1 Informatek ISSN : 2088 – 3617

Vol 1 No. 1: 20 – 25, Oktober 2011

DEBLURRING CITRA DENGAN METODE ITERATIF LUCY-RICHARDSON

Image Deblurring Iterative Method With Lucy-Richardson

Bulkis Kanata1
_________________________________________________________________________________

ABSTRAK

Deblurring citra bertujuan untuk memperbaiki citra yang mengalami blur menjadi citra yang
menyerupai citra asli. Deblurring dilakukan dengan melewatkan citra blur pada penapis yakni tapis
iterative Lucy-Richardson dengan bantuan software Matlab 7.04. Jumlah iterasi yang paling baik
ditetapkan dengan menghitung MSE citra deblurring minimal. Pada penelitian ini jumlah iterasi yang
terbaik adalah 8 (delapan) dengan MSE = 45,72.

Kata kunci: deblurring citra, tapis iterative Lucy-Richardson, MSE.

__________________________________________________________________________________
_
PENDAHULUAN

Gambar yang lebih dikenal dengn istilah citra kaya akan informasi dan banyak digunakan
dalam media informasi antara lain dalam bidang medis, militer,dan sebagainya. Pada setiap
pengambilan citra tentu diharapkan hasilnya baik agar memberikan informasi yang cukup, namun
kenyataannya hasil yang didapat tidak selalu baik. Hal ini disebabkan berbagai faktor seperti kualitas
kamera , teknik pengambilan citra yang kurang baik, dan faktor luar seperti alam. Beberapa contoh
degradasi warna yang menjadikan kulitas citra kurang baik, yakni: blur yang terjadi karena
penyebaran sinyal yang tidak merata sehingga ada bagian citra yang blur (kabur), noise
terjadi karena gangguan sinyal dari luar, scatter terjadi akibat perubahan sinyal
sehingga citra menjadi heterogen dan menebal, glare
bersifat random, sering terjadi pada lensa atau filter pada mikroskop. Pada riset ini akan diterapkan
deblurring untuk memperbaiki degradasi warna citra agar diperoleh kualitas citra yang baik. Untuk
membuat citra blur dimodelkan dalam convolution dengan Point Spread Function (PSF) dimana
spektrum objek akan menyebar sehingga objek akan terlihat memudar, blur alami biasanya terjadi
akibat adanya bayangan contohnya seperti kabut, gerakan objek saat pengambilan gambar dengan
kamera, ataupun citra yang menyebar ataupun optik yang tidak fokus mengakibatkan citra
manjadi kabur. Untuk memperbaiki citra blur pada penelitian ini, digunakan metode iterative Lucy-
Richardson dengan melakukan tapis pada citra blur dan Means Square Error (MSE) untuk
menentuan ukuran kualiats citra.

Blurring Citra. Gambar 1 memperlihatkan blok diagram blurring citra. Jika f(x, y) adalah citra
asli dan f’(x, y) adalah citra yang mengalami blur, maka f’(x, y) adalah perkalian f(x, y) dengan
operator distorsi h :

f’(x, y) = h x f(x, y) ………………………………………...…………………………. (1)

f(x,y))) h f’(x,y)

Citra Asli Citra blur

Gambar 1. Blok diagram blurring citra

1
Program Studi Teknik Elektro, Fakultas Teknik, Universitas Mataram, Nusa Tenggara Barat
2 Informatek, 1(1), Oktober 2011

Persamaan (1) dapat ditulis dalam bentuk matriks vektor f’ = h*f . Jika h adalah fungsi dua dimensi,
maka persamaan (1) dapat dipandang sebagai konvolusi fungsi ini dengan citra f(x, y)
menghasilkan distorsi. Dengan demikian, persamaan (1) dapat ditulis sebagai:
f’(x, y) = h(x, y) * f(x, y) …………………………………………………………………………
(2)
dengan, * menyatakan operator konvolusi dalam domain frekuensi, model degradasi ini dapat
ditulis sebagai berikut:
F’(u, v) = H(u, v)F(u, v) ……………………………………………………………………….. (3)
dengan, F’(u, v), H(u, v),dan F(u, v) masing-masing adalah transformasi Fourier dari f’(x, y), h(x, y),
dan f(x, y).
Contoh operator distorsi adalah kernel rerata yang mengakibatkan citra menjadi blur
sebagai berikut:

[ ]
1 1 1
1
h= 1 1 1
9
1 1 1

Kernel ini mengganti pixel yang dikonvolusi dengan nilai rata-rata dari 8 pixel tetangganya
ditambah pixel itu sendiri. Persoalan deblurring adalah bagaimana mengaproksimasi f(x, y) jika
diberikan f’(x, y). Kita mengasumsikan bahwa pengetahuan degradasi diketahui dalam bentuk
operator h (berdasarkan informasi statistik) atau dapat diestimasikan. Karena persoalan ini
dipandang sebagai persoalan aproksimasi, maka kita menentukan ^f (x , y ) sebaga estimasi terhadap
f(x, y) sedemikian sehingga ^f ( x , y )– f(x, y) minimal atau ukuran kualitas citra (MSE) minimal.

Mean Square Error. Untuk menguji keberhasilan suatu penapis citra maka hal yang perlu diuji
yaitu kualitas hasil penapisannya yang dapat dilakukan secara subyektif yaitu berdasarkan
pengamatan mata manusia. Penilaian subyektif ini dapat dibagi menjadi enam bagian yaitu
excellent(kualitas terbaik seperti aslinya), fine(kualitas tinggi, dapat dinikmati), passable
(kualitas cukup baik, masih dapat diterima), marginal (kualitas buruk, masih bias diperbaiki),
inferior (kualitas sangat buruk, namun masih bias diamati), unusable(sudah tidak dapat diamati
lagi). Selain itu, penilaian juga dapat dilakukan secara obyektif yaitu dengan menghitung nilai
MSE. Istilah SE, sering muncul pada statistic dan disebut varians, Varians merepresentasikan energy
dari fluktuasi. Pada persamaan berikut nilai rata-rata dibagi dengan nilai N.

1 ¿2
MSE=
N
[ X i− X i ] ………………………………………………………………………………… (4)

Dengan: N jumlah data

Xi = sinyal asli
X ¿i = sinyal terekonstruksi

Dalam pemrosesan citra MSE dihitung dengan merata-ratakan selisih setiap pixel yang bersesuaian.
Persamaan (4) adalah MSE citra

m n
1
∑ ∑
2
MSE=
mn i=1 j=1
[ f ( i , j )−f (i , j) ]
¿
…………………………………………………………………….

(5)
Dengan, m =jumlah baris
n = jumlah kolom

Konvolusi. Konvolusi terdapat pada operasi pengolahan citra yg mengalikan sebuah citra dengan
mask atau kernel.
Konvolusi pada Fungsi 2D

Operasi konvolusi didefinisikan sbb:

 Bulkis Kanata: Deblurring Citra Dengan Metode Iteratif Lucy-Richardson 3

a. Fungsi kontinyu
∞ ∞
h( x,y)=f (x,y ) g(x,y)= ∫ ∫ f (a,b)g( x−a,y−b)dadb
¿

−∞ −∞
b. Fungsi diskret
∞ ∞
h( x,y )=f (x,y )*g (x,y )= ∑ ∑ f (a,b ) g( x−a,y−b)
a=−∞ b=−∞

Fungsi penapis g(x,y) disebut convolution filter, convolution mask, Convolution kernel, atau
template.Dlm domain diskret kernel konvolusi dinyatakan dlm btk matriks (umumnya 3 x 3, namun
ada jg yg berukuran 2x2 atau 2x1 atau 1x2. Ukuran matriks biasanya lebih kecil dr ukuran citra.
Setiap elemen matriks disebut koefisien konvolusi.

Point Spread Function (PSF). Untuk membuat Citra blur biasanya dimodelkan dalam
konvolusi dengan Point Spread Function (PSF) dimana spektrum titik atau objek akan
menyebar sehingga objek akan terlihat memudar, blur alami biasanya terjadi akibat adanya
bayangan contohnya seperti kabut, gerakan objek saat pengambilan gambar dengan kamera,
ataupun citra yang menyebar ataupun optik yang tidak fokus mengakibatkan citra manjadi
kabur. Operator distorsi pada persamaan (2) disebut juga point spread function (PSF).
Berdasarkan persamaan (2), citra terblur dapat ditulis sebagai berikut:

Citra terblur f’(x,y) = citra asli (f(x,y)) * PSF

Berdasarkan model degradasi pada persamaan (2), proses mendasar deblurring adalah
dekonvolusi citra kabur (blur) dengan PSF.

Algoritma Iterasi Lucy-Richardson. Bila transformasi dari citra asli menjadi citra terdegradasi
diketahui akibat PSF, maka dengan melakukan transformasi balik (invers) akan didapatkan
kembali citra asli, namun tidak sempurna karena pengaruh distorsi pada citra akan memberi
tekanan secara kuat pada transformasi invers. Pada setiap iterasi, algoritma ini cenderung
memperbaiki distorsi yang disebabkan oleh PSF. Iterasi dihentikan jika kompromi terbaik antara
kualitas citra dengan derau telah dicapai.
Algoritma Lucy-Richardson, juga dikenal sebagai dekonvolusi Lucy-Richardson yang
merupakan prosedur iterasi untuk memulihkan sebuah citra laten yang telah kabur oleh fungsi
penyebaran titik dalam hal ini PSF. Pixel dalam citra yang diamati dapat diwakili dalam fungsi
penyebaran titik dan citra laten sebagai berikut:

Dimana pij adalah fungsi penyebaran titik (fraksi cahaya yang dating dari lokasi yang benar j yang
u d
diamati pada posisi i ), j adalah nilai pixel di lokasi j pada citra asli,dan i adalah nilai diamati
pada pixel lokasi i. Statistik dilakukan dengan asumsi bahwa u j distribusi poisson yang sesuai untuk
kebisingan foton dalam data. Ide dasarnya adalah untuk menghitung kemungkinan besar u j diberi,
4 Informatek, 1(1), Oktober 2011

diamati d i dan p i j dikenal. Hal ini menyebabkan suatu persamaan untuk u j dapat
diselesaikan secara iteratif sebagai berikut:

………………………………………………………………………………………………. (6)

dengan,

…………………………………………………………………………………………………………… (7)

METODE PENELITIAN

Deblurring citra yang digunakan adalah menggunakan metode iterative LUCY-

RICHARDSON dengan sampel citra blur yang dimodelkan dalam konvolusi dengan Point Spread
Function (PSF). Penelitian ini menggunakan Software Matlab 7.04.

Langkah-langkah penelitian:

1. Pengambilan citra asli

2. Blurring citra dengan Point Spread Function (PSF)
3. Deblurring dengan LUCY-RICHARDSON
4. Perhitungan MSE citra

Hasil akhir:

- Citra deblurring mendekati citra asli

- MSE citra

HASIL DAN PEMBAHASAN

Citra asli yang digunakan pada penelitian ini adalah ‘Foto_Ghiyats.jpg’ dengan ukuran
320 x 768 pixel seperti pada Gambar 2 dengan ukuran seperti Gambar 3 sedang pemrosesan
menggunakan kakas Matlab 7.04.

Blurring citra dengan point spread function (PSF). Panjang blur yang digunakan 18
(delapan belas) pixel dan sudut blur 5 (lima) derajat.
Dengan melakukan konvolusi antara citra Foto_Ghiyats.jpg dengan fungsi penyebar titik (PSF) maka
diperoleh citra blur pada Gambar 3.

Gambar 2. Foto_Ghiyats .jpg Gambar 3. Citra blur

 Bulkis Kanata: Deblurring Citra Dengan Metode Iteratif Lucy-Richardson 5

Deblurring Citra dengan metode iterative Lucy-Richardson. Untuk mendapatkan citra

deblurring menyerupai citra asli diterapkan beberapa jumlah iterasi yang disertai dengan
perhitungan MSE citra untuk menentukan jumlah iterasi terbaik seperti ditunjukkan pada Tabel 1.

Tabel 1. Perbandingan jumlah iterasi dengan MSE citra

MSE
JUMLAH ITERASI CITRA
1 48,32
2 47,64
3 47,14
4 46,78
5 46,44
6 46,11
7 45,83
8 45,72
9 45,82
10 46,14
11 46,55
12 47,06
13 47,66
14 48,34
15 49,11
20 53,10
30 60,97

Gambar 4. Menampilkan citra hasil deblurring untuk beberapa jumlah iterasi.

iterasi = 1 iterasi = 5 iterasi = 8

iterasi = 10 iterasi = 15 iterasi = 30

Gambar 4. Deblurring citra untuk beberapa jumlah iterasi

6 Informatek, 1(1), Oktober 2011

Script dalam matlab untuk deblurring citra sebagai berikut:

%Membaca citra
I = imread('foto_Ghiyats.jpg');
figure;
imshow(I);title('Citra Foto Ghiyats Asli ');

%Point Spread Function

panjang=18; %panjang blur(dalam pixel)
sudut=5; %sudut blur dalam derajat
PSF = fspecial('motion',panjang,sudut); %Fungsi penyebar titik
Citra_kabur_krn_pergerakan = imfilter(I,PSF,'replicate'); %Konvolusi antara citra asli dengan PSF
figure,
imshow(Citra_kabur_krn_pergerakan);title('Citra blur');

%perbaikan citra (deblurring)

Perbaikan_citra1 = deconvlucy(Citra_kabur_krn_pergerakan,PSF,1); %deblurring dengan Lucy-
% Richardson dengan jumlah iterasi 1)

Dari Tabel 1 terlihat bahwa jumlah iterasi terbaik untuk mendapatkan citra deblurring
diperoleh pada iterasi tertentu dengan jumlah iterasi yang cukup kecil yaitu 8 (delapan) yang
ditunjukkan dengan MSE terkecil adalah 45,72. Semakin besar jumlah iterasi setelah jumlah
iterasi 8 semakin besar MSE citra hasil deblurring, hal ini menunjukkan bahwa dengan jumlah
iterasi Lucy-Richardson yang tinggi citra hasil deblurring semakin berbeda dari citra asli.

KESIMPULAN

Iterasi Lucy-Richardson merupakan penapis dekonvolusi yang dapat digunakan untuk

memperbaiki citra blur, iterasi ini efektif jika fungsi penyebar titik (PSF) diketahui. Untuk
menentukan jumlah iterasi terbaik pada Lucy-Richardson dengan melakukan perhitungan
MSE citra (memilih MSE terkecil). Pada penelitian ini diperoleh MSE terkecil sebesar 45,72
pada jumlah iterasi 8.

DAFTAR PUSTAKA

http://documents.wolfram.com/applications/digitalimage/UsersGuide/ImageTransforms/
ImageProcessing8.7.html,
Munir, R, 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Penerbit Informatika
Bandung,
Richard L. White, 1994, Image Restoration Using Damped Richardson-Lucy Method, ASP
Conference.
Thompson, CM., Loren S,1993, Image Processing Toolbox User's Guide, The Mathworks Inc.