Peak Signal to Noise Ratio (PSNR) - Parameter Perbandingan Kualitas Citra

Bab 2 Landasan Teori

2.7 Parameter Perbandingan Kualitas Citra

2.7.2 Peak Signal to Noise Ratio (PSNR)

−

= ^...(5)

dimana: x[i,j] adalah citra asal dengan dimensi M x N,

y[i,j] adalah citra hasil yang telah mengalami proses.

2.7.2 Peak Signal to Noise Ratio (PSNR)

Peak Signal to Noise Ratio (PSNR) adalah sebuah perhitungan yang menentukan nilai

dari sebuah citra yang dihasilkan. Nilai PSNR ditentukan oleh besar atau kecilnya nilai MSE yang terjadi pada citra. Semakin besar nilai PSNR, semakin baik pula hasil yang diperoleh pada tampilan citra hasil. Sebaliknya, semakin kecil nilai PSNR, maka semakin buruk pula hasil yang diperoleh pada tampilan citra hasil. PSNR dihitung dengan menggunakan rumus: (Putra, 2010)

� = log_��⁵⁵ ...(6) Atau: � = log _∑ _∑ ₋⁵⁵_{[ , ]− [ , ]} = − = ...(7)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi pada saat ini mempunyai dampak yang sangat besar dalam kehidupan manusia. Salah satu perkembangan yang paling pesat adalah perkembangan teknologi pada bidang multimedia. Untuk teknologi multimedia sendiri merupakan gabungan dari media-media yang ada. Media-media tersebut terbagi atas beberapa jenis, yaitu teks, citra (gambar), suara, video dan lain sebagainya. Citra adalah reprentasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog, berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan.

Dalam perkembangannnya citra yang bersifat digital atau biasa disebut dengan citra digital, memiliki beragam kualitas gambar. Citra yang dihasilkan bergantung pada resolusi pixel terhadap gambar tersebut. Semakin banyak jumlah pixel pada sebuah citra maka akan semakin bagus pula gambar yang akan dihasilkan.(Acharya & Ajoy, 2005).

Namun, tidak semua gambar yang dihasilkan akan sesuai dengan objek gambar tersebut, hal ini diakibatkan adanya derau (noise) yang menyebabkan tidak maksimalnya hasil gambar yang didapat. Noise yang terjadi dapat berupa tingkat kecerahan yang terlalu tinggi, warna yang terlalu kontras, atau kurang tajamnya gambar tersebut dan lain sebagainya.

Beberapa jenis tipe noise yang sering kita jumpai pada citra digital yakni,

Gaussian Noise dan Salt and Pepper Noise. Gaussian Noise merupakan model noise

yang mengikuti distribusi normal standar dengan rata-rata 0 dan standar deviasi 1. Efek dari Gaussian Noise ini pada gambar adalah munculnya titik-titik berwarna yang jumlahnya sama dengan persentase noise. Salt and Pepper Noise adalah bentuk noise yang biasanya terlihat titik-titik hitam dan putih pada citra seperti tebaran garam dan merica.

Ada beberapa metode dalam mengurangi atau mereduksi noise pada citra digital, salah satunya adalah dengan melakukan teknik filtering. Adapun teknik filtering yang digunakan adalah High-Boost Filtering.

Pada penelitian yang dilakukan oleh Roopashree. S, Sachin Saini, Rohan Ranjan

Singh dengan judul “ Enchancement and Pre-Processing of Images Using Filtering”.

Dalam implementasinya High-Boost Filtering digunakan untuk memperbaiki sebuah citra yang ada tanpa memiliki noise. (Roopashree. S ,2012).

Selanjutnya, pada penelitian yang dilakukan oleh Dr. S . Pannirselvam dan P.

Raajan dengan judul “An Efficient Finger Print Enchancement Filtering Technique

with High Boost Gaussian Filter”. Dalam implementasinya High-Boost Filtering digunakan untuk memperjelas sidik jari yang telah diproses menggunakan metode

High-Pass Filtering sehingga gambar sidik jari menjadi semakin tajam. (Pannirselvam

S ,2012)

Berdasarkan latar belakang yang telah penulis uraikan, maka dilakukan penelitian

dengan judul “Implementasi High-Boost Filtering untuk Memperbaiki Kualitas Citra

Digital.”

1.2 Perumusan Masalah

Permasalahan yang akan diteliti dan diuraikan dalam Skripsi ini adalah penggunaan metode High-Boost Filtering pada sebuah citra yang mengalami 2 jenis noise yaitu

Gaussian Noise dan Salt & Pepper Noise sehingga citra yang dihasilkan menjadi lebih

baik.

1.3 Batasan Masalah

Batasan masalah yang akan menjadi acuan adalah:

1. Jenis citra digital yang akan digunakan adalah citra digital dengan format .bmp dan citra digital dengan format .png .

2. Noise yang digunakan adalah Gaussian Noise dan Salt & Pepper Noise .

3. Persentase probabilitas noise yang akan digunakan mulai dari 10% ,20%,30% dan 40%.

4. Parameter yang digunakan untuk membandingkan kualitas citra adalah Mean

Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR)

5. Bahasa pemrograman yang akan digunakan adalah C#.

1.4 Tujuan Penelitian

Tujuan dari penelitian adalah agar dapat memperoleh sebuah aplikasi yang dapat memperbaiki kualitas citra yang mengalami noise yaitu Gaussian Noise dan Salt &

Pepper Noise dengan menggunakan metode High-Boost Filtering.

1.5 Manfaat Penelitian

Manfaat penelitian ini sebagai berikut: 1. Manfaat bagi penulis:

a. Menambah pengetahuan penulis dalam bidang pengolahan citra digital khususnya pada metode High-Boost Filtering.

b. Menambah pengetahuan penulis dalam melakukan penerapan metode

High-Boost Filtering untuk memperbaiki kualitas citra.

2. Manfaat bagi bidang ilmu adalah sebagai bahan referensi yang dapat digunakan bagi peneliti lain yang menggunakan citra digital sejenis.

3. Manfaat bagi masyarakat adalah membantu masyarakat dalam melakukan proses perbaikan kualitas citra digital.

1.6 Metodelogi Penelitian

Tahapan yang dilakukan dalam penelitian ini adalah: 1. Studi Literatur

Penelitian ini terlebih dahulu dipelajari literatur yang didapat melalui buku, jurnal, artikel, makalah maupun situs internet yang membahas perbaikan citra digital dengan metode High-Boost Filtering.

Pada tahap ini akan dilaksanakan perancangan flowchart, antar muka, UML dan perancangan sistem perbaikan kualitas citra digital dengan menggunakan metode

High-Boost Filtering

3. Implementasi Sistem

Pada tahap ini akan dilaksanakan pengkodean (coding). 4. Pengujian Sistem

Dalam tahap ini dilakukan pengujian terhadap sistem yang telah dibangun. 5. Dokumentasi

Dalam tahapan ini dilakukan penyusunan laporan dari hasil analisis dan perancangan sistem dalam format penulisan penelitian.

1.7 Sistematika Penulisan

Agar pembahasan lebih sistematis, maka tulisan ini dibuat dalam lima bab, yaitu : Bab I Pendahuluan

Berisi latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat penelitian dan sistematika penulisan.

Bab II Landasan Teori

Berisi tentang penjelasan singkat mengenai definisi pengolahan citra,

noise dan metode Order-Statistic Filters.

Bab III Analisis dan Perancangan

Berisi tentang analisis mengenai proses kerja dari teknik

Order-Statistic Filters yang terdiri dari Use Case Diagram, Squential Diagram, Activity Diagram, Pseudocode Program, Flowchart dan

perancangan tampilan form dari aplikasi. Bab IV Implementasi dan Pengujian

Pada tahap ini dilakukan pembuatan sistem dan coding sesuai dengan analisis dan perancangan. Kemudian melakukan pengujian sistem.

Bab V Kesimpulan dan Saran

Berisi tentang kesimpulan yang dapat ditarik setelah menyelesaikan tugas akhir ini dan saran-saran yang dapat diberikan untuk pengembangan aplikasi lebih lanjut.

menyelesaikan skripsi ini.

11.Noer Inda Chayanie atas semangat, dukungan, perhatian, kasih sayang dan pengertian terhadap penulis selama proses penyelesaian skripsi ini.

12.Teman-teman terdekat, terutama Gamal Nasir, Dewa Made Suryadharma, S.Kom dan Mustika Agung Maulana S, Kom ,atas semangat dan para kru Raja Risol atas dorongannya sehingga penulis dapat menyelesaikan skripsi ini. Dan juga untuk Ismail Fata Lubis, Dewi Ayu Pratami, S.kom , dan teman-teman seangkatan 2009 lainnya yang telah membantu penulis dalam menyelesaikan skripsi ini.

13.Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-persatu.

Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan pahala yang melimpah dari Allah SWT.

Medan, April 2014

ABSTRAK

Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog, berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan. Citra yang dihasilkan bergantung pada resolusi pixel terhadap gambar tersebut. Akan tetapi ,tidak semua citra yang dihasilkan akan sesuai dengan objek gambar tersebut, hal ini diakibatkan adanya derau (noise) yang menyebabkan tidak maksimalnya hasil gambar yang didapat. Noise yang terjadi dapat berupa tingkat kecerahan yang terlalu tinggi, warna yang terlalu kontras, atau kurang tajamnya gambar tersebut dan lain sebagainya. Noise yang terjadi pada sebuah citra dapat berupa Gaussian Noise ataupun Salt and Pepper

Noise.Untuk memperbaiki citra tersebut kita dapat menggunakan salah satu

metode yaitu High-Boost Filtering. Dalam High-Boost Filtering citra diproses dengan tetap mempertahankan komponen frekuensi tinggi dan menghilangkan (mengurangi) komponen frekuensi rendah. Proses pengujian ini dilakukan dengan nilai probabilitas noise antara 10%,15% dan 20%, yang diujikan dengan citra berformat.bmp dan .png yang menghasilkan nilai MSE dan PSNR. Berdasarkan hasil pengujian High-Boost Filtering lebih baik digunakan pada citra grayscale berformat .bmp maupun berformat .png dengan Gaussian noise karena nilai MSE dan PSNR yang relatif kecil dibanding Salt And Pepper Noise

Katakunci : High-Boost Filtering, Gaussian Noise, Salt and Pepper Noise, Filtering

MEMPERBAIKI KUALITAS CITRA DIGITAL

DRAFT SKRIPSI

AZHAR INDRA RIFANGI 091401038

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

IMPLEMENTASI HIGH-BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS CITRA DIGITAL

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

AZHAR INDRA RIFANGI 091401038

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2014

PERSETUJUAN

Judul : IMPLEMENTASI HIGH-BOOST FILTERING UNTUK

MEMPERBAIKI KUALITAS CITRA DIGITAL

Kategori : SKRIPSI

Nama : AZHAR INDRA RIFANGI

Nomor Induk Mahasiswa : 091401038

Program Studi : SARJANA (S1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI Diluluskan di Medan, Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Herriyance , ST, M.Kom Syahriol Sitorus, S.Si,MIT NIP. 19801024 201012 1 002 NIP. 19710310 199703 1 004

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 196203171991031001

PERNYATAAN

IMPLEMENTASI HIGH-BOOST FILTERING UNTUK MEMPERBAIKI KUALITAS CITRA DIGITAL

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, April 2014

Azhar Indra Rifangi 091401038

Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya, sehingga Penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

Penulis ingin menyampaikan rasa hormat dan terima kasih yang sebesar–

besarnya kepada :

1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 4. Bapak Syahriol Sitorus , S.Si, MIT selaku Dosen Pembimbing I yang telah

memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.

5. Bapak Herriyance , ST, M.Kom selaku Dosen Pembimbing II yang dengan sabar telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.

6. Bapak Dr. Syahril Effendi, S.Si, MIT selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 7. Bapak Amer Sharif ,S.Si, M.Kom selaku Dosen Pembanding II yang

memberikan kritik dan saran untuk penyempurnaan skripsi ini

8. Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, seluruh tenaga pengajar serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.

9. Ibunda tercinta Alm. Nuzullaila Rahman yang selalu menjadi motivasi dan inspirasi dalam pengerjaan skripsi ini.

10.Ayahanda Amad Rifangi yang selalu memberikan doa dan dukungan serta kasih sayang kepada penulis, serta Om Fadil Rahman dan Tante Susi Faisa

menyelesaikan skripsi ini.

11.Noer Inda Chayanie atas semangat, dukungan, perhatian, kasih sayang dan pengertian terhadap penulis selama proses penyelesaian skripsi ini.

13.Dan semua pihak yang telah banyak membantu yang tidak bisa disebutkan satu-persatu.

Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan pahala yang melimpah dari Allah SWT.

Medan, April 2014

ABSTRAK

Noise.Untuk memperbaiki citra tersebut kita dapat menggunakan salah satu

Katakunci : High-Boost Filtering, Gaussian Noise, Salt and Pepper Noise, Filtering

IMPLEMENTATION OF HIGH-BOOST FILTERING TO IMPROVE THE QUALITY OF DIGITAL IMAGE

ABSTRACT

Image as one of the output from a recording system, can be an optical data such as an image, analogous, or video signals such as images on a television monitor or one of digital media that we can save in a digital storage. The result of the image is depends on the pixel resolution from the image. However, not all images will be produced in accordance with the image object, this is due to the presence of noise that cause didn’t get the best result of the image. It can be occur cause of too

high the brightness levels,too contrast image,or lack of sharpness from the image. Gaussian Noise or Salt and Pepper Noise can be occurs in an image, to fix that we can use High-Boost Filtering method to fix the image.In High-Boost Filtering image will be processed while maintaining the high frequency components and eliminating (reducing) the low-frequency component. The testing process will be tested with a probability value of noise between 10%, 15% and 20%,it tested with an image in .bmp mode or in .png mode that generate value of MSE and PSNR. Based on the test, High-Boost Filtering is better used on a grayscale image in .bmp mode or .png mode which affected by Gaussian Noise than Salt and Pepper noise. Because the value of MSE and PSR are relatively small compared to Salt and Pepper Noise.

Keywords : High-Boost Filtering, Gaussian Noise, Salt and Pepper Noise, Filtering

DAFTAR ISI Halaman Persetujuan ii Pernyataan iii Penghargaan iv Abstrak vi Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

Daftar Lampiran xii

Bab 1 Pendahuluan 1.1Latar Belakang 1 1.2Perumusan Masalah 2 1.3Batasan Masalah 2 1.4Tujuan Penelitian 3 1.5Manfaat Penelitian 3 1.6Metodelogi Penelitian 3 1.7Sistematika Penulisan 4

Bab 2 Landasan Teori 2.1 Citra 6 2.2 Citra Digital 6 2.3 Jenis-Jenis Citra 8 2.3.1 Citra Biner 8 2.3.2 Citra Grayscale 8 2.3.3 Citra Warna 9

2.4 Format File Citra 9

2.4.1 Format File Bitmap (.bmp) 10

2.4.2 Format File Citra Portable Networks Graphic(.png) 10

2.5 Noise 11

2.5.1 Gaussian Noise 12

2.5.2 Salt and Pepper Noise 12

2.6 Perbaikan Citra 13

2.6.1 Operasi Spasial (Filtering) 13

2.6.1.1 Kernel (mask) 13

2.6.1.2 Konvolusi (Convolution) 14

2.6.2 High-Boost Filtering 14

2.7 Parameter Perbandingan Kualitas Citra 15

2.7.1 Mean Square Error (MSE) 15

2.7.2 Peak Signal to Noise Ratio (PSNR) 16

Bab 3 Analisis dan Perancangan Sistem 3.1 Analisis Sistem 17 3.1.1 Analisis Masalah 17 3.1.2 Analisis Persyaratan 18 3.1.2.1 Persyaratan Fungsional 18 3.1.2.2 Persyaratan Non-fungsional 19 3.1.3 Analisis Proses 19

3.1.3.1 Use Case Diagram 20

3.1.3.2 Sequence Diagram 23

3.1.3.3 Activity Diagram 23

3.1.3.4 Analisis Proses Filtering dengan High-Boost Filtering 25

3.2 Pseudocode Program 28

3.2.1 Pseudocode Proses Tambah Generate Noise 28

3.2.2 Pseudocode Proses Tambah Salt and Pepper Noise 28 3.2.3 Pseudocode Proses High-Boost Filtering 28

3.3 Perancangan Sistem 29

3.3.1 Perancangan Flowchart Sistem 30

3.3.2 Perancangan Antarmuka Sistem (Interface) 30

a. Halaman Menu Utama 30

b. Halaman Menu Pengujian 31

c. Halaman Menu Hasil 32

d. Halaman Menu Help 34

Bab 4 Implementasi dan Pengujian

4.1Implementasi 35

4.1.1 Tampilan Halaman Menu Home 35

4.1.2 Tampilan Halaman Menu Pengujian 37

4.1.3 Tampilan Halaman Menu Hasil 37 4.1.4 Tampilan Halaman Menu Help 38

4.2 Pengujian 38

4.2.1 Pengujian Proses Import Citra Grayscale 39

4.2.2 Pengujian Proses Tambah Noise 32 4.2.3 Pengujian Proses High-Boost Filtering 46 4.2.4 Hasil dari Proses yang Filtering yang telah dilakukan 50 4.2.5 Pengujian proses Filtering Gaussian Noise pada citra

grayscale berformat BMP dan PNG dengan menggunakan

High-Boost Filtering 51

4.2.6 Pengujian proses Filtering Salt and Pepper Noise pada citra grayscale berformat BMP dan PNG dengan menggunakan

High-BoostFiltering. 54

4.2.7 Perbandingan Rata-rata Nilai MSE dan PSNR pada Citra

Grayscale Hasil Filtering dengan Gaussian Noise 56 4.2.8 Perbandingan Rata-rata Nilai MSE dan PSNR pada Citra

Grayscale Hasil Filtering dengan Salt and Pepper Noise 58 Bab 5 Kesimpulan dan Saran

5.1 Kesimpulan 62

5.2. Saran 63

DAFTAR TABEL

Nomor

Tabel ^{Nama Tabel} ^Halaman

3.1 3.2 3.3 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10

Spesifikasi Use Case Import Citra Awal Spesifikasi Use Case Pengujian

Spesifikasi Use Case Hasil

Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Gaussian Noise dan Citra Hasil Filtering dengan

High-Boost Filtering dengan Format BMP .

Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Gaussian Noise dan Citra Hasil Filtering dengan

High-Boost Filtering dengan Format PNG.

Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Salt and Pepper Noise dan Citra Hasil Filtering dengan

High-Boost Filtering dengan Format BMP.

Perbandingan Nilai MSE dan PSNR pada Citra Grayscale dengan Salt and Pepper Noise dan Citra Hasil Filtering dengan

High-Boost Filtering dengan Format PNG.

Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil

Filtering Noise dengan Salt And Pepper Noise Berformat BMP

Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil

Filtering Noise dengan Salt And Pepper Noise Berformat PNG

Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil

Filtering Noise dengan Gaussian Noise dan Salt and Pepper Noise pada Citra Berformat BMP .

Nilai Rata-rata MSE dan PSNR pada Citra Grayscale Hasil

Filtering Noise dengan Gaussian Noise dan Salt and Pepper Noise pada Citra Berformat PNG .

Perbandingan Nilai Rata-rata MSE dan PSNR, pada Citra

Grayscale Hasil Filtering Noise dengan Gaussian Noise dan Salt and Pepper Noise pada Citra Berformat BMP.

Nilai Rata-rata MSE, PSNR, dan Running Time pada Citra

Grayscale Hasil Filtering Noise dengan Gaussian Noise dan Salt and Pepper Noise pada Citra Berformat PNG.

21 21 22 53 54 55 56 58 58 59 60 60 61

Nomor

Gambar ^{Nama Gambar} ^Halaman

2.1 2.2 2.3 2.4 2.5 2.6 2.7 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 4.16 4.17 4.18

Sistem koordinat citra Contoh Citra Biner Contoh Citra Grayscale Contoh Citra Warna Citra Bitmap (.bmp) Citra Png(.png)

Contoh kernel berukuran 3x3 (sel dengan warna abu-abu menyatakan pusat koordinat {0,0}

Diagram Ishikawa

Use Case Diagram Sequence Diagram Activity Diagram

Flowchart Perancangan Sistem

Rancangan Antarmuka halaman home Rancangan Antarmuka halaman Pengujian Rancangan Antarmuka menu hasil

Rancangan Antarmuka menu help Tampilan Menu Home

Tampilan Halaman Menu Pengujian Tampilan Halaman Menu Hasil Tampilan Halaman Menu Help

Tampilan Pemilihan Citra berformat .bmp Tampilan Pemilihan Citra berformat .png Tampilan Dialog box

Tampilan Citra Grayscale awal Tampilan Probabilitas Noise

Tampilan Citra Grayscale berformat BMP dengan Gaussian Noise 20% Tampilan Citra Grayscale berformat BMP dengan Salt and Pepper Noise 20%

Tampilan Citra Grayscale berformat PNG dengan Gaussian Noise 20% Tampilan Citra Grayscale berformat PNG dengan Salt and Pepper 20% Tampilan Hasil Citra Grayscale dengan Gaussian Noise dengan citra berformat .bmp setelah melalui proses filtering.

Tampilan Hasil Citra Grayscale dengan Gaussian Noise dengan citra berformat .png setelah melalui proses filtering .

Tampilan Hasil Citra Grayscale dengan Salt and Pepper Noise dengan citra berformat .bmp setelah melalui proses filtering .

Tampilan Hasil Citra Grayscale dengan Salt and Pepper Noise dengan citra berformat .png setelah melalui proses filtering .

Tampilan Hasil dari Proses Filtering yang telah dilakukan.

7 8 9 9 10 11 14 18 20 23 24 29 30 31 33 35 37 38 39 40 40 41 42 43 44 44 45 46 47 48 49 50 51 52

DAFTAR LAMPIRAN

Halaman

A. Listing Program A-1

Dalam dokumen Implementasi High-Boost Filtering Untuk Memperbaiki Kualitas Citra Digital (Halaman 74-94)