IMPLEMENTASI ADAPTIVE MEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL

1. IMPLEMENTASI ADAPTIVEMEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL EVA LISTIYANI S1 SISTEM KOMPUTER 07.41020.0007

2. IMPLEMENTASI ADAPTIVEMEDIAN FILTER SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL LatarBelakangMasalah RumusanMasalah BatasanMasalah TujuanMasalah TelaahPustaka

3. LATAR BELAKANG MASALAH Ketikasebuahcitraditangkapolehkameraataucitra yang telahdisimpandalamwaktucukup lama, seringkalitidakdapatlangsungdigunakansebaigaimana yang diinginkankarenakualitasnyabelummemenuhistandaruntukkebutuhanpengolahan (Ahmad, Usman, 2005). Misalnyasajacitradisertaiolehvariasiintensitas yang kurangseragamakibatpencahayaan yang tidakmerata, ataulemahdalamhalkontrassehinggaobyeksulitsekaliuntukdipisahkandarilatarbelakangnyamelaluioperasibinerisasikarenaterlalubanyaknoise (gangguanataudistorsidalamcitra), dan lain sebagainya. Secaraumumdapatdikatakanbahwacitra yang demikiankualitasnyamasihrendah, baikolehkarenaadanyanoise, maupunolehsebablainnyasepertitingginyavariasiintensitasdaridaerah yang sama, ataukarenalemahnyaperbedaanintensitasdariduaataulebihdaerah yang berlainan. Citra dengankualitassepertiinimemerlukanlangkah-langkahperbaikanataukualitasnyaperluditingkatkanuntukmemfasilitasipengolahan yang akandilakukan. NEXT

4. LATAR BELAKANG MASALAH Padapenelitianterdahulu (Sony, 2006) menjelaskantentangperbaikancitradenganmenggunakanmetode filter median dan filter mean yang dibandingkankualitascitrahasilantarakedua filter tersebut. Dalampenelitian lain yang dilakukanoleh (Jannah, Asmaniatul, 2008), sistem yang dibuatmembahastentangperbandinganantaratigametode, yaitu filer Gaussian, Mean, danMedian, tetapihanyamenggunakansampelsatubuahjenis noise yaitusalt n peppers. Padaawalnyapenggunamemasukkaninput data berupacitra. Citra masukanadalahcitragrayscale karenasistemhanyadibatasiuntukmemprosescitragrayscale. Kemudianpenggunadimintauntukmemasukkan parameter untukmenambahkannoise padacitra. Jika parameter telahdimasukkan, makasistemsiapmelakukanprosespengurangannoisecitra. BACK

5. RUMUSAN MASALAH Dari permasalahandiatas, dapatdiambilrumusanmasalah, yaitubagaimanacaramereduksinoisepadacitra digital denganmenggunakanmetodeadaptive median filter. BACK

6. BATASAN MASALAH Noise diberikansecara manual olehuser yang sudahdi-settingkankedalam program. Noise yang dipergunakanhanyaGaussian Noise danUniform Noise. Menggunakanperhitungan MSE dan PSNR sebagaipembandingkualitascitra. Menggunakan kernel 3x3 dan 5x5. Citra yang digunakanadalahcitra bitmap (*.bmp). BACK

7. TUJUAN MASALAH Tujuandaripembuatantugasakhiriniadalah : Memperbaikicitra digital denganrinciansebagaiberikut : Membuatcitra digital yang ber-noise menjaditanpanoise. Dapatmenghaluskan data sekaligus mempertahankan detail kecil dan tajamdaricitra digital. Mengurangi distorsi, seperti penipisan berlebihan atau penebalan batas-batas obyek. BACK

8. TELAAH PUSTAKA NEXT

9. CITRA DIGITAL Citra (image) adalahbidangdalamdwimatra (duadimensi) (Munir, Rinaldi, 2004). Sebagaisalahsatukomponen multimedia, citramemegangperanansangatpentingsebagaibentukinformasi visual (Murinto, dkk, 2007). Dalamkamuskomputer, gambarataufotodiistilahkansebagaicitra digital yang mempunyairepresentasimatematisberupamatriks . NEXT

10. MATRIKS BITMAP Citra disimpandidalamberkas (file) dengan format tertentu (Munir, 2004). Format citra yang bakudilingkungansistemoperasi Microsoft Windows adalahberkasbitmap (*.bmp). Saatini format BMP memang “kalah” populerdibandingkandengan format JPG atau GIF. Hal inikarenaberkas BMP padaumumnyatidakdimampatkansehinggaukuranberkasnyarelatiflebihbesardaripadaberkas JPG maupun GIF. Hal inijuga yang menyebabkan format BMP sudahjarangdigunakan. Citra dalam format BMP lebihbagusdaripadacitradalam format yang lainnya, karenacitradalam format BMP umumnyatidakdimampatkansehinggatidakadainformasi yang hilang. Terjemahanbebasbitmapadalahpemetaan bit. Artinya, nilaiintensitaspixeldidalamcitradipetakandisejumlah bit tertentu. Peta bit yang umumadalah 8, artinyasetiappixelpanjangnya 8 bit. Delapan bit inimerepresentasikannilaiintensitaspixel. Dengandemikianadasebanyak 28 = 256 derajatkeabuan, mulaidari 0-255. NEXT

11. Citra SkalaKeabuan (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 = 255 Format citra ini umumnya memiliki warna antara hitam sebagai warna minimal dan warna putih sebagai warna maksimal, sedangkan warna diantaranya adalah warna kelabu. NEXT

12. PIKSEL (PIXEL) Pixel (Picture Elements)adalahnilaitiap-tiapentrimatrikspadabitmap. Rentangnilai-nilaipixel inidipengaruhiolehbanyaknyawarna yang dapatditampilkan. Jikasuatubitmapdapatmenampilkan 256 warnamakanilai-nilaipixelnyadibatasidari 0-255. Suatubitmapdianggapmempunyaiketepatan yang tinggijikadapatmenampilkanlebihbanyakwarna. Prinsipinidapatdilihatdaricontohpadagambar 4 yang memberikancontohduabuahbitmapdapatmemilikiperbedaandalammenanganitransisiwarnaputihkewarnahitam. NEXT

13. DIMENSI DAN RESOLUSI Dimensibitmapadalahukuranbitmap yang dinotasikandenganmenulislebar x tinggiibitmap. Kerapatanpixelinidigunakanbitmapdalammendekatikekontinyuan. Semakinbesarresolusisuatubitmap, obyek yang ditampilkancitratersebutsemakinakurat. Kerapatantitik-titikpadacitradinamakanresolusi, yang menunjukkanseberapatajamgambariniditampilkan yang ditunjukkandenganjumlahbarisdankolom. Resolusimerupakanukurankuantitasbukankualitas. Pixel merupakansatuanukuranterhadapjumlah area photo-receptorpada sensor gambarkamera, yang menentukanseberapabanyak data yang dapatditangkap. NEXT

14. 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

15. FILTERING Filteringmerupakansuatuproses yang mengambilsebagiansinyalfrekuensitertentudanmembuangsinyalpadafrekuensi lain (Sigit, dkk ,2005). Filtering padacitramenggunakanprinsipsama, yaitumengambilfungsicitrapadafrekuensi-frekuensitertentudanmembuangfungsicitrapadafrekuensi-frekuensi lain. NEXT

16. FILTER MEDIAN Cara kerja filter median dalamjendelatertentumiripdengan filter linier namunprosesnyabukanlagidenganpembobotan. RinaldiMunir (2004:126) menjelaskan filter median sebagaisuatujendela yang memuatsejumlahpixel ganjil. Jendeladigesertitikdemititikpadaseluruhdaerahcitra. Padasetiappergeserandibuatjendelabaru. Titiktengahdarijendelainidiubahdengannilai median darijendelatersebut. Berikutdisajikanilustrasipenggunaan filter median berukuran 3x3 pixelterhadapbitmap 2 dimensi. Cara mencarinilai median diatasadalah : Baca nilaipixel yang akandiprosesbesertapixel-pixeltetangganya Urutkannilai-nilaipixel dari yang paling kecilhingga yang paling besar. Pilihnilaipadabagiantengahuntuknilai yang barubagipixel (x,y). NEXT

17. NEXT METODE ADAPTIVE Algoritmateknikiniadalah : Membuatgraf pixel tetanggaartinyaadalahmenentukanpiksel-pikseltetanggamanasaja yang akanmempengaruhiperubahannilaiuntukpikselaktual. Graf pikseltetanggadicaridenganjarak yang masihtermasukdalamrange yang diinputkanolehuser. Jarakpiksel se semuapiksel lain yang dicapaidenganlangkah<d(masukandariuser). Memberibobotnilaiberdasarkanperbedaanjarakantarpiksel yang difilterdenganpiksel-pikseltetangga. Bobotpiksel-piksekltetanggadihitungdenganfungsiGaussian. Menggantinilaipikseldengan rata-rata nilai, semuapikseltetangga. Dengancaraini, hanyapikseltetangga yang relevandenganmasing-masingpikselsaja yang akandipilih. Ukurandanbentuktetanggalah yang akanmempengaruhiperubahancitra.

18. HISTOGRAM Histogram citraadalahgrafik yang menggambarkanpenyebarannilai-nilaiintensitas pixel darisuatucitraataubagiantertentudidalamcitra. Histogram jugadapatmenunjukkanbanyakhaltentangkecerahan (brightness) dankontras (contrast) darisebuahgambar. Secaragrafis histogram ditampilkandengan diagram batang. NEXT

19. Noise Uniform Noise Uniform sepertihalnyaNoise Gaussiandapatdibangkitkandengancaramembangkitkanbilanganacak [0,1] dengandistribusiuniform.Kemudianuntuktitik-titik yang tertkenanoise , nilaifungsicitraditambahkandengannoise yang ada. Noise Uniform merupakannoise sintesis yang sebenernyadalampenerapannyajarangdigunakan, tetapisecarapemrogramanpembangkitannoise uniform inimerupakanjenispembangkitannoise yang paling mudah. NEXT

20. Noise Gaussian Noise Gaussian merupakan model noise yang mengikutidistribusi normal standardengan rata-rata noldanstandardeviasi 1. Efekdari noise iniadalahmunculnyatitik-titikberwarna yang jumahnyasamadenganpersentasenoise. Noise Gaussian dapatdibangkitkandengancaramembangkitkanbilanganacak [0,1]dengandistribusiGaussian. Kemuadiantitik-titik yang terkenanoise, nilaifungsicitraditambahkandengannoise yang ada. UntukmembangkitkanbilanganacakberdistribusiGaussian , tidakdapatlangsungmenggunakanfungsirnd, tetapidiperlukansuatumetode yang digunakanuntukmengubahdistribusibilanganacakkedalamfunsi f tertentu. NEXT

21. MSE dan PSNR PSNR adalahukuranrasioantarakekuatanmaksimumsinyal yang mungkindankekuatansinyal yang telahrusak. Dikarenakanbeberapasinyalmempunyaipola data yang berubah-ubah. PSNR biasanyadinyatakandalamskaladicibledalambentuklogaritma. PSNR secaraumumdigunakanuntukmengukurkualitaspadapenyusunanulangcitra. Hal inilebihmudahdidefinisikandenganMean Square Error (MSE). Misal I (x,y) adalahcitramasukan I’(x,y) adalahcitrakeluaran, keduanyamemiliki M barisdan N kolom BACK