TUGAS PERTEMUAN 11

PENGOLAHAN CITRA (R.02)

Dosen Pengampu
Dr. Fauziah, S.Kom., M.M.S.I. .

Disusun Oleh
Fhizyel Nazareta
183112706450116

FAKULTAS TEKNOLOGI KOMUNIKASI DAN INFORMATIKA

PROGRAM STUDI TEKNIK INFORMATIKA
UNIVERSITAS NASIONAL
2021
 Link File Source Code Drive :
https://drive.google.com/drive/folders/1kkdDWtEHgHj_kaUa5DCGjwRELfhvwpcp?usp=sharing
Link file Source Code ZIP :
https://drive.google.com/file/d/1aQD5ZxIimwkgbU6LOU-3u_PD_oY-PEcC/view?usp=sharing
1. Pengujian Kode Program 2.m
Percobaan 1
Nilai Pelembutan citra noise Salt & Pepper : 0.04
Nilai Pelembutan citra noise Gaussian : 0.5

Percobaan 2
Nilai Pelembutan citra noise Salt & Pepper : 0.05
Nilai Pelembutan citra noise Gaussian : 0.3
Percobaan 3
Nilai Pelembutan citra noise Salt & Pepper : 0.04
Nilai Pelembutan citra noise Gaussian : 0.2

Analisa kode Program 2.m

gambar=imread('fhizyel.jpg'); %variabel untuk mengambil file image
% Proses manipulasi noise citra
gray=rgb2gray(gambar);
noise=imnoise(gray,'Salt & Pepper',0.04); % penentuan noise Salt
dan Pepper
noise2=imnoise(gray,'Gaussian',0.2);% penentuan noise Gaussian
awal=medfilt2(gray); %Proses Mengubah gambar menjadi abu
k=medfilt2(noise);% Proses noise Salt dan Pepper
k2=medfilt2(noise2); % Proses noise Gaussian
%Output yang dihasilkan
figure,imshow(awal),title('Pelembutan Citra Awal');
figure,imshow(k),title('Pelembutan Citra Noise Salt&Pepper');
figure,imshow(k2),title('Pelembutan Citra Noise Gaussian');

Analisa program
Pada percobaan noise program 2.m ini melakukan 2 percobaan yaitu Salt&Pepper
dan Gaussian, Noise salt and pepper, yaitu kenampakan sebuah bintik warna hitam
atau putih seperti Garam dan lada yang tersebar pada citra. Sedangkan Noise
gaussian, yaitu model noise yang berbentuk ideal dari daerah putih, dimana warna
putih ini mempunyai distribusi normal standar dengan rata-rata nol dan rentang
datanya mendekati rata-rata. semakin besar nilai probabilitas noise salt&pepper maka
timbul titik-titik noisenya semakin banyak dan pada gaussian, semakin tinggi nilai
presentase noisenya, maka noise pada citra akan semakin banyak dan padat.
2. Pengujian Kode Program 3.m

Analisa kode Program 3.m

K = imread('fhizyel.jpg'); %variabel untuk mengambil file image

% validasi pada variabel file image

figure,imshow(K),title('original image');
I=imnoise(K,'gaussian');
figure,imshow(I),title('Image with gaussian noise');

%Proses Manipulasi noise citra

[M N]= size(K);
[m n]=size(I);c=ones(3,3)/9;
[p q]=size(c);p=(p-1)/2;q=(q-1)/2;
z=I;
for i=p+1:m-p
for j=q+1:n-q
mask1=zeros(3,3);
for k=-p: p
for l=-q: q
mask1(p+1-k,q+1-l)=I(i-k,j-l);
end
end
mid1=mask1(: );
mid1=(min(mid1)+max(mid1))/2;
z(i,j)=mid1;
end
end

% Output hasil citra noise

figure,imshow(uint8(z)),title('mid point filtered image');
 Analisa Program 3.m
Pada percobaan mid point filtered image ini yaitu muncul titik-titik berwarna dengan
jumlah yang sama dengan presentase noisenya. Kemudian dilakukan filtering yaitu
proses mengurangi atau menghilangkan noise dengan Midpoint filter yaitu filter yang
mencari nilai-rata-rata gray level maksimum dan minimum dalam suatu citra yang
ditentukan oleh suatu matriks.

3. Pengujian Kode Program 4.m

Analisa kode Program 4.m

newImg = imread('fhizyel.jpg');%variabel untuk mengambil file image
figure(1);
imshow(newImg);
figure(2);
%Proses Lablacian
H = fspecial('laplacian');

%Proses Edge detected Image

blurred = imfilter(newImg,H);
imshow(blurred); title('Edge detected Image');
 Analisa Program 4.m
Pada percobaan ini salah satu bentuk pengolahan citra yang mendeteksi garis batas
(boundry) dari suatu objek yang terdapat pada citra. Tepian ini akan mendeteksi
lokasi piksel dimana terdapat perbedaan intensitas citra secara ekstrem. Edge
detection umumnya mendeteksi tepian dari gray level yang artinya pendeteksian
dilakukan dengen mengubah citra asli menjadi bentuk grayscale terlebih dahulu

4. Pengujian Kode Program 5.m

Analisa Kode Program 5.m

l=imread('fhizyel.jpg');%variabel untuk mengambil file image

%Proses Manipulasi citra

l1=rgb2gray(l);
l2=fft(double(l1));
l2_1=fft(double(l));

figure,imshow(l),title('Original image');%Output gambar asli

figure,imshow(l1),title('Gray scale image ');%Output hasil citra
Gray Scale
h=fspecial('sobel');
l_sobel=uint8(round(filter2(h,l1)));
l_sobel_1=fft(double(l_sobel));
figure,imshow(l_sobel),title('Sobel filtered image');%Output hasil
citra Sobel Filtered
 Analisa Program 5.m
Pada percobaan program 5.m ini akan melakukan filtering image menggunakan
model atau operator Sobel. Metode ini mengambil prinsip dari fungsi laplacian dan
gaussian yang digunakan untu membangkitkan High Pass Filter. Seperti yang terlihat
pada gambar, setelah dilakukan pendeteksian tepi maka setiap nilai pada tepian itu
ditingkatkan sehingga tepian citra mengalami sharpening. Kelebihan dari metode ini
adalah dapat mengurangi noise sebelum melakukan perhitungan deteksi tepi.

5. Pengujian Kode Program 6.m

Analisa Kode Program 6.m

I = imread('fhizyel.jpg');%variabel untuk mengambil file image
f = imnoise(I,'gaussian',0,0.01);%Proses nosise Gaussian

%Proses manipulasi noise pada citra

f = im2double(f);
[m n]=size(f);
si=1;
for i = 1:m
for j = 1:n
con=0; s1=1;
for k1 = i-si:i+si
for p1 = j-si:j+si
if ((k1 > 0 && p1 > 0) && (k1 < m && p1 < n ))
con = con+1;
s1=s1*f(k1,p1);
end
end
end
 b1(i,j)=s1^(1/con);
end
end

%hasil Output dari manipulasi citra Geometric mean filtered

imshow(b1),title('Geometric mean filtered');

Analisa Program 6.m

Pada percobaan geomtric mean filter yaitu perkalian piksel dalam window sub-image,
yang dipangkatkan dengan 1/mn. Metode ini akan menghasilkan citra yang lebih
halus dibanding aritmatik mean filter, namun dalam prosesnya akan menghilangkan
sedikit detail citra. Filter ini banyak digunakan untuk menyaring impluse noise
gaussian dan dapat sedikit menghaluskan citra. Misal jika kernel 3x3, maka di setiap
piksel {matrkis 3x3}pada geometric mean filter akan menjadi pangkat 1/9

6. Pengujian Kode Program 7.m

Percobaan 1
Matriks : [3,3]
Percobaan 2
Matriks : [4,4]

Percobaan 3
Matriks : [5,5]
Analisa Kode Program 7.m
Gambar = imread ('fhizyel.jpg');
%Syntax mengubah gambar RGB ke GRAY
Gray = rgb2gray (Gambar);
%Lihat gambar
imshow (Gray), title ('Gambar Gray');
%Lakukan Filter Maximum
FilterMax = nlfilter (Gray, [5,5],'max(x(:))');
%Lihat Gambar hasil Filter
imshow (FilterMax), title ('Hasil Filter Maximum');

Analisa Program 7.m

Pada percobaan citra ini melakukan filter maksimum dengan matriks yaitu
menggantikan piksel dengan nilai tertinggi dari suatu deret yang terbentuk dari
matriks yang sesuai dengan jendela filter. Pada ketiga percobaan ini digunakan
matriks yang berbeda yaitu dengan matriks ([3.3]. [4.4]. [5.5]), semakin besar nilai
matriksnya maka citra yang dihasilkan akan semakin buram pada citra.