RIZKI RAMADHAN

15510631160102
MATA KULIAH PENGOLAHAN CITRA DIGITAL

1. Operasi titik penambahan dan pengurangan intensitas citra

Script Matlab
a = imread('rr.jpg')
b = a+100;
c = a-50;
imshow([a b c]);

Output

A B C

Gambar A, menunjukan citra awal sebelum dilakukan pengurangan dan penambahan intensitas, Gambar B
menunjukan citra yang telah diberikan penambahan intensitas citra, Gambar C menunukan citra yang telah
diberikan pengurangan citra.

2. Operasi titik melalui ekualisasi histrogram

Script Matlab
a = imread('rr.jpg');
b = histeq(a);
imshow([a b]);

Output

A B
Gambar A, menunjukan citra awal sebelum dilakukan ekualisasi histrogram, Gambar B menunjukan citra yang
telah diberikan ekualisasi histrogram.
3. Operasi ruang, pebaikan dilakukan menggunakan LPF (Low Pass Filtering) / Smoothing

Script Matlab
clear; clc;
A = imread('rr.jpg');
A = imnoise(A, 'salt & pepper', 0.01);
k = ones(3) / 9;
[r, c] = size(A);
[m, n] = size(k);
h = rot90(k, 2);
center = floor((size(h)+1)/2);
left = center(2) - 1;
right = n - center(2);
top = center(1) - 1;
bottom = m - center(1);
Rep = zeros(r + top + bottom, c + left + right);
for x = 1 + top : r + top
for y = 1 + left : c + left
Rep(x,y) = A(x - top, y - left);
end
end
B = zeros(r , c);
for x = 1 : r
for y = 1 : c
for i = 1 : m
for j = 1 : n
q = x - 1;
w = y -1;
B(x, y) = B(x, y) + (Rep(i + q, j + w) * h(i, j));
end
end
end
end
figure, imshow(A);
figure, imshow(uint8(B));

Output

A B

Gambar A, menunjukan citra awal yang sebelumnya telah diberikan noise salt&pepper, Gambar B menunjukan
citra yang telah dilakukan penghalusan (smoothing) menggunakan metode LPF (Low Pass Filter).
4. Operasi ruang, perbaikan dilakukan menggunakan HPF (High Pass Filtering) / Sharpening

Script Matlab
I = imread('rr.jpg');
hpf =[-1 -1 -1; -1 9 -1; -1 -1 -1];
[r, c] = size(I);
[m, n] = size(hpf);
h = rot90(hpf, 2);
center = floor((size(h)+1)/2);
left = center(2) - 1;
right = n - center(2);
top = center(1) - 1;
bottom = m - center(1);
Rep = zeros(r + top + bottom, c + left + right);
for x = 1 + top : r + top
for y = 1 + left : c + left
Rep(x,y) = I(x - top, y - left);
end
end
B = zeros(r , c);
for x = 1 : r
for y = 1 : c
for i = 1 : m
for j = 1 : n
q = x - 1;
w = y -1;
B(x, y) = B(x, y) + (Rep(i + q, j + w) * h(i, j));
end
end
end
end
figure, imshow(I);
figure, imshow(uint8(B))

Output

A B

Gambar A, menunjukan citra awal sebelum dilakukan penajaman citra, Gambar B menunjukan citra yang telah
dilakukan penajaman (sharpening) menggunakan metode HPF (High Pass Filtering).
5. Filter Median
Median filter merupakan salah satu jenis low-pass filter, yang bekerja dengan
mengganti nilai suatu piksel pada citra asal dengan nilai median dari piksel tersebut
dan lingkungan tetangganya. Dibandingkan dengan neighborhood averaging, filter
ini lebih tidak sensitif terhadap perbedaan intensitas yang ekstrim.

Script Matlab
clear; clc;
I = imread('rr.jpg');
I = imnoise(I, 'salt & pepper', 0.01);
[r, c] = size(I);
Rep = zeros(r + 2, c + 2);
for x = 2 : r + 1
for y = 2 : c + 1
Rep(x,y) = I(x - 1, y - 1);
end
end
Rep;
B = zeros(r, c);
for x = 1 : r
for y = 1 : c
for i = 1 : 3
for j = 1 : 3
q = x - 1;
w = y -1;
array((i - 1) * 3 + j) = Rep(i + q, j + w);
end
end
B(x, y) = median(array(:));
end
end
figure, imshow(I);
figure, imshow(uint8(B))

Output

A B

Filter median sangat bermanfaat untuk menghilangkan outliers, yaitu nilai-nilai

piksel yang ekstrim. Gambar A, menunjukan citra awal yang diberikan noise salt&pepper, Gambar B
menunjukan citra yang telah diberikan median filtering terhadap citra yang terkena noise dengan
melakukan penapisan.