Perbaikan citra melalui proses pengolahan piksel TOTAL

PERBAIKAN CITRA MELALUI PROSES PENGOLAHAN PIKSEL

Muhammad Kusban

Jurusan Teknik Elektro Universitas Muhammadiyah Surakarta Jl. A. Yani Tromol Pos 1, Pabelan 57102 Surakarta.

E-mail: muhammadkusban@gmail.com

ABSTRAK

Perbaikan citra (image enhancement)adalah metode yang umum digunakan untuk meningkatkan kualitas citra. Perbaikan citra bertujuan untuk mendapatkan tampilan citra dengan bentuk visualisasi yang lebih baik dengan cara memaksimalkan kandungan informasi di dalam citra masukan. Teknologi pengolahan citra seperti perbaikan citra, pada umumnya menggunakan operasi spasial dan operasi domain untuk memanipulasi citra gambar. Kelemahan dengan menggunakan operasi domain adalah adanya kenaikan derau saat proses berlangsung. Salah satu cara untuk mengatasinya adalah dengan menggunakan operasi spasial yaitu operasi piksel yang dimodifikasi dengan persamaan tertentu, sehingga nilai piksel dalam citra masukan tidak saling tergantung satu sama lainnya. Hasil penelitian menunjukkan bahwa metode yang diusulkan dengan menggunakan transformasi power law dengan nilai gamma 0.53 akan mendapatkan keluaran berupa citra tertampil lebih baik secara visual dengan nilai SNR 6.11.

Kata kunci: Perbaikan citra, Pengolahan piksel, Operasi domain, Operasi spasial, transformasi power law, SNR

PENDAHULUAN

Dalam sistim Matlab, indeks citra terdiri dari matrik data (X) dan matrik colormap (map) yang bernilai floating point dalam kisaran 0 hingga 1. Map tersebut berupa 3 array nilai yang mengandung informasi warna red, green, dan blue. Sebuah colormap pada umumnya disimpan bersama indeks citra yang secara otomatis akan ditampilkan bersama saat dipanggil dengan perintah tertentu. Piksel dalam citra diwakili dengan nilai integer yang mengarah secara urut ke indeks warna dalam colormap. Misalkan nilai piksel bernilai 7 maka akan mengacu ke indeks urut nomor 7 di dalam daftar urut dari colormap. Untuk citra biner, merupakan bentuk khusus dari citra warna yang hanya terdiri dari dua warna dalam colormap yaitu putih dan hitam. Dalam menempatkan data, citra dapat mewakilkan nilainya dalam lokasi koordinat piksel dan koordinat spasial (spatial). Koordinat piksel berupa baris dan kolom dengan urutan dari kiri ke kanan dan dari atas ke bawah, mulai baris 1 dan kolom 1 meningkat ke arah kanan dan ke arah bawah. Sedangkan sistim koordinat spasial dapat digambarkan seperti sumbu x dan y dengan nilai real yang bergerak dari kiri ke kanan dan dari atas ke bawah. Kedua koordinat memiliki kesamaan bentuk dengan perbedaan mencolok untuk koordinat piksel senantiasa dimulai dari titik (1,1) sedangkan untuk koordinat spasial dapat dimulai dari (0.5, 0.5), atau untuk koordinat piksel dengan nilai diskrit sedangkan koordinat spasial dengan koordinat kontinyu. Guna mendapatkan bentuk keluaran citra yang lebih baik atau keluaran yang telah bersih dari derau yang ada, maka citra masukan diproses dengan operasi filter guna mendapatkan hasil yang diperlukan. Dengan menggunakan metode sederhana untuk memproses suatu citra adalah dengan melakukan filter konvolusi rata-rata atas daerah citra dengan box filter 3 x 3, seperti dalam bentuk persamaan 1.

9 (1)

bentu

Gambar

Karena k uk nilai array

an 2-D grid fungsi kontin

Prinsip u keluaran y aikan citra pa al. Domain f mnya). Seda nakan untuk memiliki nil bahan nilai m

piksel yang metric opera Operasi t a bergantung ubah nilai pos metri. Baik o dari operasi gal, sehingga lis dalam per

Salah sat piksel ke ni el setelah tran

Terdapat formasi linie

1. Beragam

omputer tida y sehingga s

atau lebih u nyu dari dua

utama perbai yang lebih ada umumny frekuensi ak angkan doma menempatka lai matrik ya matrik citra d

ada dalam m tion). titik dilakuka g dari nilai k sisi suatu pik operasi titik i titik bersif a bersifat seb rsamaan 3.

tu bentuk pe ilai baru. Bi nsformasi , m

tiga tipe er (negatif tra

m aplikasi ya

ak mampu m atu nilai dala umum disebu

lokasi suatu ,

ikan (enhanc cocok/berma ya mengguna kan mempros ain spatial d

an citra terse ang berisi bar dalam suatu matrik citra,

an untuk me keabuan itu s ksel dengan b dan operasi fat satu arah bagai informa

erbaikan citr ila r merupa maka fungsi t

fungsi yan ansformasi),

ang dihasilk

menangani nil am citra dida ut piksel (pix

konstanta ya

cement) citra anfaat terha akan dua me ses citra ber digunakan un

ebut semisal ris dan kolom

baris dan ko meliputi ope

rubah nilai k sendiri serta bantuan nilai geometri sa h seperti me asi lossy yan

ra (enhancem akan notasi p transformasi

g sering di transformasi

an dari pros

lai kontinyu, apatkan dari xel). Citra ga ang tertulis d

a adalah pro adap aplikas etode yaitu m rdasarkan mo ntuk mempro sumbu x da m, maka pros olom. Opera erasi titik (po

keabuan (gra posisi pikse i relasi ke po aling meleng enggabungka ng tidak dapa

ment image) piksel sebelu

citra dapat d

igunakan un i logaritmis,

ses perbaika

, maka citra d titik array d ambar dapat dalam persam

oses suatu ci si tertentu. metode doma

odifikasi tran oses citra pa an y dalam b ses domain s asi dalam do

oint operatio

ay values). N el. Operasi ge osisi baru yan gkapi dalam an dua nilai at dikembalik

adalah deng um transform dituliskan da

ntuk perbai dan transfor

an citra[3, 5

digital diwak dua dimensi

diwakilkan maan 2.

itra, sehingg Untuk pros ain frekuensi nsformasi F ada bidang s bidang kartes spatial akan b

main spasial on) dan oper

Nilai titik ma eometri dilak ng dikenal de pemrosesan keabuan m kan ke nilai s

gan mentran masi dan s u alam persama

ikan citra p rmasi

power-5]

kilkan dalam atau dikenal dengan nilai

(2)

ga dihasilkan ses aplikasi, dan metode ourier (pada sumbu yang sian. Karena berlaku bagi l melibatkan rasi geometri

atrik tertentu kukan untuk engan fungsi n citra. Nilai menjadi nilai semula yang

(3)

nsformasikan untuk notasi aan 4.

(4)

dalam

Citra neg m persamaan

Oleh Go aikan citra formasi nega aikan citra di h akan lebih amaan umum

Dengan n ritmis dilaku

uan rendah) u Perbaikan uan tinggi d an bentuk pe rti simbol ya ksi gamma (g

Sebuah p gelilinginya d

rangkat koor tetangga me arnya tepi b m jarak diago

Dengan b da di luar cit

r 2. Transfor

gatif dalam l n 5 berikut.

onzales [6] dominan ge atif akan did ilakukan dal h optimal h m transformas

notasi c unt ukan bila ma

untuk menda n citra bila d dalam kawas ersamaan 7. ang digunak gamma corre

piksel p de

dengan koord

rdinat ini din emiliki jarak

atas. Sedang onal-tetangga

, ,

bentuk yang tra. Fungsi j

rmasi piksel

level keabua

dinyatakan elap baik la dapat nilai in am kawasan hasilnya bil si logaritmis log

tuk nilai kon

asukan inpu

apatkan kelu dihasilkan da san yang sem

Secara umum kan. Proses u

ection).

engan koord dinat yang te

, , ,

namakan 4-te tetap dari ko gkan koordin a dari koordi

, ,

g sama, bila

jarak D anta

l dalam nila

an memiliki

bahwa tran atar belakan nformasi pen n warna gelap

a mengguna terlihat dala

,

nstan, seper ut berkelomp uaran citra de

ari sumber y mpit, dapat m eksponen untuk menca

dinat ,

ertera dalam , , ,

etangga (4-n

oordinat ,

nat lainnya y inat p, dinota

, ,

piksel p be ar tetangga p

i keabuan u

kisaran nila

nsformasi n ng maupun nting dalam

p dengan be akan metod am persamaan

rti yang terli pok dalam r engan nilai ra yang bergera

menggunak dalam persa ari nilai yan

memiliki persamaan 8

, ,

neighbors) da . Bila bera yaitu berisi e asikan

, ,

erada di tepi piksel, misal

untuk perbai

i [0, L – 1]

egatif ini c citranya se daerah warn berapa nilai de transform

n 6.

ihat dalam G range sempi ange keabuan ak dari nilai kan metode t

amaan power ng cocok da

empat tetan 8 berikut.

ari piksel p y da di tepi cit empat tetang yang dapat

i citra, maka l piksel p de

ikan citra [5

, yang dapat

cocok digun endiri sehin na putih. Sed

piksel lainn masi logaritm

Gambar 2, t it berwarna

n tinggi. keabuan ren transformasi r law dinama

alam gamma

ngga (neigh

yang dinotas tra, tetangga gga lainnya

ditulis dalam

a koordinat engan koord

5, 6]

t dinyatakan

(5)

nakan untuk ngga dengan dangkan bila ya berwarna mis. Bentuk

(6)

transformasi gelap (nilai

ndah ke nilai i power law akan gamma a dinamakan

(7)

hbors) yang

(8)

sikan .

akan berada yang berada m persamaan

digun

nakan. Deng k kubus, dio ntu. Sembara nilai piksel s ketetangga nilai tengah median lebi rata.

Gambar 3. Ilu

filter dalam

h satu bentuk (smoothing an nilai yang u citra serta u Penelitian el, meliputi o gram equaliz mal dari nilai

gam transform Setelah d tukan, selanj t digunakan ng kedoktera

unan citra.

gan operasi k operasikan d ang ukuran p dalam kubu

aan. Nilai ma

h dalam urut ih efektif dig

ustrasi peng

kubus keteta

,

k penggunaan operation) g sama. Oper untuk mendap n ini bertuju operasi trans ized, dan tran i power law

m operasi pik didapatkan njutnya citra

sebagai refe an, menamp

ketetanggaan dengan sebu pemilihan ku s, yang mel ax, yaitu nil tan besaran n gunakan seb

ggunaan ope

anggaan di d

n sederhana f yang dilaku rasi penghalu patkan detail uan untuk me formasi neg

nsformasi po

selanjutnya ksel yang um

citra bentuk visual terta rensi dalam pilkan batas

n, sebuah ko uah filter ber ubus dimungk liputi: nilai M lai maksimum nilai piksel d

agai filter d

erasi ketetan

dapatkan den

,

filter dalam o ukan dengan

usan citra da l bagian keci endapatkan n

atif, operasi ower law. L dari nilai ter mum digunak kan dari pe ampil denga penggunaan dalam citr

oordinat pik rupa balok kinkan untuk Min, yaitu n m dalam ku dalam kubus ibandingkan

nggaan piks

ngan menggu

,

operasi ketet n cara me-re apat digunak

il dari keselu nilai optimum

range-stretc Langkah pert

rsebut digun kan.

enggunaan b an bantuan p n aplikasi pra ra, dan perh

ksel yang be kubus yang k balok filter nilai piksel m ubus ketetang

s ketetanggaa n dengan me

sel (neighbor

unakan persam

tanggaan ada eratakan sem an untuk me uruhan citra.

m dari peng ched, log tra tama, dengan

akan untuk m

beragam ope program Ma aktis, seperti hitungan jum

erada dalam g seukuran d r dengan mem

minimum da ggaan, dan n an. Menurut nggunakan m

rhood operat

maan beriku

alah operasi p mua piksel enghilangkan

gunaan bera ansform, inte n cara mene mencari nila

erasi piksel atlab. Untuk penjernihan mlah objek

titik tengah dengan nilai mperhatikan alam sebuah nilai median t Namee [8], metode nilai

tions) [8]

ut.

(12)

penghalusan nilai tengah n cacat derau

agam operasi ensity sliced, entukan nilai ai PSNR dari

Gam

MET

belak dikum lunak 5, sel prose

PEM

berag untuk

mbar 4. Ope

TODE Peneliti m kang pemro

mpulkan dar k Matlab vers

lanjutnya did es operasi pik

Gambar

MBAHASA Untuk m gam nilai ma k proses selan

erasi keteta

memulai pe sesan citra ri sumber ut

si R2012a (7 dapatkan nila ksel.

r 5. Flow ch

AN

endapatkan n asukan. Nilai

njutnya. Has

nggaan dari b

enelitian den digital teru tama di Inte

7.14.0.739). ai awal beru

art perbaika

nilai optimu i optimum da sil penelitian

i piksel yang bernilai 98.3

ngan studi l utama pemb ernet untuk d Dengan lang upa nilai gam

an citra den

um gamma d ari SNR digu

tertera dalam

g semula be 3333 [8]

literatur untu bahasan op digunakan u gkah peneliti mma optimum

ngan melalui

dalam proses unakan sebag m tabel 1. da

rnilai 106 ak

uk mendapa perasi piksel uji coba pen ian sesuai de m yang selan

i proses pen

transformas gai nilai acu an terlihat dar

kan beruba

atkan pemba l. Beberapa nelitian dalam engan alir rag

njutnya digun

ngolahan pik

si power law uan yang aka

ri Gambar 6,

h menjadi

ahasan latar a data citra m perangkat gam Gambar nakan untuk

ksel

w, digunakan an digunakan

, 7 dan 8. r a t r k

0.53 0.9448 1.57 24.41

0.54 0.9446 1.57 24.41

0.55 0.9445 1.57 24.40 0.56 0.9443 1.57 24.39 0.57 0.442 1.57 24.37 0.58 0.9440 1.57 24.36 0.59 0.9438 1.56 24.36 0.6 0.9437 1.56 24.37 0.7 0.9420 1.55 24.32 0.8 0.9402 1.53 24.26 0.9 0.9383 1.51 24.14

1 0.9362 1.49 24.02

2 0.9124 1.28 21.51

3 0.8845 1.09 18.04

A B

A B

Gambar 7. Citra A setelah transformasi dengan nilai gamma 0.05 dan citra B merupakan citra dengan proses gamma 2.

A B

Gambar 8. Perbedaan citra dalam proses transformasi negatif. Citra A merupakan citra asli sedangkan citra B menunjukkan citra hasil bentukan dari proses transformasi negatif.

Tabel 2. PSNR dengan gamma 0.53 Citra Negatif Mid-range

Stretched

Log transform

Intensity sliced

Histogram equalized

Power-law transform Lena.bmp 8.51 6.61 8.35 6.28 19.09 5.73

Boy.png 5.44 13.39 7.52 11.09 17.76 6.37

Mountain.png 3.94 8.53 9.86 7.45 25.08 4.13

Zelda.png 7.43 10.23 7.20 16.51 14.18 8.21

Rerata 6.33 9.69 8.23 10.33 19.02 6.11

A B C

Gambar 9. Citra A merupakan citra asli dengan gamma 0.53 yang selanjutnya digunakan untuk mencari nilai PSNR dari beragam transformasi. Citra B merupakan hasil dari proses

C D

Gambar 10. Citra A hasil dari proses log transforms, citra B bentukan dari proses intensity

sliced, citra C merupakan hasil dari proses histogram equalized, dan citra D merupakan bentuk

dari power law transforms

KESIMPULAN

Dari penelitian yang telah dilakukan, nilai gamma didapatkan dalam kisaran nilai 0.53 dan saat

digunakan dalam beragam aplikasi transformasi dalam mendapatkan perbaikan citra, terlihat penggunaan proses transformasi power law menghasilkan keluaran citra yang lebih baik (SNR reratanya 6.11).

DAFTAR PUSTAKA

[1] Hui, Zhang Ming,’Cr image enhancement based on human visual characteristics’, 2010.,

Computer Design and Application (ICCDA) - Conference Publications IEEE 25-27 June 2010.

[2] Hasikin, K., ‘Enhancement of the low contrast image using fuzzy set theory’, 2012, Computer

Modelling and Simulation – International Conference IEEE at Nibong Tebal Malaysia 28-30 March 2012.

[3] Gorai, A., ‘Gray-level Image Enhancement By Particle Swarm Optimization’,2009, Nature & Biologically Insipred Computing NaBIC 2009 – Conference Publication IEEE 9-11 Dec 2009. [4] Munteanu. C., ‘Gray-scale image enhancement as an automatic process driven by evolution’,

2004, Cybernetics IEEE April 2004.

[5] Bovik, Al., The Essential Guide to Image Processing’, Elsevier Academic Press, 2009, 30

Corporate Drive, Suite 400 burlington MA 01803 USA, www.elseierdirect.com

[6] Gonzales, Rafael C., Woods, Richard E., ‘Digital Image Processing – second edition’, 2002, Prentice Hall, Inc., Upper Saddle River, New Jersey 07458

[7] Jahne, Bern., ‘Digital Image Processing’, 2005, Springer – Verlag Berlin Heidelberg

[8] Namee, Brian Mac., ‘Digital Image Processing Lectures’, 2007, School of Computing - Dublin Institute of Technology k026-A, DIT, Kevin St., Dublin 8, Ireland.