BAB 4
IMPLEMENTASI DAN EVALUASI
4.1. Persiapan data
Untuk proses perbesaran dan penghalusan, terlebih dahulu dimasukkan file citra bertipe JPEG yang memiliki noise, baik untuk citra yang berintensitas berwarna ataupun citra yang berintensitas keabu-abuan.
4.2. Inputan perintah dalam menjalankan program
Didalam proses, terlebih dahulu dimasukkan inputan di dalam DOS. Didalam DOS, dikenali nama citra untuk input dan output beserta extensionnya (.JPEG), dan juga perbesaran yang dimasukkan. Data inputan file JPEG kemudian diubah menjadi file PPM agar dapat dikenali ukuran dan data-data citranya.
Perintah eksekusi untuk file :
1. deriche –input namafile.[JPEG/JPG] –zoom nilai_perbesaran –output namafile_output.[jpeg/jpg] atau
2. deriche –input namafile.[JPEG/JPEG] –output namafile_output.[jpeg/jpg] Pada perintah eksekusi yang kedua, file output yang dihasilkan dianggap tidak diperbesar ukurannya.
4.3. Pengubahan citra JPEG ke citra PPM yang akan dianalisa
Citra file bertipe JPEG tidak dapat dilakukan analisa karena data pada file citra bertipe JPEG berisi kode-kode ASCII yang tidak dapat dibaca secara langsung. Pada saat
file citra inputan dimasukkan ke dalam perintah diatas, maka ImageMagick akan mengubah file bertipe JPEG menjadi file yang bertipe PPM dengan mencari terlebih dahulu path untuk file convert.exe yang terletak pada C:\Program Files\ImageMagick-6.2.5-Q16 dan kemudian mencari path untuk template path untuk menaruh file PPM yang terletak pada C:\WINDOWS\Temp.
Dengan pengubahan file tersebut menjadi file bertipe PPM, maka citra akan tampil sebagai berikut:
Gambar 4.1. Citra JPEG dengan ukuran 22x13 Gambar 4.2.Citra PPM dengan ukuran 22x13 Data citra JPEG untuk mata.jpeg diatas adalah:
ÿØÿà JFIF d d ÿá 'Exif MM * b j ( 1 r 2 †‡i œ È d d ÿÿ
- ( & ù H H ÿØÿà JFIF H H
ÿí ÿî d€ ÿÛ „ ÿÀ "
ÿÝ ÿÄ ?
3 ! 1 AQa "q 2 ‘¡±B#$ RÁb34r‚ÑC %’Sðáñcs5 ¢²ƒ&D“TdE£t6 ÒUâeò³„ÃÓuãóF'”¤
…´•ÄÔäô¥µÅÕåõVfv†–¦¶ÆÖæö7GWgw‡—§·Ç×ç÷ 5
!1 AQaq" 2 ‘ ¡±B#ÁRÑð3$bár‚’CS cs4ñ% ¢²ƒ &5ÂÒD“T£ dEU6teâò³„ÃÓuãóF”¤…´•ÄÔäô¥µÅÕåõVfv†– ¦¶ÆÖæö'7GWgw‡—§·ÇÿÚ ? Ïn qe ðv‰hk‹?EèW¶ªñ GúOÐÑüÝÍìô©OOG¾×°X6zf²û-.¬ ×\â×?Ówó_ ôhcýÿÑý_¡©Ô~ÁêÓ·p°·ô;6 辇ïîý/ؽ_MþÏ ó ôªÖ3" ìÏD .Ûú3í÷š›¿ÙoÓü÷Ûö¯´ýŸô~¢J@î“ : xL¸¸ ½ h
ÔmdVß²=†Ï³ý¡ìª¿Ñ×g£öïÑÙþ„•ú¿›¸³Öõý¦ÆŸç=8-› ÿ ç¾Ïéný/§üßøSÓI%?ÿÙÿí 8BIM í d d 8BIM & ?€ 8BIM -8BIM -8BIM ó 8BIM
8BIM' 8BIM ô 5 - 8BIM ÷ ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ è 8BIM @ @ 8BIM - 8BIM 7 a null
boundsObjc Rct1 Top long Leftlong Btomlong Rghtlong slicesVlLs Objc slice sliceIDlong groupIDlong originenum ESliceOrigin
autoGenerated Typeenum ESliceType Img boundsObjc Rct1 Top long Leftlong Btomlong Rghtlong urlTEXT nullTEXT MsgeTEXT altTagTEXT cellTextIsHTMLbool cellTextTEXT
horzAlignenum ESliceHorzAlign default vertAlignenum ESliceVertAlign default bgColorTypeenum ESliceBGColorType None topOutsetlong leftOutsetlong bottomOutsetlong rightOutsetlong 8BIM 8BIM 8BIM D t ù ÿØÿà JFIF H H ÿí ÿî d€
ÿÛ „ ÿÀ " ÿÝ ÿÄ ?
3 ! 1 AQa "q 2 ‘¡±B#$ RÁb34r‚ÑC %’Sðáñcs5 ¢²ƒ&D“TdE£t6 ÒUâeò
³„ÃÓuãóF'”¤…´•ÄÔäô¥µÅÕåõVfv†–¦¶ÆÖæö7GWgw‡—§·Ç×ç÷ 5 !1 AQaq" 2 ‘ ¡±B#ÁRÑð3$bár‚’CS cs4ñ% ¢²ƒ &5ÂÒD“T£ dEU6teâò³„ÃÓuãóF”¤…´•ÄÔäô¥µÅÕåõVfv†–
¦¶ÆÖæö'7GWgw‡—§·ÇÿÚ ? Ïn qe ðv‰hk‹?EèW¶ªñ GúOÐÑüÝÍìô©OOG¾×°X6zf²û-.¬ ×\â×?Ówó_ ôhcýÿÑý_¡©Ô~ÁêÓ·p°·ô;6 辇ïîý/ؽ_MþÏ ó ôªÖ3" ìÏD .Ûú3í÷š›¿ÙoÓü÷Ûö¯´ýŸô~¢J@î“ : xL¸¸ ½ h
ÔmdVß²=†Ï³ý¡ìª¿Ñ×g£öïÑÙþ„•ú¿›¸³Öõý¦ÆŸç=8-› ÿ ç¾Ïéný/§üßøSÓI%?ÿÙ 8BIM ! U 8BIM ÿá '' id='W5M0MpCehiHzreSzNTczkc9d'?>
Data citra PPM untuk mata.jpeg diatas adalah: P6 22 13 255 119 119 119 74 74 74 161 161 161 92 92 92 37 37 37 84 84 84 122 122 122 81 81 81 82 82 82 126 126 126 126 126 126 69 69 69 81 81 81 28 28 28 104 104 104 51 51 51 137 137 137 117 117 117 137 137 137 0 0 0 177 177 177 242 242 242 103 103 103 56 56 56 5 5 5 113 113 113 119 119 119 79 79 79 71 71 71 92 92 92 90 90 90 10 10 10 51 51 51 19 19 19 56 56 56 92 92 92 96 96 96 86 86 86 109 109 109 41 41 41 96 96 96 60 60 60 89 89 89 78 78 78 128 128 128 73 73 73 125 125 125 121 121 121 68 68 68 121 121 121 48 48 48 42 42 42 91 91 91 129 129 129 146 146 146 78 78 78 149 149 149 51 51 51 108 108 108 48 48 48 131 131 131 62 62 62 142 142 142 65 65 65 41 41 41 110 110 110 90 90 90 155 155 155 93 93 93 55 55 55 31 31 31 123 123 123 107 107 107 93 93 93 108 108 108 28 28 28 45 45 45 142 142 142 90 90 90 29 29 29 132 132 132 141 141 141 17 17 17 90 90 90 48 48 48 65 65 65 67 67 67 36 36 36 95 95 95 62 62 62 86 86 86 77 77 77 133 133 133 133 133 133 93 93 93 26 26 26 170 170 170 126 126 126 91 91 91 110 110 110 108 108 108 81 81 81 142 142 142 222 222 222 113 113 113 106 106 106 109 109 109 48 48 48 98 98 98 135 135 135 118 118 118 111 111 111 147 147 147 81 81 81 149 149 149 106 106 106 196 196 196 109 109 109 87 87 87 117 117 117 86 86 86 133 133 133 49 49 49 119 119 119 238 238 238 66 66 66 163 163 163 209 209 209 154 154 154 29 29 29 112 112 112 58 58 58 142 142 142 113 113 113 75 75 75 157 157 157 100 100 100 151 151 151 161 161 161 123 123 123 103 103 103 107 107 107 120 120 120 128 128 128 159 159 159 230 230 230 145 145 145 163 163 163 231 231 231 116 116 116 89 89 89 115 115 115 67 67 67 128 128 128 172 172 172 90 90 90 101 101 101 141 141 141 35 35 35 144 144 144 133 133 133 165 165 165 172 172 172 135 135 135 120 120 120 189 189 189 179 179 179 108 108 108 129 129 129 235 235 235 106 106 106 103 103 103 98 98 98 79 79 79 157 157 157 104 104 104 155 155 155 146 146 146 105 105 105 117 117 117 71 71 71 88 88 88 160 160 160 136 136 136 116 116 116 197 197 197 169 169 169 226 226 226 145 145 145 156 156 156 158 158 158 143 143 143 203 203 203 109 109 109 76 76 76 123 123 123 167 167 167 155 155 155 173 173 173 164 164 164 163 163 163 42 42 42 107 107 107 118 118 118 121 121 121 90 90 90 125 125 125 63 63 63 114 114 114 45 45 45 142 142 142 151 151 151 66 66 66 93 93 93 115 115 115 79 79 79 112 112 112 198 198 198 140 140 140 195 195 195 135 135 135 122 122 122 177 177 177 84 84 84 125 125 125 145 145 145 70 70 70 67 67 67 168 168 168 17 17 17 73 73 73 103 103 103 70 70 70 104 104 104 113 113 113 137 137 137 75 75 75 101 101 101 154 154 154 125 125 125 148 148 148 161 161 161 221 221 221 181 181 181 112 112 112 199 199 199 190 190 190 91 91 91 132 132 132 77 77 77 91 91 91 177 177 177 138 138 138 92 92 92 107 107 107 92 92 92 113 113 113 182 182 182 110 110 110 131 131 131 171 171 171 143 143 143 123 123 123 130 130 130 225 225 225 161 161 161 228 228 228 81 81 81 194 194 194 105 105 105 185 185 185 176 176 176 128 128 128 137 137 137 113 113 113 162 162 162 146 146 146 135 135 135 179 179 179 80 80 80 178 178 178 163 163 163 156 156 156 165 165 165 179 179 179 172 172 172
Dari data citra diatas dapat dibaca bahwa baris pertama menunjukkan tipe citra PPM, angka 6 menunjukkan citra dengan warna binary
Baris kedua menunjukkan lebar dan tinggi dari citra,
Baris ketiga menunjukkan nilai maksimum dari komponen warna.
Dan baris keempat sampai seterusnya menunjukkan nilai data citra PPM, dengan komposisi (tiap tiga piksel berurutan, menunjukkan warna RGB dari suatu titik).
Data citra PPM itu kemudian disimpan dalam memori komputer untuk selanjutnya diproses.
4.4. Analisa proses penghalusan dan perbesaran
Proses penghalusan memerlukan data-data PPM untuk proses penghalusannya. Pada proses ini, dihasilkan sejumlah data citra bayangan untuk digabungkan dengan data
citra semula. Pada tahap ini, penilaian kehalusan citra tergantung dari pandangan pengguna.
4.4.1 Hasil data citra PPM untuk sebagai masukan untuk proses citra terhadap gradien
Data citra PPM dengan menggunakan gradien Sobel, akan dibentuk data citra bayangan. Untuk proses data PPM, maka citra bayangan yang terbentuk dihitung dari tetangganya.
Hasil perhitungan citra bayangan dengan menggunakan gradien Sobel, menghasilkan citra bayangan untuk mata.JPEG diatas adalah:
Tabel 4.1. nilai data citra terhadap proses gradien Keterangan lengkapnya lihat lampiran A tabel A.1
Koordinat (x,y) Data citra bayangan(RGB)
(0,0) (99372, 36036, 13068) (1,0) (2352, -17472, 129792) (2,0) (36963, -102897, 286443) (3,0) (199692, 24768, 3072) (4,0) (10092, -31320, 97200) (5,0) (128547, 13041, 1323) (6,0) (48, -1152, 27648) (7,0) (30603, 6363, 1323) (8,0) (8427, -14151, 23763) (9,0) (25947, -83421, 268203) (10,0) (78732, 153576, 299568)
Nilai negatif pada intensitas hijau dari data citra bayangan disebabkan karena terjadi penurunan intensitas dari nilai piksel citra sebelum terhadap nilai intensitas piksel sesudah dari koordinat x yang tidak diikuti dengan penurunan intensitas dari nilai piksel sebelum terhadap nilai intensitas piksel sesudah dari koordinat y.
4.4.2. Hasil data citra terhadap gradien yang akan dihaluskan terhadap proses penghalusan Canny-Deriche
Data citra bayangan hasil proses terhadap gradien Sobel ini kemudian dihaluskan dengan metoda Canny Deriche.
Hasil perhitungan citra bayangan dengan menggunakan metoda Canny-Deriche ini menghasilkan citra bayangan untuk mata.JPEG diatas adalah:
Tabel 4.2 nilai data citra bayangan terhadap proses penghalusan Canny-Deriche Keterangan lengkapnya lihat lampiran A tabel A.2
Koordinat (x,y) Data citra bayangan
(0,0) (89902.578125, 24087.994141, 25178.203125) (1,0) (26168.521484, -17703.638672, 118330.359375) (2,0) (60535.140625, -67088.765625, 200888.984375) (3,0) (141746.828125, 3559.393799, 42274.394531) (4,0) (41289.460938, -20345.373047, 72426.312500) (5,0) (89164.765625, 5303.163574, 15308.745117) (6,0) (17448.437500, 2427.639648, 26448.148438) (7,0) (23135.673828, 1252.071411, 13917.491211) (8,0) (12184.846680, -16183.192383, 45644.253906) (9,0) (26995.595703, -41520.722656, 212993.093750) (10,0) (62630.429688, 101067.453125, 240946.765625)
4.4.3. Hasil data citra bayangan hasil proses penghalusan Canny-Deriche yang akan diproses terhadap perhitungan nilai eigen
Data citra bayangan hasil proses terhadap penghalusan Canny-Deriche ini kemudian dilakukan perhitungan terhadap nilai eigen untuk tiap-tiap koordinat pikselnya.
Hasil perhitungan citra bayangan dengan menggunakan proses perhitungan nilai eigen, menghasilkan citra bayangan untuk mata.JPEG diatas adalah:
Tabel 4.3. nilai data citra bayangan hasil pemrosesan terhadap nilai Eigen Keterangan lengkapnya lihat lampiran A tabel A.3
Koordinat (x,y) Data citra bayangan
(0,0) (0.000317, -0.000872, 0.002659) (1,0) (0.002544, 0.000468, 0.000109) (2,0) (0.001687, 0.000671, 0.000283) (3,0) (0.000021, -0.000083, 0.002328) (4,0) (0.002389, 0.001166, 0.000604) (5,0) (0.000046, -0.000218, 0.003078) (6,0) (0.004491, -0.001117, 0.000349) (7,0) (0.000167, -0.000671, 0.005105) (8,0) (0.003581, 0.001428, 0.000629) (9,0) (0.001953, 0.000413, 0.000102) (10,0) (0.001510, -0.000676, 0.000317)
4.4.4. Hasil data citra bayangan proses perhitungan nilai Eigen terhadap proses perhitungan tepi
Data citra bayangan hasil proses terhadap nilai Eigen ini kemudian dilakukan perhitungan terhadap tepi-tepi tetangganya.
Hasil perhitungan citra bayangan dengan menggunakan proses perhitungan tepi, menghasilkan citra bayangan untuk mata.JPEG diatas adalah:
Tabel 4.4. nilai data citra bayangan hasil pemrosesan terhadap perhitungan tepi Keterangan lengkapnya lihat lampiran A tabel A.4
Koordinat (x,y) Data citra bayangan
(0,0) (-0.055922, -0.055922, -0.055922) (1,0) (0.301093, 0.301093, 0.301093) (2,0) (-0.294096, -0.294096, -0.294096) (3,0) (0.039365, 0.039365, 0.039365) (4,0) (0.278098, 0.278098, 0.278098) (5,0) (-0.001326, -0.001326, -0.001326) (6,0) (-0.381478, -0.381478, -0.381478) (7,0) (0.043376, 0.043376, 0.043376) (8,0) (0.068359, 0.068359, 0.068359) (9,0) (-0.114970, -0.114970, -0.114970) (10,0) (-0.132131, -0.132131, -0.132131)
4.4.5. Hasil data citra baru yang dihasilkan dalam proses penghalusan
Data citra bayangan baru yang diperoleh merupakan hasil proses penggabungan data citra semula dengan data citra bayangan hasil proses
penghalusan tepi-tepinya yang dibandingkan dengan piksel yang memiliki nilai absolut yang tertinggi.
Hasil pembentukan nilai piksel baru untuk citra mata.JPEG yang dihasilkan untuk iterasi pertama dari proses penghalusan adalah:
Tabel 4.5 nilai piksel untuk citra yang baru pada iterasi ke 1 Keterangan lengkapnya lihat lampiran A tabel A.5
Koordinat (x,y) Nilai piksel untuk citra baru
(0,0) (117.970215, 117.970215, 117.970215) (1,0) (79.544472, 79.544472, 79.544472) (2,0) (155.584381, 155.584381, 155.584381) (3,0) (92.724892, 92.724892, 92.724892) (4,0) (42.121033, 42.121033, 42.121033) (5,0) (83.975586, 83.975586, 83.975586) (6,0) (114.975288, 114.975288, 114.975288) (7,0) (81.798737, 81.798737, 81.798737) (8,0) (83.258797, 83.258797, 83.258797) (9,0) (123.882881, 123.882881, 123.882881) (10,0) (123.566872, 123.566872, 123.566872)
Pada saat modul cut dipanggil, nilai piksel baru yang dihasilkan tidak boleh melebihi nilai piksel maksimum semula dan tidak boleh kurang dari nilai piksel minimum. Ini bertujuan agar nilai piksel yang dihasilkan tidak menyimpang dari warna-warna yang ada pada citra yang diiterasikan.
Citra mata.JPEG yang dihasilkan pada iterasi penghalusan pertama adalah:
4.4.6. Contoh data citra hasil proses perbesaran
Data citra baru yang diperoleh ini kemudian diperbesar dengan metoda interpolasi. Hasil pembentukan nilai piksel baru untuk citra mata.JPEG dengan sekali iterasi penghalusan dan 2 kali perbesaran adalah:
Tabel 4.6 nilai piksel untuk citra yang baru hasil perbesaran interpolasi Keterangan lengkapnya lihat lampiran A tabel A.6
Koordinat (x,y) Nilai piksel untuk citra baru
(0,0) (117.970215, 117.970215, 117.970215) (1,0) (99.204155, 99.204155, 99.204155) (2,0) (80.438095, 80.438095, 80.438095) (3,0) (114.911873, 114.911873, 114.911873) (4,0) (152.047638, 152.047638, 152.047638) (5,0) (127.809258, 127.809258, 127.809258) (6,0) (97.110443, 97.110443, 97.110443) (7,0) (71.541885, 71.541885, 71.541885) (8,0) (46.828369, 46.828369, 46.828369) (9,0) (58.668171, 58.668171, 58.668171) (10,0) (79.108757, 79.108757, 79.108757)
Citra mata.JPEG yang dihasilkan pada proses perbesaran ini adalah:
4.4.7. Contoh data citra hasil proses penghalusan pada iterasi ke 8
Data citra hasil proses penghalusan pada iterasi ke 8 untuk mata.JPEG memiliki data citra untuk tiap-tiap pikselnya yang lebih halus.
Gambar 4.4. data citra hasil proses penghalusan pada iterasi ke 8
Nilai data citra yang dihasilkan pada data citra adalah:
Tabel 4.7 nilai piksel untuk citra yang baru hasil proses penghalusan pada iterasi ke 8 Keterangan lengkapnya lihat lampiran A tabel A.7
Koordinat (x,y) Data citra bayangan(RGB)
(0,0) (128.092392, 128.092392, 128.092392) (1,0) (105.568947, 105.568947, 105.568947) (2,0) (110.151871, 110.151871, 110.151871) (3,0) (102.424538, 102.424538, 102.424538) (4,0) (85.242630, 85.242630, 85.242630) (5,0) (83.121155, 83.121155, 83.121155)
(6,0) (85.670929, 85.670929, 85.670929)
(7,0) (86.143181, 86.143181, 86.143181)
(8,0) (94.092743, 94.092743, 94.092743)
(9,0) (97.387222, 97.387222, 97.387222)
(10,0) (83.092598, 83.092598, 83.092598)
4.5. Analisa waktu yang diperlukan dalam proses penghalusan dan perbesaran
Setiap proses dalam penghalusan dan perbesaran memerlukan sejumlah waktu untuk menghasilkan citra dengan penghalusan dan perbesaran yang diinginkan. Dengan menggunakan processor Pentium 4 3,2Ghz dan memory 512 MB, maka pemrosesan citra dari mata.JPEG dengan ukuran piksel 22x13 membutuhkan waktu:
Iterasi Citra hasil penghalusan Waktu(ms) (Dihitung dari awal citra) 1 16 2 21 3 26 4 31 5 36
6 41
7 47
8 63
Gambar 4.4. waktu yang diperlukan untuk pemrosesan citra mata. JPEG selama 8 iterasi
Dari gambar diatas dapat disimpulkan bahwa total waktu yang diperlukan citra agar mencapai 8 iterasi adalah 63 ms. Waktu total yang diperlukan citra hasil penghalusan agar menjadi ukuran yang 2 kali lebih besar dari ukuran mata.JPEG dan mengubahnya menjadi file JPEG adalah 532 ms. Gambar hasil perbesaran dua kali citra mata.JPEG ukuran 22x13 dengan menggunakan interpolasi adalah:
Gambar 4.5. Perbesaran citra dari hasil penghalusan dengan metoda interpolasi
Untuk citra mata.JPEG, dengan ukuran 44x26 memerlukan iterasi sebanyak 16 kali agar menjadi citra mata.JPEG yang lebih halus. Total waktu yang diperlukan citra agar mencapai 16 iterasi adalah 188 ms. Waktu total yang diperlukan citra hasil penghalusan agar menjadi ukuran yang 2 kali lebih besar dari ukuran mata.JPEG dan mengubahnya menjadi file JPEG adalah 672 ms.
Citra awal mata.JPEG dengan ukuran 44x26 Citra hasil penghalusan
Citra hasil pembesaran 2 kali dari mata.JPEG dari hasil penghalusan
Gambar 4.6. perbandingan citra hasil penghalusan dan perbesaran 2 kali dari citra berukuran 44x26
Untuk citra mata.JPEG, dengan ukuran 66x39 memerlukan iterasi sebanyak 48 kali agar menjadi citra mata.JPEG yang lebih halus. Total waktu yang diperlukan citra agar mencapai iterasi ke 48 adalah 1046 ms. Waktu total yang diperlukan citra hasil penghalusan agar menjadi ukuran yang 2 kali lebih besar dari ukuran mata.JPEG dan mengubahnya menjadi file JPEG adalah 1578 ms.
Untuk citra mata.JPEG, dengan ukuran 88x52 memerlukan iterasi sebanyak 192 kali agar menjadi citra JPEG yang halus. Rata-rata penambahan waktu untuk pemrosesan
citra adalah 31 ms.Total waktu yang diperlukan untuk mencapai iterasi ke 192 adalah 1734 ms. Dan waktu total untuk pengubahan file menjadi tipe JPEG adalah 2312 ms.
4.6. Analisa terhadap citra asli
Dengan menggunakan data citra asli, kita dapat membandingkan berapa banyak kali iterasi untuk menghasilkan citra dengan perubahan data citra yang paling minimum. Disamping itu, kita juga dapat menghitung berapa banyak perubahan data citra terbaik yang dihasilkan dari iterasi terhadap citra yang tidak terkena noise.
Citra awal yang tidak terkena noise
Citra awal yang terkena
noise
Banyaknya iterasi yang menghasilkan citra terbaik
Citra akhir hasil yang terbaik Persentase perubahan citra akhir terhadap citra awal 150*176 150*176 61 150*176 11.227188% 182*198 182*198 106 182*198 15.141618% 176*126 176*126 172 176*126 11.705611%
120*116 120*116 28 120*116 11.430539% 184*190 184*190 209 184*190 7.781091% 160*160 160*160 209 160*160 29.586286% 143*176 143*176 471 143*176 6.152519% 145*161 145*161 113 145*161 8.475802%
Gambar 4.7. Perbandingan citra yang terkena noise dan citra awal
4.7. Analisa hasil penelitian
Dari hasil penelitian di atas, dapat dikemukakan:
1. Hasil dari proses penghalusan menyatakan bahwa nilai piksel citra hasil penghalusan dengan metoda Canny-Deriche akan terus diperhalus sampai dengan perbedaan RGB antar piksel yang minimum. Nilai dengan intensitas tertinggi akan terus dikurangi dan nilai dengan intensitas terendah dari piksel akan terus ditambah. Nilai piksel baru akan berada diantara nilai intensitas tertinggi dan terendah dari piksel citra asli.
2. Proses perbesaran interpolasi untuk memperbesar citra yang diinginkan berhasil diimplementasikan dengan memperkirakan warna yang akan diletakkan pada piksel citra baru sesuai dengan piksel citra yang ada pada tetangganya.
3. Kecepatan pemrosesan citra bergantung pada kecepatan prosessor dan RAM. Disamping itu, pemrosesan bergantung pada banyaknya jumlah piksel yang akan diproses.
4. Banyaknya iterasi untuk perbandingan citra awal yang terkena noise terhadap citra yang tidak terkena noise bergantung pada banyaknya jumlah piksel yang ada dalam citra dan noise yang ada. Semakin banyaknya noise yang ada, maka makin banyak proses iterasi yang diperlukan begitu pula dengan halnya piksel yang ada. Semakin banyak piksel yang ada, maka proses untuk penghalusan semakin banyak.
