1
BERBASIS METODE PREWITT DAN
METODE SOBEL GUNA MENGURANGI
NOISE PADA SUATU CITRA GRAYSCALE
Damas Eka Pradipta1, Aris Marjuni2
Jl. Imam Bonjol No. 207, Semarang, 50131, Telp. (024) 3517261 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
e-mail: [email protected], aris.marjuni[a]dsn.dinus.ac.id2 ,
Abstrak
Operasi pengolahan citra adalah operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain. Berdasarkan tujuan
transformasi operasi pengolahancitra dikategorikan sebagai berikut: Peningkatan
Kualitas Citra (Image Enhachement) dan Pemulihan Citra (Image Restoration).
Pada proses Image Enhacement ,kulitas citra dari derau/noise diperbaiki sehingga
mudah di intrepertasikan oleh manusia ataupun mesin.Salah satu contoh dari noise adalah citra kabur (blur). Untuk menangani masalah diatas maka penulis mengimplementasikan algoritma Sobel untuk mendeteksi tepi dari sebuah citra yang blur sehingga dapat diidentifikasi kembali. Langkah – langkah Algoritma Sobel adalah konversi citra true color ke grayscale, Sobel, lalu perhitungan MSE dan PSNR. Sedangkan pada Algoritma Prewitt yaitu konversi citra true color ke grayscale, Prewitt, lalu perhitungan MSE dan PSNR Dari perhitungan MSE dan PSNR dapat kita simpulkan bahwa algoritma Prewitt menghasilkan MSE dan PSNR yang berbeda – beda untuk setiap kasus, dimana tingkat MSE dan PSNR digunakan untuk mengukur kualitas citra. Sedangkan untuk Sobel menghasilkan MSE dan PSNR yang sama untuk setiap kasus, dimana tingkat MSE dan PSNR digunakan untuk mengukur kualitas citra.
Kata kunci :Image enhachement, Image Restoration, Deteksi tepi, Algoritma Sobel dan Algoritma Prewitt
Abstract
Image processing operation is an operation performed to transform an image into another image. Based on the purpose of transformation of image processing operations are categorized as follows: Improved Image Quality (Image Enhachement) and Recovery image (Image Restoration). In the process of Image Enhacement, quality image of noise / noise repaired so easily in intrepertasikan by humans or machine. One of example of noise is image blur (blur). To deal with the problem described above, the authors implement Sobel algorithm to detect the edges of an image blur that can be identified back in. Step - step conversion algorithm Sobel is a true color image to grayscale, Sobel, then the
image of true color to grayscale, Prewitt, then the calculation of MSE and PSNR Calculation MSE and PSNR we can conclude that the algorithm Prewitt produce MSE and PSNR different - different in each case, where the level of MSE and PSNR used to measure image quality. As for the MSE and PSNR Sobel produce the same in each case, where the level of MSE and PSNR is used to measure the quality of the image.
Keywords: Image enhachement, Image Restoration, Edge detection, Sobel algorithm and Prewitt algorithm
1. PENDAHULUAN
Pengolahan citra dapat diartikan sebagai salah satu bentuk pengolahan sinyal yang memiliki input gambar, seperti foto atau video, sedangkan outputnya dapat berupa gambar, karakteristik ataupun parameter yang berkaitan dengan gambar. Sering kali pemrosesan gambar diproses dalam dua dimensi sinyal. Akuisisi gambar atau proses input pada citra disebut sebagai pencitraan.
Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit tertentu.
Operasi Pengolahan Citra meliputi : Perbaikan Citra (image enhacement), Pemugaran Citra (image restoration), Segmentasi Citra (image segmentation). Operasi ini memiliki tujuan : memperbaiki kualitas citra dengan memanipulasi parameter-parameter citra.
Operasi Perbaikan Citra meliputi : Perbaikan kontras gelap/terang, Perbaikan tepian objek (edge enhancement), Penajaman (sharpening), Pemberian warna semu (pseudocoloring), Penepisan derau (noise filtering) dan Pemugaran citra (image restoration) . Operasi ini memiliki tujuan : menghilangkan cacat pada citra.
Operasi Pemugaran Citra meliputi : Penghilangan kesamaran (deblurring), Penghilangan derau (noise) dan Pemampatan citra (image compression). Pemugaran citra diharapkan dapat merepresentasikan bentuk citra yang lebih kompak, sehingga keperluan memori lebih sedikit namun dengan tetap mempertahankan kualitas gambar (misal dari .BMP menjadi .JPG).
Sedangkan perbedaannya dengan segmentasi citra adalah bahwa proses segmentasi citra dapat memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Berkaitan erat dengan pengenalan pola.
Proses analisis citra (image analysis) menghitung besaran kuantitatif dari citra untuk menghasilkan deskripsinya.
Diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya.
Operasi analisis citra : Pendeteksian tepi objek (edge
detection), Ekstraksi batas (boundary), Representasi daerah (region),
Rekonstruksi citra (Image
recontruction). Dengan adanya operasi analisis ini diharapkan citra dapat dibentuk ulang dari beberapa citra hasil proyeksi.
Ada beberapa penelitian terkait dengan topik diatas antara lain adalah penelitian yang dilakukan oleh Bambang Yuwono yang mengambil judul Image Smoothing menggunakan Mean Filtering, Median Filtering, Modus Filtering dan Gaussian Filtering. [1] Penelitian ini mengambil
kesimpulan bahwa Median filtering memberikan hasil yang lebih baik dibandingkan mean filtering untuk citra yang mengalami gangguan dalam bentuk spike berupa bercak-bercak putih maupun dalam bentuk salt and pepper. Bila ukuran mask diperbesar, maka derau semakin banyak
dihilangkan, tetapi bersamaan dengan itu informasi detail citra juga ikut dihilangkan sehingga citra nampak kabur Sebaliknya dengan semakin kecilnya ukuran mask, informasi detail citra dapat dipertahankan tetapi derau juga tetap dipertahankan.
Penelitian berikutnya dilakukan oleh J. K. Mandal dan Somnath Mukhopadhyay yang mengambil judul
Image Filtering Using All Neighbor Directional Weighted Pixels: Optimization Using Particle Swarm Optimization yang mengambil kesimpulan : bahwa metode ACWM adalah metode yang terburuk , teknik MSM lebih bagus digunakan. Metode SD-ROM dan PWMAD meghasilkan output yang hampir sama . [2]
Penelitian lainnya yang bejudul Perbaikan Citra Digital dengan
Menggunakan Filtering Technique dan Similarity Measurement yang
dilakukan oleh Gybert Saselah, Winsy Weku,Luther Latumakulita yang mengambil kesimpulan [3] bahwa Penerapan gaussian filter dengan nilai σ = 1 menghasilkan citra digital yang paling mendekati citra original dibandingkan dengan penerapan Gaussian filter dengan nilai σ lain, dimana 0,5 < σ < 10 . Sedangkan untuk penerapan Wiener filter terlihat bahwa semakin besar nilai σ , maka citra digital yang dihasilkan akan semakin mendekati citra original.
Oleh sebab itu untuk mempelajari filtering maka diimplementasikan image filtering pada citra grayscale, maka dilakukan penelitian dengan metode operasi Sobel dan Prewitt dikarenakan dengan metode ini noise dari sebuah gambar grayscale menjadi berkurang. Berdasarkan latar belakang masalah tersebut maka diambillah judul ” Image Filtering Berbasis Metode Prewitt Dan Metode Sobel Guna Mengurangi Noise Pada Suatu Citra Grayscale”
Citra Asli
Proses Grayscale
Proses Sobel X Proses Sobel Y Proses Prewitt X Proses Prewitt Y Proses Gradient Magnitude 2. METODE PENELITIAN
Proses dari penelitian ini secara umum digambarkan sebagai berikut:
Gambar 3.1 Metode yang diusulkan 2.1 Instrumen Penelitian
Kebutuhan Software :
a) Sistem Operasi (minimal Windows Vista)
b) Microsoft C# Visual Studio 2015(untuk mendevelop proses deteksi tepi)
c) PSNR calculator menghitung MSE dan PSNR
d) Corel Photo Paint melakukan pengujian brightness , contrast dan rezize
e) Ms. Word pembuatan laporan Kebutuhan hardware :
a. PC atau laptop dengan spesifikasi minimum:
Prosesor : Dual Core Sistem Operasi : Windows 7
RAM : 2 GB
b. Printer, digunakan untuk mencetak hasil penelitian ke dalam bentuk hardcopy.
2.2 Konversi Citra Warna menjadi Grayscale
Proses pertama dari metode pendeteksi citra secara umum termasuk metode Sobel adalah melakukan konversi citra, dari citra berwarna ke citra skala keabuan (grayscale). Rumus yang digunakan untuk konvesi adalah sebagai berikut:
X= (R+G+B)/3 (1)
, dimana R adalah nilai warna merah (Red), G adalah nilai warna hijau (Green), dan B adalah nilai warna biru (Blue) dari pixel yang diproses.
2.3. Konversi Citra Warna ke RGB
Citra Warna Citra Grayscale
Misalkan diketahui terdapat citra warna sebagai berikut :
a. R =3, G=3,B=3 , lihat pada
kolom pertama table sebelah
kiri (1,1) , maka hasil grayscale
adalah (R+G+B)/3 pada kolom
pertama table sebelah kanan
(1,1,) yaitu (3+3+3)/3 adalah 3
b. R =4, G=4,B=4 , lihat pada
kolom pertama table sebelah
tengah (2,1) , maka hasil
grayscale adalah (R+G+B)/3
pada kolom pertama table
sebelah kanan (1,1,) yaitu
(4+4+4)/3 adalah 4
c.
R =2, G=2,B=2 , lihat pada
kolom pertama table sebelah
kanan (3,1) , maka hasil
grayscale adalah (R+G+B)/3
pada kolom pertama table
sebelah kanan (1,1,) yaitu
(2+2+2)/3 adalah 2 dan
seterusnya sampai table
sebelah kanan bawah.
3 3 3 4 4 4 2 2 2 2 2 2 1 1 1 6 6 6 3 3 3 5 5 5 7 7 7 3 4 2 2 1 6 3 5 73. HASIL DAN PEMBAHASAN 3.1. Memilih Citra
Gambar yang digunakan bebas , masih dalam format yang sudah ditentukan (jpg, jpeg,png,bitmap) dengan resolusi (194x259) sebagai citra induk. Objek yang digunakan dalam penelitian ini berupa citra Grayscale, maka pada tahapan awal ada perubahan dari citra RGB menjadi citra grayscale.
Gambar 4.1 Citra yang Digunakan
3.2 Aplikasi Hasil Perancangan
Bagian pertama adalah progress yang berisi :
1. Load Image : Untuk membuka file gambar yang diperlukan
2. Save Image : Untuk menyimpan file gambar yang sudah diproses 3. Grayscale : untuk membuat gambar
/ image menjadi citra grayscale 4. Exit : untuk memberhentikan
aplikasi
Bagian kedua adalah Image Enhancement yaitu proses peningkatan kualitas, kegiatan ini berisi beberapa proses penting yaitu
1. Sobel: proses menscanline image dengan algoritma Sobel
2. Prewitt: proses menscanline image dengan Algoritma Prewitt
Bagian ketiga adalah proses tambahan yaitu proses tambahan dalam kegiatan , kegiatan ini berisi beberapa proses yaitu
Get Pixel : untuk mengambil
nilai pixel sebelum dan sesudah
image diproses
a. Get pixel 1 untuk image yang sebelum diproses Grayscale , b. Get pixel 2 untuk image yang
sudah di Median Filter c. Get pixel 3 untuk image yang
sudah melaluli proses Low Pass Filter.
d. Clear : Menghapus hasil Get pixel
3.3 Proses Pengujian pada citra
3.3.1 Proses Uji Fidelity pada citra (*JPG, *Bitmap , *PNG)
Uji fidelity adalah pengujian yang dilakukan agar mengetahui kemampuan peningkatan kualitas citra induk, yang dilakukan dengan cara melihat perbedaan antara citra induk awal dan citra induk yang telah dilakukan. Pengamatan dilakukan secara visual dan kuantitatif. Sebagai tolak ukur secara visual dalam penelitian ini adalah citra induk tidak mengalami perubahan signifikan jika dilihat menggunakan mata manusia secara kasat mata. Sedangkan jika diamati secara kuantitatif dari uji PSNR (Peak Signal Noise Ratio) adalah, semakin besar nilai PSNR (Peak Signal Noise Ratio) maka citra hasil semakin mirip dengan citra aslinya, dengan kata lain semakin bagus kualitas citranya. Sebaliknya jika hasil nilai PSNR semakin kecil maka kualitas citra hasil semakin jelek.
3.3.2 Uji Ketahanan (Robustness)
Pengujian robustness merupakan merupakan salah satu syarat peningkatan kualitas yang baik. Peningkatan kualitas yang baik akan tahan terhadap bermacam-macam manipulasi citra. Dalam penelitian ini, pengujian yang dilakukan dengan penambahan brightness dan contrast.
3.4 Perbandingan Perubahan Image tiap sample Nilai Brightness MSE PSNR +5 0.178 63.13 +10 0.178 63.13 +15 0.185 62.77 +20 0.216 61.42 +25 0.193 62.41 +30 0.193 62.41
Tabel nilai Brightness T a b e l n i l a
Tabel nilai Contrast
4. KESIMPULAN DAN SARAN 4.1 Kesimpulan
1. Dari pengujian secara visual,
citra induk dan citra hasil
terlihat bahwa semakin besar
MSE maka semakin gambar
induk dan citra hasil semakin
tidak jelas (blur).
2. Dari pengujian secara visual,
citra induk dan citra hasil
terlihat bahwa semakin besar
PSNR maka gambar induk dan
citra hasil semakin jelas
3. Dari pengujian brightness, dapat
kita simpulkan bahwa semakin
tinggi brightness nya maka MSE
dan PSNR nya tidak semakin
baik (MSE semakin besar dan
PSNR nya semakin kecil)
4. Dari pengujian contrast, dapat
kita simpulkan bahwa semakin
tinggi contrast nya maka MSE
dan PSNR tidak mengalami
perubahan.
5. Dari pengujian resize, dapat kita
simpulkan bahwa semakin tinggi
resize nya maka MSE dan PSNR
nya tidak semakin baik (MSE
semakin besar dan PSNR nya
semakin kecil)
4.2 Saran
Adapun saran-saran yang dapat penulis berikan dalam penelitian ini adalah sebagai berikut :
1. Pada saat running program ,
tidak dapat membuka /
mengambil gambar lebih dari
1 x sehingga masih perlu
diperbaiki
2. Proses pengolahan pixel
masih memilih piksel secara
berurut-urutan sehingga
memerlukan waktu yang lama
maka perlu diperbaiki dalam
segi akurasi dan efisiensi.
Nilai Contrast MSE PSNR +5 0.162 63.92 +10 0.154 64.35 +15 0.154 64.35 +20 0.139 65.27 +25 0.139 65.27 +30 0.139 65.27 Manipulasi Citra Penghitungan MSE dan PSNR Citra Awal ResultDAFTAR PUSTAKA
