PERBAIKAN CITRA CLOSED CIRCUIT TELEVISION (CCTV) DENGAN METODE ARITHMETIC MEAN FILTER
Abdul Azan1), Magdalena Simanjuntak2), Rusmin Saragih3)
123)STMIK KAPUTAMA
Jl.Veteran No.4A-9A, Binjai, Sumatra Utara, Telp:(061)8828840, Fax: (061)8828845 Email: [email protected]1), [email protected] 2),
ABSTRACT
The use of Closed Circuit Television (CCTV) cameras in companies, shops, schools, roads, etc. is used for security or as a monitoring camera. Utilization of CCTV in the office environment of the Office of Communication and Information (Diskominfo) Binjai as a monitor of environmental conditions from crime or criminalization, as well as other acts of authority. The image quality of CCTV video capture results is still too low with uneven lighting resulting in non-uniform intensity and needs to be sharpened, currently there are many methods that can improve CCTV image quality, including the Arithmetic Mean Filter method. Due to the spots caused by the imperfect capture process, uneven lighting or interference caused by dirt and debris adhering to the image.
By utilizing the Arithmetic Mean Filter method, it can produce an image with clearer information with reduced noise in the original image. The system is designed with the MATLAB R2014a programming application, after carrying out the testing process on several CCTV images, the results show that the average percentage of the image repair process is above 50% and the CCTV image resulting from the system repair is better than the image inputted into the system.
Keywords: Arithmetic_Mean_Filter,CCTV, Digital_Image.
ABSTRAK
Penggunaan kamera Closed Circuit Television (CCTV) di perusahaan, pertokoan, sekolah, jalan, dan lain-lain digunakan untuk keamanan atau sebagai kamera pemantau. Pemanfaatan CCTV di lingkungan kantor Dinas Komunikasi dan Informatika (Diskominfo) Binjai sebagai pemantau keadaan lingkungan dari tindakan kejahatan atau kriminalisasi, serta tindakan kewenangan lainnya.
Kualitas citra hasil capture video CCTV masih banyak yang memiliki resolusi terlalu rendah pencahayaan yang tidak merata mengakibatkan intensitas tidak seragam dan perlu ditajamkan, saat ini telah banyak terdapat metode yang dapat memperbaiki kualitas citra CCTV diantaranya adalah metode Arithmetic Mean Filter. Karena bintik-bintik yang disebabkan oleh proses capture yang tidak sempurna, pencahayaan yang tidak merata atau gangguan yang disebabkan oleh kotoran kotoran yang menempel pada citra. Dengan pemafaatan metode Arithmetic Mean Filter dapat menghasilkan citra dengan informasi yang lebih jelas dengan berkurangnya noise pada citra semula.
Sistem dirancang dengan aplikasi pemrograman MATLAB R2014a, setelah melakukan proses pengujian pada beberapa citra CCTV, didapatkan hasil bahwa rata-rata persentasi proses perbaikan citra diatas 50% dan citra CCTV hasil perbaikan sistem menjadi lebih baik dari citra yang diinputkan pada sistem.
Kata Kunci: Arithmetic_Mean_Filter, CCTV, Citra_Digital.
1. PENDAHULUAN
Citra (image) merupakan istilah lain untuk gambar. Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai bentuk informasi visual.
Seiring dengan perkembangan teknologi di bidang komputerisasi, teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai bidang termasuk di bidang industri, yang dapat membantu pengerjaan tugas sehingga dapat diperoleh hasil yang lebih efisien dan dengan akurasi yang baik.
Penggunaan kamera Closed Circuit Television (CCTV) di perusahaan, pertokoan, sekolah, jalan, dan lain-lain digunakan untuk keamanan atau sebagai kamera pemantau.
Hasil rekaman video dari kamera CCTV tergantung dari fasilitas kualitas CCTV itu sendiri, ada yang bisa menangkap hasil dari ruang gelap atau sebaliknya. Serta pengaruh dari ruang atau area yang diletakan kamera CCTV, apabila ruang tersebut banyak cahaya maka hasil rekaman CCTV kelihatan bagus, apabila ruang itu kurang cahaya maka hasil kamera CCTV hanya tampak objek yang terdapat cahaya, sehingga ada beberapa sisi objek yang kelihatan gelap.
Pemanfaatan CCTV di lingkungan kantor Dinas Komunikasi dan Informatika (Diskominfo) Binjai sebagai pemantau keadaan lingkungan dari tindakan kejahatan atau kriminalisasi, serta tindakan kewenangan lainnya. Kualitas citra hasil capture video CCTV masih banyak yang memiliki resolusi terlalu rendah pencahayaan yang tidak merata mengakibatkan intensitas tidak seragam dan perlu ditajamkan, saat ini telah banyak terdapat metode yang dapat memperbaiki kualitas citra CCTV diantaranya adalah metode Arithmetic Mean Filter.
Teknik pengolahan citra biasanya di gunakan untuk melakukan transformasi dari satu citra kepada citra lainnya, tugas memperbaiki informasi terletak pada manusia melalui penyusunan algoritmanya.
Pengolahan citra dipergunakan dalam hasil
pengolahan citra adalah yang berbentuk citra yang mengandung atau memperkuat informasi khusus citra hasil pengolahan sesuai dengan tujuan pengolahannya, salah satunya adalah proses filtering nilai pixel. Fungsi dari filter pada pemrosesan citra adalah untuk menyeleksi suatu nilai piksel sehingga memiliki variasi nilai yang mampu menggambarkan kenampakan dengan lebih jelas dari citra asli.
Untuk meningkatkan kualitas citra CCTV tanpa mengurangi banyak kualitas detail citra serta menghasilkan citra dengan informasi yang cukup akurat setelah di proses.
Salah satu teknik perbaikan citra dengan metode Arithmetic Mean Filter, karena metode ini menghaluskan dan menghilangkan derau pada citra. Karena bintik-bintik yang disebabkan oleh proses capture yang tidak sempurna, pencahayaan yang tidak merata atau gangguan yang disebabkan oleh kotoran kotoran yang menempel pada citra. Dengan pemafaatan metode Arithmetic Mean Filter dapat menghasilkan citra dengan informasi yang lebih jelas dengan berkurangnya noise pada citra semula.
Penelitian ini diperkuat dengan jurnal penelitian terdahlu oleh (Prayogi & Nababan, 2021) dengan judul “Implementasi Reduksi Noise Pada Citra Rontgen Menggunakan Algoritma Arithmetic Mean Filter”, hasil dari penelitian tersebut menyimpulkan bahwa dengan penerapan algoritma yang digunakan dan menggunakan sistem aplikasi berbasis desktop untuk mereduksi noise pada citra rontgen sistem ini menghasilkan kualitas citra yang lebih baik dan lebih jelas dari citra sebelumnya. Selanjutnya penelitian oleh (Fitri, 2019) dengan judul “Implementasi Reduksi Noise Pada Citra Ultrasonografi (USG) Menggunakan Metode Arithmetic Mean Filter”, dari hasil penelitian yang dilakukan menyimpulkan bahwa Cara kerja metode Arithmetic Mean Filter dalam mengurangi derau sehingga menghasilkan citra output yang lebih baik adalah dengan
menghitung rata-rata nilai dari citra yang rusak g(x,y) pada area yang didefinisikan oleh Sxy.
2. METODOLOGI PENELITIAN Metodologi adalah ilmu-ilmu/cara yang digunakan untuk memperoleh kebenaran menggunakan penelusuran dengan tata cara tertentu dalam menemukan kebenaran, tergantung dari realitas yang sedang dikaji.
Metodologi tersusun dari cara-cara yang terstruktur untuk memperoleh ilmu. Tahap- tahap dalam proses filtering citra CCTV adalah sebagai berikut:
Gambar 1. Metodologi Penelitian Keterangan dari gambar struktur bertahap untuk proses filtering dengan metode Arithmetic Mean Filter adalah sebagai berikut :
1. Identifikasi Masalah, tahap ini merupakan tahap awal yang digunakan untuk mengidentifikasi masalah dengan tujuan untuk mengamati dan mencari permasalahan yang sedang dihadapi dalam teknologi digital, terutama pada bidang pengolahan citra digital dalam
penggunaan citra untuk kebuuhan tertentu.
2. Mengumpulkan Teori, pengumpulan teori-teori yang berhubungan dengan pokok permasalahan seperti teori tentang citra, metode yang digunakan dan aplikasi perancangan dari sistem yang akan dibuat dan sebagainya. Dalam tahap ini, teori dikumpulkan dari beberapa sumber seperti buku-buku, jurnal, artikel dan referesi lainnya.
3. Pengujian Metode, pada tahap ini peneliti akan menguji metode yang digunakan dalam proses filtering, dengan panduan yang sudah ada pada teori-teori pendukung dari buku-buku maupun jurnal terkait dengan pokok permasalahan.
4. Merancang Sistem, setelah melakukan pengujian terhadap metode yang digunakan, pada tahap ini dilakukan perancangan sistem terhadap masalah yang sedang diteliti, bisa berupa tahap untuk merancang alur kerja dari sistem dengan flowchart dan use case diagram serta merancang desain dari tampilan tatap muka (interface) dari sistem yang akan dibuat.
5. Implementasi Metode, setelah pengujian metode dan perancangan sistem, pada tahap ini mengimplementasikan metode yang sudah diuji sebelumnya dengan rancangan sistem yang telah dibuat serta melakukan pengkodean (coding) sesuai dengan bahasa pemrograman yang digunakan untuk membuat sistem tersebut .
6. Pengujian Sistem, pada tahap akhir, dilakukan serangkaian pengujian terhadap sistem yang telah dibuat, pengujian-pengujian dilakukan agar dapat menemukan kesalahan-kesalahan (error) pada sistem dan melakukan perbaikan- perbaikan yang diperlukan.
3. HASIL DAN PEMBAHASAN 3.1 Hasil Analisa
Analisa pengujian metode filtering pada citra akan dilakukan dengan metode Arithmetic Mean Filter. Sebelum melakukan proses filtering pada gambar dengan kualitas yang buruk, maka diperlukan citra CCTV sebagai citra untuk pengujian metode, pada penelitian ini penulis menggunakan citra CCTV sebagai berikut:
Gambar 2. Citra CCTV Pusat Kota Binjai Dalam susunan sebuah pixel dari citra berwarna terdiri dari pixel RGB (Red, Green, Blue). Pixel diatas mempunyai ukuran 1000 x 1519, Untuk proses analisa perhitungan terhadap metode Arithmetic Mean Filter penulis akan mengambil potongan citra yang akan digunakan sebagai analias terhadap metode fitering tersebut. Pixel yang akan diolah sebagai analisa metode adalah pixel berukuran 6 x 8 pada bagian pixel diatas setiap susunan pixel RGB, dimulai pada pixel (3,3) sampai dengan(8,10), pixel yang akan diolah tersebut adalah sebagai berikut :
Tabel 1. Pixel Red Ukuran 6 x 6 (x,y) 0 1 2 3 4 5
0 247 209 210 251 241 247 1 255 253 255 161 255 252 2 253 251 255 252 255 251 3 173 255 255 255 255 233 4 207 210 111 255 252 203 5 255 253 254 239 255 255
Tabel 2. Pixel Green Ukuran 6 x 6 (x,y) 0 1 2 3 4 5
0 155 254 248 254 246 255 1 198 241 253 224 139 253
2 199 242 253 170 209 249 3 247 216 222 253 250 252 4 255 170 166 251 250 240 5 237 255 255 205 157 255
Tabel 3. Pixel Blue Ukuran 6 x 6
(x,y) 0 1 2 3 4 5
0 233 244 249 255 252 255 1 237 189 247 245 255 247 2 255 255 169 253 154 246 3 248 151 123 247 251 246 4 237 248 235 243 238 231 5 239 243 253 248 240 236
Dalam proses filtering citra, kernel yang penulis menggunakan adalah kernel 3 x 3 dengan persamaan metode Arithmetic Mean Filter berikut :
𝑓(𝑥, 𝑦) = 1
𝑚∗𝑛∑(𝑠, 𝑡) ∈ 𝑆𝑥𝑦 𝑔 (𝑠, 𝑡), proses flltering pixel tersebut adalah sebagai berikut:
Proses Pixel Red:
𝑅(1,1) = 253 𝐹(1,1) = 1
3 ∗ 3∗ (247 + 209 + 210 + 255 + 253 + 255 + 253 + 251 + 255)
= 1
9∗ (2188) = 243 𝑅(1,2) = 255
𝐹(1,2) = 1
3 ∗ 3∗ (209 + 210 + 251 + 253 + 255 + 161 + 251 + 255 + 252)
= 1
9∗ (2097) = 233 𝑅(1,3) = 161
𝐹(1,3) = 1
3 ∗ 3∗ (210 + 251 + 241 + 255 + 161 + 255 + 255 + 252 + 255)
= 1
9∗ (2135) = 237 𝑅(1,4) = 255
𝐹(1,4) = 1
3 ∗ 3∗ (251 + 241 + 247 + 161 + 255 + 252 + 252 + 255 + 251)
= 1
9∗ (2165) = 241 𝑅(2,1) = 251
𝐹(2,1) = 1
3 ∗ 3∗ (255 + 253 + 255 + 253 + 251 + 255 + 173 + 255 + 255)
= 1
9∗ (2205) = 245 𝑅(2,2) = 255
𝐹(2,2) = 1
3 ∗ 3∗ (253 + 255 + 161 + 251 + 255 + 252 + 255 + 255 + 255)
= 1
9∗ (2192) = 244 𝑅(2,3) = 252
𝐹(2,3) = 1
3 ∗ 3∗ (255 + 161 + 255 + 255 + 252 + 255 + 255 + 255 + 255)
= 1
9∗ (2198) = 244 𝑅(2,4) = 255
𝐹(2,4) = 1
3 ∗ 3∗ (161 + 255 + 252 + 252 + 255 + 251 + 255 + 255 + 233)
= 1
9∗ (2169) = 241 𝑅(3,1) = 255
𝐹(3,1) = 1
3 ∗ 3∗ (253 + 251 + 255 + 173 + 255 + 255 + 207 + 210 + 111)
= 1
9∗ (1970) = 219 𝑅(3,2) = 255
𝐹(3,2) = 1
3 ∗ 3∗ (251 + 255 + 252 + 255 + 255 + 255 + 210 + 111 + 255)
= 1
9∗ (2099) = 233 𝑅(3,3) = 255
𝐹(3,3) = 1
3 ∗ 3∗ (255 + 252 + 255 + 255 + 255 + 255 + 111 + 255 + 252)
= 1
9∗ (2145) = 238
𝑅(3,4) = 255 𝐹(3,4) = 1
3 ∗ 3∗ (252 + 255 + 251 + 255 + 255 + 233 + 255 + 252 + 203)
= 1
9∗ (2211) = 246 𝑅(4,1) = 210
𝐹(4,1) = 1
3 ∗ 3∗ (173 + 255 + 255 + 207 + 210 + 111 + 255 + 253 + 254)
= 1
9∗ (1973) = 219 𝑅(4,2) = 111
𝐹(4,2) = 1
3 ∗ 3∗ (255 + 255 + 255 + 210 + 111 + 255 + 253 + 254 + 239)
= 1
9∗ (2087) = 232 𝑅(4,3) = 255
𝐹(4,3) = 1
3 ∗ 3∗ (255 + 255 + 255 + 111 + 255 + 252 + 254 + 239 + 255)
= 1
9∗ (2131) = 237 𝑅(4,4) = 252
𝐹(4,4) = 1
3 ∗ 3∗ (255 + 255 + 233 + 255 + 252 + 203 + 239 + 255 + 255)
= 1
9∗ (2202) = 245
Proses Pixel Green:
𝐺(1,1) = 241 𝐹(1,1) = 1
3 ∗ 3∗ (155 + 254 + 248 + 198 + 241 + 253 + 199 + 242 + 253)
= 1
9∗ (2043) = 227 𝐺(1,2) = 253
𝐹(1,2) = 1
3 ∗ 3∗ (254 + 248 + 254 + 241 + 253 + 224 + 242 + 253 + 170)
= 1
9∗ (2139) = 238
𝐺(1,3) = 224 𝐹(1,3) = 1
3 ∗ 3∗ (248 + 254 + 246 + 253 + 224 + 139 + 253 + 170 + 209)
= 1
9∗ (1996) = 222 𝐺(1,4) = 139
𝐹(1,4) = 1
3 ∗ 3∗ (254 + 246 + 255 + 224 + 139 + 253 + 170 + 209 + 249)
= 1
9∗ (1999) = 222 𝐺(2,1) = 242
𝐹(2,1) = 1
3 ∗ 3∗ (198 + 241 + 253 + 199 + 242 + 253 + 247 + 216 + 222)
= 1
9∗ (2071) = 230 𝐺(2,2) = 253
𝐹(2,2) = 1
3 ∗ 3∗ (241 + 253 + 224 + 242 + 253 + 170 + 216 + 222 + 253)
= 1
9∗ (2074) = 230 𝐺(2,3) = 170
𝐹(2,3) = 1
3 ∗ 3∗ (253 + 224 + 139 + 253 + 170 + 209 + 222 + 253 + 250)
= 1
9∗ (1973) = 219 𝐺(2,4) = 209
𝐹(2,4) = 1
3 ∗ 3∗ (224 + 139 + 253 + 170 + 209 + 249 + 253 + 250 + 252)
= 1
9∗ (1973) = 219 𝐺(3,1) = 216
𝐹(3,1) = 1
3 ∗ 3∗ (199 + 242 + 253 + 247 + 216 + 222 + 255 + 170 + 166)
= 1
9∗ (1970) = 219 𝐺(3,2) = 222
𝐹(3,2) = 1
3 ∗ 3∗ (242 + 253 + 170 + 216 + 222 + 253 + 170 + 166 + 251)
= 1
9∗ (1943) = 216 𝐺(3,3) = 222
𝐹(3,3) = 1
3 ∗ 3∗ (253 + 170 + 209 + 222 + 253 + 250 + 166 + 251 + 250)
= 1
9∗ (2024) = 225 𝐺(3,4) = 250
𝐹(3,4) = 1
3 ∗ 3∗ (170 + 209 + 249 + 253 + 250 + 252 + 251 + 250 + 240)
= 1
9∗ (2124) = 236 𝐺(4,1) = 170
𝐹(4,1) = 1
3 ∗ 3∗ (247 + 216 + 222 + 255 + 170 + 166 + 237 + 255 + 255)
= 1
9∗ (2033) = 225 𝐺(4,2) = 166
𝐹(4,2) = 1
3 ∗ 3∗ (216 + 222 + 253 + 170 + 166 + 251 + 255 + 255 + 205)
= 1
9∗ (1993) = 221 𝐺(4,3) = 251
𝐹(4,3) = 1
3 ∗ 3∗ (222 + 253 + 250 + 166 + 251 + 250 + 255 + 205 + 157)
= 1
9∗ (2009) = 223 𝐺(4,4) = 250
𝐹(4,4) = 1
3 ∗ 3∗ (253 + 250 + 252 + 251 + 250 + 240 + 205 + 157 + 255)
= 1
9∗ (2113) = 235 Proses Pixel Blue:
𝐵(1,1) = 189
𝐹(1,1) = 1
3 ∗ 3∗ (233 + 244 + 249 + 237 + 189 + 247 + 255 + 255 + 169)
= 1
9∗ (2078) = 231 𝐵(1,2) = 247
𝐹(1,2) = 1
3 ∗ 3∗ (244 + 249 + 255 + 189 + 247 + 245 + 255 + 169 + 253)
= 1
9∗ (2106) = 234 𝐵(1,3) = 245
𝐹(1,3) = 1
3 ∗ 3∗ (249 + 255 + 252 + 247 + 245 + 255 + 169 + 253 + 154)
= 1
9∗ (2079) = 231 𝐵(1,4) = 255
𝐹(1,4) = 1
3 ∗ 3∗ (255 + 252 + 255 + 245 + 255 + 247 + 253 + 154 + 246)
= 1
9∗ (2162) = 240 𝐵(2,1) = 255
𝐹(2,1) = 1
3 ∗ 3∗ (237 + 189 + 247 + 255 + 255 + 169 + 248 + 151 + 123)
= 1
9∗ (1874) = 208 𝐵(2,2) = 169
𝐹(2,2) = 1
3 ∗ 3∗ (189 + 247 + 245 + 255 + 169 + 253 + 151 + 123 + 247)
= 1
9∗ (1879) = 209 𝐵(2,3) = 253
𝐹(2,3) = 1
3 ∗ 3∗ (247 + 245 + 255 + 169 + 253 + 154 + 123 + 247 + 251)
= 1
9∗ (1944) = 216 𝐵(2,4) = 154
𝐹(2,4) = 1
3 ∗ 3∗ (245 + 255 + 247 + 253 + 154 + 246 + 247 + 251 + 246)
= 1
9∗ (2144) = 238 𝐵(3,1) = 151
𝐹(3,1) = 1
3 ∗ 3∗ (255 + 255 + 169 + 248 + 151 + 123 + 237 + 248 + 235)
= 1
9∗ (1921) = 213 𝐵(3,2) = 123
𝐹(3,2) = 1
3 ∗ 3∗ (255 + 169 + 253 + 151 + 123 + 247 + 248 + 235 + 243)
= 1
9∗ (1924) = 214 𝐵(3,3) = 253
𝐹(3,3) = 1
3 ∗ 3∗ (247 + 245 + 255 + 169 + 253 + 154 + 123 + 247 + 251)
= 1
9∗ (1944) = 216 𝐵(3,4) = 251
𝐹(3,4) = 1
3 ∗ 3∗ (253 + 154 + 246 + 247 + 251 + 246 + 243 + 238 + 231)
= 1
9∗ (2109) = 234 𝐵(4,1) = 248
𝐹(4,1) = 1
3 ∗ 3∗ (248 + 151 + 123 + 237 + 248 + 235 + 239 + 243 + 253)
= 1
9∗ (1977) = 220 𝐵(4,2) = 235
𝐹(4,2) = 1
3 ∗ 3∗ (151 + 123 + 247 + 248 + 235 + 243 + 343 + 253 + 248)
= 1
9∗ (1991) = 221 𝐵(4,3) = 243
𝐹(4,3) = 1
3 ∗ 3∗ (123 + 247 + 251 + 235 + 243 + 238 + 253 + 248 + 240)
= 1
9∗ (2078) = 231 𝐵(4,4) = 238
𝐹(4,4) = 1
3 ∗ 3∗ (247 + 251 + 246 + 243 + 238 + 231 + 248 + 240 + 236)
= 1
9∗ (2180) = 242
Hasil dari perhitungan nilai pixel diatas dengan metode Arithmetic Mean Filter dapat dilihat pada tabel-tabel berikut ini:
Tabel 4. Hasil Filter Pixel Red Ukuran 6 x 6 (x,y) 0 1 2 3 4 5
0 247 209 210 251 241 247 1 255 243 233 237 241 252 2 253 245 244 244 241 251 3 173 219 233 238 246 233 4 207 219 232 237 245 203 5 255 253 254 239 255 255 Tabel 5. Hasil Filter Pixel Green Ukuran 6
x 6
(x,y) 0 1 2 3 4 5 0 155 254 248 254 246 255 1 198 227 238 222 222 253 2 199 230 230 219 222 249 3 247 219 216 225 236 252 4 255 225 221 223 235 240 5 237 255 255 205 157 255 Tabel 6. Hasil Filter Pixel Blue Ukuran 6 x
6
(x,y) 0 1 2 3 4 5 0 233 244 249 255 252 255 1 237 231 234 231 240 247 2 255 208 209 216 238 246 3 248 213 214 213 234 246 4 237 220 221 231 242 231 5 239 243 253 248 240 236
Setelah semua pixel RGB pada citra
telah diolah dengan metode Arithmetic Mean Filter, maka citra baru hasil filtering adalah sebagai berikut:
Gambar 3. Hasil Filter Citra CCTV Pusat Kota Binjai
3.2 Pembahasan
Sistem perbaikan citra digital dengan menggunakan metode Arithmetic Mean Filter dirancangan dengan aplikasi pemrograman MATLAB R2014a, untuk memperbaiki kualitas citra Closed Circuit Television (CCTV). Pada sistem ini hasil penangkapan perekam CCTV yang kurang maksimal akan diperbaiki dengan proses filtering citra.
Proses perbaikan merupakan bagian dari Image enhancement, yaitu pemrosesan citra, khususnya menggunakan komputer dengan tujuan meningkatkan kualitas citra. Pada citra yang diproses akan memperbaiki nilai pixel RG dengan memanfaatkan kernel 3 x 3 setiap proses filter yang dilakukan. Berikut ini untuk mengetahui hasil dari implementasi sistem tersebut maka perlu dilakukan uji coba terhadap sistem yang telah selesai dirancang.
1. Tahap Proses Perbaikan Citra
Berikut ini adalah proses perbaikan citra CCTV pada sistem perbaikan citra yang telah dirancang dengan metode Arithmetic Mean Filter.
a. Inputkan citra
Proses perbaikan citra terdapat di menu “PROSES PERBAIKAN CITRA”, pada tahap ini pengguna harus penginputkan citra pada sistem dengan menekan tombol “CARI”, tampilan proses pencarian citra pada
sistem dapat dilihat pada gambar berikut:
Gambar 4. Tampilan Cari Citra Setelah citra diinputkan pada sistem, maka akan ditampilkan pada kolom gambar awal, serta menampilkan nama file citra yang diinputkan pada sistem, tampilannya sebagai berikut:
Gambar 5. Tampilan Setelah Cari Citra b. Proses perbaikan citra
Pada tahap ini pengguna harus memilih kernel yang akan digunakan dalam proses perbaikan, selanjutnya untuk proses perbaikan pengguna harus menekan tombol “FILTER”
pada sistem, setelah pengguna melakukan proses perbaikan citra CCTV, maka hasil perbaikan dapat dilihat pada kolom citra hasil pada sistem, berikut ini tampilan setelah proses perbaikan citra:
Gambar 6. Tampilan Setelah Proses Perbaikan Citra Setelah proses perbaikan selesai maka sistem akan menampilkan persentasi hasil perbaikan yang telah dilakukan.
c. Simpan citra
Pada tahap ini pengguna akan melakukan proses penyimpanan citra hasil proses perbaikan pada sistem.
Penyimpanan citra dapat dilakukan dengan menekan tombol “SIMPAN”, berikut tampilannya:
Gambar 7. Tampilan Simpan Citra Setelah citra berhasil disimpan maka citra baru telah berhasil disimpan ke lokasi penyimpanan yang telah anda tentukan sebelumnya.
2. Pixel Citra a. Pixel Red
Gambar 8. Pixel Red b. Pixel Green
Gambar 9. Pixel Green c. Pixel Blue
Gambar 10. Pixel Blue 3. Grafik Citra
Berikut ini adalah grafik citra, tampilan tersebut terdapat pada menu “GRAFIK CITRA”, pada tampilan ini grafik pixel akan membandingkan nilai pixel sebelum dan setelah diproses. Pada tampilan grafik ini garis merah untuk pixel red, garis hijau untuk pixel green dan garis biru untuk pixel blue. Berikut ini adalah
perbandingan grafik pixel citra hasil proses:
Gambar 11. Grafik Citra
4. KESIMPULAN
Sebagai penutup penulisan penelitian ini, penulis mengambil kesimpulan terhadap sistem perbaikan citra, kesimpulan tersebut sebagai berikut:
1. Metode Arithmetic Mean Filter merupakan salah satu filtering linear yang berfungsi untuk menghaluskan dan menghilangkan noise pada suatu citra yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai pixel tersebut dengan nilai pixel- pixel tetangganya. Untuk memperjelas objek pada citra CCTV yang diinputkan maka metode Arithmetic Mean Filter melakukan perbaikan terhadap nilai-nilai RGB pada citra yang diinput.
2. Perhitungan nilai pixel dengan metode Arithmetic Mean Filter bekerja pada pixel bewarna (RGB) dari citra, proses dari metode ini mencari nilai rata-rata dari pixel yang akan di proses dengan pemanfaatan kernel yang digunakan diantaranya 3 x 3, 5 x 5 , 7 x 7 ataupun 9 x 9 , dengan proses ini objek pada citra dapat dilihat lebih jelas dan baik.
3. Perancangan dari sistem memnfaatkan aplikasi pemergraman MATLAB R2014a. Proses implementasi terhadap metode Arithmetic Mean Filter dilakukan pada script program. Dari hasil uji coba pada sistem yang telah dilakukan rata- rata persentasi perbaikan citra diatas 50%, maka metode Arithmetic Mean
Filter dapat memperbaiki kualitas citra CCTV yang diproses.
5. SARAN
Setelah penulis melakukan penguraian pembahasan dan memberi kesimpulan terhadap uraian pembahasan tersebut, maka penulis memberikan beberapa saran yang dapat berguna dimasa yang akan datang, saran tersebut sebagai berikut:
1. Metode peningkatan kualitas dari sebuah citra dapat meggunakan beberapa metode sekaligus tidak hanya metode Arithmetic Mean Filter dan diterapkan secara bersamaan, sehingga menghasilkan citra yang lebih baik.
2. Pada masa yang akan datang diharapkan sistem pengolahan citra digital yang digunakan dapat dikembangkan menjadi aplikasi yang lebih efesien lagi untuk banyak pengguna.
3. Diharapkan untuk pengembangan dari sistem, citra yang didinputkan tidak hanya berformat *.jpg dan *.png saja, tetapi dapat luas lagi, sesuai dengan kebutuhan dari pengguna, serta size input citra dapat dibuat lebih luas tanpa batasan sehingga proses yang dilakukan lebih maskimal.
DAFTAR PUSTAKA
[1]. Aripin, S., & Hasibuan, N. A. (2019).
Penerapan Metode Interpolasi Linier dan Metode Adaptive Median Filter untuk Perbaikan Kualitas Citra pada Hasil CCTV. Jurnal Intake : Jurnal Penelitian Ilmu Teknik Dan Terapan, 8(2).
https://doi.org/10.32492/jintake.v8i2.693 [2]. Dharwiyanti, S., & Wahono, R. S.
(2003). Pengantar Unified Modeling LAnguage (UML). IlmuKomputer.Com.
[3]. Fahmi, H. (2018). Aplikasi Pembelajaran Unified Modeling Language Berbasis Computer Assisted Instruction. Query, 5341(October).
[4]. Fitri, M. (2019). Implementasi Reduksi Noise Pada Citra Ultrasonografi (USG) Menggunakanmetode Arithmetic Mean Filter. Jurnal Pelita Informatika, 3(Januari).
[5]. Lindfield, G., & Penny, J. (2018).
Numerical methods: Using MATLAB. In Numerical Methods: Using MATLAB.
https://doi.org/10.1016/C2016-0-00395-9 [6]. Nugroho, H. (2019). Image Enhancement
Pada Screen Capture CCTV Dengan Menggunakan Metode Histogram EKualisasi. KINETIK, 2(2).
https://doi.org/10.22219/kinetik.v2i2.155 [7]. Prayogi, M. D., & Nababan, A. A.
(2021). Implementasi Reduksi Noise Pada Citra Rontgen Menggunakan Algoritma Arithmetic Mean Filter.
JIKOMSI [Jurnal Ilmu Komputer Dan Sistem Informasi], 3(3).
https://doi.org/10.1109/TCSII.2012.2218 473
[8]. Ridlo, I. A. (2017). Panduan pembuatan flowchart. Fakultas Kesehatan Masyarakat, 11(1).
[9]. Simanjuntak, D. Y. (2019). Reduksi Noise Salt And Paper Pada Citra Pankromatik. Majalah Ilmiah INTI, 258–
263.
