1305617012
Matematika 2017
BAB 1. INTRODUCTION
Pada era globalisasi dan digitalisasi seperti sekarang ini, manusia dapat dengan mudah
mempelajari dan menggunakan teknologi komputer sebagai alat bantu penyelesaian tugas atau
permasalahan. Komputer dapat melakukan pengolahan data, kata, maupun image dalam waktu
yang singkat. Banyak penemuan baru maupun pengembangan dari penemuan yang sudah ada yang
dapat diambil manfaatnya untuk kebutuhan manusia. Bidang yang signifikan dipengaruhi oleh
perkembangan komputer adalah image processing. Cara kerja komputer dalam mengolah image
adalah dengan mengikuti algoritma-algoritma yang sudah disusun.
Dalam penerapan sehari-hari, sebuah image dapat terpapar oleh noise yang tidak diinginkan.
Image noise yang umum diketahui adalah Salt and Pepper, Impulse, dan Gaussian Noise. Masing-
masing noise tersebut memberikan efek yang berbeda kepada image yang terpapar. Untuk
mengembalikan image seperti sedia kala, perlu dilakukan metode untuk meningkatkan kualitas
image. Operasi peningkatan kualitas image berfungsi untuk meningkatkan fitur tertentu pada
image yang sudah terpapar noise sehingga tingkat keberhasilan dalam pengolahan gambar
berikutnya menjadi tinggi. Image dimodifikasi untuk membuatnya menjadi lebih terlihat baik dari
segi kualitas, sehingga mudah untuk dianalisa. Salah satu dari banyak teknik atau metode untuk
mereduksi beberapa noise tersebut adalah dengan metode spasial, yang mengandalkan pemisahan
pixel image menjadi kernel tertentu. Ukuran dari tiap kernel harus berupa angka ganjil. Metode ini
terdiri dari Mean Filter, Median Filter, dan Gauss Filter.
Algoritma dalam pengoperasian masing-masing filter tentu saja berbeda. Mean filter
merupakan salah satu filter yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-
rata dari nilai pixel tersebut dengan nilai pixel-pixel tetangganya, karena itu disebut Neighborhood
filter. Median Filter bekerja dengan mengurutkan nilai intensitas sekelompok pixel, kemudian
mengganti nilai pixel yang diproses dengan nilai mediannya (nilai tengahnya). Cara kerja Gaussian
Filter dengan mengikuti distribusi Gaussian, nama lainnya distribusi normal. Sesuai dengan cara
kerjanya, dari ketiga filter tersebut dapat ditentukan filter jenis apa yang dapat mereduksi dan
mengembalikan kualitas image dengan terbaik. Maka, penting untuk dilakukannya penelitian
untuk menganalisa dampak diberikannya sebuah filter terhadap suatu image yang terpapar noise.
B) Impulse Noise
Impuls noise memberikan dampak timbulnya titik-titik berwarna putih secara acak pada image
asli. Sama halnya dengan salt and pepper noise, frekuensi dari banyaknya titik acak tersebut dapat
diatur dengan menggunakan konstanta tertentu bernilai 0 sampai dengan 1 pada algortima impulse.
Semakin besar frekuensi yang dipilih, image akan memiliki banyak titik putih. Sebaliknya, jika
frekuensi diperkecil, jumlah titik putih akan berkurang. Algoritma pembentukan impulse noise
adalah sebagai berikut:
1. Matriks yang berisi piksel sebuah image greyscale dicari sizenya. Misalkan size
yang didapat adalah (m,n)
2. Dibuat matriks berukuran (m,n) yang berisi konstanta acak (random numbers),
dengan konstanta acak tersebut memiliki range nilai dari 0 sampai 1. Konstanta
acak tersebut akan menggambarkan peluang untuk setiap piksel yang
bersesuaian dengan angka acak tersebut.
3. Piksel yang mendapat konstanta acak bernilai kecil (dalam hal ini, dimisalkan
nilainya di bawah 0.01) akan berubah menjadi warna putih.
4. Setelah diproses, akan tampil image awal dengan bintik (titik) berwarna putih
secara acak karena dampak dari langkah di atas.
C) Gaussian Noise
Cara kerja Gaussian noise adalah dengan mengikuti distribusi Gaussian, atau disebut distribusi
normal. Noise ini menimbulkan spektrum berupa cahaya putiih. Gaussian noise dijalankan dengan
menghitung mean dan varians dari image foto asli. Makin besar rata-rata dan variasinya maka citra
akan semakin kabur, sebaliknya makin kecil konstantanya efek pada citra makin tidak terlihat.
Pada saat nilai rata-rata dan variansnya besar, image akan menjadi hanya cahaya putih saja.
Greyscale
Image Asli Image
Image Greyscale tersebut kemudian akan diberikan Salt and Pepper, Impulse, dan Gaussian Noise.
Setelah itu, dipaparkan hasilnya setelah melalui proses Filtering, yakni Mean Filter, Median Filter,
dan Gaussian Filter. Kemudian, akan dibandingkan filter mana yang terbaik untuk mereduce noise.
Cara membandingkannya adalah dengan memanfaatkan kemiripan trend-nya dengan histogram,
dan selanjutnya menggunakan Signal to Noise Ratio.
Analisis dilakukan dengan melakukan perbandingan antara Histogram Image original dan
Histogram yang dihasilkan oleh Mean, Median, dan Gaussian Filter. Tren dari masing-masing
histogram ditinjau dan dianalisis mana yang paling menyerupai histogram image original.
Histogram dari median filter paling menyerupai histogram original. Jika ditinjau Mean filter
mengakibatkan piksel berwarna gelap (mendekati hitam, pada histogram daerah yang sebelah kiri)
mengalami peningkatan. Sementara, Gaussian filter mengakibatkan seluruh jenis warna piksel
menjadi lebih landai.
B) Analisa Menggunakan Signal To Noise Ratio
Digunakan rumus di bawah ini, untuk melakukan algoritma penghitungan nilai SNR melalui
program octave
Dari hasil nilai SNR yang diperoleh, terlihat bahwa Mean Filter paling efektif dalam
menghilangkan noise Gaussian. Hal ini terlihat jelas melalui perbedaan nilai SNR yang terjadi.Hal
ini diakibatkan karena teori bahwa semakin besar nilai SNR maka semakin efektif dan berkualitas
cara filtering tersebut.