Hal:72-76
72
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY
UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
Ahmad Yunus Nasution 1, Garuda Ginting 2
1 Mahasiswa Teknik Informatika STMIK Budi Darma
2 Dosen Tetap STMIK Budi Darma
1,2 Jl. Sisingamangaraja No. 338 Simpang Limun Medan
ABSTRAK
Citra merupakan suatu bentuk representasi, yang menggambarkan kemiripan dari suatu obyek atau benda. Citra yang dikenal dalam komputer adalah citra dalam format digital. Meskipun sebuah citra kaya akan informasi, namun sering kali citra mengalami penurunan mutu, misalnya mengandung cacat atau noise. Mengatasi noise tersebut perlu dilakukan usaha untuk memperbaiki kualitas citra. Salah satu teknik yang digunakan adalah reduksi noise yang melakukan restorasi citra dengan cara peningkatan kualitas yang merupakan langkah awal dalam image processing. Dalam metode harmonic mean filter, nilai warna setiap piksel diganti dengan nilai warna harmonic mean filter pada setiap piksel di wilayah terdekat. Harmonic Mean Filter lebih baik digunakan untuk menghilangkan jenis noise Gaussian dan membuat garis tepi dari pada Arithmetic Mean Filter. Harmonic Mean Filter sangat baik untuk menghilangkan outlier positif. Sedangkan metode Canny menyaring dan membuang noise dengan merubah objek ke grayscale pada gambar asli sebelum mencoba untuk menetapkan dan mendeteksi nilai tepian untuk menghilangkan noise jenis Gaussian filter ini juga dilakukan secara ekslusif dalam algoritma canny.
Kata Kunci: Citra, Perbaikan Kualitas Citra, Harmonic Mean Filret, Canny.
I. PENDAHULUAN
Citra merupakan suatu bentuk representasi, yang menggambarkan kemiripan dari suatu obyek atau benda. Sering kali citra mengalami penurunan mutu,
misalnya mengandung cacat atau noise. Noise (derau)
adalah gambar atau pixel yang mengganggu kualitas
citra. Untuk mengatasi noise tersebut perlu dilakukan usaha untuk memperbaiki kualitas citra. Salah satu
teknik yang digunakan adalah reduksi noise yang
melakukan restorasi citra dengan cara peningkatan
kualitas yang merupakan langkah awal dalam image
processing.
Untuk menghilangkan noise atau gangguan pada citra memerlukan teknik filtering. teknik filtering yang
digunakan adalah Harmonic Mean Filter dan Canny.
Dalam metode harmonic mean filter, nilai warna setiap
piksel diganti dengan nilai warna harmonic mean filter
pada setiap piksel di wilayah terdekat. Sedangkan
metode Canny menyaring dan membuang noise dengan
merubah objek ke grayscale pada gambar asli
sebelum mencoba untuk menetapkan dan
mendeteksi nilai tepian untuk menghilangkan
noise.
Dengan adanya penelitian ini dapat
mempermudah user untuk menghilangkan derau ( noise
) yang terdapat pada citra digital kemudahan yang didapat oleh user adalah cukup dengan menekan tombol proses maka citra digital akan tereduksi noisenya
II. LANDASAN TEORI A. Citra Warna
Setiap pixel pada citra warna mewakili warna
yang merupakan kombinasi dari tiga warna dasar (RGB = Red Green Blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna. Berarti setiap
pixel mempunyai kombinasi warna sebanyak 28.28.28 =
224 = 16 juta warna lebih. Itulah sebabnya format ini
dinamakan true color karena mempunyai jumlah warna
yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam. Dari penjelasan tersebut dapat dilihat perbedaan antara citra grayscale
dengan citra berwarna, yaitu citra grayscale hanya
memiliki satu channel saja, sedangkan citra berwarna
tersusun dari 3 channel (Red, Green dan Blue). Di mana
setiap channel menyimpan pixel-pixel diskrit dengan
intensitas kecerahan masing-masing antara 0 sampai dengan 255.
B. NoiseSalt and Pepper
NoiseSalt and Pepper biasa dinamakan sebagai
noise impuls positif dan negatif, noise tembakan, atau
noise biner. Noise ini biasa disebabkan oleh gangguan yang tiba-tiba dan tajam pada proses perolehan isyarat citra. Bentuknya berupa bintik-bintik hitam atau putih di
dalam citra.NoiseSalt and Pepper dengan berbagai nilai
densitas derau. NoiseSalt and Pepper, sering muncul pada citra yang diperoleh melalui kamera. (Abdul, K. & Adhi, S. 2013)
C. NoiseGaussian
NoiseGaussianadalah model derau yang memiliki
Hal:72-76
73
function/ PDF) yang diberikan oleh kurvaGaussian. PDF yang mewakili sifat paling acak dalam bentuk satu dimensi seperti berikut:
𝑝(𝑧) =1
√2𝜋𝑒
−(𝑧−𝜇)2 2𝜎2
(2.1)
Dalam hal ini, adalah nilai rerata dan adalah
deviasi standar (atau akar varians) variabel
random.PDF-nya ditunjukkan pada
D. Harmonic Mean Filter
Harmonic Mean Filter termasuk dalam golongan filter nonlinear, biasa digunakan untuk mengatasi jenis noise,
Gaussian noise. Pada noise,Salt and Pepper Noise, filter
ini dapat digunakan untuk menghilangkan Noise Salt,
tetapi akan gagal kalau diterapkan pada Noise Pepper
.(Abdul, K. & Adhi, S. 2013)
Operasi dengan filter ini dilakukan dengan
menggunakan rumus : 𝑓̂(𝑦, 𝑥) = 𝑚𝑛 ∑ 1 𝑔(𝑝,𝑞) (𝑝,𝑞)∈𝑆𝑦𝑥 (2.2) E. Operator Canny
Operator Canny, yang dikemukakan oleh John
Canny pada tahun 1986, terkenal sebagai operator deteksi tepi yang optimal.Algoritma ini memberikan tingkat kesalahan yang rendah, melokalisasi titik-titik tepi (jarak piksel-piksel tepi yang ditemukan deteksi dan tepi yang sesungguhnya sangat pendek), dan hanya memberikan satu tanggapan untuk satu tepi.(Abdul, K. & Adhi, S. 2013)
Terdapat enam langkah yang dilakukan untuk
mengimplementasikan deteksi tepi Canny. Keenam
langkah tersebut dijabarkan berikut ini.
1. Pertama dilakukan penapisan terhadap citra
dengan tujuan untuk menghilangkan derau. Hal ini dapatdilakukan dengan menggunakan filter
Gaussian dengan cadar sederhana. Cadar yang digunakan berukuran jauh lebih kecil daripada ukuran citra.
2. Setelah penghalusan gambar terhadap derau
dilakukan, dilakukan proses untuk mendapatkan kekuatan tepi (edge strength). Hal ini dilakukan
dengan menggunakan operator Gaussian.
Selanjutnya, gradien citra dapat dihitung melalui rumus:
y x
G
G
G
Langkah ketiga berupa penghitungan arah tepi. Rumus yang digunakan untuk keperluan ini:
theta = tan-1(Gy, Gx)
Setelah arah tepi
diperoleh, perlu menghubungkan antara arah tepi dengan sebuah arah yang dapat dilacak dari citra. Sebagai contoh, terdapat susunan piksel berukuran 5x5 seperti terlihat pada Gambar 10.26. Dengan melihat piksel “a” tampak bahwa a hanya memiliki 4 arah berupa 0o, 45o, 90o, dan 135o.Selanjutnya, arah tepi yang
diperoleh akan dimasukkan ke dalam salah satu kategori dari keempat arah tadi berdasarkan area yang tertera pada Gambar 2.13. Berikut adalah aturan konversi yang berlaku:
135
90
45
0
arah
j H j TH ij T i j j HI ij H H i y w f y x w f y ) ( ) ( ) ( ) ( ) ( ) (3. Setelah arah tepi diperoleh, penghilangan
non-maksimum dilaksanakan. Penghilangan
non-maksimum dilakukan di sepanjang tepi pada arah tepi dan menghilangkan piksel-piksel (piksel diatur menjadi 0) yang tidak dianggap sebagai tepi. Dengan cara seperti itu, diperoleh tepi yang tipis.
4. Langkah keenam berupa proses yang disebut
hysteresis. Proses ini menghilangkan garis-garis yang seperti terputus-putus pada tepi objek. Caranya
adalah dengan menggunakan dua ambang T1 dan
T2. Lalu, semua piksel citra yang bernilai lebih
besar daripada T1 dianggap sebagai piksel tepi.
Selanjutnya, semua piksel yang terhubung dengan
piksel tersebut dan memiliki nilai lebih besar dari T2
juga dianggap sebagai piksel tepi.
III ANALISA DAN PEMBAHASAN A. Analisa Metode Harmonic Mean Filter
Berikut ini merupakan contoh proses reduksi noise
dengan menggunakan metode Harmonic Mean Filter.
(a)
(
Gambar 1. Pengambilan Pixel yang Akan Diproses
Gambar (a) merupakan gambar berukuran
250x250 pixels Pada contoh ini hanya menggunakan
citra yang berukuran 10x10 pixels yang diambil dari
gambar (a) yang terlihat seperti pada gambar (b).Karena citra yang digunakan adalah citra berwarna RGB maka akan terdapat 3 matrix citra untuk tiap-tiap komponen yaitu Red, Green, dan Blue.Matriks citra pada gambar
Hal:72-76
74
(b) yang digunakan sebagai proses analisa metode
dengan menggunakan Harmonic Mean Filter
Matriks Citra Komponen Red
Matriks Citra Komponen Blue
Matriks Citra Komponen Green
Perhitungan Matriks Komponen Red
Perhitungan Matriks Komponen Green
Perhitungan Matriks Komponen Blue
Matriks tiap-tiap komponen dihitung sampai koordinat (9,9)
Hasil Matriks Komponen Red
Hasil Matriks Komponen Blue
Hasil Matriks Komponen Green
B. Analisa Proses Metode Canny
Dalam analisa metode Canny diperlukan beberapa
langkah dalam prosesnya. Karena dalam penelitian ini input
gambar berupa citra berwarna RGB, maka perlu dilakukan konversi dari citra berwarna ke citra grayscale (berskala keabuan). Dengan input citra yang sama seperti metode
Harmonic Mean Filter proses analisa dengan metode Canny adalah sebagai berikut:
Hal:72-76
75
Matriks Citra Komponen Blue
Matriks Citra Komponen Green
Untuk mengubah citra berwarna ke citra
grayscale maka tiap-tiap matriks tersebut dihitung dengan menggunakan rumus, yaitu:
I = (R + G + B) / 3
Perhitungan merubah citra berwarna tersebut ke citra
grayscale:
I (1,1) = (172 + 178 + 194) / 3 = 181,3333
= 181
I (1,10) = (166 + 88 + 40) / 3 =
98
Perhitungan seterusnya dilakukan sampai I (10,10)hasil dari konversi citra tersebut akan terlihat seperti matriks citra berikut:
Selanjutnya adalah langkah menghilangkan
derau (noise) dengan menerapkan gaussian filter.Dalam
penelitian ini kernel yang digunakan adalah 3x3 yaitu:
Perhitungan Proses Gaussian Filter
G(2,2) = 181x0,077 + 182x0,077 + 189x0,077 + 200x0,077 + 114x0,308 + 201x0,077 +198x0,077 + 173x0,077 + 205x0,077 = 152,845= 153 G(2,3) = 182x0,077 + 189x0,077 + 224x0,077 + 114x0,077 + 201x0,308 + 170x0,077 + 173x0,077 + 205x0,077 + 195x0,077= 173,712= 174
Perhitungan dilakukan terus sampai G(9,9) dan matriks
hasil dari perhitungan dari proses gaussian filter
tersebut adalah sebagai berikut:
Setelah proses penghilangan derau (noise) dilakukan,
maka langkah selanjutnya adalah proses gradien citra yang dihitung dengan rumus berikut:
Dalam bentuk mask/ kernel, Gx dan Gy dinyatakan sebagai berikut:
Adapun proses perhitungan gradien citra yang dilakukan adalah sebagai berikut:
Untuk Gx(2,2) = (189(1) + 174(2) + 172(1)) + (181(-1) + 200(-2) + 198(-1)) = -70
Untuk Gy(2,2) = (181(1) + 182(2) + 189(1)) - (198(-1) + 168(-2) + 172(-1)) = 28
Perhitungan dilakukan terus sampai koordinat (9,9) Untuk mendapatkan nilai pixel G adalah dengan menggunakan rumus:
Dengan dilakukan pembulatan pada perhitungan tersebut, sehingga matriks citra hasil dari proses ini adalah sebagai berikut:
Kemudian dilakukan Tresholding. Ambang batas untuk
tresholding dapat disesuaikan. Dalam penelitian ini, proses ambang batasnya adalah 180. Nilai yang berada di atas nilai 180 akan diubah menjadi nilai 1 dan yang di bawah 180 akan diubah menjadi nilai 0. Hasil dari proses ini adalah sebagai berikut:
y x
G
G
Hal:72-76
76
IV. IMPLEMENTASI
1. Form Menu Utama
Form menu utama merupakan induk dari aplikasi.
Pada form menu utama inilah form reduksi noisedan
form about dapat dipanggil atau ditampilkan.
Gambar 2. Form Menu Utama
2. form reduksi noise
Pada form reduksi noise, user diminta untuk
menginputkan citra yang ingin direduksi noise-nya,
kemudian menentukan nilai radius (untuk
menentukan ukuran kernel yang akan digunakan).
Gambar 3. Form Reduksi Noise
3. Form About
Form About berisi tentang nama aplikasi, nama
pembuat program (programmer) dan
penjelasan-penjelasan lain yang berhubungan dengan aplikasi.
Gambar 4. Form Form About
4. Data pengujian
Data pengujian yang digunakan dalam pengujian reduksi noise adalah citra citra berwarna yang terdapat noise, Salt and Pepper Noisedan akan
direduksi dengan MetodeHarmonic Mean
FilterAdapun data pengujian tersebut adalah sebagai berikut
Gambar 5. Citra Dengan Noise Salt and Pepper
(a) Citra Awal ( Input ) (b) Citra Hasil Reduksi
Harmonic Mean Filter
V. KESIMPULAN
Setelah melakukan beberapa tahap, yang dimulai dari
tahap penelitian, perancangan hingga tahap
implementasi metode Harmonic Mean Filter dan Canny
untuk Mereduksi Noisepada Citra Digital dapat
disimpulkan bahwa.
1. Metode Harmonic Mean Filter dan Canny paling
baik digunakan untuk mereduksi jenis noiseSalt and
Pepper Noise.
2. Dalam menganalisis parameter analisis ketahanan
terhadap noise diperoleh hasil bahwa metode Canny memiliki ketahanan yang cukup baik.
3. Dalam menganalisis parameter analisis waktu proses
(timing run) diperoleh hasil bahwa cepat atau lamanya waktu proses metode pada citra masukan tergantung pada ukuran citra masukan tersebut. Jika ukuran dari citra masukan besar maka hasil timing run juga akan lama, begitu juga sebaliknya jika ukuran dari citra masukan kecil maka hasil timing run yang didapat akan semakin cepat.
DAFTAR PUSTAKA
1. Foxal, J.,“Sams Teach Yourself Visual Basic 2008 in 24 Hours”, Complete Starter Kit. USA : Sams Publishing, 2008
2. Gilang Juanda,“Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering”,Pelita Informatika Budi Darma, Medan, 2014
3. Kadir. A., Susanto, A. ”Teori Dan Aplikasi Pengolahan Citra”, Penerbit Andi, Jogjakarta, 2013
4. McAmis, D.,“Professional Crystal Reports for Visual Studio .NET”, Edisi 2, USA : Wiley Publishing Inc, 2004
5. Munir, R., “Pengolahan Citra Digital”. Informatika. Bandung , 2004
6. Nugroho. A., “Unified Modeling Language”.Jogjakarta, 2010 7. Vidya V. & Huddleston J.,“Membuat Aplikasi Client Server
