LAPORAN PENGOLAHAN MULTIMEDIA

Membandingkan Pemfilteran pada Domain Spasial, Frekuensi dan Wavelet

Rengga Pladitama 2209100151

Pemfilteran Domain Spasial

Pemfilteran domain spasial merupakan operasi non linier yang digunakan untuk pemrosesan citra. Pada pemfilteran ini menggunakan metode median filter dengan matrik 3x3 untuk menghilangkan noise. Script:
%load image A = imread('moon.tif'); A=im2double(A); A=A(1:250,1:250); figure, imshow(A); figure, imhist(A); %add noise B=imnoise(A,'salt & pepper',0.01); % Noisy image cut figure, imshow(B); figure, imhist(B); %hasil rekonstruksi R=medfilt2(B,[3 3]); figure, imshow(R); figure, imhist(R); %hasil pemfilteran out = B-R; figure, imshow(out); figure, imhist(out); %noise citra noise = B-A; figure, imshow(noise); figure, imhist(noise); %noise sisa dari pemfilteran sisa = noise-out; figure, imshow(sisa); figure, imhist(sisa);

Output: Citra asli

Citra bernoise

Citra hasil rekonstruksi

Noise

noise sisa penfilteran

Citra hasil pemfilteran

Pemfilteran Domain Frekuensi

Pemfilteran pada domain frekuensi dengan menggunakan Low Pass Filter (LPF) yaitu dengan meloloskan frekuensi rendah dan menahan frekuensi tinggi. Frekuensi tinggi pada citra digambar dengan perubah intensitas antar piksel yang tinggi. Sedangkan frekuensi rendah digambarkan dengan perubahan intensitas antar piksel yang rendah. Script:
%load image i = imread('moon.tif'); i = im2double(i); i = i(1:300,1:300); figure, imshow(i); %add noise B = imnoise(i,'salt & pepper',0.01); figure, imshow(B); figure, imhist(B); % Filter LPF P =300; L = 300; u0 = 80 ; u = 0:(P-1); v = 0:(L-1); idx = find (u > P/2) ; u(idx ) = u(idx)-L; idy = find(v > L/2) ; v(idy) = v(idy)-L; [V,U] = meshgrid(v, u); D = sqrt(U.^2 + V.^2); H = double(D <= u0); % konvolusi filter dan citra F = fft2 (double(B)) ; G = H.*F ; %rubah ke domain spasial R = real (ifft2(double(G))) ; %hasil rekonstruksi figure, imshow(R); figure, imhist(R);

%hasil pemfilteran citra out = B - R; noise = B - i; figure, imshow(noise); figure, imhist(noise); %noise sisa sisa = noise - out; figure, imshow(sisa); figure, imhist(sisa);

Output: Citra asli

Citra bernoise

Citra hasil rekonstruksi

Noise

noise sisa dari pemfilteran

Citra hasil pemfilteran

Pemfilteran Metode Wavelet

Pemfilteran menggunakan metode wavelet yaitu memecah citra menjadi sebuah blok yang berfrekuensi rendah dan blok yang berfrekuensi tinggi. Untuk menghilangkan noise pada citra, blok yang berisi frekuensi tinggi akan difilter menggunakan soft thresholding yang akan memotong bagian yang berfrekuensi tinggi ini sesuai dengan threshold yang yang dihitung menggunakan persamaan dari vavelet. Script:
% Load gambar A = imread('moon.tif'); A=im2double(A); A=A(1:250,1:250); figure, imshow(A); figure, imhist(A); % Add noise B=imnoise(A,'salt & pepper',0.01); % Noisy image cut figure, imshow(B); figure, imhist(B); % Dekomposisi citra 2 level dengan db4 level=2; [c,s]=wavedec2(An,level,'db4'); s2=s(2:level+1,1)'; s2=[s2; s2; s2]; s2=[s(1);s2(:)]; ss=s2.^2; % Menghitung threshold THR = ddencmp('den','wv',An); % Soft thresholding dengan exclude aproksimasi dari proses thresholding for i=1:7, if i==1 thr(i)=0; else thr(i)=THR; end, end ind(1)=0; for i=1:7, ind(i+1)=sum(ss(1:i)); end

for i=1:7 k=find(abs(c(ind(i)+1:ind(i+1)))<=thr(i)); k=k+ind(i); cd(k)=0; k=find(abs(c(ind(i)+1:ind(i+1)))>thr(i)); k=k+ind(i); cd(k)=sign(c(k)).*(abs(c(k))-thr(i)); end; % Rekonstruksi gambar R=waverec2(cd,s,'db4'); figure, imshow(R); figure, imhist(R); %Tampilkan hasil out = B-R; figure, imshow(out); figure, imhist(out); %noise noise=B-A; figure, imshow(noise); figure, imhist(sisa); %sisa noise pada citra sisa=noise-out; figure, imshow(sisa); figure, imhist(sisa);

Output: Citra asli

Citra bernoise

Citra hasil rekonstruksi

Noise

Noise sisa

Citra hasil filtering

Kesimpulan
Jika dibandingkan hasil pemfilteran pada domain spasial, frekuensi dan waveletn maka penfilteran pada domain spasial. Hasil pemfilteran:

Domain spasial

noise sisa

Domain frekuensi

noise sisa

Wavelet

noise sisa