Pemfilteran Citra

Pemfilteran Citra (Image Filtering)

• Pada pengolahan citra digital, filter digunakan
untuk (1) menekan frekuensi tinggi pada citra
seperti pada memperhalus citra (smoothing), atau
(2) menekan frekuensi rendah seperti pada
memperjelas atau mendeteksi tepi pada citra.
• Tujuan: membuat citra menjadi tampak lebih
baik, atau tampak lebih jelas untuk analisis.
• Disebut juga penyaringan citra / penapisan citra.
 Pelembutan Citra / Image Smoothing

• Pelembutan citra (image smoothing) bertujuan untuk

menekan gangguan (noise)pada citra.
• Gangguan tersebut biasanya muncul sebagai akibat
dari hasil penerokan yang tidak bagus (sensor noise,
photographic grain noise) atau akibat saluran
transmisi (pada pengiriman data).
• Gangguan pada citra umumnya berupa variasi
intensitas suatu pixel yang tidak berkorelasi dengan
pixel-pixel tetangganya.
• Secara visual, gangguan mudah dilihat oleh mata
karena tampak berbeda dengan pixel tetangganya.
• Pixel yang mengalami gangguan umumnya
memiliki frekuensi tinggi (berdasarkan analisis
frekuensi dengan transformasi Fourier).
• Komponen citra yang berfrekuensi rendah
umumnya mempunyai nilai pixel konstan atau
berubah sangat lambat.
• Operasi pelembutan citra dilakukan untuk
menekan komponen yang berfrekuensi tinggi dan
meloloskan komponen yang berfrekuensi rendah.
 Image restoration

• Restorasi citra berkaitan dengan penghilangan atau

pengurangan degradasi pada citra yang terjadi karena
proses akuisisi citra.
• Degradasi yang dimaksud termasuk derau (yang
merupakan eror dalam nilai piksel) atau efek optis
misalnya blur (kabur) akibat kamera yang tidak fokus atau
karena gerakan kamera.
• Teknik restorasi citra meliputi operasi neighbourhood dan
juga penggunaan proses-proses pada domain frekuensi
Gambar diatas adalah hasil pelembutan citra Lena dari
Gambar sebelumnya dengan penapis rata-rata 3 x 3.
Penapis lolos rendah
• Penapis rata-rata adalah salah satu
penapis lolos-rendah yang paling
sederhana.
• Aturan untuk penapis lolos-rendah
adalah :
• 1. Semua koefisien penapis harus
positif
• 2. Jumlah semua koefisien harus
sama dengan 1
• Jika jumlah semua koefisien lebih besar dari 1,
maka konvolusi menghasilkan penguatan
(tidak diinginkan). Jika jumlah semua
koefisien kurang dari 1, maka yang dihasilkan
adalah penurunan, dan nilai mutlak setiap pixel
di seluruh bagian citra berkurang. Akibatnya,
citra hasil pelembutan tampak lebih gelap
Ilustrasi konvolusi dengan penapis rata-rata 3 x 3
terhadap citra yang mengandung pixel derau
diperlihatkan di bawah ini

8
• Nilai 9 ini diperoleh dari hasil perhitungan konvolusi:
f ’(1,1) = (8 + 8 + 8 + 8 + 17 + 8 + 8 + 8 + 8)/9 =
81/9 = 9
• Pixel yang mengalami gangguan dimisalkan bernilai 17,
sedangkan nilai pixel tetangganya (yang tidak
mengalami gangguan) bernilai rendah, misalkan 8.
• Efek dari penapis lolos-rendah adalah sbb: pixel-pixel
tetangga tidak mengalami perubahan (kecuali bila
terdapat perbedaan nilai atau gradien antara pixel-pixel
yang bertetangga),sedangkan pixel derau nilainya
turun menjadi 9
Penapis lolos-rendah yang disebutkan di atas
merupakan penapis lanjar (linear).
Operasi pelembutan dapat juga dilakukan dengan
menggunakan penapis nirlanjar, yaitu

• Penapis minimum (min filter)

• Penapis maksimum (max filter)
• Penapis median (median filter)
• Operasi dengan penapis nirlanjar dihitung
dengan mengurutkan nilai intensitas
sekelompok pixel,lalu mengganti nilai pixel
yang sedang diproses dengan nilai tertentu dari
kelompok tersebut (misalnya nilai median dari
kelompok pixel, nilai maksimum atau nilai
minimum dari kelompok pixel)
 Penapis Median
• Penapis ini dikembangkan oleh Tukey. Pada
penapis median, suatu “jendela”
(window)memuat sejumlah pixel (ganjil).
• Jendela digeser titik demi titik pada seluruh
daerah citra. Pada setiap pergeseran dibuat
jendela baru.
• Titik tengah dari jendela ini diubah dengan
nilai median dari jendela tersebut.
 Contoh :
• tinjau jendela berupa kelompok pixel (berbentuk
kotak diarsir) pada sebuah citra pada Gambar

• Pixel yang sedang diproses adalah yang

mempunyai intensitas 35.
• Urutkan pixel-pixel tersebut:
9 10 10 10 10 10 11 12 35
• Median dari kelompok tersebut adalah 10
(dicetak tebal). Titik tengah dari jendela (35)
sekarang diganti dengan nilai median (10).
• Hasil dari penapis median diperlihatkan pada
Gambar dibawah. Jadi, penapis median
menghilangkan nilai pixel yang sangat berbeda
dengan pixel tetangganya
 Membersihkan Derau Salt and Pepper
• Low Pass Filtering
• Median Filtering
 Low Pass Filtering
• Dilihat dari sifatnya, piksel-piksel pada citra yang
terkorupsi oleh derau salt and pepper adalah
merupakan komponen frekuensi tinggi pada citra.
• Dari kenyataan ini maka dapat diharapkan bahwa
filter pelolos rendah (LPF) akan mengurangi
derau
• Misalkan akan digunakan filter pererata (average)
untuk membersihkan atau mengurangi derau salt
and pepper
Berikut digunakan filter pererata untuk
mengurangi efek derau salt and pepper pada citra
einstein.jpg.
 Evaluasi gambar
• Tampak pada citra hasil filtering dengan filter
average dapat mengurangi efek derau salt and
pepper, namun juga cenderung membuat citra
menjadi kabur (blurred)
• Makin besar ukuran filter average yang
digunakan, tampak citra hasil filtering juga
semakin kabur; dengan ukuran filter 5 x 5
diperoleh hasil yang tampak lebih baik daripada
jika digunakan ukuran filter yang lain
 Median Filter
• Filter median dapat dikatakan paling cocok untuk
menghilangkan atau mengurangi derau jenis salt
and pepper.
• Median adalah nilai tengah dari serangkaian nilai
yang telah diurutkan, jika ada sejumlah genap
nilai maka median adalah rerata dari dua nilai
yang berada pada urutan tengah
• Filter median merupakan salah satu contoh filter
spasial non linier
 Median Filter
• Operasi untuk memperoleh nilai median akan
menempatkan nilai yang sangat besar atau sangat
kecil berada pada ujung atas atau ujung bawah
urutan
• Dengan demikian filter median secara umum
akan mengganti piksel-piksel yang berderau
dengan suatu nilai yang dekat dengan piksel-
piksel sekitarnya
Berikut digunakan filter median untuk
mengurangi efek derau salt and pepper pada citra
einstein.jpg.
 Evaluasi gambar
• Terlihat bahwa filter median mampu mengurangi
efek derau salt and pepper, dan hasilnya lebih
baik daripada jika digunakan filter average.
• Penggunaan ukuran filter yang lebih besar
mempunyai efek yang mirip dengan yang terjadi
saat digunakan filter average, yaitu terjadinya
efek blur (kabur)
Evaluasi gambar
Untuk menghilangkan derau yang lebih jauh lagi (misalnya
pada saat digunakan filter median 3x3), dapat diterapkan
filtering untuk kedua kalinya

Berikut hasil filtering dengan filter median (satu kali dan

dua kali)
 Membersihkan Derau Gaussian
• Perataan Citra
• Average Filtering
• Adaptive Filtering
Perataan Citra
• Jika terdapat banyak citra untuk
obyek yang sama yang
kemungkinan semuanya terkorupsi
derau Gaussian, maka terdapat
suatu pendekatan sederhana untuk
menghilangkan derau tersebut dan
memperoleh citra aslinya, yaitu
dengan mengambil rerata dari
seluruh citra yang ada
Average Filtering
• Jika derau Gaussian rerata nol, maka dapat
diharapkan filter pererata akan membuat derau
mendekati nol
• Semakin besar ukuran filter yang dipakai maka
semakin mendekati nol
• Namun seperti telah dibahas sebelumnya bahwa
filter pererata cederung untuk mengaburkan citra
• Jika pengurangan derau lebih dipentingkan
daripada hasil yang kabur, maka metode average
filtering untuk mengurangi derau gaussian dapat
dipertimbangkan
Adaptive Filtering
Sekian dan Terima kasih
 Sumber Pustaka :
• Pengolahan Citra digital: Pemfilteran citra; sharpening, blurring dan noise reduction , Aditya Wikan Mahastama.
mahas@ukdw.ac.id
• Ballard, Dana H., Computer Vision, Prentice-Hall, 1982.
• [DAV90] Davies, E. R., Machine Vision: Theory, Algorithms, Practicalities,
• Academic Press, 1990.
• [DUL97] Dulimarta, Hans S., Diktat Kuliah Pengolahan Citra, Jurusan Teknik
• Informatika ITB, 1997.
• [FIS94] Fisher, Yuval, Fractal Image Compression: Theory & Application,
• Springer-Verlag, 1994.
• [GAL90] Galbiati, Louis J., Machine Vision and Digital Image Processing
• Fundamentals, Prentice Hall, 1990.
• [GON77] Gonzalez, Rafael C., Digital Image Processing, Addison-Wesley
• Publishing, 1977.
• [HEN95] Hendradjaya, Bayu, Catatan Kuliah Pengolahan Citra, 1995.
• [HEN03] Hendrawan, Shanty Meliani, Robust and Non Blind Watermarking pada
• Citra Dijital dengan Teknik Spread Spectrum, Tugas Akhir Departemen
• Teknik Informatika, 2003.
• [JAI89] Jain, Anil K, Fundamentals of Digital Image Processing, Prentice-Hall
• International, 1989.
• [JAI95] Jain, Ramesh, Machine Vision, McGraw-ill, 1995.
• [KER88] Kernighan, Brian W., The C Programming Language 2Th, Prentice Hall,
• 1988.
• [LOW91] Low, Adrian, Introductory Computer Vision and Image Processing,
• McGraw-Hill, 1991.
• [MEN89] Mengko, Richard, Workshop On Image Processing & Pattern
• Recognition, PAU Mikroelektronika ITB, 1989.
• [MUN99] Munir, Rinaldi, Pengelompokan Blok Ranah Berdasarkan Rata-rata dan
• Variansi Intensitas Pixel pada Pemampatan Citra dengan Transformasi
• Fraktal, Tesis Magister Informatika ITB, 1999.
• [MUR92] Murni, Aniati, Pengantar Pengolahan Citra, Elex Media Komputindo,
• 1992.
• [PIT93] Pitas, Ioannis, Digital Image Processing Algorithms, Prentice-Hall
• International, 1993.
• 248 Pengolahan Citra Digital
• [POL98] Poli, Lazarus, Penerapan Steganografi dengan Citra Dijital Sebagai File
• Penampung, Tugas Akhir Jurusan Teknik Informatika, 1998.
• [SCH89] Schalkoff, Robert J., Digital Image Processing and Computer Vision,
• John Wiley & Sons, 1989.
• [SID95] Sid-Ahmed, A. A, Image Processing, Theory, Algorithms, &
• Architectures, McGraw-Hill, 1995.
• [SUP00] Supangkat, Suhono H., Watermarking Sebagai Teknik Penyembunyian
• Label Hak Cipta pada Data Digital, Jurnal Teknik Elektro, Vo. 6, No. 3,
• 2000.
• [WIC01] Wicaksono, R Hendro dkk, Tugas IF473 Pengolahan Citra, Departemen
• Teknik Informatika, 2001.
• [WOR93] Works, The Math, Image Processing Toolbox For Use with MATLABÒ,
• The Math Works Inc, 1993.
Tugas minggu depan (2 TM)
• Kelas dibagi menjadi 4 kelompok
• Masing- masing kelompok review
jurnal untuk topik aplikasi image
prosessing pada modalitas :
Kelompok 1 : CR
Kelompok 2 : DR
Kelompok 3 : CT Scan
Kelompok 4 : MRI