SKRIPSI
PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN
PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT)
Method Comparison On Low Pass Filter and Median Filter For Image Smoothing and Digital Image Enhancement
Diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana Teknik Informatika
Disusun Oleh:
Nama : Okky Yosha
NIM : A11.2011.05913
Program Studi : Teknik Informatika – S1
FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO
SEMARANG 2016
ii
PERSETUJUAN SKRIPSI
Nama Pelaksana : Okky Yosha NIM : A11.2011.05913 Program Studi : Teknik Informatika Fakultas : Ilmu Komputer
Judul Tugas Akhir : PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT)
Tugas Akhir ini telah diperiksa dan disetujui, Semarang, 8 November 2016
Menyetujui: Mengetahui:
Pembimbing Dekan Fakultas Ilmu Komputer
iii
PENGESAHAN DEWAN PENGUJI
Nama Pelaksana : Okky Yosha NIM : A11.2011.05913 Program Studi : Teknik Informatika Fakultas : Ilmu Komputer
Judul Tugas Akhir : PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT)
Tugas akhir ini telah diujikan dan dipertahankan dihadapan Dewan Penguji pada Sidang tugas akhir tanggal 8 November 2016. Menurut pandangan kami, tugas akhir ini memadai dari segi kualitas maupun kuantitas untuk tujuan
penganugrahan gelar Sarjana Komputer (S.Kom.)
Semarang, 8 November 2016 Dewan Penguji:
Elkaf Rahmawan P., M.Kom Wijanarto, M.Kom
Anggota 1 Anggota 2
Dr. MULJONO, S.Si, M.Kom
iv
PERNYATAAN KEASLIAN SKRIPSI
Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah ini,
Saya:
Nama : Okky Yosha NIM : A11.2011.05913
Menyatakan bahwa karya ilmiah saya yang berjudul:
PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN
PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT)
merupakan karya asli saya (kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya dan perangkat pendukung seperti web cam dll). Apabila di kemudian hari, karya saya disinyalir bukan merupakan karya asli saya, yang disertai dengan bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan gelar saya beserta hak dan kewajiban yang melekat pada gelar tersebut.Demikian surat pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Semarang
Pada tanggal : 8 November 2016
Yang menyatakan
v
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS
Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah ini, saya:
Nama Okky Yosha NIM : A11.2011.05913
demi mengembangkan Ilmu Pengetahuan, menyetujui untuk memberikan kepada Universitas Dian Nuswantoro Hak Bebas Royalti Non-Ekskusif (Non-exclusive Royalty-Free Right) atas karya ilmiah
saya yang berjudul:
PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER
UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN
PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT) beserta perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non-Eksklusif ini Universitas Dian Nuswantoro berhak untuk menyimpan, mengcopy ulang (memperbanyak), menggunakan, mengelolanya dalam bentuk pangkalan data (database), mendistribusikannya dan menampilkan/mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama tetap mencantumkan nama saya sebagai penulis/pencipta.Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak Universitas Dian Nuswantoro, segala bentuk tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah saya ini. Demikian surat pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Semarang
Pada tanggal : 8 November 2016
Yang menyatakan
vi
UCAPAN TERIMAKASIH
Dengan memanjatkan puji syukur kehadirat Allah SWT. Tuhan Yang Maha Pengasih dan Maha Penyayang yang telah melimpahkan segala rahmat, hidayah dan inayah-Nya kepada penulis sehingga laporan tugas akhir dengan judul “PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER
UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN
PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT)” dapat penulis selesaikan sesuai dengan rencana karena dukungan dari berbagai pihak yang tidak ternilai besarnya. Oleh karena itu penulis menyampaikan terimakasih kepada:
1. Dr.Ir. Edi Noersasongko,M.Kom, selaku Rektor Universitas Dian Nuswantoro Semarang.
2. Edi Mulyanto,Ssi.,M.Kom, selaku Dekan Fasilkom.
3. Ayu Pertiwi,S.Kom.,MT, selaku Ka.Progdi Teknik Informatika.
4. Erna Zuni Astuti, M.Kom. selaku pembimbing tugas akhir yang memberikan ide penelitian, memberikan informasi referensi yang penulis butuhkan dan bimbingan yang berkaitan dengan penelitian penulis.
5. Dosen-dosen pengampu di Fakultas Ilmu Komputer Teknik Informatika Universitas Dian Nuswantoro Semarang yang telah memberikan ilmu dan pengalamannya masing-masing, sehingga penulis dapat mengimplementasikan ilmu yang telah disampaikan.
Semoga Tuhan yang Maha Esa memberikan balasan yang lebih besar kepada beliau-beliau, dan pada akhirnya penulis berharap bahwa penulisan laporan tugas akhir ini dapat bermanfaat dan berguna sebagaimana fungsinya.
Semarang, 8 November 2016
vii ABSTRAK
Operasi pengolahan citra adalah operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain.Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai berikut: Peningkatan Kualitas Citra (Image Encachement) dan Pemulihan Citra (Image Restoration). Pada proses Image Enhacement ,kulitas citra dari derau/noise diperbaiki sehingga mudah di intrepertasikan oleh manusia ataupun mesin.Salah satu contoh dari noise adalah citra kabur (blur). Untuk menangani masalah diatas maka penulis mengimplementasikan algoritma Sobel untuk mendeteksi tepi dari sebuah citra yang blur sehingga dapat diidentifikasi kembali. Langkah – langkah Algoritma Median Filter adalah konversi citra true color ke grayscale, Median Filter, lalu perhitungan MSE dan PSNR. Sedangkakn pada Algoritma Low Pass yaitu konversi citra true color ke grayscale, Low Pass, lalu perhitungan MSE dan PSNR Dari perhitungan MSE dan PSNR dapat kita simpulkan bahwa algoritma Median Filter menghasilkan MSE dan PSNR yang berbeda – beda untuk setiap kasus, dimana tingkat MSE dan PSNR digunakan untuk mengukur kualitas citra. Sedangkan untuk Low Pass Filter menghasilkan MSE dan PSNR yang sama untuk setiap kasus, dimana tingkat MSE dan PSNR digunakan untuk mengukur kualitas citra.
Kata kunci :Image encachement, Image Restoration, deteksi tepi, Algoritma Median Filter dan Algoritma Low Pass
xv + 51 halaman; 43 gambar; 5 tabel Daftar acuan : 10 (2004 - 2015)
viii
DAFTAR PUSTAKA
BAB I PENDAHULUAN ...1
1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 2
1.3 Batasan Masalah ... 3
1.4 Tujuan Penelitian ... 3
1.5 Manfaat Penelitian ... 3
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI ...5
1.1 Tinjauan Studi ... 5
Tabel 2.1. Tabel Penelitian Terkait ... 7
2.2 Tinjauan Pustaka ... 8
2.2.1 Citra Digital ... 8
2.2.2 Jenis Citra Digital ... 8
2.2.3 Konversi Citra RGB ke Citra Grayscale ... 11
2.2.4 Edge Detection ... 12
2.2.5 Low-Pass Filter ... 14
2.2.6 Median Filter ... 15
2.2.7 MSE dan PSNR ... 16
2.3 Kerangka Pemikiran ... 18
BAB III METODE PENELITIAN ...19
3.1 Jenis Penelitian ... 19
3.2 Data yang Digunakan ... 19
3.2.1 Kebutuhan Software ... 19
3.2.2 Kebutuhan Hardware ... 20
3.3 Metode yang Diusulkan ... 21
BAB IV PERANCANGAN DAN IMPLEMENTASI ...24
4.1 Perancangan ... 24
4.1.1 Memilih Citra ... 24
4.1.2 Aplikasi Hasil Perancangan ... 25
4.2 Implementasi ... 26
4.2.1 Tahapan Preprocessing ... 26
4.2.2 Proses Grayscale ... 27
4.2.3 Proses Perbaikan Kualitas Citra ... 28
ix
4.3 Proses Pengujian pada citra ... 30
4.3.1 Proses Uji Fidelity pada citra (*JPG, *Bitmap , *PNG) ... 30
4.3.2 Uji Ketahanan (Robustness) ... 32
BAB V KESIMPULAN DAN SARAN ...64
5.1 Kesimpulan ... 64
5.2 Saran ... 64
x
DAFTAR TABEL
Tabel 2.1. Tabel Penelitian Terkait ... 7
Tabel 4.1 Hasil pengujian tingkat kecerahan dengan Metode Median Filter (JPG)...41
Tabel 4.2 Hasil pengujian tingkat kecerahan dengan Metode Low Pass Filter (JPG)...42
Tabel 4.3 Hasil pengujian tingkat kecerahan dengan Metode Median Filter (PNG)...42
Tabel 4.4 Hasil pengujian tingkat kecerahan dengan Metode Low Pass Filter (PNG)... ... 42
Tabel 4.5 Hasil pengujian tingkat kecerahan dengan Metode Median Filter (Bitmap) ... 43
Tabel 4.6 Hasil pengujian tingkat kecerahan dengan Metode Low Pass Filter (Bitmap) ... 43
Tabel 4.7 Hasil pengujian tingkat contrast dengan metode Median Filter (JPG) . 52 Tabel 4.8 Hasil pengujian tingkat contrast dengan metode Low Pass Filter (JPG)... 52
Tabel 4.9 Hasil pengujian tingkat contrast dengan metode Median Filter (PNG) 53 Tabel 4.10 Hasil pengujian tingkat contrast dengan metode Low Pass Filter (PNG)...53
Tabel 4.11 Hasil pengujian tingkat contrast dengan metode Median Filter (Bitmap) ... 53
Tabel 4.12 Hasil pengujian tingkat contrast dengan metode Low Pass Filter (Bitmap) ... 54
Tabel 4.5.1 Hasil pengujian rezize dengan metode Median Filter (JPG) ... 61
Tabel 4.13 Hasil pengujian rezize dengan metode Low Pass Filter(JPG) ... 61
Tabel 4.14 Hasil pengujian rezize dengan metode Median Filter (PNG) ... 62
Tabel 4.15 Hasil pengujian rezize dengan metode Low Pass Filter (PNG) ... 62
Tabel 4.16 Hasil pengujian rezize dengan metode Median Filter (Bitmap) ... 62
Tabel 4.17 Hasil pengujian rezize dengan metode Low Pass Filter (Bitmap) ... 62
xi
DAFTAR GAMBAR
Gambar 2.1 Citra RGB ... 9
Gambar 2.2Citra Grayscale ... 10
Gambar 2.3 Citra Biner ... 11
Gambar 2.4 (a)Konversi Citra warna (b) Konversi ke citra keabuan ... 12
Gambar 2.5 Edge Detection ... 12
Gambar 2.6 Jenis – jenis tepi ... 13
Gambar 2.7 Proses Edge Detection ... 13
Gambar 2.8 Mask Low Pass filter ... 14
Gambar 3.1 Metode yang diusulkan ... 21
Gambar 3.2 Metode yang diusulkan ... 21
Gambar 4.1 Citra JPG dan perubahannya ke Grayscale ... 24
Gambar 4.1.1 Citra png dan perubahannya ke Grayscale ... 25
Gambar 4.1.2 Citra bitmap dan perubahannya ke Grayscale ... 25
Gambar 4.2 Aplikasi hasil perancangan... 25
Gambar 4.3 Memilih gambar yang akan digunakan ... 27
Gambar 4.4 Tampilan setelah image dipilih ... 27
Gambar 4.5 Hasil Citra Grayscale ... 28
Gambar 4.6 Gambar yang sudah diterapkan Median Filter ... 28
Gambar 4.7 Hasil dari penerapan Low Pass ... 29
Gambar 4.8 Hasil dari Get Pixel 1 (Citra Awal) ... 29
Gambar 4.9 Hasil dari Get Pixel 2 (Median) ... 30
Gambar 4.10 Hasil dari Get Pixel 3 (Lowpass) ... 30
Gambar 4.11 Hasil dari MSE dan PSNR Citra Format JPG ... 31
Gambar 4.12 Hasil dari MSE dan PSNR Citra Format PNG ... 31
Gambar 4.13 Hasil dari MSE dan PSNR Citra Format Bitmap ... 32
Gambar 4.14 Hasil dari MSE dan PSNR setelah proses Brightness 5+ dengan Metode Median Filter dan Low Pass Format JPG ... 33
Gambar 4.15 Hasil dari MSE dan PSNR setelah proses Brightness 5+ dengan Metode Median Filter dan Low Pass Format PNG ... 34
Gambar 4.16 Hasil dari MSE dan PSNR setelah proses Brightness 5+ dengan Metode Median Filter dan Low Pass Format Bitmap ... 34
Gambar 4.18 Hasil dari MSE dan PSNR setelah proses Brightness +10 dengan Metode Median Filter dan Low Pass Filter pada Format PNG ... 35
xii
Gambar 4.19 Hasil dari MSE dan PSNR setelah proses Brightness +10 dengan Metode Median Filter dan Low Pass Filter pada Format Bitmap ... 36 Gambar 4.20 Hasil dari MSE dan PSNR setelah proses Brightness +15 dengan Metode Median Filter dan Low Pass Filter pada Format JPG ... 37 Gambar 4.21 Hasil dari MSE dan PSNR setelah proses Brightness +15 dengan Metode Median Filter dan Low Pass Filter pada Format PNG ... 37 Gambar 4.22 Hasil dari MSE dan PSNR setelah proses Brightness +15 dengan Metode Median Filter dan Low Pass Filter pada Format Bitmap ... 38 Gambar 4.23 Hasil dari MSE dan PSNR setelah proses Brightness +20 dengan Metode Median Filter dan Low Pass Filter format JPG ... 38 Gambar 4.24 Hasil dari MSE dan PSNR setelah proses Brightness +20 dengan Metode Median Filter dan Low Pass Filter format PNG ... 39 Gambar 4.25 Hasil dari MSE dan PSNR setelah proses Brightness +20 dengan Metode Median Filter dan Low Pass Filter format Bitmap ... 39 Gambar 4.26 Hasil dari MSE dan PSNR setelah proses Brightness 25+ dengan Metode Median Filter dan Low Pass Filter format JPG ... 40 Gambar 4.27 Hasil dari MSE dan PSNR setelah proses Brightness 25+ dengan Metode Median Filter dan Low Pass Filter format PNG ... 40 Gambar 4.28 Hasil dari MSE dan PSNR setelah proses Brightness 25+ dengan Metode Median Filter dan Low Pass Filter format Bitmap ... 41 Gambar 4.29 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass Filter (JPG) ... 44 Gambar 4.30 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass Filter (PNG) ... 45 Gambar 4.31 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass Filter (Bitmap) ... 45 Gambar 4.32 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass (JPG) ... 46 Gambar 4.33 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass (PNG) ... 46 Gambar 4.34 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass (Bitmap) ... 47 Gambar 4.35 Hasil dari MSE dan PSNR setelah proses Contrast+15 dengan Metode Median Filter dan Low Pass (JPG) ... 47 Gambar 4.36 Hasil dari MSE dan PSNR setelah proses Contrast+15 dengan Metode Median Filter dan Low Pass (PNG) ... 48 Gambar 4.37 Hasil dari MSE dan PSNR setelah proses Contrast+15 dengan Metode Median Filter dan Low Pass (Bitmap) ... 48
xiii
Gambar 4.38 Hasil dari MSE dan PSNR setelah proses Contrast+20 dengan Metode Median Filter dan Low Pass (JPG) ... 49 Gambar 4.39 Hasil dari MSE dan PSNR setelah proses Contrast+20 dengan Metode Median Filter dan Low Pass (PNG) ... 50 Gambar 4.40 Hasil dari MSE dan PSNR setelah proses Contrast+20 dengan Metode Median Filter dan Low Pass (Bitmap) ... 50 Gambar 4.41 Hasil dari MSE dan PSNR setelah proses Contrast+25 dengan Metode Median Filter dan Low Pass (JPG) ... 51 Gambar 4.42 Hasil dari MSE dan PSNR setelah proses Contrast+25 dengan Metode Median Filter dan Low Pass (PNG) ... 51 Gambar 4.43 Hasil dari MSE dan PSNR setelah proses Contrast+25 dengan Metode Median Filter dan Low Pass (Bitmap) ... 52 Gambar 4.44 Hasil dari MSE dan PSNR setelah proses resize 300x300 dengan Metode Median Filter dan Low Pass (JPG) ... 55 Gambar 4.45 Hasil dari MSE dan PSNR setelah proses resize 300x300 dengan Metode Median Filter dan Low Pass (PNG) ... 55 Gambar 4.46 Hasil dari MSE dan PSNR setelah proses resize 300x300 dengan Metode Median Filter dan Low Pass (Bitmap) ... 56 Gambar 4.47 Hasil dari MSE dan PSNR setelah proses resize 200x200 dengan Metode Median Filter dan Low Pass (JPG) ... 56 Gambar 4.48 Hasil dari MSE dan PSNR setelah proses resize 200x200 dengan Metode Median Filter dan Low Pass (JPG) ... 57 Gambar 4.49 Hasil dari MSE dan PSNR setelah proses resize 200x200 dengan Metode Median Filter dan Low Pass (Bitmap) ... 57 Gambar 4.50 Hasil dari MSE dan PSNR setelah proses resize 100x100 dengan Metode Median Filter dan Low Pass (JPG) ... 58 Gambar 4.51 Hasil dari MSE dan PSNR setelah proses resize 100x100 dengan Metode Median Filter dan Low Pass (PNG) ... 59 Gambar 4.52 Hasil dari MSE dan PSNR setelah proses resize 100x100 dengan Metode Median Filter dan Low Pass (Bitmap) ... 59 Gambar 4.53 Hasil dari MSE dan PSNR setelah proses resize 50x50 dengan Metode Median Filter dan Low Pass (JPG) ... 60 Gambar 4.54 Hasil dari MSE dan PSNR setelah proses resize 50x50 dengan Metode Median Filter dan Low Pass (PNG) ... 60 Gambar 4.55 Hasil dari MSE dan PSNR setelah proses resize 50x50 dengan Metode Median Filter dan Low Pass (Bitmap) ... 61
BAB I
PENDAHULUAN 1.1 Latar Belakang Masalah
Data dan informasi disajikan tidak hanya dalam bentuk data (teks) tetapi juga dapat berupa gambar, audio, dan video.Pada saat ini informasi memegang peranan yang sangat penting dan menjadi sangat diperlukan, baik itu informasi dalam bentuk teks maupun dalam bentuk citra. Citra mempunyai ciri khas yang tidak dimiliki data dalam bentuk teks ataupun data lainnya yaitu citra kaya dengan informasi, namun seringkali citra mengalami penurunan mutu atau kualitas hal ini menyebabkan tidak tersampainya informasi yang terkandung dalam sebuah citra. Pada umunya hal itu disebabkan karena citra mengandung derau (noise). Oleh karena itu perlu adanya suatu dispilin ilmu yang dapat menangani masalah diatas adalah pengolahan citra digital.
Pengolahan citra adalah salah satu cara untuk memperbaiki kualitas citra sehingga mudah diinterpretasikan manusia atau mesin. Pengolahan citra ini mencakup beberapa topic research antara lain: komputer grafik (computer graphic) , pengolahan citra (image processing), pengenalan pola (pattern recognition). Pengolahan citra dilakukan dengan mentransformasi citra menjadi citra lain dengan kualitas citra yang lebih baik yang operasinya dapat meliputi : perbaikan kualitas citra (image enhancement) , restorasi citra (image restoration), kompresi citra (image compression), segmentasi citra(image segmentation). Analisis citra (image analysis), dll [1].
Berdasarkan tujuan transformasi operasi pengolahan citra dikategorikan sebagai Peningkatan Kualitas Citra (Image Enhancement) bertujuan untuk meningkatkan fitur tertentu pada citra. Pemulihan Citra (Image Restoration) bertujuan untuk mengembalikan kondisi citra pada kondisi yang diketahui sebelumnya akibat adanya pengganggu (derau/noise) yang menyebabkan turun kualitas citra.
Peningkatan kualitas citra dan restorasi citra berkaitan dengan penghilangan atau pengurangan derau (noise).Derau pada umumnya bervariasi tergantung pada intensitas derajat keabuan suatu pixel.
Pada dasarnya derau ini kasat mata atau dapat dikatakan perubahannya mudah dilihat oleh mata,karena tampak sangat berbeda dengan titik-titik tetangganya, seperti citra yang mengalami gangguan berupa bercak-bercak putih atau hitam. Gangguan tersebut biasanya muncul sebagai akibat pencuplikan (Image Sampling) yang tidak bagus atau akibat saluran transmisi (pada pengiriman data).Oleh sebab itu perbaikan citra dibutuhkan, dengan meningkatkan kualitas suatu citra dapat lebih mudah diinterpretasikan oleh mata manusia.
Dalam sebuah citra, intensitas atau tingkat kecerahan atau derajat keabuan merupakan informasi yang sangat penting. Melalui derajat keabuan ini kita dapat melakukan berbagai macam metode untuk melakukan proses pengolahan citra seperti Low-Pass Filter dan Median Filter. Melalui metode ini kualitas citra masukan dapat diperbaiki dan diharapkan dapat lebih mudah mendekati bentuk aslinya. Dan membandingkan diantara kedua filter tersebut mana yang lebih baik digunakan.
Oleh karena latar belakang diatas maka dibuatlah suatu penelitian yang ditujukan untuk meningkatkan kualitas citra dengan cara memperhalus citra (image smoothing) yang berjudul PERBANDINGAN METODE LOW-PASS FILTER DAN MEDIAN FILTER UNTUK PENGHALUSAN CITRA (IMAGE SMOOTHING) DAN PENINGKATAN KUALITAS CITRA (IMAGE ENHANCEMENT).
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, maka identifikasi masalah dalam penyusunan Tugas Akhir ini adalah: Bagaimana meningkatkan kualitas citra dalam penghalusan citra dengan menggunakan metode Low–Pass Filter dan Median Filter.
1.3 Batasan Masalah
Agar penyusunan Tugas Akhir nantinya sesuai dengan identifikasi masalah yang ditetapkan, maka sebagai batasan masalah dalam sistem ini antara lain:
1. Menitikberatkan pembahasan pada penghalusan citra dengan menggunakan metode Low–Pass Filter dan Median Filter.
2. Diterapkan pada citra dengan format BMP, JPG dan PNG . 3. Diterapkan pada Low–Pass Filter berukuran 3x3
4. Diterapkan pada Median Filter berukuraan 3x3
1.4 Tujuan Penelitian
Tujuan dari penulisan ini adalah :
1. Untuk mengetahui bagaimana cara kerja metode Low–Pass Filter dan Median Filter
2. Untuk mengetahui keluaran yang dihasilkan dari metode Low-Pass Filter dan Median Filter.
3. Untuk Mengetahui perubahan gambar yang dihasilkan sebelum dan sesudah diolah dengan menggunakan Metode Low–Pass Filter dan Median Filter.
4. Untuk mengetahui perbandingan antara metode Low–Pass Filter dan Median Filter sehingga dapat mengetahui mana yang terbaik yang dapat digunakan dalam penghalusan citra.
1.5 Manfaat Penelitian
Manfaat yang diharapakan dapat diperoleh dari penelitian ini adalah sebagai berikut:
1.5.1 Bagi Peneliti
a. Melatih daya kreativitas dan keahlian peneliti.
b. Sebagai sarana untuk menerapkan ilmu yang sudah didapat selama perkuliahan ke dalam dunia luar terutama tentang pengolahan citra
digital (image processing).
c. Melatih penulis untuk mampu menganalisa dan mencari solusi dalam suatu permasalahan dalam hal ini berkaitan dengan image processing .
1.5.2 Bagi Universitas Dian Nuswantoro
a. Sebagai tolak ukur mengetahui sejauh mana ilmu yang telah diserap dan dipahami oleh mahasiswa selama perkuliahan.
b. Sebagai bahan evaluasi akademik untuk meningkatkan mutu pendidikan.
c. Sebagai bahan referensi bagi mereka yang mengadakan penelitian untuk dikembangkan lebih lanjut dengan permasalahan yang berbeda.
1.5.3 Bagi Masyarakat
a. Mengetahui cara melakukan penghausan citra (iamge smoothing) b. Dapat mengetahui penggunaan filtering yang digunakan untuk
mendapatkan suatu hasil citra yang lebih baik
c. Dapat mengetahui keefektifan suatu algoritma filtering terhadap kualitas citra .
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
1.1 Tinjauan Studi
Ada beberapa penelitian yang terkait dengan peningkatan kualitas dan penghalusan citra ,yang menunjukkan pentingnya sebuah peningkatan kualitas citra di dalam sebuah pengolahan citra antara lain Segmentasi Citra Daun Tembakau Berbasis Deteksi Tepi Menggunakan Algoritma Canny yang dilakukan oleh Mazid kamal, Ruri Suko Basuki, M.Kom. Penelitian itu mengambil kesimpulan antara lain:
1. Metode canny menghasilkan hasil optimum dari setiap citra yang digunakan dan menghasilkan pixel minimum yang mendekati sesungguhnya.
2. dapat dikenali berdasarkan ukuran, bentuk dan tekstur maka hasilnya dapat dijadikan dasar klasifikasi
Penelitian lain yang terkait adalah Edge Detection Techniques for Image Segmentation – A Survey of Soft Computing Approaches yang dilakukan oleh N. Senthilkumaran1 and R. Rajesh. Penelitian ini berfokus pada pendekatan soft computing untuk deteksi tepi untuk segmentasi citra. Pendekatan yang digunakan adalah pendekatan Fuzzy, genetikdan jaringan syaraf diterapkan pada kehidupan nyata.
Penelitian berikutnya adalah penelitian yang dilakukan oleh : Omeed Kamal Khorsheed yang berjudul Produce Low-Pass And High-Pass Image Filter In Java penelitian ini berkaitan dengan Low-Pass dan High-Low-Pass filtering. Setiap jenis filter membutuhkan data kernel yang berbeda, menyesuaikan tujuan filtering. Tujuan dari penggunaan High pass dan Low pass ini sendiri digunakan utuk smoothing dan mempertajam suatu citra..
Penelitian lainnya adalah yang dilakukan oleh S. H. Yun, G. J. Tearney, J. F. de Boer, N. Iftimia and B. E. Bouma yang berjudul High-Speed Optical Frequency-Domain Imaging. Penelitian ini mengungkapkan bahwa pencitraan citra optic domain frekuensi memiliki kecepatan 8 kali lebih tinggi daripada kecepatan pencitraan..Dalam hal ini metode ini menggunakan high pass filter yang kemudian difilter lagi dengan menggunakan low pass filter.
No Nama Peneliti
Tahun Judul Metode Hasil
1 Mazid Kamal, Ruri Suko Basuki, M.Kom 2015 Segmentasi Citra Daun Tembakau Berbasis Deteksi Tepi Menggunaka n Algoritma Canny Canny Penggunaan metode canny pada deteksi tepi sangat tepat dan menghasilkan pixel tepi yang mendekati tepi sesungguhnya dan hasilnya dapat dijadikan dasar klasifikasi 2 N. Senthil Kumaran, R. Rajesh 2009 Edge Detection Techniques For Image Segmentation – A Survey Of Soft Computing Prewitt, Roberts, Sobel, Fuzzy, Genetic, Neural Network Penelitian ini berfokus pada pendekatansoft computinguntukd eteksi tepiuntuk segmentasi citra. Pendekatan yang digunakan adalah
Approaches pendekatan fuzzy, genetikdan jaringan syarafditerapkanp adakehidupan nyata 3 Omeed Kamal Khorshed 2014 Produce low-pass and high-pass image filter in java Low Pass dan High Pass Filter
Setiap jenis filter membutuhkan data kernel yang berbeda, menyesuaikan tujuan filtering. 4 S. H. Yun, G. J. Tearney, J. F. de Boer, N. Iftimia and B. E. Bouma 2003 High-speed optical frequency- domain imaging Low Pass dan High Pass Filter Pencitraan citra optic domain frekuensi memiliki kecepatan 8 kali lebih tinggi daripada kecepatan pencitraan citra Tabel 2.1. Tabel Penelitian Terkait
2.2 Tinjauan Pustaka 2.2.1 Citra Digital
Citra atau yang lebih sering kita kenal sebagai gambar adalah salah satu komponen yang mempunyai peran yang sangat penting untuk penyampaian informasi dalam bentuk visual. Perbedaan antara citra dan data dalam bentuk teks adalah citra kaya dengan informasi. Maksudnya adalah bila ditinjau dari ilmu matematis, citra merupakan fungsi continue dari intensitas cahaya pada bidang dwimatra. Di ibaratkan sebagai suatu sumber cahaya menerangi objek, dan objek memantulkan kembali sebagian dari berkas cahaya tersebut.Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya.Sehingga bayangan objek yang disebut citra tersebut terekam..
2.2.2 Jenis Citra Digital
Seringkali kita menjumpai ada beberapa aplikasi pengolahan citra digital yang pada umumnya, dapat dibagi menjadi 3 jenis citra, yaitu color image (RGB), black and white image dan binary image.
1. Color Image atau RGB (Red, Green, Blue).
Pada color image atau RGB, masing-masing piksel memiliki warna merah (Red), hijau (Green) dan biru (Blue). Masing-masing warna memiliki range 0 - 255 Color image (RGB) terdiri dari tiga matriks yang mewakili nilai merah, hijau dan biru untuk setiap pikselnya, seperti yang ditunjukkan gambar dibawah ini.
Gambar 2.1 Citra RGB
2. Citra Black and White(Grayscale )
Citra black and white atau yang biasa kita sebut sebagai citra grayscale adalah citra yang nilai piksel-nya dapat menggambarkan (merepresentasikan) derajat keabuan atau intensitas warna putih dalam sebuah citra . Nilai intensitas paling rendah adalah merepresentasikan warna hitam dan nilai intensitas paling tinggi merepresentasikan warna putih. Banyaknya warna pada jenis citra grayscale bergantung pada jumlah bit yang disediakan oleh memori untuk menampung. Citra 2 bit mewakili 4 warna, citra 3 bit mewakili 8 warna, dan seterusnya sampai 8 bit.
Gambar 2.2Citra Grayscale
Gambar 2.2 menggambarkan citra grayscale.Semakin besar bit-nya maka semakin halus warna grayscale yang ada ditampilkan.
3. Citra Biner (Binary)
Binary Image. Setiap piksel hanya terdiri dari warna hitam atau putih, karena hanya ada dua warna untuk setiap piksel, maka hanya perlu 1 bit per piksel (0 dan 1) atau apabila dalam 8 bit ( 0 dan 255), sehingga sangat efisien dalam hal penyimpanan. Gambar yang direpresentasikan dengan biner sangat cocok untuk teks (dicetak atau tulisan tangan), sidik jari (finger print), atau gambar arsitektur. Binary image merupakan hasil pengolahan dari black and white image, dengan menggunakan fungsi sebagai berikut :
dan dalam bentuk floating point :
dimana I BW(x,y) = nilai piksel Gray titik (x ,y ) Bin I x y = nilai piksel Binary titik ( x, y), sedangkan T adalah nilai threshold
Gambar 2.3 Citra Biner
2.2.3 Konversi Citra RGB ke Citra Grayscale
Proses pertama dari metode pendeteksi citra secara umum termasuk metode High pass dan Low pass filter adalah melakukan konversi citra, dari citra berwarna ke citra skala keabuan (grayscale). Rumus yang digunakan untuk konvesi adalah sebagai berikut:
X= (R+G+B)/3
, dimana R adalah nilai warna merah (Red), G adalah nilai warna hijau (Green), dan B adalah nilai warna biru (Blue) dari pixel yang diproses.
Gambar 2.4 (a) menunjukkan hasil proses konversi citra awal pada gambar 2.4 (b) yang merupakan sebuah citra keabuan.
(a) (b)
Gambar 2.4 (a)Konversi Citra warna (b) Konversi ke citra keabuan 2.2.4 Edge Detection
Edge dapat didefinisikan sebagai batas antara dua region (dua piksel yang saling berdekatan) yang memiliki perbedaan intensitas yang tajam atau tinggi. Edge dapat diorientasikan dengan suatu arah, dan arah ini berbeda-beda, tergantung pada perubahan intensitas.
Gambar 2.5 Edge Detection
Menurut Munir, ada tiga macam tepi (edge) yang terdapat di dalam citra digital seperti yang diperlihatkan pada gambar 2.6. Ketiga macam edge tersebut adalah:
1. Tepi curam, di mana tepi terbentuk karena perubahan intensitas yang tajam, berkisar 900 .
2. Tepi landau, di mana tepi lebar, sudut arah kecil. Terdiri dari sejumlah tepi-tepi lokal yang lokasinya berdekatan. 3. Tepi yang mengandung noise, di mana biasanya dilakukan operator image enhancement terlebih dahulu, misalnya Operator Gaussian yang berfungsi untuk menghaluskan citra. Edge detection pada suatu citra memiliki tujuan sebagai berikut :
a. Menandai bagian yang menjadi detil citra. b. Memperbaiki detil citra yang kabur karena error atauefekproses akuisisi.
Gambar 2.6 Jenis – jenis tepi
Gambar 2.7 memperlihatkan bagaimana edge dari suatu citra dapat diperoleh dengan operasi edge detection. Berdasarkan prinsip-prinsip filter pada citra, edge suatu gambar dapat diperoleh menggunakan High Pass Filter (HPF), dengan karakteristik ΣΣH(x,y)=0
2.2.5 Low-Pass Filter
Suatu citra pada umumnya mengandung gangguan (derau/noise) yang berasal dari berbagai sumber.Derau ini pada umumya berupa intensitas (derajat keabuan) suatu pixel yang tidak berkaitan dengan titik tetangganya.Derau ini pada umumnya mudah di lihat oleh mata, karena sangat berbeda dengan titik tetangganya. Lazimnya derau memiliki spectrum frekuensi ruang (spatial frequency ) yang jauh lebih tinggi dari komponen-konponen citra, karena derau ini tidak mempunyai ikatan dengan komponen-komponen citra. Dalam penghalusan citra ini ada beberapa metode yang digunakan dan diantaranya adalah Low Pass Filter dan Median Filter.
Low Pass filter yang digunakan adalah sebagai berikut 1/9 1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Gambar 2.8 Mask Low Pass filter
Seperti telah dijelaskan di atas bahwa high pass filter adalah proses filter yang mengambil citra dengan gradiasi intensitas yang tinggi dan perbedaan intensitas yang rendah akan dikurangi atau dibuang. Ciri-ciri dari fungsi low-pass filter adalah sebagai berikut:
∑∑ H( i, j) = 0
Sebagai contoh dibuat program High Pass Filter dengan fungsi filter rata-rata sebagai berikut:
Dari beberapa penelitian sebelumnya dapat ditarik kesimulan bahwa High Pass Filter menyebabkan gambar hanya diambil atau
ditampilkan pada daerah-daerah yang berbeda misalkan pada tepi-tepi gambar.Pada low Pass filter perbedaan yang muncul tidak begitu jelas karena gambarnya mempunyai gradiasi yang tinggi (halus), sedangkan pada High pass filter tepi-tepi gambar tampak jelas karena perbedaannya tinggi.
2.2.6 Median Filter
Median Filter biasanya digunakan untuk memperbaiki citra buram menjadi citra yang kualitasnya lebih baik.
Input Citra
Pendefinisian State awal dan
Parameter Tentukan Nilai Median Tentukan Pixel tetangga Ganti Pixel tetangga dengan Nilai Median
Hitung Mse dan PSNR
Dalam Median Filter meliputi beberapa proses yaitu :
1.Proses Input Citra Proses memasukkan Citra ke dalam sebuah project
2.Proses Pendefinisian State Awal dan Parameter Proses mendefinisikan state (0,0) dan juga parameter yang dibutuhkan.
3.Proses Menentukan nilai Median yang berasal dari Pengurutan Pixel sebanyak 3x3 yang kemudian diambil nilai tengahnya
4.Proses Mengambil nilai pixel tetangga
5.Proses Mengganti Pixel tetangga dengan nilai Median 6.Proses Menghitung nilai PSNR dan MSE
2.2.7 MSE dan PSNR
Pengujian dilakukan dengan menggunakan Mean Squared Error (MSE) untuk mengetahui rata-rata kuadrat nilai kesalahan antara citra sebelum segmentasi dengan citra hasil segmentasi. Secara matematis MSE dapat dirumuskan :
Dimana :
f(x, y) = nilai piksel citra referensi.
g(x, y) = nilai piksil citra hasil segmentasi. M, N = dimensi citra.
Proses perhitungan Mean Squared Error (MSE) :
1. Menghitung selisih nilai piksel citra referensi dengan nilai piksel citra hasil segmentasi kemudian dikuadratkan untuk setiap piksel.
2. Menjumlakan hasil dari perhitungan diatas. 3. Menghitung dimensi citra.
4. Hasil perhitungan pada no.2 kemudian dibagi dengan jumlah dimensi no.3, maka akan dihasilkan nilai MSE Setelah diperoleh nilai MSE maka nilai PSNR dapat dihitung dari kuadrat nilai maksimum dibagi dengan MSE. Secara matematis, nilai PSNR dirumuskan sebagai berikut
Dimana: MSE = nilai MSE, MAXi = nilai maksimum dari pixel citra yang digunakan Semakin rendah Nilai MSE maka akan semakin baik, dan semakin besar nilai PSNR maka semakin baik kualitas citra yang dihaslikan.
Tujuan:
Untuk mengetahui perbandingan implementasi Algoritma Low Pass Filter dan Median Filteruntuk peningkatan kualitas citra.
.
Experimen
Hasil :
Mendapatkan suatu analisa perbandingan dan implementasi Perbaikan Kualitas dan Peningkatan Kualitas menggunakan metode Median Filter dan Low Pass Filter
2.3 Kerangka Pemikiran
Masalah :
Bagaimana analisa perbandingan antara Algoritma Low Pass Filter dan Median Filter beserta implementasinya pada citra blur
Low Pass Filter dan Median Filter Data Gambar RGB Implementasi Microsoft Visual Studio C# 2010 Citra GrayScale Manfaat :
Mengetahui Mana Metode Yang Terbagus
Dapat mengetahui keefektifan suatu algoritma Peningkatan Kualitas Citra ketika kulitas gambar dirubah
BAB III
METODE PENELITIAN 3.1 Jenis Penelitian
Jenis penelitian yang dilaksanakan ini merupakan peneltian eksperimental, yaitu penelitian yang pengumpulan datanya melalui pencatatan langsung dari hasil percobaan.Pengumpulan data juga dilakukan dengan perhitungan dan analisis visual untuk membandingkan kualitas citra digital pada suatu citra grayscale.
3.2 Data yang Digunakan
Dalam penelitian ini, peneliti menggunakan data berupa gambar dengan kompresi citra . *bmp , .*jpg atau .*png.
3.2.1 Kebutuhan Software
Dalam penelitian ini, perangkat lunak merupakan factor yang sangat penting sehingga perangkat lunak tersebut sesuai dengan maksud dan tujuan peneliti. Berikut perangkat lunak yang dibutuhkan dalam penelitian ini:
a. Sistem Operasi
Sistem operasi yang digunakan dalam penelitian ini adalah Windows Vista, 7,8,8.1,10.
b. Microsoft C# Visual Studio 2010
c. Perangkat lunak ini digunakan sebagai teks editor untuk mendevelop proses deteksi tepi dengan menggunakan algoritma Median Filter dan Low Pass Filter
d. Corel Photo Paint
Perangkat lunak ini digunakan untuk mengubah Brightness (Kecerahan), contrast (Ketajaman), Resize (Perubahan Ukuran), Cropping (Pemotongan), dan Rotasi (Pemutaran).
e. Ms. Word
Perangkat lunak ini digunakan untuk membuat laporan hasil penelitian yang dilakukan.
3.2.2 Kebutuhan Hardware
Selain kebutuhan software, diperlukan adanya hardware atau perangkat keras yang haris dipenuhi agar penelitian ini berjalan dengan lancer.Berikut adalah kebutuhan hardware yang diperlukan dalam penelitian ini.
a. PC atau laptop dengan spesifikasi minimum: Prosesor : Dual Core
Sistem Operasi : Windows 7
RAM : 2 GB
b. Printer, digunakan untuk mencetak hasil penelitian ke dalam bentuk hardcopy.
3.3 Metode yang Diusulkan
Proses dari penelitian ini secara umum digambarkan sebagai berikut:
Gambar 3.1 Metode yang diusulkan Proses di dalam metode Median yang penulis pakai yaitu :
1. Proses pengubahan citra awal ke dalam bentuk grayscale (derajat Keabuan) 2. Proses menyaring hasil citra dengan Median mengambil nilai tengah 3. Proses perhitungan MSE dan PSNR
Gambar 3.2 Metode yang diusulkan Proses di dalam metode LowPass yang penulis pakai yaitu :
1. Proses pengubahan citra awal ke dalam bentuk grayscale (derajat Keabuan) 2. Proses menyaring hasil citra dengan Low Pass Filter
Citra Asli
Proses
Grayscale
Proses Median
Filter
Proses
Perhitungan
MSE dan PSNR
Citra Asli
Proses
Grayscale
Proses Low
Pass Filter
Proses
Perhitungan
MSE dan PSNR
1/9 1/9 1/93. Proses perhitungan MSE dan PSNR
Contoh : Misalkan kita mempunyai matrix seperti dibawah ini :
Cara menghitung :
Proses menyaring citra dengan Median Filter
Dari matrix 5x5 diatas kita ambil matrix yang 3x3 kemudian dari nilai yang diambil kita urutkan dari nilai terkecil ke nilai yang paling besar sehingga nilai nya menjadi
1 2 2 3 4 5 6 7
kemudian dari nilai itu maka kita ambil nilai tengahnya dengan rumus x = n+1 , sehingga 8+1 sehingga didapatlah data no 5
2 2
Sehingga didapatlah angka 4 sebagai pengganti nilai 1 pada bagian yang dilingkari .
Proses menyaring hasil citra dengan Low Pass Filter 1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
ΔX= 0.3+(0.4)+0.2+(0.2)+0.1+0.6+(0.3)+0.5+(0.7)+ = 2,9 ΔY= 0.3+(0.4)+0.2+(0.2)+0.1+0.6+(0.3)+0.5+(0.7)+ = 2,9 Q2,2 = ((2,9)2+(2,9)2)1/2= (8,41+8,41) 1/2 = 2,9
Proses perhitungan MSE dan PSNR
(a) (b) 3 3 9 . 6 6 9 . 1 0 9 . 5 5 9 . 3 4 9 . 3 3 9 . 3 2 9 . 1 1 9 . 1 1 9 . 6 7 2 2 2 2 2 2 2 2 2 MSE 254 . 1 9 81 . 0 61 . 3 81 . 0 01 . 0 81 . 0 61 . 3 81 . 0 81 . 0 01 . 0 MSE Rms = √ PSNR = 20* log 10 (7/1,119) PSNR = 15.92 1/9 1/9 1/9 7 1 1 2 3 4 5 0 6 6.9 1.9 1.9 3.9 3.9 3.9 5.9 1.9 6.9
BAB IV
PERANCANGAN DAN IMPLEMENTASI
4.1 Perancangan
Penelitian ini bertujuan untuk mengetahui implementasi peningkatan kualitas pada citra true color dengan metode Median Filter dan Low Pass Filter .Sehingga diharapkan dengan adanya peningkatan kualitas ini maka dapat diidentifikasi jenis image dan klasifikasinya di kemudian hari. Adapun langkah – langkahnya adalah sebagai berikut :
4.1.1 Memilih Citra
Gambar yang digunakan bebas , masih dalam format yang sudah ditentukan (jpg, jpeg,png,bitmap) dengan resolusi () sebagai citra induk.Objek yang digunakan dalam penelitian ini berupa citra yang mengalami blur / kerusakan imgae. maka pada tahapan awal ada perubahan dari citra menjadi citra grayscale.
4.1.1.1.Citra dengan ekstensi .jpg
Gambar 4.1 Citra JPG dan perubahannya ke Grayscale
Gambar 4.1.1 Citra png dan perubahannya ke Grayscale 4.1.1.3.Citra dengan ekstensi .bitmap
Gambar 4.1.2 Citra bitmap dan perubahannya ke Grayscale 4.1.2 Aplikasi Hasil Perancangan
Gambar 4.2 Aplikasi hasil perancangan
Gambar 4.2 adalah tampilan awal dari aplikasi yang penulis buat ada beberapa sub bagian dalam program ini
Bagian pertama adalah progress yang berisi :
1. Load Image : Untuk membuka file gambar yang diperlukan (JPG,Bitmap,PNG)
a. Save Grayscale : Menyimpan File Image Grayscale yang udah diproses
b. Save Median : Menyimpan File Image Median yang udah diproses c. Save Lowpass : Menyimpan File Image Lowpass yang udah
diproses
3. Grayscale : untuk membuat gambar / image menjadi citra grayscale 4. Exit : untuk memberhentikan aplikasi
Bagian kedua adalah Image Enhancement yaitu proses peningkatan kualitas, kegiatan ini berisi beberapa proses penting yaitu
1. Median Filter: proses menscanline image dengan algoritma Median 2. Low Pass: proses menscanline image dengan Algoritma Low Pass
a. Bagian ketiga adalah proses tambahan yaitu proses tambahan dalam kegiatan , kegiatan ini berisi beberapa proses yaitu
3. Get Pixel : untuk mengambil nilai pixel sebelum dan sesudah image diproses
a. Get pixel 1 untuk image yang sebelum diproses Grayscale , b. Get pixel 2 untuk image yang sudah di Median Filter
c. Get pixel 3 untuk image yang sudah melaluli proses Low Pass Filter.
d. Clear : Menghapus hasil Get pixel 4.2 Implementasi
4.2.1 Tahapan Preprocessing
a) Pilih gambar yang akan digunakan untuk citra induk , tekan Load Image pada bagian pre processing ,seperti pada gambar 4.3
Gambar 4.3 Memilih gambar yang akan digunakan 4.2.2 Proses Grayscale
a) Seteleh memilih image yang kita inginkan sebagai gambar induk ,maka akan ditampilkan ukuran image yang kita pilih dan juga dimana gambar tersebut disimpan, seperti yang nampak pada gambar 4.4
Gambar 4.4 Tampilan setelah image dipilih
Setelah itu proses selanjutnya adalah klik grayscale untuk membuat citra atau image tersebut menjadi citra grayscale yang akan kita
butuhkan dalam pembuatan penelitian ini , seperti nampak pada gambar 4.5
Gambar 4.5 Hasil Citra Grayscale 4.2.3 Proses Perbaikan Kualitas Citra
Proses ini meliputi 3 tahapan : o Grayscale
o Median Filter o Low Pass Filter
Setelah kita mengubah image induk menjadi citra grayscale maka langkah selanjutnya adalah Proses Median Filter
Gambar 4.6 Gambar yang sudah diterapkan Median Filter Maka citra hasil dari median filter akan ditampilkan pada gambar 4.6 seperti gambar diatas.
b) Low Pass
Setelah kita menerapkan median filter pada image maka langkah selanjutnya adalah menerapkan low pass pada image .
Gambar 4.7 Hasil dari penerapan Low Pass
4.2.4 Proses Tambahan a) Get Pixel
Pada proses ini , gambar akan dicari pixel nya secara keseluruhan yang nilai tiap indexnya akan ditampung ke dalam suatu data grid.
Gambar 4.9 Hasil dari Get Pixel 2 (Median)
Gambar 4.10 Hasil dari Get Pixel 3 (Lowpass) 4.3 Proses Pengujian pada citra
4.3.1 Proses Uji Fidelity pada citra (*JPG, *Bitmap , *PNG)
Uji fidelity adalah pengujian yang dilakukan agar mengetahui kemampuan peningkatan kualitas citra induk, yang dilakukan dengan cara melihat perbedaan antara citra induk awal dan citra induk yang telah dilakukan. Pengamatan dilakukan secara visual dan kuantitatif. Sebagai tolak ukur secara visual dalam penelitian ini adalah citra induk tidak mengalami perubahan signifikan jika dilihat menggunakan mata manusia secara kasat mata. Sedangkan jika diamati secara kuantitatif dari uji PSNR (Peak Signal Noise Ratio) adalah, semakin besar nilai PSNR (Peak Signal Noise Ratio) maka citra hasil semakin mirip dengan citra aslinya, dengan kata lain semakin bagus kualitas citranya.
Sebaliknya jika hasil nilai PSNR semakin kecil maka kualitas citra hasil semakin jelek.
Gambar 4.11 Hasil dari MSE dan PSNR Citra Format JPG Nilai MSE dan PSNR yang dihasilkan adalah MSE (JPG) :
0,0320648662393463 dan PSNR nya sebesar 78,0102149572862 untuk metode Median Filter .Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,870295687678853 dan PSNR nya sebesar 49,3374669767691 untuk metode Low Pass
Nilai MSE dan PSNR yang dihasilkan adalah MSE (PNG) : 0 dan PSNR nya sebesar Infinity untuk metode Median FilterNilai MSE dan PSNR yang untuk metode Low Pass
Gambar 4.13 Hasil dari MSE dan PSNR Citra Format Bitmap
Nilai MSE dan PSNR yang dihasilkan adalah MSE (Bitmap) : 0 dan PSNR nya sebesar 46,8237024778463 untuk metode Median Filter Nilai MSE dan PSNR yang dihasilkan adalah MSE :1,16239854196845 PSNR nya sebesar 46,8237024778463 untuk metode Low Pass
4.3.2 Uji Ketahanan (Robustness)
Pengujian robustness merupakan merupakan salah satu syarat peningkatan kualitas yang baik. Peningkatan kualitas yang baik akan tahan terhadap bermacam-macam manipulasi citra. Dalam penelitian ini, pengujian yang dilakukan dengan penambahan brightness dan contrast. Manipulasi Citra Penghitungan MSE Citra Awal Perhitungan PSNR Result
1. Brightness
Penambahan brightness pada image, digunakan beberapa sampel dengan tingkat kecerahan yang berbeda-beda. Setelah ditambahkan tingkat kecerahan maka image di hitung MSE dan PSNR nya. Semakin tinggi PSNR nya maka citra makin baik ,begitupun sebaliknya , jika MSE rendah maka image nya semakin baik.
a. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +5.
Gambar 4.14 Hasil dari MSE dan PSNR setelah proses Brightness 5+ dengan Metode Median Filter dan Low Pass Format JPG
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0,0377306258435006 dan PSNR : 76,5969234293215 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,931909541673816 dan PSNR : 48,7433284401085 dengan metode Low Pass.
Gambar 4.15 Hasil dari MSE dan PSNR setelah proses Brightness 5+ dengan Metode Median Filter dan Low Pass Format PNG
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : Infinity dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR :
49,9099841695019 dengan metode Low Pass.
Gambar 4.16 Hasil dari MSE dan PSNR setelah proses Brightness 5+ dengan Metode Median Filter dan Low Pass Format Bitmap
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : Infinity dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,13930453120086 dan PSNR :
b. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +10.
Gambar 4.17 Hasil dari MSE dan PSNR setelah proses Brightness +10 dengan Metode Median Filter dan Low Pass Filter pada Format JPG
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0,0412360432420326 dan PSNR : 75,8252638811985 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,947313005172557 dan PSNR : 75,8252638811985 dengan metode Low Pass.
Gambar 4.18 Hasil dari MSE dan PSNR setelah proses Brightness +10 dengan Metode Median Filter dan Low Pass Filter pada Format PNG
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass.
Gambar 4.19 Hasil dari MSE dan PSNR setelah proses Brightness +10 dengan Metode Median Filter dan Low Pass Filter pada Format Bitmap
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0 dan PSNR : 46,8237024778463 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE :
1,16239854196845 dan PSNR : 46,8237024778463 dengan metode Low Pass.
c. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +15
Gambar 4.20 Hasil dari MSE dan PSNR setelah proses Brightness +15 dengan Metode Median Filter dan Low Pass Filter pada Format JPG
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0,0412360432420326 dan PSNR : 46,823702477846 75,82526388119853 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,970418200420668 dan PSNR : 48,3916249440863 dengan metode Low Pass.
Gambar 4.21 Hasil dari MSE dan PSNR setelah proses Brightness +15 dengan Metode Median Filter dan Low Pass Filter pada Format PNG
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass.
Gambar 4.22 Hasil dari MSE dan PSNR setelah proses Brightness +15 dengan Metode Median Filter dan Low Pass Filter pada Format Bitmap
Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0 dan PSNR : 46,7663696648143 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE :
1,17009654555764 dan PSNR : 46,7663696648143 dengan metode Low Pass.
d. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +20.
Gambar 4.23 Hasil dari MSE dan PSNR setelah proses Brightness +20 dengan Metode Median Filter dan Low Pass Filter format JPG
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,0412360432420326 dan PSNR : 75,8252638811985 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,993523395668779 dan PSNR : 48,1872416404525 dengan metode Low Pass.
Gambar 4.24 Hasil dari MSE dan PSNR setelah proses Brightness +20 dengan Metode Median Filter dan Low Pass Filter format PNG
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass.
Gambar 4.25 Hasil dari MSE dan PSNR setelah proses Brightness +20 dengan Metode Median Filter dan Low Pass Filter format Bitmap
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,8237024778463 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,16239854196845 dan PSNR : 46,8237024778463 dengan metode Low Pass.
e. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +25.
Gambar 4.26 Hasil dari MSE dan PSNR setelah proses Brightness 25+ dengan Metode Median Filter dan Low Pass Filter format JPG
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,0361243239751793 dan PSNR : 76,9748090382155 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE:0,993523395668779 dan PSNR nya sebesar 76,9748090382155 dengan metode Low Pass.
Gambar 4.27 Hasil dari MSE dan PSNR setelah proses Brightness 25+ dengan Metode Median Filter dan Low Pass Filter format PNG
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR nya sebesar 49,9099841695019 dengan metode Low Pass.
Gambar 4.28 Hasil dari MSE dan PSNR setelah proses Brightness 25+ dengan Metode Median Filter dan Low Pass Filter format Bitmap
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,7663696648143 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,17009654555764 dan PSNR : 46,7663696648143 dengan metode Low Pass.
Berikut adalah tabel hasil dari pengujian memanipulasi yang bertujuan menguji ketahanan dari citra dengan berbagai tingkat kecerahan (brightness).
Tabel 4.1 Hasil pengujian tingkat kecerahan dengan Metode Median Filter (JPG)
Nilai Brightness MSE PSNR
+5 0,0377306258435006 76,5969234293215 +10 0,0412360432420326 75,8252638811985 +15 0,0412360432420326 75,8252638811985 +20 0,0412360432420326 75,8252638811985 +25 0,0361243239751793 76,9748090382155 Dari pengujian di atas dapat disimpulkan bahwa citra JPG akan mengalami penurunan nilai MSE dan peningkatan PSNR dengan perubahan tingkat kecerahan (brightness) dari +5 sampai +25.
Tabel 4.2 Hasil pengujian tingkat kecerahan dengan Metode Low Pass Filter (JPG)
Nilai Brightness MSE PSNR
+5 0,931909541673816 48,7433284401085 +10 0,947313005172557 75,8252638811985 +15 0,970418200420668 48,3916249440863 +20 0,993523395668779 75,8252638811985 +25 0,993523395668779 48,1872416404525 Dari pengujian di atas dapat disimpulkan bahwa citra akan mengalami peningkatan nilai MSE dan penurunan PSNR dengan perubahan tingkat kecerahan (brightness) dari +5 sampai +25
Tabel 4.3 Hasil pengujian tingkat kecerahan dengan Metode Median Filter (PNG)
Nilai Brightness MSE PSNR
+5 0 49,9099841695019
+10 0 49,9099841695019
+15 0 49,9099841695019
+20 0 49,9099841695019
+25 0 49,9099841695019
Dari pengujian di atas dapat disimpulkan bahwa citra PNG tidak mengalami Perubahan nilai MSE dan PSNR dengan tingkat kecerahan (brightness) dari +5 sampai +25.
Tabel 4.4 Hasil pengujian tingkat kecerahan dengan Metode Low Pass Filter (PNG)
Nilai Brightness MSE PSNR
+5 0,81478114800693 49,9099841695019 +10 0,81478114800693 49,9099841695019 +15 0,81478114800693 49,9099841695019
+20 0,81478114800693 49,9099841695019 +25 0,81478114800693 49,9099841695019 Dari pengujian di atas dapat disimpulkan bahwa citra PNG tidak mengalami Perubahan nilai MSE dan PSNR dengan tingkat kecerahan (brightness) dari +5 sampai +25.
Tabel 4.5 Hasil pengujian tingkat kecerahan dengan Metode Median Filter (Bitmap)
Nilai Brightness MSE PSNR
+5 0 46,9980071158106
+10 0 46,8237024778463
+15 0 46,7663696648143
+20 0 46,8237024778463
+25 0 46,9980071158106
Dari pengujian di atas dapat disimpulkan bahwa citra Bitmap akan sama nilai MSE dan sama nilai PSNR dengan kecerahan (brightness) dari +5 sampai +25.
Tabel 4.6 Hasil pengujian tingkat kecerahan dengan Metode Low Pass Filter (Bitmap)
Nilai Brightness MSE PSNR
+5 1,13930453120086 46,9980071158106 +10 1,16239854196845 46,8237024778463 +15 1,17009654555764 46,7663696648143 +20 1,16239854196845 46,8237024778463 +25 1,17009654555764 46,9980071158106 Dari pengujian di atas dapat disimpulkan bahwa citra akan mengalami penuruan nilai MSE dan peningkatan PSNR dengan perubahan tingkat kecerahan (brightness) dari +5 sampai +25.
Penambahan contrast pada image, digunakan beberapa sampel dengan tingkat kecerahan yang berbeda-beda. Setelah ditambahkan tingkat kecerahan maka image di hitung MSE dan PSNR nya. Semakin tinggi PSNR nya maka citra makin baik ,begitupun sebaliknya , jika MSE rendah maka image nya semakin baik.
a. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +5.
Gambar 4.29 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass Filter (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 76,9748090382155 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,877997419428223 dan PSNR : 49,2609388197081 dengan metode Low Pass
Gambar 4.30 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass Filter (PNG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass
Gambar 4.31 Hasil dari MSE dan PSNR setelah proses Contrast 5+ denganMetode Median Filter dan Low Pass Filter (Bitmap)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,9395160554642 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,14700253479006 dan PSNR : 46,9395160554642 dengan metode Low Pass
b. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +10.
Gambar 4.32 Hasil dari MSE dan PSNR setelah proses Contrast 5+ denganMetode Median Filter dan Low Pass (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,0361243239751793 dan PSNR : 76,9748090382155 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,877997419428223 dan PSNR : 76,9748090382155 dengan metode Low Pass.
Gambar 4.33 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass (PNG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass.
Gambar 4.34 Hasil dari MSE dan PSNR setelah proses Contrast 5+ dengan Metode Median Filter dan Low Pass (Bitmap)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,9395160554642 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,14700253479006 dan PSNR : 46,9395160554642 dengan metode Low Pass.
c. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +15.
Gambar 4.35 Hasil dari MSE dan PSNR setelah proses Contrast+15 dengan Metode Median Filter dan Low Pass (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,0361243239751793 dan PSNR : 49,0353186115143 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah
MSE : 0,901102614676334 dan PSNR : 49,0353186115143dengan metode Low Pass.
Gambar 4.36 Hasil dari MSE dan PSNR setelah proses Contrast+15 dengan Metode Median Filter dan Low Pass (PNG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass.
Gambar 4.37 Hasil dari MSE dan PSNR setelah proses Contrast+15 dengan Metode Median Filter dan Low Pass (Bitmap)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,9395160554642 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,14700253479006 dan PSNR : 46,9395160554642 dengan metode Low Pass.
d. Pengujian dilakukan dengan cara melakukan manipulasi Contrast pada citra senilai +20.
Gambar 4.38 Hasil dari MSE dan PSNR setelah proses Contrast+20 dengan Metode Median Filter dan Low Pass (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,0412360432420326 dan PSNR : 75,8252638811985 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,901102614676334 dan PSNR nya sebesar
Gambar 4.39 Hasil dari MSE dan PSNR setelah proses Contrast+20 dengan Metode Median Filter dan Low Pass (PNG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR nya sebesar 49,9099841695019 dengan metode Low Pass.
Gambar 4.40 Hasil dari MSE dan PSNR setelah proses Contrast+20 dengan Metode Median Filter dan Low Pass (Bitmap)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,8237024778463 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,16239854196845 dan PSNR nya sebesar 46,8237024778463 dengan metode Low Pass
e. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +25.
Gambar 4.41 Hasil dari MSE dan PSNR setelah proses Contrast+25 dengan Metode Median Filter dan Low Pass (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,0412360432420326 dan PSNR : 75,8252638811985 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,916506078175075 dan PSNR : 75,8252638811985 dengan metode Low Pass.
Gambar 4.42 Hasil dari MSE dan PSNR setelah proses Contrast+25 dengan Metode Median Filter dan Low Pass (PNG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,9099841695019 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,81478114800693 dan PSNR : 49,9099841695019 dengan metode Low Pass.
Gambar 4.43 Hasil dari MSE dan PSNR setelah proses Contrast+25 dengan Metode Median Filter dan Low Pass (Bitmap)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 46,9980071158106 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 1,13930453120086 dan PSNR : 46,9980071158106 dengan metode Low Pass.
Berikut adalah tabel hasil dari pengujian memanipulasi yang bertujuan menguji ketahanan dari citra dengan berbagai tingkat ketajaman (Contrast).
Tabel 4.7 Hasil pengujian tingkat contrast dengan metode Median Filter (JPG)
Nilai Contrast MSE PSNR
+5 0,0361243239751793 76,9748090382155 +10 0,0361243239751793 76,9748090382155 +15 0,0361243239751793 76,9748090382155 +20 0,0412360432420326 75,8252638811985 +25 0,0412360432420326 75,8252638811985 Dari pengujian di atas dapat disimpulkan bahwa citra mengalami penurunan MSE dan peningkatan PSNR dengan perubahan tingkat ketajaman (contrast) dari +5 sampai +25 Jadi kualitas citra menjadi lebih bagus.
Tabel 4.8 Hasil pengujian tingkat contrast dengan metode Low Pass Filter (JPG)
Nilai Contrast MSE PSNR
+5 0,877997419428223 76,9748090382155 +10 0,877997419428223 76,9748090382155 +15 0,901102614676334 76,9748090382155 +20 0,901102614676334 75,8252638811985
+25 0,916506078175075 75,8252638811985 Dari pengujian di atas dapat disimpulkan bahwa citra mengalami penurunan MSE dan peningkatan PSNR dengan perubahan tingkat ketajaman (contrast) dari +5 sampai +25. Jadi kualitas citra menjadi lebih bagus.
Tabel 4.9 Hasil pengujian tingkat contrast dengan metode Median Filter (PNG)
Nilai Contrast MSE PSNR
+5 0 49,9099841695019
+10 0 49,9099841695019
+15 0 49,9099841695019
+20 0 49,9099841695019
+25 0 49,9099841695019
Dari pengujian di atas dapat disimpulkan bahwa citra sample PNG tidak mengalami Perubahan apapun
Tabel 4.10 Hasil pengujian tingkat contrast dengan metode Low Pass Filter (PNG)
Nilai Contrast MSE PSNR
+5 0,81478114800693 49,9099841695019 +10 0,81478114800693 49,9099841695019 +15 0,81478114800693 49,9099841695019 +20 0,81478114800693 49,9099841695019 +25 0,81478114800693 49,9099841695019 Dari pengujian di atas dapat disimpulkan bahwa citra sample PNG tidak mengalami Perubahan apapun
Tabel 4.11 Hasil pengujian tingkat contrast dengan metode Median Filter (Bitmap)
Nilai Contrast MSE PSNR
+10 0 46,9395160554642
+15 0 46,9395160554642
+20 0 46,8237024778463
+25 0 46,9980071158106
Dari pengujian di atas dapat disimpulkan bahwa citra tidak mengalami perubahan MSE dan peningkatan PSNR dengan perubahan tingkat ketajaman (contrast) dari +5 sampai +25 Jadi kualitas citra menjadi lebih bagus
Tabel 4.12 Hasil pengujian tingkat contrast dengan metode Low Pass Filter (Bitmap)
Nilai Contrast MSE PSNR
+5 1,14700253479006 46,9395160554642 +10 1,14700253479006 46,9395160554642 +15 1,14700253479006 46,9395160554642 +20 1,16239854196845 46,8237024778463 +25 1,13930453120086 46,9980071158106 Dari pengujian di atas dapat disimpulkan bahwa citra mengalami penurunan MSE dan peningkatan PSNR dengan perubahan tingkat ketajaman (contrast) dari +5 sampai +25. Jadi kualitas citra menjadi lebih bagus.
3. Rezize (perubahan ukuran pixel)
Perubahan ukuran pada image, digunakan beberapa sampel dengan ukuran yang berbeda-beda.
a. Pengujian dilakukan dengan cara melakukan manipulasi ukuran pixel (300x300)
Gambar 4.44 Hasil dari MSE dan PSNR setelah proses resize 300x300 dengan Metode Median Filter dan Low Pass (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,0169967317119759 dan PSNR : 83,5234952233642 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,640858798800485 dan PSNR : 83,5234952233642 dengan metode Low Pass.
Gambar 4.45 Hasil dari MSE dan PSNR setelah proses resize 300x300 dengan Metode Median Filter dan Low Pass (PNG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0 dan PSNR : 49,3224772100123 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,871798906476335 dan PSNR : 49,3224772100123 dengan metode Low Pass.
Gambar 4.46 Hasil dari MSE dan PSNR setelah proses resize 300x300 dengan Metode Median Filter dan Low Pass (Bitmap)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,00471404520791032 dan PSNR : 94,6629287464326 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,860251901092542 dan PSNR : 94,6629287464326 dengan metode Low Pass.
b. Pengujian dilakukan dengan cara melakukan manipulasi ukuran pixel (200x200)
Gambar 4.47 Hasil dari MSE dan PSNR setelah proses resize 200x200 dengan Metode Median Filter dan Low Pass (JPG)
Nilai MSE dan PSNR yang dihasilkan adalah MSE :
0,0360555127546399 dan PSNR : 48,3186221050937 dengan metode Median Filter. Nilai MSE dan PSNR yang dihasilkan adalah MSE : 0,978608706276416 dan PSNR : 48,3186221050937 dengan metode Low Pass.