Perbandingan Metode Median Filter Dengan Metode Gaussian

Filter Dalam mereduksi Noise Pada Citra

Abstract
Citra memegang peranan sangat penting sebagai bentuk informasi. Seiring kemudahan yang
ditawarkan dalam pengambilan, pemrosesan dan penyimpanannya masyarakat mulai banyak
yang meninggalkan citra analog dan beralih ke citra digital. Citra digital merupakan salah satu
bentuk citra yang paling mudah dipergunakan dari segi pengiriman sebagai data, pengolahan dan
pemrosesan citra itu sendiri. Meskipun sebuah citra kaya informasi, namun seringkali citra yang
kita miliki mengalami penurunan intensitas mutu, misalnya mengandung cacat atau derau
(noise), warnanya terlalu kontras atau kabur. Penurunan intensitas mutu tersebut, biasanya terjadi
pada proses pengambilan ataupun penyimpanan gambar. Metode Gaussian filter merupakan filter
linier dengan nilai tertimbang untuk setiap anggota piksel yang dipilih berdasarkan bentuk fungsi
anggota. Sedangkan Metode Median Filter merupakan salah satu metode filter non linier yang
menyusun sekumpulan piksel nilai intensitas kemudian menggantikan nilai piksel yang sedang
diproses dengan nilai median.
Kata Kunci: Filter Image, Gaussian Filter, Median Filter

A. Pendahuluan
Banyak faktor yang membuat suatu noise dapat berada di dalam sebuah citra. Sebagai
contoh kamera tidak fokus pada saat pengambilan citra atau munculnya bintik-bintik yang
bisa jadi disebabkan oleh proses pengambilan gambar yang tidak sempurna, dapat juga
berasal dari proses editing maupun kompresi sehingga timbul noise yang dapat merusak
kualitas gambar. Noise pada citra tidak hanya terjadi karena beberapa faktor diatas, tetapi
bisa juga disebabkan oleh kotoran-kotoran yang terjadi pada citra.

Noise reduction merupakan suatu proses untuk mereduksi atau mengurangi noise pada
sebuah citra digital. Sampai saat ini, banyak metode yang telah dicoba untuk mengurangi
banyaknya noise pada citra digital dengan tujuan untuk memperbaiki kualitas citra tersebut.

Metode yang digunakan untuk menghilangkan noise adalah metode Gaussian Filter dan
Median Filter. Gaussian Filter adalah filter linier dengan nilai pembobotan untuk setiap
anggotanya dipilih berdasarkan bentuk fungsi Gaussian sedangkan Median Filter adalah filter
non linier yang mengurutkan nilai intensitas sekelompok pixel, kemudian mengganti nilai
pixel yang diproses dengan nilai mediannya. sehingga kita dapat memperoleh citra digital
dengan noise atau kerusakan terkecil.
B. Landasan Teori
1. Median Filter
Median filter mengambil area tertentu pada citra sesuai dengan ukuran kernel yang
telah ditentukan yang umumnya 3x3, kemudian dilihat setiap nilai piksel pada area
tersebut, dan nilai tengah pada area diganti dengan nilai median. Median filter
menunjukkan hasil yang bagus pada impulse noise.
Rumus:

Keterangan:
F(x,y) = Citra hasil filter
G(x,y)min = Nilai piksel minimum
G(x,y)max = Nilai piksel maximum

Cara memperoleh nilai median adalah nilai dari pada matriks diurutkan dari nilai
erkecil hingga yang terbesar, kemudian ditentukan nilai yang berada di tengah dari deret
piksel.

Berikut adalah contoh reduksi noise dengan resolusi citra berukuran 5x5 yang akan
dicari nilai tengahnya sebagai pengganti nilai sebelumnya.

Mengambil nilai piksel dalam area tertentu dengan ukuran 3x3 dalam bentuk vector

Mengurutkan nilai piksel dari yang terkecil ke yang terbesar

Dari gambar diatas dapat dicari nilai mediannya yaitu x=6. Nilai ini akan menggantikan
nilai piksel pada area sehingga setelah dihitung semua maka hasilnya akan seperti ini:
2. Gaussian Filter
Gaussian filter merupakan proses untuk memperoleh suatu piksel berdasarkan nilai
piksel itu sendiri dengan tetangganya, dengan melibatkan suatu matriks yang
merepresentasikan pembobotan. Filter gaussian sangat baik untuk menghilangkan nois
yang bersifat sebaran normal, yang banyak di jumpai pada sebaran citra hasil proses
digitasi menggunakan kamera karena merupakan fenomena alamiah akibat sifat pantulan
cahaya dan kepekaan sensor cahaya pada kamera itu sendiri.
Rumus:

Keterangan:
h(x,y) = Citra hasil filter
f(x,y) = Citra asli/input
g(x,y) = Filter Gaussian

Jadi hasil dari gaussian filter adalah jumlah dari perkalian antara piksel citra dengan
jumlah dari matriks filter.

Berikut adalah contoh reduksi noise dengan resolusi citra berukuran 5x5 dengan
gaussian filter:

Menentukan nilai elemen matriks filter gaussian yang berukuran 3x3

Setelah mendapatkan nilai elemen pada matriks filter, selanjutnya mencari jumlah semua
elemen nilai pada matriks filter sebagai pembagi matriks filter. Berdasarkan matriks
diatas jumlah semua elemen nilai pada filter adalah 16.

Langkah selanjutnya adalah mengalikan setiap nilai piksel pada citra dengan kernel 3x3
dengan matriks filter gaussian, lalu menjumlahkan semua hasilnya lalu dibagi dengan
jumlah semua elemen nilai matriks filter.
H(x,y) = (5x1)+(6x2)+(5x1)+(9x2)+(10x4)+(1x2)+(5x1)+(6x2)+(10x1)
= 5 + 12 + 5 + 18 + 40 + 2 + 5 + 12 + 10
= 109/16
 =9
Dari perhitungan diatas didapatkan nilai hasil filter yaitu 9. Nilai ini akan menggantikan
nilai piksel pada area sehingga setelah dihitung semua maka hasilnya akan seperti ini:

C. Analisis dan Perancangan

1. Flowchart Metode Median Filter

Berdasarkan gambar diatas berikut merupakan keterangan dari flowchart proses

reduksi noise menggunakan metode median filter:
 Langkah pertama, menginput citra gambar
 Langkah kedua, menkonversi citra yang diinput ke grayscale
 Langkah ketiga, menampilkan citra yang sudah dikonversi ke grayscale
 Langkah keempat, menginput ukuran kernel dari scale 1 sampai dengan 15
 Langkah kelima, proses mereduksi noise dengan medianBlur menggunakan
kernel yang sudah diinput
 Menampilkan hasil citra yang sudah direduksi
2. Flowchart Metode Gaussian Filter

Berdasarkan gambar diatas berikut merupakan keterangan dari flowchart proses

reduksi noise menggunakan metode gaussian filter:
 Langkah pertama, menginput citra gambar
 Langkah kedua, menkonversi citra yang diinput ke grayscale
 Langkah ketiga, menampilkan citra yang sudah dikonversi ke grayscale
 Langkah keempat, menginput ukuran kernel dari scale 1 sampai dengan 15
 Langkah kelima, proses mereduksi noise dengan gaussianBlur menggunakan
kernel yang sudah diinput
 Menampilkan hasil citra yang sudah direduksi
 3. Perancangan Antarmuka

Keterangan:
 Image 1 : Gambar Grayscale
 Image 2 : Gambar Hasil Reduksi Median Filter
 Image 3 : Gambar Hasil Reduksi Gaussian Filter
 Button 1 : Tombol untuk memilih gambar yang akan di proses
 Button 2 : Tombol untuk melakukan proses reduksi
 Text 1 : Tulisan Tingkat Reduksi Noise
 Scale 1 : Scale untuk memilih tangkat reduksi / ukuran kernel

D. Implementasi
Berikut merupakan gambar tampilan form reduksi noise median & Gaussian Filter

Pada form ini klik tombol pilih citra untuk memilih citra yang ingin di proses di media
penyimpanan. Setelah citra dipilih citra akan ditampilkan seperti gambar dibawah
Pilih tingkat reduksi noise di skala dari 1 sampai dengan 15 yang nantinya akan digunakan
sebagai kernel kemudian klik tombol reduksi noise untuk memulai proses yang akan
mereduksi noise pada citra dan kemudian menampilkannya seperti berikut.
E. Kesimpulan
Berdasarkan pembahasan sebelumnya, dapat diambil beberapa kesimpulan sebagai berikut:
1. Citra yang diproses dengan metode median filter akan mengalami penghalusan secara
sempurna sehingga noise akan berkurang, sementara itu citra yang diproses dengan
metode gaussian filter noisenya masih terlihat tidak jauh beda dengan citra asli
2. Citra yang memiliki noise setelah diperbaiki menghasilkan gambar yang terlihat lebih
halus dan kabur

F. Daftar Pustaka
1. Munir, R. “Pengantar Pratikum pengolahan Citra”. Bandung: Penerbit ANDI. 2007.
2. Warsiti. Perancangan Aplikasi Pengurangan Noise Pada Citra Digital Menggunakan
Metode Filter Gaussian. Jurnal.
3. Surti Sari. Penerapan Metode Median Filter untuk Mereduksi Noise Speckle dan Salt &
Pepper pada Citra Ortokromatik. Jurnal.
4. https://www.slideserve.com/addison-skinner/image-filtering-readings-ch-5-5-4-5-5-5-6-
5-7-3-5-8-this-lecture-does-not-follow-the-book akses: 14/1/2024