Anda di halaman 1dari 25

BAB I PENDAHULUAN

1.1. Latar Belakang Masalah Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu. Citra digital (digital image) adalah citra kontinyu f(x,y) yang sudah didiskritkan baik koordinat spasial maupun tingkat kecerahannya. Setiap titik biasanya memiliki koordinat sesuai dengan posisinya dalam citra. Pemugaran Citra (image restoration) Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikkan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Pemugaran Citra (image restoration) Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikkan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai : Peningkatan Kualitas Citra (Image Enhancement) dan Pemulihan Citra (Image Restoration). Pada kesempatan kali ini, kami akan mencoba menjelaskan mengenai image restoration dan aplikasinya dengan menggunakan MATLAB. 1.2. Ruang Lingkup Pembahasan dan Batasan Batasan masalah makalah ini : 1. Membahas pengolahan citra digital mengenai image restoration. 2. Mengolah citra digital yang telah rusak atau degredasi menjadi bagus.
3. Tujuan dan operasi pemugaran citra

4. Citra digital dan citra masukan 5. Tujuan dari pengolahan citra digital
6. Esensi image restoration 7. Menbahas aplikasi image restoration dengan menggunakan MATLAB 1.1. Tujuan Penulisan

Tujuan kami dalam membuat makalah image restoration adalah


1

1. Mampu menganalisis citra yang terkena noise dan melakukan proses perbaikan menggunakan metode pada proses image restoration 2. Agar dapat mengetahui model pengolahan citra menggunakan cara image restoration.
3. Agar dapat mengetahui tujuan dan operasi pemugaran citra 4. Agar dapat mengetahui citra digital dan citra masukan 5. Agar dapat mengetahui tujan dari pengolahan citra digital 6. Agar dapat mengetahui esensi image restoration 7. Mampu mengaplikasi image restoration dengan menggunakan MATLAB

8. Memenuhi tugas Pengolahan Citra Digital

BAB II TINJAUAN PUSTAKA

2.1 Pengertian Citra Citra adalah representasi dua dimensi untuk bentuk fisik nyata tiga dimensi. Citra dalam perwujudannya dapat bermacam-macam, mulai dari gambar hitam-putih pada sebuah foto (yang tidak bergerak) sampai pada gambar berwarna yang bergerak pada pesawat televisi. Citra dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam. Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat: 1. 2. 3. optik berupa foto, analog berupa sinyal video seperti gambar pada monitor televisi, digital yang dapat langsung disimpan pada suatu pita magnetik.

Proses transformasi dari bentuk tiga dimensi ke bentuk dua dimensi untuk menghasilkan citra akan dipengaruhi oleh bermacam-macam faktor yang mengakibatkan penampilan citra suatu benda tidak sama persis dengan bentuk fisik nyatanya. Faktorfaktor tersebut merupakan efek degradasi atau penurunan kualitas yang dapat berupa rentang kontras benda yang terlalu sempit atau terlalu lebar, distorsi geometrik, kekaburan (blur), kekaburan akibat obyek yang bergerak (motion blur), noise atau gangguan yang disebabkan oleh interferensi peralatan pembuat citra, baik berupa transduser, peralatan elektronik ataupun peralatan optik. Citra digital (digital image) adalah citra kontinyu f(x,y) yang sudah didiskritkan baik koordinat spasial maupun tingkat kecerahannya. Setiap titik biasanya memiliki koordinat sesuai dengan posisinya dalam citra. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili titk tersebut. Format nilai piksel sama

dengan format citra keseluruhan. Pada kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif. Komputer dapat mengolah isyarat-isyarat elektronik digital yang merupakan kumpulan sinyal biner (bernilai dua: 0 dan 1). Untuk itu, citra digital harus mempunyai format tertentu yang sesuai sehingga dapat merepresentasikan obyek pencitraan dalam bentuk kombinasi data biner. Citra yang tidak berwarna atau hitam putih dikenal sebagai citra dengan derajat abuabu (citra graylevel/grayscale). Derajat abu-abu yang dimiliki ini bisa beragam mulai dari 2 derajat abu-abu (yaitu 0 dan 1) yang dikenal juga sebagai citra monochrome, 16 derajat keabuan dan 256 derajat keabuan. Dalam citra berwarna, jumlah warna bisa beragam mulai dari 16, 256, 65536 atau 16 juta warna yang masing-masing direpresentasikan oleh 4,8,16 atau 24 bit data untuk setiap pikselnya. Warna yang ada terdiri dari 3 komponen utama yaitu nilai merah (red), nilai hijau (green) dan nilai biru (blue). Paduan ketiga komponen utama pembentuk warna tersebut dikenal sebagai RGB color yang nantinya akan membentuk citra warna. Citra masukan adalah citra yang tampak kabur (blur). Kekaburan gambar mungkin disebabkan pengaturan fokus lensa yang tidak tepat atau kamera bergoyang pada pengambilan gambar. Melalui operasi deblurring, kualitas citra masukan dapat diperbaiki sehingga tampak lebih baik. Citra (image) bisa didefinisikan sebagai fungsi dua dimensi f(x,y) di mana x dan y adalah koordinat spasial dan amplitudo f pada setiap pasang (x,y) disebut intensitas (gray level) citra pada titik tersebut.Jika x dan y berhingga (finite) dan diskrit (tdk kontinyu) maka disebut citra digital. Citra digital terdiri dari sejumlah elemen berhingga yang masing-masing mempunyai lokasi dan nilai.Elemen-elemen x dan y disebut elemen citra / pels / pixel. Citra digital adalah citra dengan f(x,y) yang nilainya didigitalisasi-kan (dibuat diskrit) baik dalam koordinat spasialnya maupun dalam gray level nya. Digitalisasi dari koordinat spasial citra disebut dengan image sampling, sedangkan digitalisasi dari graylevel citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan sebagai suatu matriks dimana baris dan kolomnya menunjukkan gray level di titik tersebut. Elemen-elemen dari citra digital tersebut biasanya disebut dengan pixel, yang merupakan singkatan dari picture elements .

2.1 Pengolahan Citra Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik.Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu (degradasi ), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Tujuan pengolahan citra digital adalah untuk mendapatkan citra baru yang lebih sesuai untuk digunakan dalam aplikasi tertentu. Salah satu jenis pengolahan citra adalah yang disebut dengan contrast stretching .Contrast stretching ini adalah teknik yang digunakan untuk mendapatkan citra baru dengan kontras yang lebih baik daripada kontras dari citra asalnya. Citra yang memiliki kontras rendah dapat terjadi karena kurangnya pencahayaan, kurangnya bidang dinamika dari sensor citra, atau kesalahan setting pembuka lensa pada saat pengambilan citra. Ide dari proses contrast stretching adalah untuk meningkatkan bidang dinamika dari gray level di dalam citra yang akan diproses.Pengolahan citra (image processing) bertujuan untuk memperbaiki kualitas citra dengan suatu tujuan tertentu. Beberapa alasan mengapa perlu dilakukan pengolahan citra, antara lain :
1. Untuk mendapatkan citra asli dari suatu citra yang sudah buruk karena pengaruh

derau. Proses pengolahan bertujuan untuk mendapatkan citra yang diperkirakan mendekati citra sesungguhnya. 2. Untuk memperoleh citra dengan karakteristik tertentu dan cocok secara visual yang dibutuhkan untuk tahap lebih lanjut dalam pemrosesan citra. Terdapat lima proses dalam pengolahan citra digital, yaitu image restoration, image enhancement, image data compaction, image analysis, dan image reconstruction (Murni,1992). Disini akan dibahas dua diantaranya yaitu image restoration dan image enhancemen. Image Restoration atau perbaikan citra berhubungan dengan minimalisasi atau penghilangan degradasi tertentu yang terdapat dalam citra sehingga didapatkan kembali citra aslinya. Degradasi ini dapat diakibatkan oleh lingkungan penginderaan citra, misalnya derau yang diakibatkan sensor citra, buram (blur) akibat kamera yang tidak fokus, keadaan atmosfir atau pencahayaan ketika citra ditangkap, dan sebagainya. Teknik dan proses untuk mengurangi atau menghilangkan efek degradasi pada citra digital meliputi perbaikan/peningkatan citra (image enhancement), restorasi citra (image
5

restoration), dan tranformasi spasial (spasial transformation). Subyek lain dari pengolahan citra digital diantaranya adalah pengkodean citra (image coding), segmentasi citra (image segmentation), representasi dan deskripsi citra (image representation and description). Pengolahan citra dilakukan dengan komputer digital maka citra yang akan diolah terlebih dahulu ditransformasikan ke dalam bentuk besaran-besaran diskrit dari nilai tingkat keabuan pada titik-titik elemen citra. Bentuk citra ini disebut citra digital. Setiap citra digital memiliki beberapa karakteristik, antara lain ukuran citra, resolusi dan format lainnya. Umumnya citra digital berbentuk persegi panjang yang memiliki lebar dan tinggi tertentu, yang biasanya dinyatakan dalam banyaknya titik atau piksel (picture elemen/pixel). Ukuran citra dapat juga dinyatakan secara fisik dalam satuan panjang (misalnya mm atau inch). Dalam hal ini tentu saja harus ada hubungan antara ukuran titik penyusun citra dengan satuan panjang. Hal tersebut dinyatakan dengan resolusi yang merupakan ukuran banyaknya titik untuk setiap satuan panjang. Biasanya satuan yang digunakan adalah dpi (dot per inch). Makin besar resolusi makin banyak titik yang terkandung dalam citra dengan ukuran fisik yang sama. Hal ini memberikan efek penampakan citra menjadi semakin halus. Format citra digital ada bermacam-macam. Karena sebenarnya citra merepresentasikan informasi tertentu, sedangkan informasi tersebut dapat dinyatakan secara bervariasi, maka citra yang mewakilinya dapat muncul dalam berbagai format. Citra yang merepresentasikan informasi yang hanya bersifat biner untuk membedakan 2 keadaan tentu tidak sama citra dengan informasi yang lebih kompleks sehingga memerlukan lebih banyak keadaan yang diwakilinya. Pada citra digital semua informasi tadi disimpan dalam bentuk angka, sedangkan penampilan angka tersebut biasanya dikaitkan dengan warna. Pengolahan Citra (image processing). Bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan. Termasuk ke dalam bidang ini juga adalah pemampatan citra (image compression). Pengenalan Pola (pattern recognition/image interpretation). Mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin (dalam hal ini komputer). Tujuan pengelompokan adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek-objek di alam sehingga mampu membedakan suatu objek dengan
6

objek lainnya. Kemampuan sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskripsi objek di dalam citra. Operasi Pengolahan Citra. Operasi -operasi yang dilakukan di dalam pengolahan citra banyak ragamnya. Namun, secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut: Perbaikan kualitas citra (image enhancement). Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara citra lebih ditonjolkan. Contoh-contoh operasi perbaikan citra: perbaikan kontras gelap/terang perbaikan tepian objek (edge enhancement) penajaman (sharpening) pembrian warna semu (pseudocoloring) penapisan derau (noise filtering) Segmentasi citra (image segmentation). Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh. Pengubahan kecerahan gambar .Image Brightness (pencerahan gambar)adalah suatu teknik untuk membuat citra menjadi lebih terang atau lebih gelap. Kecerahan/kecermelangan gambar dapat dilakukan dengan cara menambahkan(atau mengurangkan) sebuah konstanta dari setiap pixel di dalam citra. Proses Image Brightness menyebabkan histogram dari citra tersebut mengalami perubahan. Perbaikkan Kualitas Citra (image enhancement) Jenis operasi ini bertujuan untuk memperbaiki citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, cirri-ciri khusus yang khusus yang terdapat didalam citra lebih ditonjolkan. memanipulasi parameter-parameter citra. Dengan operasi ini, ciri -ciri khusus yang terdapat di dalam

1.3 Image Restoration (Pemugaran Citra)

Pemugaran Citra (image restoration) Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikkan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh operasi pemugaran citra :
Penghilangan kesamaran (deblurring) Penghilangan derau (noise) Pemampatan Citra (image compression)

Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan citra adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Segmentasi Citra (image segmentation) Jenis operasi ini bertujuan untuk memecah suatu citra kedalam beberapa segmen dengan suatu criteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.Pengorakan Citra (Image Analysis). Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan diskripsinya. Tehnik pengolahan citra mengekstraksi cirri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadang kala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi pengolahan citra :
a. Pendeteksian tepian objek (edge detection) b. Ekstraksi batas (boundary) c. Representasi Daerah (region) d. Rekonstruksi Citra (Image Reconstruction)

Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Banyak metode yang ada dalam pengolahan citra bertujuan untuk mengurangi atau menghilangkan noise. Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan operasi yang dilakukan terhadap citra. Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai berikut :
1. Peningkatan Kualitas Citra (Image Enhancement), Operasi peningkatan kualitas

citra bertujuan untuk meningkatkan fitur tertentu pada citra.


2. Pemulihan Citra (Image Restoration), Operasi pemulihan citra bertujuan untuk

mengembalikan kondisi citra pada kondisi yang diketahui sebelumnya akibat adanya pengganggu yang menyebabkan penurunan kualitas citra.

Berdasarkan cakupan operasi yang dilakukan terhadap citra, Operasi pengolahan citra dikategorikan sebagai berikut : Operasi titik, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya hanya ditentukan oleh nilai piksel itu sendiri. Operasi area, yaitu operasi yang dilakukan terhadap setiap piksel pada citra yang keluarannya dipengaruhi oleh piksel tersebut dan piksel lainnya dalam suatu daerah tertentu. Salah satu contoh dari operasi berbasis area adalah operasi ketetanggaan yang nilai keluaran dari operasi tersebut ditentukan oleh nilai piksel-piksel yang memiliki hubungan ketetanggaan dengan piksel yang sedang diolah. Operasi global, yaitu operasi yang dilakukan tehadap setiap piksel pada citra yang keluarannya ditentukan oleh keseluruhan piksel yang membentuk citra. Pemugaran citra merupakan proses merekonstruksi atau mendapatkan kembali citra asli dari sebuah citra yang cacat atau terdegradasi agar dapat menyerupai citra aslinya. Pemugaran citra berkaitan dengan penghilang atau pengurangan degradasi pada citra yang terjadi karena proses akusisi. Citra degradasi yang dimaksud termasuk derau (yang merupakan error dalam nilai piksel) atau efek optik misalnya blur (citra kabur) akibat kamera yang tidak fokus atau karena gerakan kamera (Marvin, 2005). Noise atau pengotor citra biasanya didapat dari proses dijitasi citra. Dijitasi citra ini adalah proses meng-capture objek di dunia nyata kedalam citra dijital. kalau kita memotret sesuatu dengan kamera dijital, sebenarnya kita sedang melakukan proses dijitasi citra. kadang-kadang lensa kamera kita kotor kan? jadi ada bintik-bintik di foto yang didapat. Bintik-bintik itu salah satu jenis pengotor. Sebenarnya ada banyak jenis pengotor. Untuk sementara, asumsikan bahwa pada proses "Pemotretan" (proses dijitasi citra), ada banyak hal yang menyebabkan citra tidak sempurna (memiliki pengotor). jenis pengotor yang lainnya adalah pengotor yang berasal dari hardware (contoh: kamera yang setengah rusak). Ada beberapa jenis pengotor yang dapat kita modelkan, misalkan pengotor yang berasal dari sensor yang kurang sempurna, pengotor yang berasal dari sinyal transmisi yang kurang baik sehingga pada saat transimisi data citra tidak diterima dengan baik. Salah satu contoh pengotor yang terkenal adalah salt-and-pepper noise (garam dan merica). Jenis pengotor ini didapatkan karena sensor yang kurang sempurna. Inilah salah satu contoh salt-and-pepper noise.

Perhatikan pada citra diatas, citra sebelah kiri adalah citra dengan pengotor salt-andpepper, citra disebelah kanan adalah citra tanpa pengotor. Secara matematis, pengotor jenis ini dapat dimodelkan dengan memakai random variable yang ada pada ilmu probabilitas.

Rumusnya adalah sebagai berikut. Biasanya pengotor-pengotor dimodelkan secara matematis dengan menggunakan Probabilistic Density Function (PDF). Kenapa? Karena, noise itu random bukan? maksudnya, tidak dapat diterka, dimana dan kapan dia muncul. Namun demikian, kita dapat mengira-ngira kemungkinan suatu pengotor itu muncul. Nah ilmu mengira-ngira kemungkinan itu ada di ilmu probabilitas. Lalu setelah kita mengetahui jenis pengotornya. Apa yang kita lakukan berikutnya? Wah gampang itu... biasanya kalau kita sudah tau jenis pengotornya, dan kita tau kalau jenis pengotor tersebut dapat dimodelkan. Hal berikutnya adalah mencari filter yang dapat menghilangkan noise tersebut. Contohnya, pada kasus salt-and-pepper noise , untuk menghilangkan noise tersebut secara sempurna adalah dengan menggunakan median filter. Dijamin mutu, pasti pengotornya akan hilang seketika. Jadi esensi image restoration adalah ketika kita dapat memodelkan pengotor, dan pengotor tersebut sudah dikenal, kita tinggal menggunakan metode yang sudah ada untuk menghilangkan pengotor. Dan biasanya hasil image restoration cukup memuaskan. Kebanyakan hasilnya adalah, kita mendapatkan citra tanpa pengotor tersebut. Istilah citra yang digunakan dalam bidang pengolahan citra diartikan sebagai suatu fungsi kontinu dari intensitas cahaya f(x,y) dalam bidang dua dimensi, dengan (x,y) menyatakan suatu koordinat, dan nilai f pada setiap titik (x,y) menyatakan intensitas, tingkat kecerahan, atau derajat keabuan (Murni,1992).

10

Jika kita memperhatikan citra digital secara seksama, kita dapat melihat titik-titik kecil berbentuk segiempat yang membentuk citra tersebut. Titik-titik tersebut merupakan satuan terkecil dari suatu citra digital disebut sebagai picture element, pixel (piksel), atau pel. Jumlah piksel per satuan panjang akan menentukan resolusi citra tersebut. Makin banyak piksel yang mewakili suatu citra, maka makin tinggi nilai resolusinya dan makin halus gambarnya. Pada sistem dengan tampilan citra digital yang dirancang dengan baik (beresolusi tinggi), titik-titik kecil tersebut tidak dapat teramati oleh kita yang melihat secara normal. Citra berwarna dapat dinyatakan dengan banyak cara, salah satunya adalah dengan menggunakan sinyal RGB (Red-Green-Blue). Pada cara ini, sebuah citra berwarna dinyatakan sebagai gabungan dari tiga buah citra monochrome merah, hijau, dan biru yang berukuran sama. Warna untuk setiap pikselnya tergantung dari komposisi ketiga komponen pada koordinat tersebut. Untuk mempermudah pembahasan, semua istilah citra pada laporan ini merujuk kepada citra dalam derajat keabuan (graylevel), di mana pada citra berwarna direpresentasikan dengan nilai yang sama pada ketiga komponen R-G-Bnya.Bertujuan menghasilkan citra (lebih tepat disebut grafik atau picture) dengan primitifprimitif geometri seperti garis, lingkaran, dan sebagainya. Primitif-primitif geometri tersebut memerlukan data deskriptif untuk melukis elemen-elemen gambar.

11

BAB III METODE PELAKSANAAN

3.1

Metode Pelaksanaan Dalam penyusunan makalah ini, penulis menggunakan beberapa metode pelaksanaan

dalam pengumpulan data antara lain : 1. Studi kepustakaan, yaitu dengan cara mengambil data teoritis dan membaca bukubuku referensi yang berhubungan dengan judul yang diangkat dari tugas pengolahan citra digital. Studi kepustakaan ini diperuntukkan dalam proses penulisan makalah dan dalam proses pembuatan program dengan menggunakan matlab.

12

BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Kajian Teoritis Restorasi citra merupakan operasi yang penting dalam suatu pemrosesan citra (Gonzales, 2001 ; Tinku, 2005). Operasi tersebut digunakan untuk mengurangi noise pada saat akuisisi data. Seringkali pada saat akuisisi data , citra yang dihasilkan tidak sesuai dengan apa yang diinginkan sebelumnya (Mark, 2008). Ketidaksuaian citra yang telah didapatkan disebabkan oleh beberapa persoalan : a. Karena lensa kamera yang kurang bersih, sheingga muncul bintik-bintik (noise) b. Karena adanya gangguan pada saat melakukan pengiriman data Hasil pengambilan citra yang tidak sesuai tersebut dapat diperbaiki melalui restorasi citra. Tujuan dari restorasi (image restoration) adalah untuk meningkatkan kualitas citra (tanpa degradasi). Pada image restoration penilaian sangat objektif yaitu berdasarkan penentuan standar umum matematis (signal to niose). Restoration bertujuan untuk merekontruksi atau memulihakan citra yang telah terdegradasi dengan pembelajaran akan fenomena degradasi yang umum terjadi. Jadi, teknik restorasi suatu citra adalah melakukan model-model degradasi kemudian melakukan proses inverse dari model degradasi terhadap citra sehingga di dapatkan citra asli.

4.1.1 Noise Model Kemampuan untuk mensimulasi karakteristik dan efek dari noise(derau) adalah intisari dari image restoration. pada fasilitas MATLAB Image Processing Toolbox terdapat syntax untuk secara otomatis melakukan penyertaan derau atau noise pada suatu citra. Dimana syntax yang digunakan adalah imnoise, dengan syntax ini dapat melakukan penyertaan derau dengan model yang
13

berbeda-beda, tergantung dari input parameter argumennya. Fungsi imnoise mempunayi syntax dasar sebagai berikut :

Dimana f adalah fungsi input citra. Fungsi imnoise mengkonversi input citra menjadi variable class double pada rentang [0.0 1.0] sebelum ditambahkan derau. Syntax imnoise mempunyai berbagai model noise, dimana keterangan tiap noise dapat dilihat pada help MATLAB. Misalkan diketahui citra f(x,y, filter spasial disimbolkan menggunakan h(x,y) dan error secara acak (noise) yang disimbolkan dengan n(x,y), maka hasil konvolusi antara f(x,y) dan h(x,y) dapat dituliskan menggunakan persamaan (Mark, 2008). g(x,y)=f(x,y)*h(x,y) jika dalam konvolusi tersebut terdapat noise n(x,y), maka hasil konvolusi yang terkena noise dapat dituliskan dalam bentuk persamaan : g(x,y)=f(x,y)*h(x,y)+n(x,y) noise banyak disebabkan oleh gangguan luar. Jika sebuah citra dikirim secara eletronik dari satu tempat ke tempat lain melalui satelit, transmisi wireless atau media kabel, maka akan muncul gangguan, error yang terjadi tergantung pada tipe gangguan pada sinyal. Kalau jenis gangguannya dapat diketahui, maka dengan mudah gangguan tersebut dapat ditangani. Proses perbaiki citra dari gangguan yang muncul tersebut disebut dengan restorasi citra (Image Restoration) (Jerry, 2000). 4.1.2 Gaussian Noise Noise yang paling banyak terjadi adalah Additive Gaussian Noise. Fungsi kepadatan dari Univariate Gaussian Noise, q, dengan rata-rata , dan simpangan 2 adalah (Tinku, 2005): ( x-)2 Pq(x)=(2 2) 2 2

14

Dimana x berada pada jangkauan -<x<. Fungsi karakteristik Gaussian adalah juga dalam bentuk Gaussian yang dapat dimodelkan dengan menggunakan persamaan :
uT -uT

u2

a (u) = e Operasi linier pada variable random Gaussian menghasilkan variabel random Gaussian, misalkan diketahui sebuah variabel a sebagai simbol dari N (, ) dan b=Ga+h, maka b(u), dapat dihitung dengan menggunakan persamaan : juT(G+h)-uTGGTu/2 b (u)= e Dimana fungsi dari karakteristik variabel random Gaussian dengan rata-rata G+h dan kovarian GGT. Penanganan Noise Noise merupakan gangguan yang harus ditangani sebelum citra dianalisis. Namun, demikian setiap noise, terdapat cara untuk penanganan noise. Semua noise tidak dapat diperlakukan sama, Noise tipe salt dan papper mempunyai karakteristik yang berbeda dengan noise tipe gaussian. Penanganan noise seringkali berhubungan dengan filter. Untuk melakukan filter suatu citra dibutuhkan proses konvolusi. a. Konvolusi Operasi konvolusi sebuah citra f(x,y) menggunakan matrik mask pada umumnya berukuran square dan ukurannya biasanya ganjil, misalnya matrik mask 3x3, 5x5, 7x7 atau matrik ukuran lainnya. Operasi konvolusi ini tentunya melibatkan tetangga dari piksel yang dikenai operasi tersebut. Jika sebuah mask disimbolkan dengan h(x,y), maka hasil operasi konvolusi antara f(x,y) dengan matrik h(x,y) dapat dituliskan menggunakan persamaan : fn=f(x,y)*h(x,y)

15

Berikut ini merupakan representasi dari matrik konvolusi untuk 3x3 adalah sebagai berikut : (x-1(,(y-1) (x,y-1) (x+1,y-1) (x-1,y) (x,y) (x+1,y) (x-1,y+1) (x,y+1) (x+1,y+1)

Matrik mask dioperasikan dengan citra asli mulai dari posisi piksel (1,1) sampai seukuran citra asli. Jika elemen matrik citra yang dikenai operasi terletak pada tepi, maka matrik mask yang tidak mempunyai pasangan akan dikalikan dengan nilai 0. b. Penangan citra yang mengandung noise salt dan pepper Pengukuran atau penghapusan noise dalam bentuk salt dan pepper dapat dilakukan dengan berbagai cara, salah satu cara yang biasa dipakai untuk menghilangkan noise tersebut adalah dengan melakukan konvolusi terhadap mask matrik rata-rata. Namun, dari konvolusi dengan matrik rata-rata tidak dapat menyelesaikan penghapusan atau pengurangan noise secara optimal, semakin banyak noise yang menempel, maka semakin jelek hasil yang diperoleh, meskipun dengan menggunakan mask yang lebih besar. Cara lain untuk menangani noise tersebut adalah dengan menggunakan median filter. Median filter merupakan tipe khusus dari low pass filter, median filter tidak membutuhkan konvolusi, namun mengambil nilai titik tengah dari citra setelah nilai pikselnya diurutkan dengan menggunakan ukuran tertentu, misalnya 3x3, 5x5, 7x7 atau yang lainnya. Median filter telah banyak digunakan untuk mengurangi/ mengubah noise dari citra yang terkena noise model salt dan pepper. c. Penanganan Gaussian Noise menggunakan Wiener Filter Wiener filter merupakan Discrete Time Linier Finite impuls response (FIR) filter. Prinsip ini telah dikembangkan luas untuk rekonstruksi dari sinyal satu dimensi dan citra dua dimensi. Meskipun Wiener Filter sensitif terhadap noise, tapi filter tersebut dapat merekonstruksi citra secara bagus.
16

Metode ini memasukkan fungsi degradasi dan karakteritas statistik dari gangguan (noise) menjadi proses restorasi. Metode ini di founded oleh citra-citra yang dipertimbangkan (citra yang terkena gangguan) dan gangguan (noise) sebagai random processes. 4.1 Hasil Pemrograman dengan MATLAB 4.2.1 Deblurring dengan Wiener Filter

a. Syntax MATLAB
%Deblurring dengan Wiener Filter I = imread('coba.PNG'); %inisialisasi variabel I untuk membaca/membuka image coba.png figure;imshow(I);title('Original Image'); %menampilkan image dengan judul Original Image dalam figure 1 %membuat PSF LEN = 31; THETA = 11; PSF = fspecial('motion',LEN,THETA); %membuat blur pada image Blurred = imfilter(I,PSF,'circular','conv'); figure; imshow(Blurred);title('Blurred Image');%menampilkan gambar hasil blur %membuat Deblur pada image. wnr1 = deconvwnr(Blurred,PSF); figure;imshow(wnr1);title('Restored, True PSF');%menampilkan gambar hasil deblur

b. Hasil Output

17

4.2.2. Gaussian Filter a. Syntax MATLAB


%GAUSSSIAN FILTER PSF I = imread('coba.png');%inisialisasi pembacaan image figure; imshow(I); title('Original Image');%gambar yang di baca tadi ditampilkan dengan judul "Original Image" PSF = fspecial('gaussian',11,5);%penggunaan Gaussian filter PSF Blurred = imfilter(I,PSF,'conv');%penggunaan Gaussian filter PSF dengan sebuah gambar (menggunakan imfilter) V = .02; %pendeklarasian nilai untuk gambar yang di blur dan penambahan noisy BlurredNoisy = imnoise(Blurred,'gaussian',0,V);%penambahan noise di gambar disimulasikan dengan penambahan Gaussian noise dar variable V ke image yang di blur (menggunakan imnoise) figure;imshow(BlurredNoisy);title('Blurred and Noisy Image'); %menampilkan gambar yang di blur dan penambahan noise %Penggunaan deconvreg untuk deblur image, yang dispecifikasikan penggunaan %PSF untuk membuat blur and the noise power, NP. NP = V*prod(size(I)); [reg1 LAGRA] = deconvreg(BlurredNoisy,PSF,NP); figure,imshow(reg1),title('Restored Image');%menampilkan hasil Restored Image

b.

Hasil Output

18

19

4.2.2. Pengaplikasian restoration dengan detail matrix dalam image a. Syntax MATLAB
% blur examples % call motionblur.m clear all % load image load p64int.txt; [m,n]=size(p64int); winsize=input('Blur operator window size (an odd number, default = 9): '); if isempty(winsize), winsize=9; elseif rem(winsize,2)==0, winsize=winsize+1; disp(['Use odd number for window size = ' int2str(winsize)]) end disp(['1. Linear motion blur;']) chos=input('Enter a number to choose type of blur applied (default = 1): '); if isempty(chos), chos=1; end if chos==1, dirangle=input('Bluring direction (an angle in degrees, default = 45) = '); if isempty(dirangle), dirangle=45; end h=motionblur(dirangle,winsize); end F=fft2(p64int); Hmat=fft2(h,64,64); Gmat=F.*Hmat; g=ifft2(Gmat); figure(1), subplot(121),imagesc(p64int),colormap('gray'),title('origina l image') subplot(122),imagesc(abs(g)),colormap('gray'),title('blurred image') figure(2), subplot(212),imagesc(log(1+abs(Gmat))),colormap('gray'),titl e('blurring filter') subplot(211),imagesc(h),colormap('gray'),title('blurring filter mask')

20

Dengan memanggil motionblur.m


function h=motionblur(dirangle,winsize) % Usage: h=motionblur(dirangle,winsize) % generate winsize by winsize linear motion blur mask at % an angle of dirangle % winsize: window size, must be an odd number % dirangle: an angle between 0 and 360 degrees if nargin<2, winsize=9; end % default window size an odd number h=zeros(winsize); % FIR window ext=(winsize-1)/2; % now approximate motion blur with a direction % specified in terms of angle (degrees) if (abs(abs(dirangle)-90) >=45) & (abs(abs(dirangle)270)>=45), slope=tan(dirangle*pi/180); rloc=round(slope*[-ext:ext]); for i=1:winsize, h(ext-rloc(i)+1,i)=1; end else % if dirangle between 45 and 135, and 225 to 315 % work from the y axis slope=cot(dirangle*pi/180); cloc=round(slope*[-ext:ext]); for i=1:winsize, h(i,ext-cloc(i)+1)=1; end end

b. Hasil Output

21

22

4.2 Perbedaan Citra Asli dan Citra yang telah diolah Jika dilihat dari hasil output yang ada

Terlihat perbedaan antara original image dengan blurred image, yaitu pada gambar blurred image terlihat lebih buram dan terdapat bayangan dibanding dengan gambar aslinya. Sedangkan gambar kedua Blurred and Noisy Image terdapat perbedaan dengan blur pada gambar pertama, yaitu gambar kedua terdapat bintik-bintik karena diberi noise. Sedangkan perbedaan antara original image dengan restored image yaitu terdapat blur yang lebih jika dibandingkan dengan gambar Blurred and Noisy. Jika dilihat lebih jauh maka akan terdapat perbedaan pixel antara Original Image, Blurred and Noisy Image dan Restored Image.
23

BAB V PENUTUP 5.1. Kesimpulan Kesimpulan yang dapat diambil setelah membuat makalah image restoration adalah sebagai berikut : 1. Tujuan dari restorasi (image restoration) adalah untuk meningkatkan kualitas citra (tanpa degradasi). Pada image restoration penilaian sangat objektif yaitu berdasarkan penentuan standar umum matematis (signal to niose). Restoration bertujuan untuk merekontruksi atau memulihakan citra yang telah terdegradasi dengan pembelajaran akan fenomena degradasi yang umum terjadi.
2. Pada fasilitas MATLAB Image Processing Toolbox terdapat syntax untuk secara

otomatis melakukan penyertaan derau atau noise pada suatu citra. Dimana syntax yang digunakan adalah imnoise, dengan syntax ini dapat melakukan penyertaan derau dengan model yang berbeda-beda, tergantung dari input parameter argumennya. Fungsi imnoise mempunayi syntax dasar sebagai berikut :

Dimana f adalah fungsi input citra. 5.2. Saran Diharapkan pada pembuatan Image Restoration pada MATLAB butuh ketelitian dan sumber daya manusia yang baik untuk pengaplikasiannya.

24

Daftar Pustaka Amir Fatah Sofyan, 2008. Komputer Grafis. penerbit : Penerbit Andi, Jakarta Murni, A., 1992, PengantarPengolahan Citra, Elek Media Komputindo Gramedia , Jakarta MATLAB 7

25

Anda mungkin juga menyukai