4. a. Gaussian Filter
Gaussian filter merupakan filter linear dengan nilai pembobotan untuk setiap anggotanya
dipilih berdasarkan fungsi gaussian. Gaussian filter didapat dari operasi konvolusi. Filter
ini biasanya digunakan untuk membuat gambar menjadi blur atau mengurangi noise pada
gambar.
Berikut ini merupakan rumus Gaussian Filter :
Keterangan :
c dan = konstanta
G (i,j) = elemen matriks kernel gauss pada posisi (i,j)
(u,v) = indeks tengah dari matriks kernel gauss
-Implementasi Gaussian Filter-
Keterangan :
Fspecial : Jenis filter yang digunakan.
Imfilter : implementasi dari filter
Keterangan :
c. Median Filter
Menurut Rinaldi Munir (2004:126) menjelaskan filter median sebagai suatu jendela yang
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. Median filter mengganti nilai suatu piksel dengan
median nilai tingkat keabuan dari pixel tetangga (nilai asli piksel digunakan juga pada
saat perhitungan nilai median tersebut). Media filter ini cukup popular karena beberapa
tipe gangguan acak (seperti salt noise, pepper noise. Teknik ini mampu mengurangi
gangguan yang lebih baik dibandingkan dengan model linear smooting dengan ukuran
yang sama.
Rumus Median Filter :
Keterangan :
• Cmax adalah nilai pixel terbesar pada keseluruhan citra.
• x dan y adalah koordinat suatu titik pada citra.
• M dan N adalah dimensi dari citra.
• S adalah citra tersisipi (stego-image)
• C adalah citra asli (cover image)
-Implementasi MSE-
-Hasil MSE-
-Implementasi PSNR-
Keterangan : pada baris program ke 7 diatas maksudnya adalah menghitung PSNR untuk gambar
noise dengan gambar gray sebagai referensi.
-Hasil PSNR-
Kesimpulan :
Jadi dari implementasi MSE dan PSNR dapat diambil kesimpulan bahwa hubungan
antara nilai MSE dan PSNR adalah semakin kecil nilai PSNR, maka semakin besar pula
nilai MSE nya.