PERANCANGAN PERANGKAT LUNAK UNTUK PERBAI

(1)

PERANCANGAN PERANGKAT LUNAK UNTUK PERBAIKAN CITRA

DIGITAL DENGAN MENGGUNAKAN MEAN FILTER

1) Dio Pradianggara 2) Ike Fibriani, ST., MT.

Program Studi S1, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jember Jl. Slamet Riyadi No.62, Kode Pos:68111, Jember, Indonesia

diopradianggara@gmail.com[1] ik3fibriani.teknik@gmail.com[2]

ABSTRAK

Citra yang mengalami penurunan mutu, misalnya mengandung derau (noise), warna yang terlalu kontras atau kabur, kasar dan sebagainya akan lebih sulit diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Oleh karena itu diperlukan suatu aplikasi pengolahan citra yang khusus untuk memperbaiki kualitas citra. Dalam tulisan ini dirancang suatu aplikasi pengolahan citra yang berguna untuk melakukan perbaikan citra dengan cara menghaluskan citra. Untuk menghaluskan citra digunakan tiga metode mean filtering, median filtering dan modus

filtering. Filtering citra merupakan salah satu bagian dari perbaikan kualitas citra, yaitu

menghaluskan dan menghilangkan noise yang ada pada citra. Mean filter merupakan salah satu

filtering linear yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai pixel tersebut dengan nilai pixel-pixel tetangganya. Dengan menggunakan aplikasi yang dibuat,

perbaikan citra (image enhancement) yang mengandung noise menjadi lebih bersih dan citra yang kasar menjadi lebih halus.

Kata Kunci : filtering, noise, mean filter

1. PENDAHULUAN

1.1. Latar Belakang

Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering kali citra yang dimiliki mengalami penurunan mutu, misalnya mengandung cacat atau noise. Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang.

Noise dapat disebabkan oleh banyak hal.

Salah satunya pada saat penggunaan kamera Ketika sebuah citra ditangkap oleh kamera, seringkali tidak dapat langsung digunakan sebagaimana diinginkan kerena kualitasnya belum memenuhi standard kebutuhan pengolahan. Misalnya saja citra disertai oleh variasi intensitas yang kurang seragam akibat pencahayan yang tidak merata, atau lemah dalam hal kontras sehingga objek sulit untuk dipisahkan dari latar belakangnya karena terlalu banyak noise (gangguan dalam citra). Secara umum dapat dikatakan bahwa citra yang demikian kualitasnya masih rendah, baik oleh kerena adanya noise, maupun oleh sebab lainnya. Adakalanya citra yang diperoleh dengan cara melukis pada media komputer

atau diperoleh dari peralatan kamera digital lainnya terlihat kasar.

Untuk mengatasi noise tersebut perlu dilakukan usaha untuk memperbaiki kualitas citra itu. Salah satunya adalah dengan filtering citra baik secara linear maupun secara non-linear. Mean filter merupakan salah satu

filtering linear yang berfungsi untuk

memperhalus dan menghilangkan noise pada suatu citra yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai

pixel tersebut dengan nilai pixel-pixel

tetangganya.

1.2. Rumusan Masalah

Berdasarkan uraian di atas maka yang menjadi permasalahan di dalam Tugas ini yaitu bagaimana cara untuk melakukan perbaikan pada suatu citra dengan menggunakan salah satu teknik filter, yaitu Mean Filtering sekaligus dapat mengamati langsung perubahan yang terjadi pada citra.

1.3. Batasan Masalah

1. Proses perbaikan citra dilakukan menggunakan metode Mean Filtering.

(2)

1.4. Tujuan dan Manfaat Penelitian

Tujuan dari pembuatan paper ini adalah merancang perangkat lunak untuk memperbaiki citra digital dan melakukan perbaikan kualitas citra dengan menggunakan teknik mean filtering

Sedangkan manfaat dari pembuatan

paper ini adalah:

1. Mempermudah mengolah citra dengan menggunakan teknik mean filter

2. Mempermudah dalam mengamati dan membandingkan pengaruh teknik penyaringan pada suatu citra.

2. LANDASAN TEORI 2.1. Pengertian Citra

Citra merupakan fungsi kontinu dari intensitas cahaya pada bidang 2D. Citra ada dua macam yaiitu citra kontinyu dan citra diskrit. Secara matematis fungsi intensitas cahaya pada bidang 2D disimbolkan dengan f(x,y), dimana (x,y) merupakan koordinat pada bidang 2D dan f(x,y) merupakan intensitas cahaya (brightness) pada titik (x,y). Citra kontinyu dihasilkan dari sistem optik yang menerima sinyal analog. Contoh citra kontinyu misalnya mata manusia dan kamera analog. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinyu. Contoh citra diskrit yaitu kamera digital dan scanner.

2.2. Citra Digital

Gambar berikut ini merupakan diagram blok proses digitalisasi.

GAMBAR 1. DIAGRAM BLOK DIGITALISASI

Digitizer(Digital Acqusition System) adalah sistem penamgkap citra digital yang melakukan penjelajahan citra dan mengkonversinya ke representasi numerik sebagai masukan bagi komputer digital. Hasil dari digitizer adalah matriks yang elemen-elemennya menyatakan nilai intensitas cahaya pada suatu titik. Digitizer terdiri dari 3 komponen dasar : (1)Sensor citra yang bekerja sebagai pengukur intensitas cahaya. (2)Perangkat penjelajah yang berfungsi merekam hasil pengukuran intensitas pada

seluruh bagian citra. (3)Pengubah analog ke digital yang berfungsi melakukan sampling dankuantisasi. Komputer digital,digunakan pada sistem pemroses citra, mampu melakukan berbagai fungsi pada citra digital resolusi tinggi. Piranti Tampilan, peraga berfungsi mengkonversi matriks intensitas tinggi merepresentasikan citra ke tampilan yang dapat diinterpretasi oleh manusia. Media penyimpanan, piranti yang mempunyai kapasitas memori besar sehingga gambar dapat disimpan secara permanen agar dapat diproses lagi pada waktu yang lain.

2.3. Perbaikan Kualitas Citra

Perbaikan kualitas citra merupakan suatu proses yang dilakukan untuk mendapatkan kondisi tertentu pada citra. Proses tersebut dilakukan dengan menggunakan berbagai macam metode tergantung pada kondisi yang diharapkan pada citra, seperti mempertajam bagian tertentu pada citra, menghilangkan noise atau gangguan, manipulasi kontras dan skala keabuan, dan sebagainya. Secara umum metode-metode yang digunakan dapat digolongkan kedalam dua kelompok yaitu metode domain frekuensi dan metode domain spasial.

Pada metode domain frekuensi, teknik pemrosesannya berdasarkan pada transformasi Fourier terhadap nilai pixel. Sedangkan pada metode domain spasial prosesnya dioperasikan langsung terhadap pixel, dimana untuk memproses sebuah pixel harus mengikut sertakan pixel-pixel tetangganya. Fungsi matematis dari metode domain spasial adalah sebagai berikut :

g (x,y) = T [f (x,y)]

f (x,y) adalah fungsi citra masukan, g (x,y) adalah citra hasil atau keluaran, sedangkan T adalah operator atas f, yang didefinisikan terhadap kumpulan tetangga-tetangga (x,y). Contoh dari metode ini adalah operasi filtering citra yaitu penghalusan citra dengan cara menghilangkan noise pada citra.

2.4. Operasi-Operasi Perbaikan Citra

Adapun operasi-operasi pemugaran citra atau perbaikan citra yang disediakan oleh perangkat lunak yang dirancang dalam Tugas Akhir ini adalah sebagai berikut:

a. Penghilangan Derau (Noise)

Noise adalah

gangguan-gangguan/bintik-bintik pada gambar yang terjadi pada saat gambar tersebut dikirim dari satu komputer ke komputer lainnya. Reduksi noise itu sendiri terbagi menjadi dua yaitu Intensity Filtering dan

(3)

Mulai

b. Memperhalus gambar (Mean Filtering)

Mean Filtering adalah filter yang digunakan untuk menghaluskan gambar yang terlalu kasar. Jika filter ini dilakukan pada gambar yang sudah halus, maka hasil gambar tersebut akan semakin kabur. Mean filtering

ini biasa disebut smoothing filter.

Input Citra

c. Efek Sulaman (Median Filtering)

Median filtering adalah filter yang digunakan untuk memperhalus gambar tetapi tidak sehalus mean filtering. Gambar yang dihasilkan terlihat tidak rapi, karena tidak dilakukannya proses rata-rata tetapi dilakukan proses mencari nilai tengah dari titik-titik yang direkam dalam matriks neighbour.

Masukan Ratio Filter

Mean Filtering

d. Efek cat minyak (Modus Filtering)

Modus Filtering adalah termasuk jenis filter spatial filtering yang tidak menggunakan mask. Tujuan utama dari filter ini adalah membuat gambar menjadi berbintil-bintil

seperti dicat dengan cat minyak.

_{Tingkat Kehalusan}

Sesuai

2.5. Metode Mean Filter

Metode mean filter adalah satu teknik filtering yang bekerja dengan cara menggantikan intensitas suatu pixel dengan rata-rata nilai pixel dari pixel-pixel tetangganya. Jika suatu citra f(x,y) yang berukuran M x N dilakukan proses filtering dengan penapis h(x,y) maka akan menghasilkan citra g(x,y), dimana penapis h(x,y) merupakan matrik yang berisi nilai 1/ukuran penapis. Secara matematis proses tersebut dapat dinyatakan sebagai berikut:

g(x,y) = f(x,y) * h(x,y))

Operasi diatas dipandang sebagai konvolusi antara citra f(x,y) dengan penapis h(x,y), dimana * menyatakan operator konvolusi dan prosesnya dilakukan dengan menggeser penapis konvolusi pixel per pixel.

3. PERANCANGAN 3.1.Flowchart Program

Perancangan prosedural dilakukan dengan membuat flowchart sistem untuk metode yang digunakan. Flowchart merupakan suatu cara untuk menggambarkan langkah-langkah kerja program yang meliputi input, proses, dan output.

Selesai

GAMBAR 2. FLOWCHART MEAN FILTER

Untuk lebih jelasnya, berikut ini tahap-tahap eksekusi dari program mean filter yang digunakan:

1. Buka meanfilter.fig

2. Klik open file, dan pilih gambar yang akan di filter.

3. Isi masukan ukuran dari mean filter. 4. Klik tombol mean filter

5. Gambar hasil mean filter akan muncul.

3.2.Syntax Dasar Mean Filter

Pada dasarnya mean filter adalah salah satu teknik untuk melembutkan suatu citra.

Smoothing/pelembutan citra dapat menggunakan

berbagai macam cara, salah satunya diolah dengan menggunakan perhitungan Mean Square

Error (MSE) dan Peak Signal to Noise Error

(4)

Pendekatan suatu mean filter pada matlab dapat diwakilkan oleh syntax berikut ini:

GAMBAR 3. SYNTAX MEAN FILTER

3.3.Perancangan Interface GUI

GAMBAR 4. RANCANGAN GUI MEAN FILTER

Gambar diatas adalah tampilan dari GUI Matlab. Terdapat dua buah axes yang berfungsi untuk menampilkan citra. Axes1 menampilkan citra awal, axes2 menampilkan citra yang telah di-smoothing dengan menggunakan tombol mean filter. Untuk menampilkan citra awal digunakan tombol open file. Dan sebagai parameter smoothing terdapat dua masukan, yakni parameter horizontal dan vertikal.

Setelah interface tersebut selesai, maka selanjutnya adalah pemberian syntax untuk masing-masing tombol dan parameter. Berikut ini tampilan editor-nya:

GAMBAR 5. TAMPILAN M-FILE EDITOR MATLAB

4. PENGUJIAN, ANALISA DATA DAN PEMBAHASAN

4.1. Pengujian

Pengujian dilakukan terhadap tiga buah gambar dengan ukuran masing-masing gambar yang berbeda dan menggunakan satu operasi yang sama yaitu mean filter. Tiap gambar

di-filter dengan menggunakan 4 buah ukuran di-filter.

Rasio dari parameter yang digunakan berkisar dari 1 sampai 255. Data atau citra yang digunakan adalah gambar yang memiliki ketajaman yang agak besar, sehingga bisa dilakukan perbandingan yang jelas antara gambar sebelum dan sesudah proses mean

filtering.

Untuk ukuran filter yang digunakan adalah: 1X1, 3X3 dan 10X10. Berikut ini hasil atau data yang didapatkan:

No. Ukuran

Filter Gambar

1

1X1

640X400

2

1024X768

3

2048X1536

4

3X3

640X400

5

(5)

6 4.2. Analisa Data Dan Pembahasan

Dari data hasil percobaan diatas dapat kita perhatikan karakteristik dari masing-masing ukuran mean filter yang digunakan. Perlu diketahui bahwa filter yang digunakan merupakan pendekatan dari fungsi mean filter itu sendiri, karena pada dasarnya proses mean filter menggunakan analisa perhitungan Mean Square Error dan Peak Signal to Noise Error. Namun agar lebih mudah dalam pengoperasian mean filtering digunakan pendekatan fungsi dengan menggunakan syntax yang ada pada subbab 3.2. Agar pengamatan hasil percobaan terlihat perbandingannya maka akan dibahas satu persatu.

Untuk filter ukuran 1X1 secara kasat mata pada masing-masing gambar tidak terlihat perbedaan setelah di-filter. Untuk filter ukuran 3X3, perubahan terlihat pada gambar ukuran 640X400, terlihat bahwa gambar jadi lebih halus disbanding gambar awalnya dan begitu pula dengan gambar ukuran 1024X768. Namun pada gambar ukuran 2048X1536 hanya berpengaruh sedikit. Untuk filter ukuran 5X5 terlihat bahwa gambar yang berukuran 640X400 dan 1024X768 mulai terlihat agak buram (blur), namun tidak dengan gambar berukuran 2048X1536, justru gambar baru mulai terlihat lebih halus disbanding gambar awalnya. Untuk filter terakhir dengan ukuran 10X10 gambar dengan ukuran 640X400 dan 1024X768 gambar benar-benar menjadi buram (blur) akibat dari proses mean filter, dan gambar dengan ukuran 2048X1536 baru sedikit terlihat agak buram (blur).

Dari data yang telah kita miliki diatas, kita ketahui bahwa ukuran dari mean filter yang digunakanlah yang mempengaruhi tingkat

smooth/kehalusan suatu citra. Begitu pula

dengan ukuran dari gambar yang digunakan, semakin besar ukuran piksel dari gambar tersebut maka semakin besar filter yang digunakan untuk mendapatkan gambar yang halus(smooth). Dari syntax yang digunakan ditunjukkan bahwa citra mengalami proses perataan (average) berdasarkan ukuran yang digunakan. Misalkan untuk filter ukuran 3X3, maka proses perataan dilakukan per 3X3 piksel pada citra yang difilter.

(6)

5. KESIMPULAN

1. Teknik mean filter ini dapat membuat citra yang terlalu tajam menjadi lebih halus. 2. Semakin besar ukuran penapis (filter)

yang digunakan maka semakin buram citra yang dihasilkan. Namun noise menjadi semakin berkurang.

3. Semakin besar ukuran filter, maka semakin besar pula ukuran filter yang digunakan untuk memperhalus gambar. 4. Kekurangan dari metode filtering yang

digunakan adalah tidak dapat mempertahankan kualitas citra yang dihasilkan, jika ukuran penapis (filter) diperbesar.

6. DAFTAR PUSTAKA

[1] Nuryadin S., Sony, Analisis Filtering

Citra Dengan Metode Mean Filter Dan Median Filte. TI FTIK UNIKOM.2009

[2] E. Juliastuti, et al., Pengolahan Citra

Obyek dari Balik Pengaburan dengan Metode Optik (Tapis Ruang) dan Metode Digital (“Or Minimum”). Paper Vol. 37

A, No. 2. ITB. 2005.

[3] Siregar , Muhammad Arifin, "Perancangan Perangkat Lunak Untuk Perbaikan Citra Digital Dengan Menggunakan Lima (5) Teknik Penyaringan (Filtering)", Universitas Sumatra Utara, 2009.

[4] Nalwan, Agustinus, Pengolahan Gambar

Secara Digital,Elex Media Komputindo.

2000.

[5] Stewart, Robert R., Median Filtering :

Review and A New F/K Analogue Design. Journal of the Canadian Society

of Exploration Geophysicists. 1985.

7. Biografi

Dio Pradianggara

saat ini sedang menjalani pendidikan perkuliahan di Jurusan

(7)

Lampiran Syntax pada Matlab

function varargout = MeanFilter(varargin)

% MEANFILTER M-file for MeanFilter.fig

% MEANFILTER, by itself, creates a new MEANFILTER or raises the existing

% singleton*. %

% H = MEANFILTER returns the handle to a new MEANFILTER or the handle to

% the existing singleton*. %

% MEANFILTER('CALLBACK',hObject,eventData,handles,...) calls the local

% function named CALLBACK in MEANFILTER.M with the given input arguments.

%

% MEANFILTER('Property','Value',...) creates a new MEANFILTER or raises the

% existing singleton*. Starting from the left, property value pairs are

% applied to the GUI before MeanFilter_OpeningFcn gets called. An

% unrecognized property name or invalid value makes property application

% stop. All inputs are passed to MeanFilter_OpeningFcn via varargin.

%

% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one

% instance to run (singleton)". %

% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help MeanFilter

% Last Modified by GUIDE v2.5 30-May-2012 19:36:26

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename, ...

'gui_Singleton', gui_Singleton, ...

'gui_OpeningFcn', @MeanFilter_OpeningFcn, ...

'gui_OutputFcn', @MeanFilter_OutputFcn, ...

'gui_LayoutFcn', [] , ...

'gui_Callback', []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1}); end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else

gui_mainfcn(gui_State, varargin{:}); end

(8)

% --- Executes just before MeanFilter is made visible.

function MeanFilter_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn. % hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to MeanFilter (see VARARGIN)

% Choose default command line output for MeanFilter

handles.output = hObject;

% Update handles structure

guidata(hObject, handles);

% UIWAIT makes MeanFilter wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line.

function varargout = MeanFilter_OutputFcn(hObject, eventdata, handles)

% varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure

varargout{1} = handles.output;

% --- Executes on button press in pushbutton3.

function pushbutton3_Callback(hObject, eventdata, handles) proyek=guidata(gcbo);

[namafile,direktori]=uigetfile({'*.jpg';'*.bmp';'*.png';'*.tif'},'Bu

ka Gambar');

if isequal(namafile,0) return;

end

eval(['cd ''' direktori ''';']);

I=imread(namafile);

set(proyek.figure1,'CurrentAxes',proyek.axes1);

set(imshow(I));

set(proyek.figure1,'Userdata',I);

set(proyek.axes1,'Userdata',I);

% hObject handle to pushbutton3 (see GCBO)

% --- Executes on button press in pushbutton5.

(9)

I=get(proyek.axes1,'Userdata'); if isequal(I,[])

msgbox('Belum ada gambar!','Peringatan','warn');

else

a= str2double(get(handles.edit1,'String'));

b= str2double(get(handles.edit2,'String'));

param = [a b];

H=fspecial('average', param);

J=imfilter(I, H);

set(proyek.figure1,'CurrentAxes',proyek.axes2);

imshow (J);

figure imshow(I)

end

% hObject handle to pushbutton5 (see GCBO)

function edit1_Callback(hObject, eventdata, handles)

% hObject handle to edit1 (see GCBO)

% Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties.

function edit1_CreateFcn(hObject, eventdata, handles)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'),

get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

function edit2_Callback(hObject, eventdata, handles)

% Hints: get(hObject,'String') returns contents of edit2 as text % str2double(get(hObject,'String')) returns contents of edit2 as a double

% --- Executes during object creation, after setting all properties.

(10)

% eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'),

get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

% --- If Enable == 'on', executes on mouse press in 5 pixel border. % --- Otherwise, executes on mouse press in 5 pixel border or over text3.

function text3_ButtonDownFcn(hObject, eventdata, handles)

% hObject handle to text3 (see GCBO)

(11)

11

Program