RESTORASI CITRA
Laboratorium MENGGUNAKAN
Bulkis Kanata
Telekomunikasi, Jurusan Elektro
TAPIS WIENER DENGAN KONTROL
Fakultas Teknik, Universitas Mataram
Email: uqinata@yahoo.co.id
PSF DAN NSR

Abstrak— Penapisan derau citra diperlukan
untuk mengurangi derau pada citra agar lebih
jelas dan mudah dianalisis. Pada penelitian ini
diterapkan tapis Wiener untuk mereduksi derau
pada citra. Untuk mengetahui adanya reduksi
derau digunakan MSE(means square error).
Penelitian menunjukkan bahwa penggunaan tapis
Wiener pada penapisan citra efektif digunakan
apabila Point Spread Function (PSF) dan Noise to
Signal Ratio (NSR) diketahui, hal ini ditandai
dengan penurunan MSE yang signifikan.
Kata Kunci: Tapis wiener, MSE, NSR, PSF
I.PENDAHULUAN
C itra mengandung banyak informasi dibanding
teks, namun seringkali citra sulit diinterpretasi
karena kabur, berderau yang kemungkinan
disebabkan oleh optik yang tidak fokus saat
pengambilan citra, adanya pergerakan, rendahnya
kualitas alat perekam data dan sebagainya. Oleh
karena itu citra harus diperbaiki agar mudah
diinterpretasi. Pada penelitian ini diterapkan Tapis
Wiener untuk mengurangi derau pada citra.
Faedah yang dapat diharapkan
a). Citra dengan derau terkurangi dapat menambah
keakuratan dalam menganalisis citra.
b). Menambah wawasan tentang pengolahan citra,
pengembangan ilmu pengetahuan khususnya citra.
Tujuan Penelitian
Tujuan penelitian ini adalah melakukan pengurangan
derau citra menggunakan tapis Wiener, sehingga
diperoleh galat kuadrat rata-rata (MSE) yang
minimum, artinya dapat dicapai pengurangan derau
yang maksimal sehingga kualitas citra hasil
rekonstruksi lebih baik.
II. TINJAUAN PUSTAKA
Perbaikan citra menggunakan teknik penapisan
berguna untuk meminimalkan pengaruh degradasi
pada citra [5]. Efektifitas tapis tergantung pada
kemampuan dan keakuratan dalam memahami
proses degradasi citra. Kriteria untuk mengukur
tingkat keakuratan suatu tapis adalah Mean square
error (MSE) [5]. Kriteria lainnya adalah kuadrat
rerata terbobot (weighted mean square) dan entropi
Minimum [5].

III. LANDASAN TEORI
Citra Digital
Citra dibedakan atas analog dan digital. Citra digital
diperoleh dengan mencuplik citra analog kemudian
mengkuantisasinya yakni membagi skala keabuan
(0,L) menjadi G buah level yang dinyatakan dengan
suatu harga bilangan integer, biasanya perpangkatan
dari 2,
G = 2m, G: derajat keabuan
m: bilangan bulat positif
Makin besar jumlah tingkat keabuan yang digunakan
maka resolusi citra semakin tinggi, proses berikutnya
adalah penyandian dengan sandi-sandi biner yang
sesuai [1].
Point Spread Function (PSF)
Untuk membuat citra blur biasanya dimodelkan
dalam konvolusi dengan point spread function
dimana spektrum titik atau objek akan menyebar
sehingga objek terlihat memudar [2]. Blur alami
biasanya terjadi akibat adanya bayangan contoh
kabut, gerakan objek saat pengambilan gambar
dengan kamera, ataupun citra yang menyebar
ataupun optik yang tidak fokus Citra terblur dapat
ditulis sebagai berikut:
u’(x,y)= u(x,y)*PSF
dengan u(x,y): citra asli
u’(x,y): citra terblur
PSF: fungsi penyebar titik mengakibatkan
citra menjadi kabur.
Model Derau
Model observasi citra ditunjukkan pada Gambar 1,
Citra asli dinyatakan u(x,y) dan v(x,y) adalah citra
hasil observasi (rekonstruksi).
Model derau dapat dinyatakan:
(1)
dengan derau dengan komponen
dan yang merupakan
komponen derau acak bergantung pada citranya.
Derau sistem ini dapat dimodelkan:
(2)
Dengan g adalah respons detektor citra perekam, dan
adalah medan derau putih Gaussian rerata-
nol. Suku signal-dependent timbul karena proses
deteksi dan perekaman meliputi emisi elektron acak
distribusi poisson dengan rerata g. Distribusi ini keseluruhan galat kuadrat rata-rata dalam proses
didekati distribusi Gaussian. Suku gayut-isyarat tapis invers dan penghalusan derau. Penapisan
mempunyai simpangan baku jika diasumsikan dengan Wiener merupakan estimasi linear dari citra
asli. Pendekatan ini didasarkan pada kerangka
bahwa mempunyai varians satu. Suku stokastik. Prinsip ortogonalitas menunjukkan bahwa
merepresentasikan derau termal lebarbidang, yang tapis Wiener dalam domain Fourier dapat
dapat dimodelkan sebagai derau putih Gaussian. dinyatakan sebagai berikut:
(4)

masing-masing spektrum daya citra

asli dan derau aditif
: tapis blur.

Terlihat bahwa tapis Wiener terdiri atas dua bagian

terpisah yakni tapis invers dan penghalusan derau.
Tapis ini tidak hanya melakukan dekonvolusi dengan
tapis invers (highpass filtering), tetapi juga
menghilangkan derau dengan operasi pemampatan
(lowpass filtering).

Untuk menerapkan tapis Wiener dalam prakteknya

kita harus mengestimasi spektrum daya citra asli
dan derau aditif. Untuk spektrum daya derau aditif
Gambar 1. Model Observasi citra [5] putih sama dengan varians dari derau. Untuk
mengestimasi spektrum daya citra asli banyak
metode yang dapat digunakan. Suatu estimasi secara
Mean Square Error (MSE) langsung adalah estimasi periodogram dari
spektrum daya yang dihitung dari observasi:
Analisis hasil penelitian akan dilakukan dengan cara
menghitung MSE. (5)

MSE= (3) dengan Y(k,l) adalah transformasi fourier diskret

(DFT) dari observasi. Keuntungan dari estimasi
adalah bahwa hal itu dapat dilakukan dengan sangat
dengan = citra asal dan = citra
mudah tanpa khawatir tentang singularitas dari tapis
rekonstruksi [3]. invers. Estimasi lain yang mengarah (leads) ke
implementasi kaskade tapis invers dan penghalusan
derau:
(6)

yang merupakan hasil langsung dari

Tapis Wiener
Tapis invers merupakan suatu teknik restorasi citra
dengan dekonvolusi, yakni ketika citra menjadi kabur
oleh tapis pelewat rendah yang diketahui,
memungkinkan memulihkan citra dengan tapis
invers. Namun tapis invers sangat sensitive terhadap
derau aditif. Tapis wiener mengeksekusi suatu
tradeoff antara tapis invers dan penghalusan derau.
Tapis ini menghilangkan derau aditif dan
membalikkan pengaburan secara bersamaan.
Contoh tapis pelewat rendah untuk pengaburan citra:
Tapis Wiener optimal dalam hal galat kuadrat rata-
rata (MSE), dengan kata lain meminimalkan
Spektrum daya dapat
diestimasi secara langsung dari pengamatan
menggunakan estimasi periodogram. Perkiraan ini
menghasilkan implementasi kaskade tapis invers
dan penghalusan derau:
(7)
Kerugian dari implementasi ini adalah bahwa ketika
tapis invers adalah singular (tunggal), kita harus
menggunakan tapis invers umum. Spektrum daya
dari citra asli dapat juga diestimasi berdasarkan
model seperti model .
Untuk mengilustrasikan tapis Wiener dalam restorasi
citra pada tulisan ini menggunakan citra ukuran
272x328. Kami blur citra dengan tapis lowpass
kemudian ditambahkan derau aditif Gaussian putih
(bilangan acak terdistribusi secara normal).

IV. CARA PENELITIAN

Bahan Penelitian
1. Citra dengan level keabuan sebanyak 256
2. Ukuran citra 372 x 328 pixel
Alat
Penapisan Citra Terblur dengan Tapis Wiener
1. Komputer
2. Camera digital untuk memperoleh citra
3. Matlab 7.04 sebagai perangkat lunaknya

Diagram Alir Penelitian

Langkah-langkah dalam penelitian ini sesuai dengan
diagram alir pada Gambar 2.

Mulai Gambar 5. Hasil penapisan citra

blur, MSE=23.55

Akuisisi Citra
Gambar 5 merupakan hasil penapisan citra terblur
dengan menerapkan kontrol PSF sebenarnya, Nilai
MSE = 23,55.
Pengaburan dan
Pemberian derau Dengan mengubah PSF pada bagian Panjang menjadi
2 (dua) kali panjang sebenarnya diperoleh citra
seperti Gambar 6 dengan MSE 110,33.
Penapisan derau

Analisis Hasil

Selesai
Gambar 2. Diagram alir penelitian

V. HASIL DAN PEMBAHASAN Gambar 6. Hasil penapisan citra blur

dengan mengubah PSF pd bagian
Dalam penelitian ini citra “Nailah.jpg” pada panjang=2x, MSE=110.33
Gambar 3 diblur dan diberi derau Gaussian Berikutnya citra Gambar 4 ditapis dengan mengubah
kemudian ditapis menggunakan tapis Wiener. sudut sebesar 2(dua) kali sudut sebenarnya maka
diperoleh citra seperti Gambar 7 dengan MSE=88,39.

Gambar 3. Citra Nailah Asli,

MSE=0
Panjang blur yang digunakan 30 (tiga puluh) dan
sudut blur 10 (sepuluh) derajat. Dengan melakukan
konvolusi antara citra Nailah.jpg dengan fungsi
penyebar titik (PSF) maka diperoleh citra blur seperti
pada Gambar 4, yang memiliki nilai MSE=42,84.
Gambar 7. Hasil penapisan citra
blur dgn mengubah sudut=2x,
MSE=88.39
Dari hasil penapisan menggunakan tapis Wiener
pada Gambar 5, Gambar 6 dan Gambar 7 terlihat
MSE terkecil diperoleh dengan menerapkan kontrol
PSF sebenarnya, sehingga pada tapis Wiener efektif
digunakan jika PSF diketahui.

Gambar 4. Citra Nailah Terblur,

MSE=42.84
Penambahan Derau
Citra blur pada Gambar 4 diberi derau Gaussian
seperti pada Gambar 8.
Gambar 8. Citra blur + derau,
MSE= 24.76
Pada penambahan derau terlihat MSE turun menjadi
24,76 jika dibandingkan sebelum penambahan derau
yakni 42,84. Dari penurunan MSE penambahan
derau seolah merupakan perbaikan citra namun
secara visual Gambar 4 lebih baik dari Gambar 8.
Dengan menerapkan tapis Wiener dengan control
PSF pada citra berderau Gambar 8, diperoleh citra
seperti Gambar 9 yang memiliki MSE=110,15.
Terlihat MSE bertambah besar, namun dapat
diturunkan MSE dengan pengontrolan NSR seperti
yang diperlihatkan pada Gambar 10 dengan
MSE=57.65. Penerapan tapis Wiener pada citra
berderau efektif jika diketahui NSR (noise to signal
ratio). Hal ini dapat dilihat pada pengontrolan NSR
Gambar 10 (kontrol NSR sebenarnya), Gambar 11
(kontrol NSR= 0,5*NSR sebenarnya, dan Gambar
12(kontrol NSR=2* NSR sebenarnya, pengontrolan
NSR sebenarnya menghasilkan MSE lebih kecil
yakni MSE= 57,65.
Gambar 9.Restorasi citra dari derau
dengan kontrol PSF, MSE=110.15
Gambar 10.Restorasi citra dari
derau dengan kontrol PSF dan
NSR, MSE=57,65
sebenarnya,
MSE=57,65
Gambar 11.Restorasi citra dari derau
dengan kontrol PSF dan 0,5*NSR
sebenarnya, MSE=67,99
Gambar 12.Restorasi citra dari derau
dengan kontrol PSF dan 2*NSR
sebenarnya, MSE=66,33
Script dalam matlab untuk penapisan dengan tapis
Wiener sebagai berikut:
I = imread('Nailah.jpg')
figure;imshow(I);title('Citra Nailah Asli');
size(I)
Panjang = 30;
Sudut = 10;
PSF = fspecial('motion',Panjang,Sudut);
Blurred = imfilter(I,PSF,'circular','conv');
figure; imshow(Blurred);
title('Citra Nailah terblur');
wiener1 = deconvwnr(Blurred,PSF);
title('Restorasi,PSF');
wiener2 = deconvwnr(Blurred,fspecial('motion',2*Panjang,Sudut));
title('Restorasi, "Panjang" PSF');
wiener3 = deconvwnr(Blurred,fspecial('motion',Panjang,2*Sudut));
title('Restorasi, "Sudut" PSF');
%Penambahan Derau
derau = 0.1*randn(size(I));
BlurredNoisy = imadd(Blurred,im2uint8(derau));
figure;imshow(BlurredNoisy);title('Citra blur + Derau');
wiener4 = deconvwnr(BlurredNoisy,PSF);
figure;imshow(wiener4);
title('Restorasi Citra dari Derau dgn PSF');
%To control the noise amplification, provide the noise-to-signal
power ratio, NSR.
NSR = sum(derau(:).^2)/sum(im2double(I(:)).^2);
wiener5 = deconvwnr(BlurredNoisy,PSF,2*NSR);
figure;imshow(wiener5);
title('Restorasi dengan Kontrol PSF dan 2*NSR');
 VI. KESIMPULAN
1. Tapis Wiener dapat digunakan untuk mengurangi
derau pada citra yang ditunjukkan dengan
penurunan MSE citra hasil penapisan.
2. Tapis Wiener efektif digunakan pada citra jika
PSF (point Spread function) dan NSR (noise to
signal ratio) pada citra diketahui.

VII. REFERENSI
[1] B. Kanata, “Pengolahan Citra”, Diktat Kuliah Edisi I, Program
Studi Teknik Elektro, Fakultas Teknik Universitas Mataram.
[2] B. Kanata, “Deblurring Citra dengan Metode Iteratif Lucy-
Richardson”, Jurnal INFORMATEK, 2011
[3] R. Munir, “Pengolahan Citra Digital dengan Pendekatan
Algoritmik”, Penerbit Informatika Bandung, 2004.
[4] C.M.Thompson, L. Shure, “Image Processing Toolbox User’s
Guide”, The Mathworks Inc, 1993
[5] Anil. K.J, “Fundamental of Digital image Processing”, Prentice-
Hall of India, 1995