Bis Mil La
Bis Mil La
ABSTRAK – Citra yang mengalami proses editing ataupun kompresi biasanya akan terkontaminasi noise
yang akan mengurangi kualitas citra. Beberapa teknik filtering telah diperkenalkan untuk penghilangan noise
citra. Penelitian ini mengangkat suatu metode dalam penghilangan noise citra yaitu switching median filter
yang digabung dengan sebuah metode deteksi noise yang disebut Boundary Discriminative Noise Detection
(BDND).Dalam algoritma BDND untuk menentukan apakah suatu piksel termasuk noise atau bukan, maka
piksel tersebut diklasifikasikan ke dalam 3 kelompok yaitu noise berintensitas rendah, piksel yang bukan
noise, dan noise berintensitas tinggi. Suatu piksel dianggap bukan noise jika piksel termasuk kelompok
kedua. Untuk membentuk 3 kelompok dibutuhkan 2 pembatas. Algoritma ini cukup bagus karena dengan
noise density mencapai 90% bisa menghasilkan kesalahan deteksi 0.Empat model noise digunakan dalam uji
coba untuk mengevaluasi ketangguhan algoritma BDND. Hasil uji coba pada citra grayscale dan warna
dengan range noise density antara 10%-90% menunjukkan bahwa switching median filter yang digabung
dengan algoritma BDND mempunyai kinerja yang sangat bagus dalam mengembalikan detil citra dalam
range noise density antara 10% -70%.
Kata kunci : switching median filter, penghilangan noise, deteksi noise
I-42
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
I-43
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
dua dimensi decision map. Untuk 4.2 Perbaikan Algoritma Switching Median
menghasilkan kode angka 1 dan 0, pertama Filter
piksel dikategorikan ke dalam tiga golongan yaitu Switching median filter adalah filter median
kelompok intensitas rendah, kelompok medium yang dikenakan kepada piksel yang sudah
dan kelompok dengan intensitas tinggi. Untuk dideteksi sebagai noise. Switching median filter
membentuk tiga golongan tersebut diperlukan dua sudah mengalami beberapa perbaikan dari
batas pembeda misalnya b1 dan b2. penelitian sebelumnya Noise Adaptive Soft-
Switching Median Filter [1] untuk selanjutnya
3.3 Deteksi Noise pada Citra Warna disebut sebagai NASM.
Dalam pemrosesan citra digital yang paling Dibandingkan dengan tahap filtering NASM,
sering digunakan adalah space warna RGB, ada tiga perubahan yang dijelaskan sebagai
masing-masing piksel pada lokasi (i,j) berikut.
direpresentasikan menjadi vektor warna menjadi Pertama, ukuran jendela maksimum WD1
si,j=(sRi,j , sGi,j , sBi,j) dimana sRi,j , sGi,j, sBi,j x WD1 dibatasi 7 x 7 untuk menghindari hasil
adalah komponen red (R), green (G) dan blue (B). filtering yang terlalu kabur pada noise density
Pada proses penambahan noise pada citra tinggi (p > 50%). Setelah itu ukuran jendela filter
berwarna, proses memasukkan noise dilakukan WF x WF didapat dengan cara yang sama pada
pada setiap komponen R, G, dan B. Jika citra NASM dengan beberapa modifikasi sebagai
berwarna diberi noise dengan noise density p, berikut.
maka masing-masing komponen R, G dan B Pada NASM, dimulai dengan WF = 3,
diberi noise dengan noise density p. Sehingga jendela filtering secara iterative diperbesar sebesar
untuk proses deteksi noise dilakukan pada satu piksel pada keempat sisi jendela, asalkan
masing-masing komponen R, G dan B karena jumlah piksel yang dideteksi bukan noise (dengan
posisi noise yang berbeda pada tiap komponen. notasi Nc) kurang dari setengah jumlah piksel
Proses setiap komponen R, G dan B sama dengan (dengan notasi Sin = ( ½ ) [ WF x WF ] dalam
proses deteksi noise pada citra grayscale. Setiap jendela filtering, dimana WF ≤ WD1. Jendela
komponen akan menghasilkan satu decision map filtering (WF) juga di perbesar ketika jumlah
sehingga citra berwarna akan menghasilkan tiga piksel yang bukan noise sama dengan nol. Oleh
buah decision map. Pada akhirnya akan digabung karena itu, perubahan kedua untuk perbaikan yaitu
menjadi satu decision map berdimensi tiga. pada saat (Nc < Sin dan WF ≤ WD1) atau Nc = 0,
jendela WF x WF akan di perbesar sebesar satu
4. PENGHILANGAN NOISE piksel pada keempat sisi jendela.
Proses penghilangan noise merupakan proses Dengan menggunakan Standard Median
penerapan metode switching median filter. Proses (SM) filter dengan ukuran jendela WF x WF pada
penghilangan noise dengan switching median sebuah piksel ber-noise, maka output piksel Yi,j
filter terdiri atas dua proses, yaitu perkiraan noise adalah
density dan perbaikan algoritma switching median Yi,j = median { Xi-s, j-t|(s,t) Є W },
filter. dimana W = { (s,t) | - (WF-1)/2 ≤ s,t ≤ ( WF –
4.1 Perkiraan Noise Density 1)/2}
Dalam menentukan ukuran jendela filtering
WF x WF, batas maksimum ukuran jendela WD1
x WD1 harus ditentukan terlebih dahulu. Untuk Pada NASM, piksel saat ini masih disertakan
itu berdasarkan pustaka [2] ditentukan ukuran dalam proses pencarian nilai median. Perubahan
jendela WD1 berdasarkan beda perkiraan noise ketiga adalah tidak mengikutkan piksel saat ini
density sesuai tabel 1. yang sudah termasuk dalam piksel yang
Tabel 1. Ukuran WD1 berdasarkan Perkiraan dinyatakan ber-noise dalam proses filtering. Jadi
Noise Density hanya piksel dalam jendela yang dinyatakan tidak
Noise Density WD1xWD1 ber-noise yang diikutkan dalam proses filtering. Ini
0% 3 akan menghasilkan hasil filtering yang lebih bagus.
< p ≤ 20% x3
20% 5 5. DESAIN DAN IMPLEMENTASI
< p ≤ 40% x5 Pada tahap desain digunakan Diagram Alir
> 7 Data untuk mengetahui proses-proses apa saja
40% x7 yang diperlukan. Perangkat lunak yang dibuat
Untuk perkiraaan noise density pada pada berupa aplikasi desktop yang dibangun dengan
BDND menggunakan cara yang sederhana yaitu MATLAB 7.
dengan menghitung angka 1 pada decision map Data masukan adalah file citra dan jenis
yang telah dihasilkan pada proses deteksi noise noise yang ditambahkan. Sedangkan keluaran
dan membaginya dengan jumlah piksel terdiri dari 2 citra, citra hasil filtering dan citra
keseluruhan. hasil ideal filtering.
I-44
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
I-45
Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN:1907-5022
Yogyakarta, 20 Juni 2009
I-46