REDUKSI NOISE PADA CITRA DIGITAL MENGGUNAKAN FUZZY SIMILARITY
NOISE REDUCTION ON DIGITAL IMAGE USING FUZZY SIMILARITY
Anak Agung Gde Agung Kusuma Astika¹, Adiwijawa², Eddy Muntina Dharma³
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Saat ini citra digital menjadi hal yang penting dan berguna dalam berbagai bidang kehidupan sehingga kebutuhan terhadap citra digital semakin banyak dan beragam. Seringkali perbaikan terhadap kerusakan pada citra digital menjadi sangat diperlukan akibat dari keterbatasan alat akusisi yang digunakan. Lingkungan dan alat akusisi yang tidak ideal akan mengakibatkan kerusakan berupa noise pada citra digital yang dihasilkan.
Dalam tugas akhir ini akan dianalisa dan diimplementasikan pemakaian
metode Fuzzy Similarity dalam melakukan proses pengurangan noise pada suatu citra digital, sehingga kualitas citra hasil filtering dapat ditingkatkan. Noise yang dimasukkan pada citra digital adalah Gaussian dan Impulse noise yang
dibangkitkan melalui suatu noise generator.
Performansi yang diujikan adalah PSNR(Peak Signal-to-Noise Ratio)
pada citra hasil filtering. Performansi Fuzzy Similarity dalam proses pengurangan noise akan dibandingkan dengan performansi dari metode Fuzzy Image Filtering. Dari hasil analisis didapatkan bahwa secara umum metode Fuzzy Similarity layak digunakan untuk mengurangi gaussian noise dengan standar deviasi tidak lebih dari 40 dan impulsive noise dengan probabilitas tidak lebih dari 0,3.
Kata Kunci : citra digital, noise, pengurangan noise, fuzzy similarity, PSNR.
Abstract
In this time digital image become important thing and useful in many area of our life and it’s make the need of digital image become much more and
various. Very often reparation of damage digital image is needed because the limit of acquisition tool these day. Environment and acquisition tool which is not ideal will result damage to digital image in the form of noise.
In this final project Fuzzy Similarity is analysed and implemented to
reduce noise in digital image, so that the quality of image can be improved. Noise that’s used is Gaussian and Impulsive noise, where it’s generated by a noise generator.
Performance parameter that’s tested is PSNR(Peak Signal-to-Noise ratio) from image result by filtering process. The performance of Fuzzy Similarity in reduction of Gaussian noise and Impulsive noise will be compared to the performance of Fuzzy Image Filtering method. From the analysis, asserts that Fuzzy Similarity method is proper to be used for decreasing Gaussian noise with standar deviation not more than 40 dan decreasing Impulsive noise with
probability not more than 0,3.
Keywords : citra digital, noise, pengurangan noise, fuzzy similarity, PSNR.
Powered by TCPDF (www.tcpdf.org)
1
1. Pendahuluan
1.1 Latar belakang
Citra digital merupakan salah satu media yang dapat kita gunakan untuk
mendokumentasikan suatu hal atau event penting dalam kehidupan kita. Pada saat ini banyak orang beralih dari citra analog ke citra digital karena berbagai keunggulan yang dimiliki citra digital diantaranya cara penyimpanan, proses pengiriman, harga perangkat yang semakin terjangkau dan modifikasi yang mungkin dilakukan pada citra digital tersebut.
Perbaikan terhadap kerusakan pada citra digital menjadi sangat diperlukan akibat dari keterbatasan alat akusisi yang digunakan. Lingkungan dan alat akusisi yang tidak ideal akan mengakibatkan kerusakan berupa noise pada citra digital yang dihasilkan. Untuk itu diperlukan suatu proses untuk memberbaiki citra yang mengalami derau agar menjadi citra yang lebih baik. Noise yang umum ditemui pada citra digital dapat disebabkan keadaan lingkungan seperti suhu, cahaya yang kurang ideal, lensa kamera yang kotor, proses sacnning dan dapat pula dialami pada saat transfer data citra digital.
Ketika suatu pixel ter-noise maka nilai pixel tersebut cenderung kurang
similar(sama) dengan pixel-pixel tetangganya. Perbedaan intensitas antara pixel
yang ternoise dengan pixel-pixel tetangganya sangat tergantung dari pada jenis noise. Ketika intensitas pixel memiliki nilai yang sangat berbeda dengan sekitarnya mengindikasikan terdapat suatu tepi ataupun long-tailed noise dan jika intensitasnya tidak terlalu berbeda mengindikasikan keberadaan sort-tailed noise. Masing-masing kondisi tersebut memerlukan penanganan yang berbeda. Pada tugas akhir ini akan dipergunakan suatu metode Fuzzy Similarity untuk melakukan
filtering terhadap citra yang ternoise. Dimana metode ini didasarkan atas tingkat
kesamaan intensitas suatu pixel dengan pixel-pixel tetangganya dalam suatu window lokal. Subfilter yang berbeda akan digunakan berdasarkan tingkat similaritas(kesamaan) yang ditemui pada suatu window lokal. Ketika tingkat kesamaan intensitas pixel kecil maka filter untuk long-tailed noise seperti median
filter akan diaktifkan dan ketika tingkat kesamaan intensitasnya besar maka filter
untuk sort-tailed noise seperti mean filter yang diaktifkan.
1.2 Perumusan masalah
Permasalahan yang dijadikan objek penelitian dan pengembangan tugas akhir ini adalah bagaimana mengimplementasikan metode fuzzy similarity image
filtering untuk mengurangi noise pada citra digital. Selanjutnya akan dilakukan
evaluasi terhadap performansi dari citra hasil filtering dengan menghitung parameter PSNR (Peak Signal-to-Noise Ratio).
1.3 Tujuan
Adapun yang menjadi tujuan dari tugas akhir ini adalah tercapainya hal-hal sebagai berikut:
1. Menerapkan konsep fuzzy similarity image filtering dalam proses noise reduction terhadap citra digital yang mengandung noise.
2
2. Menghitung performansi dari metode fuzzy similarity image filtering dalam proses noise reduction dengan melakukan perhitungan PSNR(Peak
Signal-to-Noise ratio) terhadap citra hasil filtering.
3. Membandingkan performansi metode fuzzy similarity image filtering dengan metode lain seperti fuzyy image filtering[3].
1.4 Batasan Masalah
Adapun yang menjadi batasan masalah dalam tugas akhir ini mencakup hal-hal sebagai berikut:
1. Format Citra yang dipakai untuk pengujian adalah windows bitmap 24 bit. 2. Jenis noise yang diterima oleh citra dihasilkan dengan algoritma
pembangkit noise yaitu impulsive noise dan gaussian noise.
3. Performansi yang akan ditinjau adalah kualitas akhir dari citra yang telah mengalami noise dengan citra aslinya dengan menghitung PSNR(Peak
Signal-to-Noise Ration).
1.5 Metodologi
Metodologi yang digunakan dalam pengerjaan tugas akhir ini antara lain: 1. Studi Literatur dengan mempelajari literatur-literatur yang relevan dengan
permasalahan yang meliputi: melakukan studi pustaka dan mencari referensi tentang metode Fuzzy Similarity Filtering, metode penghasilan
noise, dan metode-metode untuk noise reduction.
2. Melakukan perancangan sistem Fuzzy Similarity Filter yang akan diimplementasikan.
3. Melakukan simulasi metode Fuzzy Similarity Filtering pada lingkungan pemprograman dengan menggunakan Mathlab.
4. Melakukan pengujian dari sistem yang telah dibangun pada tahap implementasi dengan menghitung performansi citra hasil filtering berdasarkan parameter performansi PSNR.
5. Menyusun laporan tugas akhir dan kesimpulan akhir.
1.6 Sistematika Penulisan
Sistematika penulisan pada Tugas Akhir ini terdiri dari lima bab yaitu: BAB I PENDAHULUAN
Berisi latar belakang, perumusan masalah, batasan masalah, tujuan pembahasan, metodologi penyelesaian masalah dan sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini akan membahas mengenai dasar teori pendukung penerapan metode fuzzy similarity image filtering dalam proses noise reduction.
BAB III ANALISA DAN PERANCANGAN SISTEM
Berisikan mengenai analisa dari metode fuzzy similarity image
filtering yang akan digunakan untuk membangun sistem yang
akan dibuat.
BAB IV IMPLEMENTASI DAN EVALUASI HASIL PENGUJIAN
Bab ini berisikan teknik implementasi sistem kedalam
3
program serta hasil perhitungan peformansi dari sistem yang dibuat dengan melakukan serangkaian pengujian.
BAB V KESIMPULAN DAN SARAN
Berisi kesimpulan dari penelitian Tugas Akhir ini serta saran-saran yang diperlukan untuk pengembangan lebih lanjut.
Powered by TCPDF (www.tcpdf.org)
41
5. Kesimpulan Dan Saran
5.1 Kesimpulan
Dari pengujian performansi dan analisis yang telah dilakukan pada BAB 4 terhadap tiga puluh lima sample uji yang digunakan maka dapat disimpulkan:
1. Metode Fuzzy Similarity ini mampu memperbaiki kualitas citra digital yang terkena noise Gaussian secara optimal (nilai PSNR hasil filtering rata-rata > 30 dB) ketika citra asli diberikan noise dengan standar deviasi ≤ 40.
2. Fuzzy Image Filtering rata-rata memberikan PSNR hasil yang lebih baik dari Fuzzy Similarity dalam pengurangan noise Gaussian. Keduanya optimal (nilai PSNR hasil filtering rata-rata > 30 dB) untuk mengurangi noise gaussian dengan standar deviasi ≤ 40.
3. Metode Fuzzy Similarity ini mampu memperbaiki kualitas citra digital yang terkena impulsive noise secara optimal (nilai PSNR hasil filtering rata-rata > 30 dB) ketika citra asli diberikan noise dengan probabilitas ≤ 0,3.
4. Fuzzy Similarity rata-rata memberikan PSNR hasil yang lebih baik dari
Fuzzy Image filtering dalam pengurangan noise impulsive. Keduanya
optimal(nilai PSNR hasil filtering rata-rata > 30 dB) untuk mengurangi noise impulsive dengan probabilitas ≤ 0,3.
5. Performansi Fuzzy Similarity kurang optimal(nilai PSNR hasil filtering rata-rata < 30 dB) ketika digunakan untuk mengurangi noise gaussian dan
impulsive pada citra dengan karakteristik contras yang tinggi dan citra
dengan detail tinggi(bertekstur).
5.2 Saran
Dari hasil evaluasi dan analisis pada Fuzzy Similarity Filter menunjukan bahwa teknik filter ini memiliki potensi untuk dikembangkan / dibuat lebih baik lagi. Untuk itu perlu dilakukan studi lebih lanjut untuk peningkatan peformansi dari Fuzzy Similarity Filter . Studi dapat dilakukan pada pengembangan teknik fuzzy yang lain dimana masih berpedoman pada teknik dasar fuzzy.
Pengembangan dapat dilakukan pada pencarian nilai alpha yang adaptive(sesuai terhadap kondisi citra), mencoba sub-sub filter lain untuk mencari koreksi pixel. Bila dimungkinkan dapat ditambahkan deteksi noise sehingga tidak semua pikel harus diproses, yang mana tentunya akan meningkatkan waktu pemprosesan.
Powered by TCPDF (www.tcpdf.org)
42
Daftar Pustaka
[1] A.Sid-Ahmed, Maher.1994.”Image processing”. Mc Graw-Hill, inc. [2] C. Gonsales, Rafael and E. Woods, Richard. 2001. “Digital Image
Processing Second Edition”. Person Education International
[3] Dharma Putra, I Made. 2005. “Analisis dan Implementasi Fuzzy Image
Filtering untuk mengurangi noise pada citra digital”. Jurusan Teknik
Informatika, STT Telkom, Bandung.
[4] Eddy Muntina Dharma ,ST, MT, “Image Processing “, Jurusan Teknik Informatika STT Telkom, 2002.
[5] Gustav Tolt. ”Image Noise Reduction based on Fuzzy Similarity”. Center for Applied Autonomous Sensor System, Department of Technology, Orebro University Sweden.
[6] Gustav Tolt, Ivan Kalaykov ”Fast Fuzzy-logic based Image Processing
and Analysis” Center for Applied Autonomous Sensor System,
Department of Technology, Orebro University Sweden. [7] http://watfor.uwaterloo.ca/tizhoosh/fip.htm
[8] http://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio
[9] Munir, Rinaldi. 2004. “Pengolahan Citra Digital dengan pendekatan algoritmik”. Informatika Bandung.
[10] Pressman, Roger S. 2001.”Software Engineering: A Practitioner’s
Approach Fifth Edition”. McGraw-Hill
[11] Sri Kusuma Dewi, Hari Purnomo.2004.”Aplikasi Logika Fuzzy untuk
Pendukung Keputusan”. Graha Ilmu.Yogyakarta.
[12] The MathWorks,Inc,” Image Processing”, Matlab 7.1 Help, 2004. [13] Van De Ville, Dimitri. 2003. “Noise Reduction by Fuzzy Image
Filtering”. IEEE.
[14] Yan, Hong. Chi, Zheru. Pham, Tuan. “Fuzzy Algorithms with applications to Image Processing and Pattern Recognition”. World Scientific.
[15] Yoga Semadi, I Putu. 2006.”Analisi dan implementasi histogram
adaptive fuzzy untuk mengurangi impulsive noise pada citra digital”
Powered by TCPDF (www.tcpdf.org)
