120140073 Jossy Raya Gopasda Saragih PCD

(1)

TUGAS IMAGE ENHANCEMENT PENGOLAHAN CITRA DIGITAL

DISUSUN OLEH :

JOSSY RAYA GOPASDA SARAGIH (120140073)

INSTITUT TEKNOLOGI SUMATERA LAMPUNG SELATAN

2023

(2)

Pada tugas kali ini mencoba image enhancement atau perbaikan pada citra. Citra yang saya pilih adalah citra dengan nama file ‘spiderman.jpg’ seperti gambar di bawah ini.

Gambar 1. Original Image

Pada matlab, upload ke files manager di matlab online lalu panggil image dengan perintah imread(‘spiderman,jpg’) dengan variabel rgb. Pada instruksi kedua, melakukan gray scaling pada image RGB tadi dengan menggunakan fungsi im2gray(‘rgb’). Fungsi ini telah ada pada matlab untuk memudahkan kita mengubah gambar rgb kebentuk grayscale tanpa harus membuat algoritma sendiri. Gambarnya dapat dilihat di bawah ini.

Gambar 2. Grayscale Image

Langkah selanjutnya adalah melakukan average filtering atau mean filtering dengan mask berukuran 3x3, 5x5, dan 7x7. Kodenya sangat mudah yaitu dengan membuat nilai mask matriksnya dengan membuat variabel, misal untuk 3x3 nama variabelnya adalah G1. Lalu pada G1 didefinisikan dengan ones(3)/9. Arti ones di sini adalah fungsi matlab untuk membuat matriks dengan seluruh elemennya diisi dengan nilai satu. Jadi arti ones(3)/9 yaitu membuat matriks 3x3 dengan semua elemennya bernilai satu lalu dikalikan dengan 1/9 yang dimana nilai tersebut didapat dari jumlah rata-rata pikselnya. Kode selanjutnya adalah membuat variabel filternya. Misal, avgfilter3 untuk mask 3x3 dengan perintah uint8(convn(double(I), double(G1))). Untuk uint8 merupakan tipe datanya, lalu convn merupakan fungsi konvolusi(Sebuah operator khusus untuk penapisan citra) pada matlab dengan parameter pertama adalah gambar yang akan dikonvolusi dan parameter kedua adalah mask matriks-nya.

Kode ini juga sama seperti mask matriks 5x5 dan 7x7 dengan hanya mengubah jumlah matriks dan rata-ratanya dan juga variabelnya. Hingga hasil ketiganya dapat dilihat seperti gambar di bawah ini.

(3)

Gambar 3. Average Filtering Mask 3x3

(4)

Pada ketiga gambar tersebut terlihat perbedaannya sesuai dengan besar matriks filteringnnya.

Pada Gambar 3. mask 3x3 memberikan efek smoothing untuk meredam noise namun detail yang hilang hanya detail-detail halus. Mask ini juga mengambil rata-rata piksel dan tetangganya yang berdekatan. Pada mask 5x5 jumlah nilai rata-rata pikselnya semakin besar dan memiliki jangkauan lebih besar pada nilai rata-rata pikselnya dan cukup mempengaruhi tetangga terhadap nilai piksel yang sedang diproses. Pada citra hasil filtering ini terlihat efek smoothing jauh lebih besar dan bagus dibandingkan pada mask 3x3. Namun terlihat juga pada penggunaan mask 5x5 lebih banyak mengalami kehilangan detailnya. Sedangkan pada mask 7x7 ini menjangkau lebih banyak variasi piksel. Hasil filteringnya meredam noise namun detail gambarnya banyak yang hilang dan terlihat seperti lebih blur dibandingkan mask sebelumnya.

Ukuran mask yang tepat harus dipilih sesuai dengan kebutuhan. Jika tujuannya adalah untuk menghaluskan gambar, maka ukuran mask yang lebih kecil dapat digunakan. Namun, jika tujuannya adalah untuk menghilangkan noise, maka ukuran mask yang lebih besar dapat digunakan.

Setelah melakukan percobaan average filter, setelah itu melakukan percobaan menggunakan metode gaussian filtering. Metode ini merupakan salah satu penapis lolos-rendah (low-pass filter) karena penapis tersebut menekan komponen yang berfrekuensi tinggi (misalnya pixel derau, pixel tepi) dan meloloskan komponen yang berfrekuensi rendah.

Kode yang dibutuhkan pada matlab untuk menggunakan gaussian filter yaitu imgaussfilt(I,2).

Parameter pertama adalah gambar grayscale yang akan difilter dan parameter kedua adalah nilai sigmanya. Ini dilakukan untuk sigma selanjutnya yaitu empat dan delapan. Sehingga menghasilkan gambar seperti di bawah ini.

Gambar 6. Gaussian Filtering Sigma = 2

(5)

Berdasarkan percobaan pelembutan(smoothing) gambar menggunakan gaussian filtering, terlihat bahwa besar sigma berpengaruh pada tingkat smooth gambar. Efek smoothing pada nilai sigma=2 terlihat moderat dan noise terlihat berkurang. Dari gambarnya terlihat hampir mirip dengan average filtering dengan mask 7x7. Dengan sigma= 4, Gaussian filter akan menghasilkan efek penghalusan yang lebih kuat pada citra. Detail halus akan lebih teraburkan, tetapi noise akan dikurangi lebih lanjut. Penggunaan sigma = 4 cocok untuk mengurangi noise yang lebih kuat pada citra. Sedangkan pada nilai sigma = 8 gambarnya jadi terlihat sepenuhnya buram, noise tersamarkan juga detail terlihat kurang. Kesimpulannya kurang lebih sama seperti average filtering dimana perbedaan sigma pada Gaussian filtering mempengaruhi tingkat penghalusan dan pengurangan noise pada citra. Pemilihan sigma yang tepat tergantung pada karakteristik citra dan tingkat noise yang ingin dikurangi. Jika ingin mempertahankan detail penting, gunakan nilai sigma yang lebih kecil, begitupun sebaliknya.

Jadi, filtering yang tepat untuk percobaan ini adalah menggunakan metode gaussian filtering terutama pada nilai sigma = 2. Gambar lebih terlihat detailnya dan derau(noise)nya juga tersamarkan. Sedangkan pada average filter memang lebih cepat menyamarkan noise namun sedikit kehilangan detail pada gambar dan terlihat garis tepi hitam pada gambar yang semakin menebal apabila mask matriksnya semakin besar.

(6)

LAMPIRAN

%mengambil citra dari files%

rgb = imread("spiderman.jpg");

imshow(rgb);

title('Original image');

%mengubah citra rgb menjadi grayscale dengan menggunakan fungsi im2gray I = im2gray(rgb);

figure;

imshow(I);

title('Grayscale image');

%Averaging Filter

% membuat mask matriks 3x3 dengan nilai 1/9 G1 = ones(3)/9;

avgFilter3 = uint8(convn(double(I), double(G1)));

%menampilkan semua averaging filter figure;

imshow(avgFilter3); title("averaging filter mask 3x3");

figure;

%Gaussian Filtering

%sigma = 2

Iblur1 = imgaussfilt(I,2);

%sigma = 4

%sigma = 8

%menampilkan hasil gaussian filter figure;

imshow(Iblur1);

title('Smoothed image, \sigma = 2');

figure;

imshow(Iblur2);

figure;

imshow(Iblur3);