270
IMPLEMENTASI METODE MEDIAN FILTER DAN HISTOGRAM
EQUALIZATION UNTUK PERBAIKAN CITRA DIGITAL
Eko Fransisko Manurung
Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpang Limun Medan
ABSTRAK
Didalam citra digital kerap terjadi penurunan mutu atau kualitas, seperti buram atau gangguan pada citra (noise), warnanya terlalu terang, gelap, kurang tajam, kabur(blur), dalam hal seperti ini diperlukan perbaikan citra (image enhacement) bertujuan untuk mendapatkan tampilan citra dengan bentuk visualisasi yang lebih baik. Banyak teknik metode yang digunakan dalam perbaikan citra (image enhacement). Antara lain menggunakan metode penapis median (median filtering) dan perataan histogram citra (histogram equalization). Median Filter merupakan suatu metode yang menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada di sekelilingnya. Historan equalization adalah suatu metode yang mana terjadi perataan histogram citra, dimana distribusi nilai derajat warna pada suatu citra dibuat rata, dengan histogram equalization sebuah citra akan memiliki kontras yang seragam dan derajat atau tingkat warna yang merata.
Kata Kunci: Citra, Image Enhacement, Median Filter, Histogram Equalization I. PENDAHULUAN
Digital Image Processing atau biasa disebut dengan pengolahan citra digital sudah banyak diterapkan di berbagai aspek dalam bidang ilmu komputer.Citra sendiri merupakan representasi dari suatu objek yang dapat diabadikan dengan menggunakan berbagai media, salah satunya dengan menggunakan kamera. Dalam pengolah citra digital, ada banyak hal yang dapat dilakukan pada sebuah citra, misalnya :brightness editing, contrass stretching, rotating, grayscalling, color manipulation dan lain sebagainya. Teknologi pengolahan citra juga dikembangkan pada smartphone yang disebut Mobile Photography, semakin tinggi teknologi dari kamera yang dibenamkan pada telepon seluler, maka semakin bagus citra yang dihasilkan. Dalam proses pengambilan suatu citra digital, seringkali terjadi gangguan pada hasil citra yang diambil. Gangguan ini dapat berupa adanya noise pada citra, pencahayaan yang kurang baik sehingga menghasilkan citra yang terlalu gelap ataupun terlalu terang.gangguan-gangguan tersebut dapat di kurangi dengan memperbaiki citra tersebut dengan cara memanipulasi nilai-nilai pixel pada citra tersebut sehingga hasilnya lebih baik daripada sebelumnya. Penelitian yang menerapkan metode Histogram Equalization dan Median Filter dilakukan oleh Ricky Aprias Sholihin dan Bambang Hari Purwoto Vol. 14 No. 02 ISSN 1411-8890 Dengan judul“ PERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN
FILTER dan METODE HISTOGRAM
EQUALIZATION” Menyatakan dalam jurnalnya yaitu Median filter merupakan suatu metode yang menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada di sekelilingnya.
Histogram Equalization adalah suatu metode dimana terjadi perataan histogram citra, dimana distribusi nilai derajat warna pada suatu citra dibuat rata. Berbagai algoritma untuk memperbaiki kualitas citra telah banyak dikembangkan seperti Histogram Equalization, Logarithmic Image Proccesing dan sebagainya.Inputan pada proses ini adalah citra dan keluarannya juga berupa citra dengan kualitas lebih baik daripada citra inputan sebelumnya. Banyak teknik atau metode yang digunakan dalam perbaikan citra (image
enhancement).Antara lain menggunakan metode
penapis median (Median Filtering) dan perataan histogram citra (Histogram Equalization).
Median Filter merupakan suatu metode yang menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada di sekelilingnya. Pemrosesan median filter ini dilakukan dengan cara mencari nilai tengah darinilai pixel tetangga yang mempengaruhi pixel tengah. Proses pemilihan median ini diawali dengan terlebih dahulu mengurutkan nilai-nilai pixel tetangga, baru kemudian dipilih nilai tengahnya. Median Filter ini berguna untuk mengurangi noise yang terdapat pada sebuah citra dengan cara memfilternya. Histogram Equalization adalah suatu metode yang mana terjadi perataan histogram citra,dimana distribusi nilai derajat warna pada suatu citra dibuat rata.
II. TEORITIS A. Derau dalam Citra
Derau sesungguhnya adalah komponen dalam citra yang tidak dikehendaki.Dalam praktik, kehadiran derau tidak dapat dihindari.Sebagai contoh, derau Gaussian biasa muncul pada sebarang isyarat.Derau putih (white
271 noise) biasa menyertai pada siaran televisi yang berasal
dari stasiun pemancar yang lemah.Derau butiran biasa muncul dalam film-film fotografi.Derau yang dinamakan ‘garam dan merica’ sering mewarnai citra.Derau garam berwarna putih dan derau garam berwarna hitam.Gambar 11.1 menunjukkan efek derau dalam isyarat satu-dimensi. (Kadir, Abdul dan Adhi Susanto, 2013:Bab 11, Hal 498)
Berikut ini adalah jenis-jenis derau dan penjelasannya:
1. DerauGaussian
Derau Gaussian adalah model derau yang memiliki fungsi kerapatan probabilitas (probability density function/ PDF) yang diberikan oleh. (Kadir, Abdul dan Adhi Susanto, 2013 Bab XI, Hal. 503)
2. Derau Garam dan Merica (Salt & Pepper Noise) Derau garam dan merica biasa dinamakan sebagai derau impuls positif dan negatif, derau tembakan, atau derau biner. Derau 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. (Kadir, Abdul dan Adhi Susanto, 2013 Bab XI, Hal. 505) 3. Derau Eksponensial
Derau eksponensial (terkadang dinamakan derau eksponensial negatif) merupakan jenis derau yang dihasilkan oleh laser yang koheren ketika citra diperoleh.Oleh karena itu, derau ini sering disebut sebagai bercak laser (Myler and Weeks, 1993). (Kadir, Abdul dan Adhi Susanto, 2013 Bab XI, Hal. 508)
4. DerauGamma
Derau gamma(atau kadang disebut Erlang) merupakan efek penapisan lolos-rendah terhadap citra yang mengandung derau eksponensial sebagai hasil pengambilan citra yang teriluminasi oleh laser yang koheren (Myler dan Weeks, 1993).PDF derau Gamma didefinisikan sebagai berikut (Gonzalez dan Woods, 2002). (Kadir, Abdul dan Adhi Susanto, 2013 Bab XI, Hal. 511)
5. Derau Uniform
Derau uniform yaitu dengan peluang sama tinggi memiliki Noise Uniform seperti halnyaNoise Gaussian dapat dibangkitkan dengan cara mem bangkitkan bilangan acak [0,1] dengan distribusi uniform (Gonzalez & Woods, 2002).Kemudian untuk titik-titik yang tertkena noise , nilai fungsi citra ditambahkan dengan noise yang ada.
B. Penghilangan Derau
Derau yang ditambahkan ke dalam citra umumnya memiliki spektrum frekuensi yang lebih tinggi daripada
komponen citra (Pratt, 2001).Oleh karena itu, filter lolos-rendah dapat digunakan untuk menghilangkan derau.Secara prinsip, penghilangan derau dapat dilakukan dengan pendekatan yang linear ataupun nonlinear.Penghilangan derau secara linear dapat dilakukan baik pada kawasan spasial maupun frekuensi.
Termasuk pemrosesan pada kawasan spasial yaitu penggunaan filter lolos-rendah (Pratt, 2001) ataupun filter rerata aritmetik, filter rerata harmonik, dan filter rerata kontraharmonik (Gonzalez dan Woods, 2002). Pada kawasan frekuensi, filter seperti homomorfik ataupun filter lolos-rendah Butterworthdapat digunakan (Pratt, 2001).(Kadir, Abdul dan Adhi Susanto, 2013 Bab XI, Hal. 523)
C. Sorting
Pengurutan data (sorting) adalahmerupakan proses
pengarturansederetan data
kedalamsuatuurutanataususunantertentu. Data yang dapatdiurutkandapatberupa data bilangan, data karaktermaupun data string. Berikut ini ada beberapa metode sorting yang biasa dipakai untuk mengurutkan data:(LamhotSitorus, 2015 hal 254)
1 . Bubble Sorting
Bubble sort adalah metode pengurutan yang membandingkan elemen yang sekarang dengan elemen-elemen berikutnya. Pembandingan elemen dapat dimulai dari awal atau mulai dari paling akhir.Apabila elemen yang sekarang lebih besar (untuk urut menaik) atau lebih kecil (untuk urut menurun) dari elemen berikutnya, maka posisinya dapat di tukar, tetapi jika tidak maka posisinya tetap. 2. Metode Insertion Sort
Metode insertion sort merupakan metode pengurutan dengan cara menyisipkan elemen array padaposisi yang tepat. Pencarian yang tepat dilakukan dengan melakukan pencarian beruntun di dalam array.Selama pencarian posisi yang tepat dilakukan pengeseran elemen array.
D.Filter Median
Filter median sangat populer dalam pengolahan citra. Filter ini dapat dipakai untuk menghilangkan derau bintik-bintik. Nilai yang lebih baik digunakan untuk suatu piksel ditentukan oleh nilai median dari setiap piksel dan kedelapan piksel tetangga pada 8-ketetanggaan. (Kadir, Abdul dan Adhi Susanto, 2013)
E. Histogram Equalization
Sebagaimana telah dijelaskan pada pembahasan terdahulu, histogram citramemberikan informasi tentang
272 penyebaran intensitas pixel-pixel di dalam
citra.Misalnya, citra yang terlalu terang atau terlalu gelap memiliki histogram yang sempit.Agar kita memperoleh citra yang baik, maka penyebaran nilai intensitas harus diubah.Teknik yang lazim dipakai adalah perataan histogram (histogram equalization).
III. ANALISA DAN PEMBAHASAN
Analisis merupakan proses penguraian konsep ke dalam bagian-bagian yang lebih sederhana, sehingga struktur logisnya menjadi jelas. Metode untuk menguji, menilai, dan memahami sistem pemikiran yang kompleks dengan memecahnya ke dalam unsur-unsur yang lebih sederhana sehingga hubungan antar unsur-unsur itu menjadi jelas.
Adapun tahapan untuk mengetahui dan memahami permasalahan dari implementasi yang akan dibuat. Pada tahap pertama yaitu citra masukan yang terdapat pada gallery komputer dengan ordo pixel 150x150 sebagai citra yang akan di analisa.
Gambar 1 Citra Grayscale.jpg dengan ordo 150x150
A. Ekstraksi citra
Dalam tahapan ekstraksi citra maka pada citra 3.1 boneka.jpg 150x150 akan di crop terlebih dahulu menjadi 10x10 dengan Adobe Photoshop CS3 V.8. Pada gambar 3.2 yang telah di crop dijadikan sebagai citra yang akan diuji dengan metode Median Filter. Maka hasil daripada pemotongan objek Citra Grayscale.jpg adalah sebagai berikut:
Adapun tabel nilai piksel-piksel dari pada citra 10x10 yang sudah di Crop dan yang akan dilakukan pengujian sebagai berikut:
B. Pengujian Median Filter
Tujuannya untuk mencari nilai tengah dari pixel-pixel pada window yang dievaluasi. Nilai ini
selanjutnya menggantikan piksel pada titik tengah window
sebagai koreksinya. Dibentuk window 3x3 dengan titik pusat di kordinat (1,1).
Tabel 2 Tahap pertama Median Filter
0
0
0
0
0 114
0 118 111
Range 3x3 Tahap pertama yang diambil dari tabel 2
Pengurutan sebagai citra baru f(1,1)
a.
Range 3x3 Tahap kedua yang diambil dari tabel 3.2b. Pengurutan sebagai citra baru f(1,2)
Maka nilai koreksi pixel pada posisi F(1,2) adalah 92, pixel pada posisi F(1,2) = 92, selanjutnya titik pusat window bergeser ke posisi (1,3). Kemudian titik pusat window bergeser ke posisi (1,3). Langkah yang sama dilakukan untuk menghitung nilai tengah dari titik pusat window. Hasil dari tahap kedua median filter adalah sebagai berikut:
Tabel 3 Tahap keempat Median Filter
0 0 0
92 84 84 144 104 110
a. Range 3x3 Tahap keempat yang diambil dari tabel 3.1
b. Pengurutan sebagai citra baru f(1,4)
Maka nilai koreksi untuk pixel pada posisi F(1,4) adalah 84. Proses ini diulang sampai posisi piksel terakhir pada citra yaitu dimana piksel pada posisi F(10,10). Lebih detail nilai piksel-piksel hasil dari proses Median Filter seperti gambar berikut ini:
273
C. Pengujian Histogram Equalization
Konsep dasar dari histogram equalization adalah dengan merenggangkan histogram, sehingga perbedaan pixel menjadi lebih besar. Sebagai citra masukan pada metode Histogram Equalization diambil dari derajat keabuan dari data piksel hasil daripada median filter 10x10. Adapun keabuan yang ada pada citra 10x10 dalam setiap level adalah sebagai berikut:
Dari tabel diatas maka bisa dilihat bahwa terdapat beberapa nilai pixel yang memiliki intensitas seperti dibawah ini :
S0= 0 memiliki 21 pixel
s1= 0.44 memiliki 24 pixel.
s2= 0.52 memiliki 9 pixel.
S15= 1 memiliki 1 pixel
IV IMPLEMENTASI
A. Hasil Menampilkan Citra Asli
Citra Grayscale ini telah terkena noise. Citra ini berukuran 150 x 150 pikesl.Citra Grayscale ini merupakan salah satu citra grayscale.Citra ini disimpan didalam folderdi dalam komputer (flashdisk) Grayscale.
Gambar 2. Menampilkan Citra Grayscale.
B. Hasil Median Filter
Median Filter adalah operasi nonlinear sering digunakan dalam pengolahan citra untuk mengurangi
noise”salt and pepper”.Median filter lebih efektif menghilangkan noise. Dalam hal ini menggunakan source code B=medfilt2(A,[m n]). Median Filter melakukan penyaringan matriks A dalam dua dimensi. Setiap piksel output berisi nilai median matrik filter m n pada gambar yang di input
Gambar 3. Citra Grayscale di filter menggunakan median filter dengan matriks 3x3
Proses Histogram Equalization pada citra grayscale adalah seperti gambar dibawah ini:
Gambar 4. Hasil Histogram Equalization Dan Histogramnya
V. KESIMPULAN
Setelah melakukan pengujian dan analisa terhadap hasil citra yang dihasilkan.Maka beberapa kesimpulan yang dapat diambil diantaranya sebagai berikut.
1. Filter median dapat menghilangkan noise yang berupa titik maupunbercak.
2. Hasil yang diberikan oleh metode histogram equalizaton dapat meningkatkan kualitas citra, sehingga informasi yang ada pada citra lebih jelas terlihat.
3. Perataan Histogram dengan syntax yang terdapat pada M-File dengan nama histew.m dapat berjalan pada citra dengan baik.\
DAFTAR PUSTAKA
1. Kadir, Abdul & Adhi Susanto, Pengolahan Citra Digital Dan
Aplikasinya, Penerbit Andi, Yogyakarta, 2013.
2. LamhotSitorus,Algoritma Dan Pemograman, Penerbit Andi, Yogyakarta, 2015.
274
3. Darma Putra, Pengolahan Citra Digital,Penerbit Andi, Yogyakarta, 2010.
4. Rinaldi Munir, Pengolahan Citra Digital,2004.
5. Minto Rahayu, Bahasa Indonesia Di Perguruan Tinggi, Penerbit Grasindo, Jakarta, 2007
6. Purwanto, Desain Dan Implementasi Tunneling IPSEC Berbasis
UNIX Dengan ESP (ENCAPSULATING SECURITY PAYLOAD),
2006 Hal 255.
7. Mohammad Yazdi Pusadan, Pemrograman MATLAB pada Sistem