RESUME

(pengolahan CITRA)

NAMA: ARYA PARIZAL RIZKI

PRODY: SISTEM INFORMASI
SEMESTER: III_B (TIGA-B)

PERGURUAN TINGGI STMIK SYAIKH ZAINUDDIN

NAHDLATUL WATHAN ANJANI LOMBOK TIMUR
1. Pengertian noise Noise adalah bintik/butiran warna yang mengganggu pada foto, yang
disebabkan oleh keterbatasan sistem elektronik sensor pada kamera digital.
Keberadaan bintik/butiran yang dihaslikan dari efek noise ini dianggap sangat
mengganggu pandangan.
Dan juga Efek yang ditimbulkan noise bermacam-macam, mulai dari bintik/butiran
ringan yang hanya dapat dilihat ketika foto di zoom. Dan yang paling parah dapat
menurunkan kualitas ketajaman gambar, sehingga sangat mengganggu.

A. Ada pun macam-macam noise

1. Noise gaussian
2. Noise Salt
3. Noise paper
4. Noise speckle
B. Adapun cara memangil noise mengunakan Bahasa pemograman python melalui
googelcolb.
Contoh Code python
#menambahkan library random noise
from skimage.util import random_noise

# Menambahkan gaussian noise ke citra original.

gau = random_noise(im, mode='gaussian')
sp = random_noise(im, mode='s&p')
pos = random_noise(im, mode='poisson')
salt = random_noise(im, mode='salt')
pep = random_noise(im, mode='pepper')
spec = random_noise(im, mode='speckle')

#mengembalikan dari float menjadi uint8

gau = np.array(255 * gau, dtype='uint8')
print("Noise Gaussian")
cv2_imshow(gau)
sp = np.array(255 * sp, dtype='uint8')
print("Noise S&P")
cv2_imshow(sp)
pos = np.array(255 * pos, dtype='uint8')
print("Noise Poisson")
cv2_imshow(pos)
salt = np.array(255 * salt, dtype='uint8')
print("Noise Salt")
cv2_imshow(salt)
pep = np.array(255 * pep, dtype='uint8')
print("Noise Pepper")
cv2_imshow(pep)
spec = np.array(255 * spec, dtype='uint8')
print("Noise Speckle")
cv2_imshow(spec)
C. Macam-macam noise beserta contohnya.

1. Noise gaussian adalah merupakan model noise yang mengikuti distribusi normal
standard dengan rata-rata nol dan standard deviasi 1. Efek dari gaussian noise ini,
pada gambar muncul titik-titik berwarna yang jumlahnya sama dengan prosentase
noise.
Adapun contohnya seperti di gambar ini.
2. Noise salt
Noise salt dan paper ini adalah suatu yag sejenis, yang membedakan hanya dari bitnik-
bintik hitam dan putih. Biasanya disebut bentuk derau yang biasa dilihat pada citra.
Derau ini juga disebut derau inpuls. Derau ini dapat disebabkan oleh ganguan yang
tajam dan mendadak dalam sinyal citra. Derau ini berbentuk bercak-bercak piksel hitam
dan putih,
Dan epek yang diberikan oleh noise salt adalah bitnik-bintik putih kecil pada gambar.
Seperti conth pada gambar ini…
3. Noise paper
Noise salt dan paper ini adalah suatu yag sejenis, yang membedakan hanya dari bitnik-
bintik hitam dan putih. Biasanya disebut bentuk derau yang biasa dilihat pada citra.
Derau ini juga disebut derau inpuls. Derau ini dapat disebabkan oleh ganguan yang
tajam dan mendadak dalam sinyal citra. Derau ini berbentuk bercak-bercak piksel hitam
dan putih,
Dan epek yang diberikan oleh noise paper adalah bitnik-bintik Hitam kecil pada
gambar.
Seperti conth pada gambar ini…
4. Noise speckle
Noise speckle adalah merupakan noise yang memberikan warna hitam pada titik yang
terkena noise. Noise speckle dapat dibangkitkan dengan cara membangkitkan bilangan
0 (warna hitam) padak titik-titik yang secara probabilitas lebih kecil dari nilai
probablilitas nois.
Sebagaimana contoh gambar ini.
2. Pebedaan deteksi tepi soble dan deteksi tepi canny

a. Deteksi tepi soble adalah deteksi tepi yang merupakan sebuah proses dimana
peroses ini berfungsi untuk mendeteksi garis tepi yang membatasi dua wilayah citra.
Adapun cara memangil deteksi tepi soble mengunakan Bahasa pemograman
python melalui googelcolb.

#deteksi tepi sobel

sobelx= cv2.Sobel(gaublurori,ddepth=cv2.CV_64F, dx=1, dy=0, k

size=5) # Sobel Edge x
sobely= cv2.Sobel(gaublurori,ddepth=cv2.CV_64F, dx=0, dy=1, k
size=5) # Sobel Edge y
sobelxy= cv2.Sobel(gaublurori,ddepth=cv2.CV_64F, dx=1, dy=1,
ksize=5) # Sobel Edge

sobelxori= cv2.Sobel(im,ddepth=cv2.CV_64F, dx=1, dy=0, ksize=

5) # Sobel Edge x
sobelyori= cv2.Sobel(im,ddepth=cv2.CV_64F, dx=0, dy=1, ksize=
5) # Sobel Edge y
sobelxyori= cv2.Sobel(im,ddepth=cv2.CV_64F, dx=1, dy=1, ksize
=5) # Sobel Edge

cv2_imshow(sobelx)
cv2_imshow(sobely)
cv2_imshow(sobelxy)

cv2_imshow(sobelxori)
cv2_imshow(sobelyori)
cv2_imshow(sobelxyori)
Adapun hasilnya seperi contoh 4 gambar ini..
b. Deteksi tepi canny
Deteksi tepi canny adalah suatu deteksi tepi yang dilakukan dengan pendekatan
konvolusi terhadap fungsi matriks gambar dan oprator gussian. Kemudian untuk
membandingkan pola yang tidak beraturan digunakan suatu jaringan syaraf tiruan.
Adapun cara memangil deteksi tepi canny mengunakan Bahasa pemograman
python melalui googelcolb seperti ini.

# Deteksi tepi Canny

cannori = cv2.Canny(im, threshold1=31, threshold2=31)
print("deteksi tepi dari gambar ori")
cv2_imshow(cannori)

cann = cv2.Canny(gaublurori, threshold1=31, threshold2=31)

print("deteksi tepi dari gambar ori yang diblur dengan gaussi
an")
cv2_imshow(cann)