(i,j)=1 edge

x(i,j)>T1

y(i,j)=x(i,j)y(i,j)=xmed(i,j)

Median 3x3

x(i,j)>T2

y(i,j)=x(i,j)y(i,j)=xmed(i,j)

Median 1x3 atau 3x1

y(i,j)=output_image

endTA_Ana Wahyu Hakim

(5106100171)

Diagram Proses HED

Uji coba citra Set II dengan noise 20%

Image Noise SWM Adaptive-Hierarchical

Uji coba citra Set II dengan noise 20% (2)

Image Noise SWM Adaptive-Hierarchical

Evaluasi Citra Baboon

Kepadatan Noise

PSNR (dalam desibel)

Median SWM adaptive-hierarchical

5% 23,47 26,08 23,72

10% 23,13 24,24 23,53

15% 22,71 22,97 22,98

20% 22,04 21,96 22,54

25% 21,18 21,08 22,13

30% 20,00 20,3 21,68

35% 18,70 19,59 21,29

40% 17,31 19,1 20,92

45% 15,86 18,63 20,39

50% 14,47 18,19 20,04

55% 13,19 17,73 19,67

60% 12,02 17,29 18,86

Treshold filter adaptive-hierarchical

noise K T

5% 3 200

10% 3 150

15% 2,5 120

20% 2,5 110

25% 2,5 100

30% 2,5 100

35% 2,5 100

40% 2 85

45% 1,7 70

50% 1,5 60

55% 1,2 60

60% 1 50

Tabel diatas menunjukkan nilai tresholdyang digunakan dalam uji coba citrababoon

Kepadatan Noise


Median SWM adaptive-hierarchical

5% 34,44 32,17 35,28

10% 33,31 29,51 34,20

15% 31,31 27,53 32,76

20% 28,65 25,97 32,53

25% 26,16 24,72 31,36

30% 23,51 23,35 29,24

35% 21,05 22,07 28,85

40% 19,01 22,44 28,19

45% 16,96 21,63 27,39

50% 15,23 20,84 27,00

55% 13,72 19,93 25,31

60% 12,35 19,21 23,13

Evaluasi Citra Lenna


noise K T

5%2,5 110

10%2 110

15%2 90

20%2 80

25%2 80

30%2 70

35%2 70

40%1,5 60

45%1,5 60

50%1 55

55%1 50

60%1 40

Tabel diatas menunjukkan nilai tresholdyang digunakan dalam uji coba citra lenna

Citra Set III Car

Kepadatan Noise


Median SWM

adaptive-

hierarchical

5% 30,97 30,83 27,71

10% 30,00 28,16 27,09

15% 28,50 26,38 26,57

20% 26,81 24,87 26,12

25% 24,98 23,62 25,55

30% 22,70 22,33 25,09

35% 20,37 21,08 24,81

40% 18,36 21,15 24,38

45% 16,44 20,36 23,98

50% 14,86 19,6 23,26

55% 13,28 18,64 22,80

60% 11,97 18,01 21,25

Evaluasi Citra Mobil


noise K T

5%3 110

10%2,7 100

15%2,7 95

20%2,5 90

25%2 65

30%1,5 60

35%1,5 55

40%1,5 55

45%1,3 55

50%1,3 50

55%1 45

60%1 30

Tabel diatas ini menunjukkan nilai tresholdyang digunakan dalam uji coba citra mobil

Citra Set IV Paprika

Kepadatan Noise


Median SWM

adaptive-

hierarchical

5% 34,20 32,23 32.38

10% 32,86 29,37 30.11

15% 31,20 27,59 29.53

20% 28,82 25,81 29.07

25% 25,96 24,54 28.78

30% 23,21 23,03 28.12

35% 20,90 21,66 27.47

40% 18,75 22,29 27.21

45% 16,92 21,36 26.90

50% 15,12 20,42 25.90

55% 13,60 21,36 24.76

60% 12,19 18,72 22.91

Evaluasi Citra Paprika


noise K T

5%3 100

10%2,7 100

15%2,5 100

20%2,5 100

25%2,5 80

30%1,5 80

35%1,5 70

40%1,5 60

45%1,5 60

50%1 60

55%1 50

60%1 50

Tabel diatas menunjukkan nilai treshold yangdigunakan dalam uji coba citra paprika

Kesimpulan

Berdasarkan hasil uji coba yang dilakukan, dapat ditarikkesimpulan antara lain:

Hasil citra dengan menggunakan metode filter adaptive-hierarchical lebih bersih dibandingkan denganmenggunakan metode SWM maupun median filter 3x3.

Metode filter adaptive-hierarchical ini memilikiperforma lebih bagus jika digunakan pada citra yang piksel objeknya jauh berbeda dengan piksel noise. Contohnya: citra Lenna.

Dengan membedakan antara piksel tepi dengan daerahmedium dan smooth, dapat dicapai hasil yang maksimal,karena piksel pada tepi tidak rusak.


Secara umum, metode adaptive-hierarchical filter inimemiliki performa yang lebih tinggi pada saatkerapatan noisenya lebih tinggi atau diatas 15% dibandingkan dengan metode SWM dan median filter.

Hierarchi dalam metode ini dilakukan untuk mereduksinoise pada level sebelumnya agar bisa terdeteksi tepinya dengan lebih baik sehingga piksel pada tepi tidakrusak.

Semakin besar kerapatan noise maka threshold yang digunakan semakin rendah untuk mendapat PSNR yang tinggi,dan kualitas citra yang lebih bagus.

Kesimpulan (2)


PENGHAPUSAN NOISE PADA CITRA DENGAN … · Implementasi metode filter dibuat dengan menggunakan...

Documents

Transcript of PENGHAPUSAN NOISE PADA CITRA DENGAN … · Implementasi metode filter dibuat dengan menggunakan...