PENERAPAN FILTER MEDIAN UNTUK MEREDUKSI

NOISE SALT & PEPPER PADA CITRA DIGITAL DAN

IMPLEMENTASINYA DENGAN MATLAB
Ferlin Firdaus Turnip
aProgram Studi Teknik Informatika

Fakultas Teknik dan Ilmu Komputer

Universitas Komputer Indonesia
Jl. Dipati Ukur No. 112-116, Lebakgede, Coblong,
Kota Bandung, Jawa Barat, 40132
ferlinfturnip@email.unikom.ac.id

Abstrak
Citra adalah istilah lain untuk gambar yang merupakan salah satu komponen multimedia sangat berperan penting dalam dunia
pengeditan visual. Citra memiliki banyak informasi didalamnya, seperti noise, histogram, kabur, kontras, warna dan sebagainya.
Derau (noise) dalam pengolahan citra merupakan gangguan yang disebabkan menyimpangnya data digital yang diterima oleh alat
penerima data gambar. Jenis-jenis noise ada tiga, yaitu : Aditif, Gaussian, dan Speckle. Yang akan dibahas di jurnal ini adalah jenis
Aditif, yaitu salah satunya adalah Salt&Pepper noise yang berbentuk bitnik hitam dan putih pada citra. Sedangkan median filter
adalah salah satu jenis filter konvolusi untuk memperbaiki suatu citra sehingga lebih berkualitas dengan cara mencari nilai median
dari pixel suatu matriks citra. Matlab adalah software pengolahan data sains yang dapat juga digunakan untuk melakukan
pengolahan citra.
Keywords: citra, konvolusi, noise, salt&pepper, median, matlab

PENDAHULUAN Sedangkan median filtering menggunakan data yang

Median filter adalah filter non linear yang berjumlah ganjil, karena jumlah data adalah ganjil, maka
dikembangkan oleh Tukey. Median filter merupakan pixel yang diproses ada di tengah. Median filtering
salah satu metode dari konvolusi untuk mengurangi atau menggunakan matriks N X N. Dibawah ini adalah contoh
derau noise. Non linear artinya adalah menghitung nilai kasus median filtering untuk suatu matriks 3 x 3 yang
sekelompok pixel dengan cara mengurutkannya, lalu berisi pixel utama dan pixel sekitarnya.
mengganti nilai pixel dengan nilai tertentu. 9 5 5
Penapis memiliki nilai pixel ganjil, digeser pada 3 8 5
seluruh citra, lalu nilai-nilai tersebut diurutkan secara 2 1 4
ascending lalu menghitung mediannya. Lalu nilai median Maka terlebih dahulu lakukan pengurutan :
tersebut akan menggantikan nilai yang berada pada pusat 1 2 3 4 5 5 5 8 9
bidang penapis tersebut. Contohnya median filter ada di Maka mudah diketahui bahwa nilai tengah /
bawah ini : mediannya adalah x = 5. Nilai 5 menggantikan nilai 8
sehingga pixel utamanya memiliki warna yang berbeda
123 125 126 130 140 dari sebelumnya.
122 124 126 127 135
HASIL DAN PEMBAHASAN
118 120 150 125 134
119 115 119 123 133 Hasil penelitian menggunakan citra dengan matriks
111 116 110 120 130 berukuran 240 x 320 pixel yang dilakukan reduksi noise
salt & pepper dengan menggunakan metode filtering
median, sehingga tampaklah hasil citra asli dan citra
Pada matriks di atas, diambil 3x3 filtering pada
tengah-tengah nilai pixel matriks, lalu dilakukan setelah direduksi seperti gambar di bawah ini :
pengurutan, setelah itu dihitung nilai mediannya adalah
124.

METODE
Salah satu metode filtering konvolusi adalah median
filtering. Median adalah nilai tengah dari kumpulan data
setelah diurutkan. Formula median untuk mencari
kumpulan data ganjil adalah di bawah ini :
𝑛+1
𝑥=
2
Keterangan
n = jumlah data
x = nilai baru median
 %% menampilkan citra grayscale
dengan range 0-255

figure, imshow(mmed,[0 255]);

title('Citra Hasil Filter Median');

DISKUSI
Median filtering merupakan salah satu penerapan
mask processing. Dari contoh kasus di atas, kualitas citra
yang sedikit meningkat dalam domain spasial, dan pada
jurnal ini, tujuan menggunakan metode ini adalah
menghasilkan reduksi noise pada citra. Pada tipe-tipe
noise tertentu, filter ini memberikan kemampuan noise
yang sangat baik. Kelebihan metode ini adalah
mengurangi derau yang diakibatkan oleh derau acak
IMPLEMENTASI METODE FILTERING
seperti contoh kasus ini, adalah derau jenis salt & pepper.
MEDIAN PADA MATLAB
Source code dari program mereduksi noise salt & KESIMPULAN
pepper dengan metode filtering adalah sebagai berikut : Implementasi metode filtering median ini berguna
% membaca citra untuk beberapa hal sebagai berikut :
I=imread('tugas1','jpg'); (1). Mengurangi derau / noise yang diakibatkan oleh
imshow(I); title('Citra Asli'); derau acak dalam berbagai jenis tipe noise.
I = imnoise(I,'salt & (2). Bekerja sangat baik pada jenis noise tertentu.
pepper',0.02);
figure, imshow(I); title('Citra DAFTAR PUSTAKA
Dengan Noise S&P'); [1] Rika Novita Wardhani, dkk, 2011. Analisis Penerapan Metode
I = rgb2gray(I); Konvolusi untuk untuk Reduksi Derau pada Citra Digital. Depok:
Jurnal Electrical Engineering Department, Politeknik Negeri
Jakarta. Vol 10, No. 2
%% membuat matriks dummy dari citra [2] Bambang Yuwono, 2010. Image Smoothing Menggunakan Mean
yang akan diolah Filtering, Median Filtering, Modus Filtering dan Gaussian
Filtering. Yogyakarta: Jurnal Teknik Informatika UPN “Veteran”
I=double(I); Yogyakarta. Vol 7, No. 1.
[x,y]=size(I); [3] Ivan Maulana, Dkk. Analisa Perbandingan Adaptif Median Filter
dummy=zeros(x,y); dan Median Filter Dalam Reduksi Noise Salt & Pepper.
m=3; n=3; %m dan n adalah matriks Semarang: Jurnal Progam Studi Teknik Informatika, Fakultas
Ilmu Komputer, Universitas Dian Nuswantoro Semarang. Vol 2,
median yang akan dibentuk No. 2
a=ones(m,n); [4] HWSMARTSOLUTION, 2016. Menambahkan Noise pada
Citra/Image & Menampilkannya dengan Matlab.
http://hwsmartsolution.com/blog/2016/01/28/menambahkan-
%% proses filter median
noise-pada-citraimage-menampilkannya-dengan-menggunakan-
for ii=1:x-(m-1) matlab/
for jj=1:y-(n-1) [5] Milyunima., 2014. Implementasi Median pada C#.
aa=a.*I(ii:m+ii-1,jj:n+jj- https://milyunima.wordpress.com/tag/median-filtering/
1); [6] Krisna Muslim, 2009. Median Filtering. http://belajar-
share.blogspot.com/2009/02/median-filtering.html.
b=reshape(aa,1,m*n);
b=sort(b);
b=min(b);
dummy(ii+1,jj+1)=b;
end
end

for ii=2:x-1
for jj=1:y
if jj==1
n=I(ii,jj);
elseif jj==y
n=I(ii,jj);
else
n=0;
end
Output gambar yang dihasilkan adalah sebagai
mmed(ii-1,jj)=n;
berikut :
end
end
mmed=[I(1,:);mmed;I(x,:)];
mmed=mmed+dummy;