ANALISIS DAN IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY ( ANALYSIS AND
IMPLEMENTATION OF NOISE REDUCTION ON DIGITAL IMAGE BY MATHEMATICAL MORPHOLOGY )
Putu Agus Junaedi¹, -²
¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Abstrak
Banyak penelitian telah dilakukan untuk mengurangi noise dalam sebuah citra ter-noise. Berbagai teori juga telah ditawarkan, sebagian besar teori akan menghilangkan detail yang ada ketika dilakukan proses pengurangan noise dengan menggunakan blurring.
Mathematical Morphology sebagai sebuah metode matematika dicoba untuk diterapkan dalam kasus ini. Sering kali ketika kita hendak menghilangkan noise dari sebuah citra ternoise, kita dihadapkan pada dua buah sisi yang saling berlawanan, ketika kita hendak menghilangkan noise dengan cara blurring, maka detail dari gambar akan menjadi kabur atau bahkan hilang, namun ketika kita hendak mempertahankan detail gambar, noise akan sulit untuk dihilangkan.
Mathematical morphology yang diterapkan pada algoritma Morphological Image Cleaning(MIC) memproses citra yang ternoise dalam 2 tahapan yaitu dengan membentuk citra yang smooth dari citra ternoise menggunakan OCCO(Open Close Close Open) filter dan memproses citra residu menggunakan Tophat dan Bothat filter. Hasil dari kedua proses ini selanjutnya digabungkan untuk menghasilkan citra hasil filtering yang diharapkan tetap mempertahankan detail yang ada dan smooth antar area.
Pada tugas akhir ini akan digunakan Matlab sebagai tools untuk pengembangan software uji, sedangkan parameter performansi yang diujikan pada citra digital adalah Similarity yaitu tingkat kesamaan citra hasil filtering dengan citra asli. Similarity sendiri merupakan selisih energi antara citra asli dengan citra hasil filtering. Sebuah citra dikatakan sama jika tingkat similarity-nya sama dengan nol.
Kata Kunci : Pengurangan Noise, Mathematical Morphology, Morphological Image Cleaning (MIC), Similarity.
Abstract
Several research have been done for noise reduction on noisy image, also with alot of theory. In generally the theory of noise reduction will not preserve the detail of the image because of blurring process.
Mathematical Moprphology as Mathematic method is tried to implements in this case. Usually when we want to reduce noise from the noisy image always faced on two choices against, when we want to reduce noise with blurring method, the details becomes smooth even loss, but on the contrary when want to preserve the details, it will be dificult to reduce the noises.
Mathematical Morphology that implemented in Morphological Image Cleaning (MIC) Algorithm process the noisy image into two step. First by build the smooth image from the noisy image using OCCO (Open Close Close Open) filter and second by process the residual image using Tophat and Bothat Filter. The result from both process then combine to produce the filtered image that ideally preserve the detail and has smooth region between them.
In this final task, Mathlab will use as a tool for developving the testing software, the performance parameter that will be tested on digital image is Similarity, the similiar level between filtered image and original image. Similarity is difference of energy between the original image and filtered image. The same image is the image that has Similarity as zero.
Keywords : Noise Reduction,Mathematical Morphology, Morphological Image Cleaning (MIC), Similarity.
Powered by TCPDF (www.tcpdf.org)
BAB I PENDAHULUAN
1.1 Latar Belakang
Berbagai teori telah diajukan untuk mengurangi noise di dalam sebuah citra digital, masing – masing teori tidaklah ampuh untuk menghilangkan seluruh noise yang ada, masing – masing teori spesifik terhadap jenis noise. Sering kali citra rusak yang memiliki banyak detail – detail yang kecil kehilangan detailnya akibat proses pengurangan noise dalam citra tersebut. Detail – detail yang ada sering kali hilang akibat proses bluring yang dilakukan pada saat pengurangan noise.
Ide utama dari metode ini adalah untuk memisahkan antara bagian yang bukan noise dengan bagian yang berupa noise. Gambar residu yang merupakan selisih dari gambar asli dengan gambar smooth digunakan dalam hal ini untuk diproses dengan gambar smooth sehingga menghasilkan gambar yang idealnya dapat mempertahankan detail – detail yang ada dan tanpa menghilangkan degradasi antar area yang smooth.
Algoritma MIC (Morphological Image Clenaning) yang merupakan penerapan dari Mathematical Morphology memproses citra input menjadi dua bagian utama, pertama adalah memproses citra input menjadi citra smooth dengan menggunakan Open Close Close Open Filter, selanjutnya citra residu diproses dengan threshold tertentu untuk mendapatkan bagian yang bukan berupa noise. Kemudian citra hasil didapat melalui penjumlahan citra residu yang telah bersih dengan citra smooth.
BAB I – PENDAHULUAN I-2
1.2 Perumusan Masalah
Perumusan masalah dari penyusunan tugas akhir ini antara lain :
1. Bagaimana cara mengurangi noise dari sebuah citra ter-noise dengan menggunakan metode Mathematical Morphology.
2. Bagaimana cara mempertahankan detail – detail yang ada dan degradasi antar area yang smooth dari sebuah citra ketika dilakukan penghilangan
noise pada citra ter-noise.
1.3 Tujuan Pembahasan
Tujuan pembahasan tugas akhir ini adalah agar tercapainya hal – hal sebagai berikut :
1. Menerapkan Mathematical Morphology untuk mengurangi noise dari sebuah citra ter-noise.
2. Mempertahankan detail – detail citra yang ada setelah dilakukan filtering menggunakan Mathematical Morphology.
3. Menerapkan konsep Morphological Image Cleaning (MIC) yaitu Open
Close Close Open (OCCO) dan Tophat serta Bothat filter untuk
mengurangi noise dari citra ter-noise.
4. Menganalisis nilai performansi citra hasil filtering dengan melakukan perhitungan parameter Similarity.
5. Membuat perangkat lunak untuk menguji coba poin 1,2,3,dan 4.
1.4 Batasan Masalah
Untuk menghindari meluasnya materi pembahasan tugas akhir ini, maka penulis membatasi permasalahan dalam tugas akhir ini hanya mencakup hal-hal berikut :
• Citra yang digunakan adalah citra grayscale dengan kedalaman 8 bit. • Performansi yang akan dianalisa adalah similarity. Yaitu tingkat
kesamaan suatu citra hasil filtering dengan citra asli yang belum
ter-noise. Adapun sebagai pembanding, nilai similarity dari filter morphological image cleaning akan dibandingkan dengan median filter.
2
• Membahas masalah Open Close Close Open (OCCO) dan Tophat serta
Bothat filter dari Mathematical Morphology yang terdapat di dalam
algoritma Morphological Image Cleaning (MIC) dalam kaitannya dengan penghilangan noise pada citra.
• Simulasi akan dilakukan menggunakan MatLab 7.1.
• Gaussian dan Laplacian noise akan dibangkitkan menggunakan noise
generator dengan bantuan Matlab.
1.5 Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penulisan Tugas Akhir ini adalah :
1. Studi Literatur, Yaitu pencarian serta pembelajaran literatur – literatur terkait berupa buku referensi, artikel –artikel, jurnal ilmiah, konsultasi dengan pembimbing, serta sumber – sumber lainnya.
2. Menganalisis metode Morphological Image Cleaning (MIC) serta menerapkannya pada citra ter-noise.
3. Melakukan simulasi metode Morphological Image Cleaning pada lingkungan pemrograman Matlab 7.1.
4. Menganalisis citra hasil filter dengan melakukan pengujian menggunakan aplikasi yang telah dibangun sehingga didapat nilai performansi citra hasil filter yang dikenal dengan nama Similarity.
5. Penyusunan laporan tugas akhir dan menyimpulkan berdasarkan proses analisa.
3
BAB I – PENDAHULUAN I-4
1.6 Sistematika Penulisan
Sistematika penulisan tugas akhir ini terdiri atas 5 bab yang isinya sebagai berikut :
BAB I PENDAHULUAN
Berisi latar belakang, tujuan dan manfaat penulisan, perumusan masalah, pembatasan masalah, metodologi penelitian yang digunakan, sistematika penulisan, dan rencana jadwal kegiatan.
BAB II DASAR TEORI
Berisi teori-teori dasar tentang Mathematical Morphology dan
Morphological Image Cleaning (MIC) dalam kaitannya dengan
penghilangan noise dalam sebuah citra.
BAB III ANALISIS DAN DESAIN SISTEM
Pada bab ini akan dianalisis metode Morphological Image
Cleaning (MIC) yang nantinya akan digunakan untuk
merancang dan membangun sistem dalam tugas akhir ini.
BAB IV IMPLEMENTASI DAN EVALUASI
Berisi tentang teknik implementasi sistem ke dalam program serta analisis terhadap citra hasil, yang diperoleh dari simulasi
Algoritma Morphological Image Cleaning dengan
memperhatikan parameter performansi yang ada.
BAB V KESIMPULAN DAN SARAN
Berisi kesimpulan tentang performansi dari Mathematical
Morphology Image Cleaning yang digunakan dan saran-saran
yang diperlukan bagi pengembangan lebih lanjut guna mencapai hasil yang lebih optimal.
4
Powered by TCPDF (www.tcpdf.org)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari pengujian dan Analisis yang telah dilakukan pada Bab IV, dapat ditarik kesimpulan sebagai berikut :
1. Terdapat parameter – parameter yang menentukan keberhasilan filtering terhadap sebuah citra. Parameter tersebut adalah Threshold untuk Tophat dan
Bothat Filter serta NSS (Neighbourhood Support Size) dari Tophat dan Bothat Filter. Kombinasi yang tepat dari keempat parameter ini akan dapat
memberikan nilai similarity yang baik pula.
2. Penentuan nilai masing – masing parameter tidaklah sama untuk setiap citra, hal ini disebabkan oleh karakteristik dari masing – masing citra yang berbeda – beda sehingga ada kemungkinan bagian yang berwarna lebih gelap merupakan bagian yang lebih penting dibandingkan bagian yang lebih terang maupun sebaliknya.
3. MIC secara umum digunakan pada citra yang terkena noise dalam intensitas yang rendah sehingga detail – detail citra masih dapat dipertahankan. Dibandingkan Median filter, MIC menunjukkan nilai similarity yang lebih baik pada saat – saat tersebut. MIC lebih baik digunakan dibandingkan
Median filter ketika diberikan Gaussian noise dengan standar deviasi
maksimum 14, sedangkan pada Laplacian noise, MIC bekerja lebih baik dibandingkan Median filter ketika noise yang diberikan dengan standar deviasi maksimum 18.
4. Secara subjektif dari 30 orang responden, nilai similarity yang baik maksimal 0,53244. Berdasarkan nilai ini pada Gaussian noise, MIC bekerja baik pada standar deviasi maksimum 8, sedangkan pada Laplacian noise, MIC masih bekerja baik pada standar deviasi 10.
5. MIC bekerja lebih responsif pada citra yang terkena Laplacian noise dibandingkan Gaussian noise.
- 68 -
BAB V – KESIMPULAN DAN SARAN V-69
6. MIC bekerja lebih baik pada citra yang memiliki intensitas warna dominan gelap, dan sebaliknya MIC tidak dapat bekerja dengan baik pada citra yang memiliki intensitas warna dominan terang.
5.2 Saran
Metode Mathematical Morphology dengan Algoritma Morphological
Image Cleanning (MIC) saat ini baru dimanfaatkan untuk citra grayscale saja.
Diharapkan pemanfaatan pada citra berwarna dapat dilakukan pada penelitian selanjutnya. Hal ini tentunya karena sifat dari algoritma MIC yang mana akan mempertahankan detail yang ada dan smooth antar area sehingga ekspansinya pada citra berwarna patut untuk dipertimbangkan.
Karena saat ini MIC masih belum menunjukkan performansi yang baik pada citra dengan intensitas dominan putih, pada penilitian selanjutnya layak untuk diperhitungkan mengenai modifikasi pada filter Tophat agar bekerja lebih baik dalam mengurangi noise pada bagian citra yang lebih terang.
Selain itu patut juga dipertimbangkan tentang modifikasi pada perhitungan
automatic threshold yang mana pada saat ini jika citra yang diproses telah terkena
noise dalam intensitas yang cukup tinggi, ternyata nilai hasil automatic threshold mengalami penyimpangan yang cukup tinggi terhadap nilai pixel yang sepatutnya dipertahankan. Untuk penelitian lanjutan sebaiknya hal ini diperbaiki, sehingga nilai threshold yang dihasilkan tidak akan menyimpang jauh.
Powered by TCPDF (www.tcpdf.org)
DAFTAR PUSTAKA
[1] Arhami, Muhammad dan Desiani, Anita. “Pemrograman Matlab”. Yogyakarta : Andi, 2004.
[2] C. Gonsales, Rafael dan Richard E. Woods. “Digital Image Processing
Second Edition”. Person Education International, 2001.
[3] Dharma , Eddy Muntina. “Image Processing “. Jurusan Teknik Informatika STT Telkom, 2002.
[4] Munir, Rinaldi. “Pengolahan Citra Digital dengan Pendekatan Algoritmik”. Bandung : Informatika, 2005.
[5] N.Young., “Mathematical Morphology”. diambil dari
http://www.bath.ac.uk/elec-eng/pages/sipg/research/morphology/ morphology.htm.
[6] Peters II, Alan Richard. “A New Algorithm for Image Noise Reduction
using Mathematical Morphology”. IEEE Transactions on Image
Processing , 1995.
[7] Polina,Agnes Maria dan Jong Jek Siang. “Kiat Jitu Menyusun Skripsi
Jurusan Informatika / Komputer ”. Yogyakarta: Andi, 2005.
[8] Pressman, Roger.S. ”Software Engineering Fifth Edition”. Mc-Graw-Hill, 2001.
[9] Putra, I Made Dharma. “Analisis dan Implementasi Fuzzy Image Filtering Untuk Mengurangi Noise Pada Citra Digital”
[10] The MathWorks,Inc.” Image Processing”. Matlab 7.1 Help, 2005.
Powered by TCPDF (www.tcpdf.org)
