Prosiding SNYuBe 2013
ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe Email:
[email protected] Abstrak
Citra merupakan salah satu media yang digunakan untuk menyampaikan informasi. Namun seringkali citra yang dimiliki mengalami penurunan mutu (degradasi). Citra yang telah mengalami penurunan mutu tersebut dapat diperbaiki dengan berbagai macam operasi pengolahan citra atau perbaikan kualitas. Pada penelitian ini, unjuk kerja median filter diamati dari perbaikan kualitas yaitu melalui parameter MSE dan PSNR. Metode median filter menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan pixel yang ada di sekelilingnya. Pengamatan terhadap objek citra difokuskan pada dua pengamatan, yaitu; pertama, citra tanpa noise yang terdiri dari citra median filter, citra median filter yang diblurring dan citra median filter yang disharpening. Kedua, citra tersebut diberi noise yang terdiri citra median filter dengan noise, citra median filter blurring dengan noise dan citra median filter sharpening dengan noise. Pengamatan unjuk kerja median filter menghasilkan kualitas citra jauh lebih baik pada media citra yang memiliki ukuran matrik 5x5 dibanding media citra yang memiliki ukuran matrik 3x3. Selain itu diketahui bahwa selisih perbaikan PSNR yang bernilai positif akan mengurangi terjadinya noise atau mengurangi error pada citra. Ketajaman kualitas citra terbaik diperoleh dari pengamatan untuk citra median filter sharpening tanpa noise dengan perbaikan PNSR sebesar 2,17 dB dan menyebabkan penurunan MSE sebesar 29,28, sedangkan untuk citra median filter bernoise, perbaikan kualitas citra terjadi pada citra median filter blurring yang diberi noise dengan perbaikan PSNR sebesar 2,22 dB dan perbaikan MSE sebesar 520,91. Kata kunci: Median Filter, Blurring, Sharpening, Noise
Pendahuluan Citra (image) atau biasa disebut dengan gambar merupakan salah satu komponen dari multimedia yang memegang peranan penting karena mengandung informasi dalam bentuk visual. Citra memiliki lebih banyak informasi yang dapat disampaikan dibandingkan dengan informasi dalam bentuk teks [1]. Namun tidak semua citra memiliki kualitas yang bagus, sehingga citra tersebut tidak bisa menampilkan informasi yang jelas dengan kata lain terjadi penurunan mutu pada citra tersebut (degradasi). Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Hal ini biasanya terjadi pada citra karena citra seperti ini memiliki gangguan seperti bintik pada citra ( noise), kabur (blur ), dan lain-lain [2]. Untuk mengatasi gangguan pada citra perlu dilakukan usaha dalam memperbaiki kualitas citra tersebut. Salah satunya adalah dengan melakukan filtering citra tersebut. Pada penelitian ini akan diamati unjuk kerja filter untuk memperbaiki kualitas citra melalui parameter MSE dan PSNR, filtering yang dimaksud adalah median filter. Median filter merupakan salah satu filtering non-linear yang mengurutkan nilai 177
Prosiding SNYuBe 2013
intensitas sekelompok pixel, kemudian mengganti nilai pixel yang diproses dengan nilai mediannya, dengan median filter diharapkan kualitas citra dapat diperbaiki. 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 [3,4]. Pada penelitian ini, unjuk kerja median filter akan diuji terhadap beberapa objek citra, yaitu; objek citra yang diblurring dan citra yang di sharpening. Perilaku objek citra ada yang diberi noise dan tanpa noise. Hal ini dilakukan untuk melihat unjuk kerja median filter yang diarahkan untuk meningkatkan kualitas citra. Metode Metode yang digunakan untuk mengamati kualitas citra digital adalah dengan menggunakan metode median filter dengan melakukan proses blurring dan sharpening. Metode median filter merupakan filter non-linear yang dikembangkan Tukey, yang berfungsi untuk menghaluskan dan mengurangi noise atau gangguan pada citra. Dikatakan nonlinear karena cara kerja penapis ini tidak termasuk kedalam kategori operasi konvolusi. Operasi nonlinear dihitung dengan mengurutkan nilai intensitas sekelompok pixel, kemudian menggantikan nilai pixel yang diproses dengan nilai tertentu [5]. Pada penelitian ini diamati tiga subjek citra, yaitu citra median filter, citra median filter yang di blurring dan citra median filter yang di sharpening. Ketiga objek citra tersebut diamati perilakunya terhadap 4 hal, yaitu citra tanpa noise, citra yang diberi noise 5%,10% dan 15%. Masing-masing citra diamati dengan dua ukuran matriks yaitu matriks 3x3 dan 5x5. Lebih lanjut bagaimana mekanisme penelitian ini dilakukan dapat dijelaskan seperti pada gambar 1. Pada gambar 1 terlihat, dimulai dengan menginput citra, yaitu citra iris. Citra ini sebagai data input citra seperti yang ditunjukkan pada gambar 2(a). Kemudian citra yang diinput diberi noise yaitu 5%, 10% dan 15%, Selanjutnya citra tersebut ditempatkan pada posisi (0,0) pada penapis, agar pixel citra dapat diperiksa. Jika kondisi penapis berada diluar area citra, maka pixel-pixel diluar area citra diisi nol tetapi jika tidak, maka proses yang dikerjakan adalah menghitung nilai kesalahan ratarata dan menggantikan nilai pixel yang diperiksa dengan nilai tersebut. Selanjutnya ditentukan nilai median dan menggantikan nilai pixel yang diperiksa dengan nilai tersebut. Untuk menilai kualitas citra dilakukan dengan cara penilaian secara objektif dengan menggunakan besaran MSE dan PSNR kedua besaran tersebut membandingkan pixel-pixel pada posisi yang sama dari dua citra yang berlainan. Secara teoritis diketahui bahwa semakin rendah nilai MSE maka akan semakin baik kualitas citra tersebut dan sebaliknya jika semakin besar nilai PSNR maka semakin baik kualitas citra tersebut. Dalam menilai kualitas citra digital digunakan besaran MSE dan PSNR, adapun besaran MSE (Mean Square Error) adalah rata-rata kuadrat nilai kesalahan antara citra asli dengan citra hasil pengolahan yang secara matematis dapat dirumuskan seperti yang ditunjukkan pada persamaan (1).
MSE
1 MN
M 1 N 1
I x, y K x, y
2
(1)
x 0 y 0
178
Prosiding SNYuBe 2013
Mulai
Input Citra
Citra diberi
noise
Tempatkan posisi (0,0) penapis pada pixel yang diperiksa
Penapis berada diluar area citra?
Pixel-pixel diluar area citra diisi nol
Tentukan nilai median dan gantikan nilai pixel yang diperiksa dengan nilai tersebut
Proses blurring/Sharpening
Hitung MSE ,PSNR Citra hasil
MSE,PSN R Selesai
Gambar 1. Diagram alir metode median filter untuk proses blurring dan sharpening citra yang diberi noise Sedangkan PSNR (Peak Signal to Noise Ratio) merupakan nilai perbandingan antara harga maksimum warna pada citra hasil filtering dengan kuantitas gangguan (noise), yang dinyatakan dalam satuan desibel (dB), noise yang dimaksud adalah akar ratarata kuadrat nilai kesalahan ( MSE ). Secara matematis, nilai PSNR dapat dirumuskan seperti yang ditunjukkan pada persamaan (2).
MAX I PSNR 20 log 10 MSE
(2)
Keterangan dari variabel-variabel yang digunakan pada persamaan (1) dan (2) adalah sebagai berikut [5,6,7] Dimana :M adalah jumlah baris dari citra I N adalah jumlah kolom dari citra I MAXI adalah nilai piksel maksimum pada citra I MSE adalah Mean Squared Error, yang menunjukkan rata-rata noise yang terjadi antara citra I dan citra K. 179
Prosiding SNYuBe 2013
Hasil dan Pembahasan Citra Median Filter Original Tanpa citra pada gambar 2(a) diinputkan sehingga menghasilkan citra median gambar 2(b). Citra ini merupakan pengamatan lain citra median filter ini dapat dilihat pada tabel 1.
Noise dan Diberi Noise. Pada pengujian ini, pada sistem pengolahan citra yaitu filtering filter original seperti yang ditunjukkan pada citra median filter tanpa noise sedangkan diberi noise yaitu 5%, 10% dan 15% hasilnya
(a)
(b)
Gambar 2. Citra iris (a) Citra Asli
(b) Citra Hasil Median Filter
Dari hasil perhitungan dengan menggunakan persamaan (1) dan (2), maka nilai MSE dan PSNR pada median citra original tanpa noise dan bernoise dapat diketahui dan hasilnya diperlihatkan pada tabel 1 dan gambar 3. Gambar 3(a) menunjukkan nilai MSE tanpa noise dan diberi noise dengan ukuran matrik 3x3 dan 5x5, sedangkan gambar 3(b) menunjukkan nilai PSNR tanpa noise dan diberi noise.
Tabel 1. Hasil perhitungan nilai MSE dan PSNR untuk citra median filter tanpa noise dan diberi noise MSE (Matrik)
Citra Median Filter
PSNR (dB) (Matrik)
3x3
5x5
3x3
5x5
Tanpa noise
6.450,89
6.329,72
3,56
3,71
Noise 5%
49.633,89
47.602,96
-16,85
-15,65
Noise 10%
19.776,00
18.997,16
-12,86
-11,66
Noise 15%
2.446,67
3.140,28
-3,78
-3,84
Dari tabel 1 dan gambar 3 tersebut, terlihat bahwa perbaikan PNSR untuk citra tanpa noise adalah 0,15 dB terjadi pada citra median filter ukuran 5x5 dibanding citra median filter ukuran 3x3. Perbaikan ini menyebabkan penurunan nilai MSE sebesar 121,17, sedangkan pada median citra original yang diberi noise terlihat bahwa kualitas atau rata-rata kuadrat nilai kesalahan antara citra original dengan citra hasil pengolahan memiliki kenaikan terbesar PNSR 1,2 dB, terjadi pada citra median matrik 5x5 jauh lebih baik dibanding matrik 3x3. Perbaikan ini menyebabkan penurunan nilai MSE sebesar 2.030,93. Lebih jelasnya dapat dilihat pada gambar 3.
180
Prosiding SNYuBe 2013
(a)
(b)
Gambar 3. Grafik hasil perhitungan MSE dan PSNR tanpa noise dan bernoise (a) MSE pada citra median filter (b) PSNR pada citra median filter Citra Median Filter Yang di Blur Tanpa Noise dan Diberi Noise. Pada observasi kali ini, pengujian kualitas citra dilakukan dengan cara memblur citra median filter. Seperti terlihat pada gambar 4, citra median yang diblur kemudian diamati baik yang tanpa noise dan diberi noise seperti pada pengujian citra median filter original, hasilnya seperti yang ditunjukkan pada tabel 2.
Gambar 4. Citra median filter yang diblur
Tabel 2. Perhitungan nilai MSE dan PSNR untuk Citra median filter yang diblur tanpa noise dan bernoise Citra Median Filter Diblur Tanpa noise Noise 5% Noise 10% Noise 15%
3x3 157,89 372,22 3416,56 1931,11
MSE (Matrik) 5x5 126,64 263,92 3775,88 1410,20
PSNR (dB) (Matrik) 3x3 5x5 8,12 10,10 13,88 4,31 6,79
16,29 4,74 9.01
Dari perhitungan dengan menggunakan persamaan (1) dan (2), maka nilai MSE dan PSNR diketahui seperti ditunjukkan pada tabel 2. Perbaikan terbesar PSNR pada citra blur tanpa noise terjadi pada matrik 5x5 dengan nilai 1,98 dB menyebakan perbaikan MSE sebesar 31,25, sedangkan perbaikan terbesar PNSR pada citra blur dengan 181
Prosiding SNYuBe 2013
noise terjadi pada matrik 5x5, dimana perbaikan PSNR bernilai 2,41 dB dan menyebabkan perbaikan MSE sebesar 108,3. Lebih jelasnya nilai MSE dan PNSR terlihat pada gambar 5(a) dan 5(b).
( a)
( b)
Gambar 5. Grafik hasil perhitungan MSE dan PSNR tanpa noise dan bernoise (a) MSE pada citra median filter blur (b) PSNR pada citra median filter blur Citra Median Filter Sharpening Tanpa Noise dan diberi Noise Pada observasi ini, pengujian kualitas citra dilakukan dengan cara melakukan sharpening pada median citra tanpa noise dan diberi noise, mekanismenya sama dengan median filter blur tanpa noise dan bernoise. Citra median filter yang disharpening dapat dilihat pada gambar 6 hasilnya ditunjukkan pada tabel 3.
Gambar 6. Citra Median Filter disharpening Tabel 3. Nilai MSE dan PSNR Untuk Citra median filter yang disharpening tanpa noise dan diberi noise MSE (Matrik)
Median Tanpa noise Noise 5%
PSNR (Matrik)
3x3
5x5
3x3
5x5
154,4
125,12
8,22
10,39
9.445,11
11.091,32
2,98
4,21
Noise 10%
957,11
1.068,92
12,92
14,37
Noise 15%
1.274,22
3.141,16
11,68
9,68
Dari tabel 3 tersebut terlihat perbaikan PSNR 2,17 dB pada ukuran matrik 5x5 terhadap ukuran 3x3 pada citra median filter sharpening tanpa noise menyebabkan penurunan nilai MSE sebesar 29,28. Sedangkan pada citra yang diberi noise bahwa perbaikan PSNR sebesar 1,45 dB pada citra median filter sharpening dengan noise 182
Prosiding SNYuBe 2013
untuk ukuran matrik 5x5 terhadap ukuran 3x3 menyebabkan penurunan nilai MSE sebesar -111,81 (Gambar7).
(a) (b) Gambar 7. Grafik hasil perhitungan MSE dan PSNR tanpa noise dan bernoise (a) MSE Citra median filter sharpening (b) PSNR Citra median filter sharpening Kesimpulan Secara umum dengan penggunaan median filter baik terhadap citra median filter original, di blurr maupun di sharpening, unjuk kerja median filter dapat melakukan perbaikan kualitas citra jauh lebih baik, pada media citra yang memiliki ukuran matriks 5x5 dibanding media citra yang memiliki ukuran matrik 3x3. Selain itu diketahui bahwa selisih perbaikan PSNR yang bernilai positif akan mengurangi terjadinya noise atau mengurangi error pada citra. Ketajaman kualitas citra terbaik diperoleh dari pengamatan untuk median citra tanpa noise terjadi pada median citra sharpening dengan perbaikan PNSR sebesar 2,17 dB dan menyebabkan penurunan MSE sebesar 29,28, sedangkan untuk median filter bernoise ketajaman kualitas citra terjadi pada median filter yang diblur dengan perbaikan PSNR sebesar 2,22 dB dan perbaikan MSE sebesar 520,91. Referensi [1] Balza, Ahcmad,. Firdausy, Kartika., Teknik Pengolahan Citra Digital Menggunakan Delphi, Andi, Yogyakarta. [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] Munir, Rinaldi, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika, Bandung. 2004. [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. [6] E.Juliastuti, et al, (2005), “ Pengolahan Citra Obyek dari Balik Pengaburan dengan Metode Optik (Tapis Ruang) dan Metode Digital (“Or Minimum”). Paper Vol. 37 A, No. 2, ITB. [7] Prijono agus dan marvin Ch. wijaya, (2007), “pengolahan citra digital menggunakan matlab”, informatika, bandung.
183
