Copyright @ 2007 By Emy
1
MEREDUKSI NOISE
Copyright @ 2007 By Emy
2
Copyright @ 2007 By Emy
1
Kompetensi • Mampu menjelaskan macammacam jenis noise • Mampu menganalisis jenis noise yang menyebabkan gangguan pada citra • Mampu membangkitkan macammacam noise kemudian mengimplementasikannya dalam progra Copyright @ 2007 By Emy
3
Copyright @ 2007 By Emy
Noise Pada Citra • Setiap gangguan pada citra dinamakan dengan noise • Noise bisa terjadi : – Pada saat proses capture (pengambilan gambar), ada beberapa gangguan yang mungkin terjadi, seperti : • Kamera tidak fokus • Munculnya bintik-bintik yang bisa jadi disebabkan oleh proses capture yg tdk sempurna
– Adanya kotoran-kotoran yang terjadi pada citra Copyright @ 2007 By Emy
4
Copyright @ 2007 By Emy
2
Noise Pada Citra Berdasarkan bentuk dan karakteristiknya, noise pada citra dibedakan menjadi beberapa macam, yakni sebagai berikut : 1. Gaussian • Merupakan model noise yg mengikuti distribusi normal standard dengan rata-rata nol dan standard deviasi 1 • Efek dari noise ini adalah munculnya titik-titik berwarna yg jumlahnya sama dengan prosentase noise. 2. Speckle • Merupakan model noise yg membrikan warna hitam pada titik Copyright @ 2007 By Emyyg
terkena noise
5
Copyright @ 2007 By Emy
Noise Model Gaussian • Gaussian noise (normal noise model) • PDF of a Gaussian random variable z, p( z ) =
1 2πσ
e −( z − μ )
2
Copyright @ 2007 By Emy
/ 2σ 2
6
Copyright @ 2007 By Emy
3
Noise Pada Citra 3. Salt & Pepper • Merupakan model noise seperti taburan garam, akan memberikan warna putih pada titik yang terkena noise
Pada beberapa pengolahan citra, terkadang untuk menguji suatu algoritma untuk dapat mereduksi noise, maka noise dihasilkan dari proses pembangkitan noise. Untuk membangkitkan noise digunakan suatu bilangan acak sebagai pengganti noise yang dihasilkan
Copyright @ 2007 By Emy
7
Copyright @ 2007 By Emy
Noise Model Salt & Pepper PDF for (bipolar) impulse noise is :
⎧ Pa ⎪ p ( z ) = ⎨ Pb ⎪0 ⎩
for z = a for z = b otherwise
Copyright @ 2007 By Emy
8
Copyright @ 2007 By Emy
4
Noise Model
Copyright @ 2007 By Emy
9
Copyright @ 2007 By Emy
Membangkitkan Noise Gaussian Noise Gaussian dapat dibangkitkan dengan cara membangkitkan bilangan acak [0,1] dengan distribusi Gaussian. Kemudian untuk titik-titik yg terkena noise, nilai fungsi citra ditambahkan dengan noise yang ada, atau dirumuskan dengan :
y (i, j ) = x(i, j ) + p.a Dimana : a
= nilai bilangan acak berdistribusi Gaussian
p
= prosentase noise
y(I,j) = nilai citra terkena noise x(I,j) = Nilai citra sebelum terkena noise Copyright @ 2007 By Emy
10
Copyright @ 2007 By Emy
5
Membangkitkan Noise Gaussian Untuk membangkitkan bilangan acak berdistribusi Gaussian, tidak dapat langsung menggunakan fungsi rnd, tetapi diperlukan suatu metode yang digunakan untuk mengubah distribusi bilangan acak ke dalam fungsi f tertentu.
Bila menggunakan Matlab bisa mengunakan perintah : g = imnoise(f,’gaussian’,m,var) Default untuk m = 0 dan var = 0.01
Copyright @ 2007 By Emy
11
Copyright @ 2007 By Emy
Membangkitkan Noise Uniform Noise Uniform seperti halnya noise Gaussian dapat dibangkitkan dengan cara membangkitkan bilangan acak [0,1] dengan distribusi uniform. Kemudian untuk titik-titik yg terkena noise, nilai fungsi citra ditambahkan dengan noise yang ada, atau dirumuskan dengan :
y (i, j ) = x(i, j ) + p.a Dimana : a
= nilai bilangan acak berdistribusi uniform dari noise
p
= prosentase noise
y(I,j) = nilai citra terkena noise Copyright @ 2007 By Emy
Copyright @ 2007 By Emy
x(I,j) = Nilai citra sebelum terkena noise
12
6
Membangkitkan Noise Uniform Noise Uniform merupakan noise sintesis yg sebenarnya dalam penerapannya jarang digunakan, tetapi secara pemrograman pembangkitan noise uniform ini merupakan jenis pembangkitan noise yang paling mudah PDF for uniform noise is : ⎧ 1 ⎪ p( z) = ⎨ b − a ⎪⎩ 0
if a ≤ z ≤ b otherwise
Copyright @ 2007 By Emy
13
Copyright @ 2007 By Emy
Membangkitkan Noise Salt & Pepper Noise ini dapat dibangkitkan dengan cara membangkitkan bilangan 255 (warna putih) pada titik-titik yang secara probabilitas lebih kecil dari nilai probabilitas noise, dan dirumuskan dengan
f ( x, y ) = 255
jika p( x, y ) < Pr obNoise
Dimana : f(x,y) adalah nilai gray-scale pada titik (x,y) p(x,y) adalah probabilitas acak Bila menggunakan Matlab bisa mengunakan perintah : g = imnoise(f,’salt & pepper’,d) Default nilai = Emy 0.05 Copyright @ 2007dBy
14
Copyright @ 2007 By Emy
7
Membangkitkan Noise Speckle Noise ini dapat dibangkitkan dengan cara membangkitkan bilangan 0 (warna hitam) pada titiktitik yang secara probabilitas lebih kecil dari nilai probabilitas noise, dan dirumuskan dengan
f ( x, y ) = 0
jika p ( x, y ) < Pr obNoise
Dimana : f(x,y) adalah nilai gray-scale pada titik (x,y) p(x,y) adalah probabilitas acak Bila menggunakan Matlab bisa mengunakan perintah : g = imnoise(f,’speckle’,var) Default nilai = 0.04 Copyright @ 2007var By Emy
15
Copyright @ 2007 By Emy
Reduksi Noise Menggunakan Filter Untuk mengurangi (reduksi) noise, salah satunya mengunakan filter rata-rata. Dalam pengertian noise sebagai suatu nilai yang berbeda dengan semua tetangganya maka dapat dikatakan noise merupakan nilai-nilai yang berada pada frekuensi tinggi, untuk mengurangi noise digunakan Low Pas Filter (LPF). Salah satu dari bentuk LPF adalah filter rata-rata Untuk mengukur kinerja dari filter digunakan nilai pengaruh noise terhadap suatu sinyal (dalam hal ini citra adalah sinyal D)Byyang Copyright @2 2007 Emy dinyatakan sebagai nilai 16 Copyright @ 2007 By Emy
SNR (Signal to Noise Rasio)
8
Reduksi Noise Menggunakan Filter Nilai SNR dirumuskan dengan :
⎛ I ⎞ SNR = 1010 log⎜ ⎟ ⎝N⎠
Dimana : I
adalah jumlah nilai citra
N adalah jumlah nilai noise (citra terkena noise In dikurangi dengan citra I)
Copyright @ 2007 By Emy
17
Copyright @ 2007 By Emy
TUGAS 3 Buatlah program untuk membangkitkan noise menggunakan salah satu bentuk noise yang telah dijelaskan diatas
Copyright @ 2007 By Emy
18
Copyright @ 2007 By Emy
9
Thank You
Copyright @ 2007 By Emy
19
Copyright @ 2007 By Emy
10