12. jaka putra implementasi histogram equalization untuk perbaikan noise pada citra digital

Pelita Informatika Budi Darma, Volume : VI, Nomor: 2, April 2014 ISSN : 2301-9425

Implementasi Histogram Equalization Untuk Perbaikan Noise Pada Citra Digital. Oleh : Jaka Putra 56

IMPLEMENTASI HISTOGRAM EQUALIZATION UNTUK PERBAIKAN NOISE PADA CITRA DIGITAL

Jaka Putra

Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan

Jl. Sisingamangaraja No.338 Simpang Limun Medan www.stmik-budidarma.ac.id //Email: [email protected]

ABSTRAK

Derau (Noise) adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan

oleh gangguan fisis(optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. bintik acak ini disebut dengan derau salt & pepper.Banyak metode yang ada dalam pengolahan citra bertujuan untuk mengurangi atau menghilangkan noise.Noise dapat mempengaruhi proses pengolahan (fitra pada langkah selanjutnya. Oleh karena itu diperlukan adanya suatu proses noise untuk mengurangi noise yang terdapat pada suatu citra. Proses pengurangan noise memberikan penganw- yang besar pada pengolahan citra digital. Dengan proses tersebut akan didapatkan data yang lebih akurat dan representatif pada keadaan sesungguhnya. Sehingga hasil yang didapatkan pada proses selanjutnya lebih baik.

Kata Kunci: Citra Digital, Noise, Histogram Equalization 1. Pendahuluan Citra digital (image) istilah lain untuk gambar, sebagai salah satu komponen multimedia memegang peranan yang sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks yaitu citra kaya dengan informasi. Ada sebuah peribahasa yang berbunyi “Sebuah gambar bermakna lebih dari seribu kata”, maksudnya sebuah gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut disajikan dalam bentuk kata-kata (tekstual). Akan tetapi, seringkali informasi yang disajikan dengan citra berbeda dengan informasi aslinya. Dalam hal ini, citra mengalami penurunan mutu misalnya mengandung cacat atau derau, warnanya terlalu kontras, kurang tajam, kabur, dan masih banyak lagi. Agar citra mudah diinterpretasi, maka citra yang mengalami degradasi tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik yaitu melalui sebuah proses yang dinamakan pengolahan citra ( image processing).

Pengolahan citra adalah setiap bentuk pengolahan sinyal dimana input adalah gambar, seperti foto atau video bingkai, sedangkan output dari pengolahan gambar dapat berupa gambar atau sejumlah karakteristik atau parameter yang berkaitan dengan gambar. Kebanyakan gambar teknik pemrosesan melibatkan atau memperlakukan foto sebagai dimensi dua sinyal dan menerapkan standar teknik pemrosesan sinyal untuk itu, biasanya hal tersebut mengacu pada pengolahan gambar digital, tetapi dapat juga digunakan untuk optik dan pengolahan gambar analog. Akuisisi gambar atau yang menghasilkan gambar input di tempat pertama 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. Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan ada pula yang berbentuk segienam) yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh titik tersebut.

Derau (Noise) adalah gambar atau piksel yang mengganggu kualitas citra. Derau dapat disebabkan oleh gangguan fisis (optik) pada alat akuisisi maupun secara disengaja akibat proses pengolahan yang tidak sesuai. Contohnya adalah bintik hitam atau putih yang muncul secara acak yang tidak diinginkan di dalam citra. bintik acak ini disebut dengan derau salt & pepper. Banyak metode yang ada dalam pengolahan citra bertujuan untuk mengurangi atau menghilangkan noise. Noise dapat mempengaruhi proses pengolahan (fitra pada langkah selanjutnya). Oleh karena itu diperlukan adanya suatu proses untuk mengurangi noise yang terdapat pada suatu citra. Proses pengurangan noise memberikan pengaruh yang besar pada pengolahan citra digital. Dengan proses tersebut akan didapatkan data yang lebih



akurat dan representatif pada keadaan sesungguhnya. Sehingga hasil yang didapatkan pada proses selanjutnya lebih baik. 2. Landasan Teori 2.1 Citra Digital

Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Dimana setiap pasangan indeks baris dan kolom menyatakan suatu titik pada citra. Nilai matriksnya menyatakan nilai kecerahan titik tersebut. Titik-titik tersebut dinamakan sebagai elemen citra, atau pixel (picture elemen). Dalam kamus komputer, gambar atau foto diistilahkan sebagai citra digital yang mempunyai representasi matematis berupa matriks Cm×n = (cij). Citra digital sebagai fungsi intensitas cahaya dua-dimensi f(x,y) dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y) sebanding dengan brightness (gray level) dari citra di titik tersebut.

2.1.1. Pixel

Pixel (Picture Elements) adalah nilai tiap-tiap entri matriks pada bitmap. Rentang nilai-nilai pixel ini dipengaruhi oleh banyaknya warna yang dapat ditampilkan. Jika suatu bitmap dapat menampilkan 256 warna maka nilai-nilai pixelnya dibatasi dari 0 hingga 255. Suatu bitmap dianggap mempunyai ketepatan yang tinggi jika dapat menampilkan lebih banyak warna. Prinsip ini dapat dilihat dari contoh pada gambar 2.3 yang memberikan contoh dua buah bitmap dapat memiliki perbedaan dalam menangani transisi warna putih ke warna hitam. Perbedaan ketepatan warna bitmap pada gambar 2 menjelaskan bahwa bitmap sebelah atas memberikan nilai untuk warna lebih sedikit daripada bitmap dibawahnya. Untuk bitmap dengan pola yang lebih kompleks dan dimensi yang lebih besar, perbedaan keakuratan dalam memberikan nilai warna akan terlihat lebih jelas. Sebuah pixel adalah sampel dari pemandangan yang mengandung intensitas citra yang dinyatakan dalam bilangan bulat (Usman Ahmad, 2005). Sebuah citra adalah kumpulan pixel-pixel yang disusun dalam larik dua dimensi. Indeks baris dan kolom (x,y) dari sebuah pixel dinyatakan dalam bilangan bulat. Pixel (0,0) terletak pada sudut kiri atas pada citra, indeks x begerak ke kanan dan indeks y bergerak ke bawah. Konvensi ini dipakai merujuk pada cara penulisan larik yang digunakan dalam pemrograman komputer. Letak titik origin pada koordinat grafik citra dan koordinat pada grafik matematika terdapat perbedaan. Hal yang berlawanan untuk arah vertikal berlaku pada kenyataan dan juga pada sistem grafik dalam matematika yang sudah lebih dulu dikenal.

2.1.2. Dimensi dan Resolusi

Dimensi bitmap adalah ukuran bitmap yang

dinotasikan dengan menulis lebar × tinggi bitmap. Satuan ukur dimensi bitmap dapat berupa satuan ukur metris maupun pixel. Dimensi yang digunakan oleh bitmap mewakili ordo matriks citra itu sendiri. Contoh pada gambar 2.1 menunjukkan sebuah bitmap berdimensi 15×10 pixel yang diwakili oleh matriks C10×15. Model matriks untuk bitmap dipengaruhi oleh kerapatan pixel atau resolusi. Kerapatan pixel ini digunakan bitmap dalam mendekati kekontinyuan. Semakin besar resolusi suatu bitmap, obyek yang ditampilkan citra tersebut semakin akurat.

Kerapatan titik-titik pada citra dinamakan resolusi, yang menunjukkan seberapa tajam gambar ini ditampilkan yang ditunjukkan dengan jumlah baris dan kolom. Resolusi merupakan ukuran kuantitas bukan kualitas. Pixel merupakan satuan ukuran terhadap jumlah area photo-receptor pada sensor gambar kamera, yang menentukan seberapa banyak data yang dapat ditangkap.

Resolusi digunakan untuk pendataan (sampling) citra dari sensor. Sensor mengubah citra dari fungsi kontinu ke fungsi diskrit sehingga semakin besar resolusi citra maka informasi yang dihasilkan akan semakin baik, sebab data yang diperoleh menjadi lebih banyak.

2.2 Histogram Equalization

Histogram Equalization / Perataan Histogram adalah suatu proses perataan histogram, dimana distribusi nilai derajat keabuan suatu citra dibuat rata. Untuk dapat melakukan histogram equalization ini diperlukan suatu fungsi distribusi kumulatif yang merupakan kumulatif dari histogram. Histogram didefinisikan sebagai probabilitas statistik distribusi setiap tingkat abu-abu dalam gambar digital. Persamaan histogram (HE) adalah teknik yang sangat populer untuk peningkatan kontras gambar. Konsep dasar dari histogram equalization adalah dengan men-strecth histogram, sehingga perbedaan piksel menjadi lebih besar atau dengan kata lain informasi menjadi lebih kuat sehingga mata dapat menangkap informasi yang disampaikan.

2.2.1 Cara Kerja Histogram

Histogram merupakan suatu bagan yang menampilkan distribusi intensitas dalam indeks atau intensitas warna citra. Fungsi khusus untuk histogram citra, yaitu imhist. Fungsi Imshist menghitung jumlah piksel-piksel suatu citra untuk setiap range warna (0-255). Perlu diperhatikan bahwa fungsi Imhist dirancang untuk menampilkan histogram citra dengan format abu-abu (grayscale). Oleh karena itu, agar bisa menampilkan histogram RGB, maka perlu memodifikasi fungsi Imhist. Misalkan sebuah citra digital memiliki L derajat keabuan (misalnya citra dengan kuantisasi derajat keabuan 8-bit, nilai derajat



keabuan dari 0-255) secara matematis dapat dihitung dengan rumus :

Dimana : L = derajat keabuan n = jumlah seluruh pixel di dalam citra ni = jumlah pixel yang memiliki derajat keabuan i Diasumsikan bahwa pemerataan histogram mengubah nilai masukan rk menjadi sk dan kemudian mengubah s, bentuk persamaan tersebut adalah sebagai berikut : k menjadi vk

3. Analisa Pada pembahasan bab ini, akan dilakukan

penganalisaan mengenai analisa dan perancangan perbaikan noise. Dalam mengevaluasi suatu proses diperlukan tahap analisis untuk menguji tingkat kelayakan terhadap pembuatan aplikasi dengan visual basic 6.0. Proses pembuatan aplikasi ini akan dilakukan dan masih dalam tahap perencanaan.

3.1. Algoritma Perhitungan Histogram

Agar kita memperoleh citra yang baik, maka penyebaran nilai intensitas harus diubah. Teknik yang biasa digunakan adalah perataan histogram (histogram equalization). Tujuannya adalah untuk memperoleh penyebaran histogram yang merata, sehingga setiap derajat keabuan memiliki jumlah pixel yang relatif sama. Rumus histogram ditulis kembali sebagai peluang :

( )nnrP k

kr = dimana 10,1

−≤≤−

= LkLkrk

Dari citra diatas yang berukuran 5 x 5 dengan jumlah derajat keabuan (L) = 8 dan jumlah seluruh pixel (n) = 5 x 5 = 25.

Tabel 1 : Perhitungan Histogram

k kr kn ( ) nnrP kkr /=

0 0.00 790 0.19 1 0.14 1023 0.25 2 0.29 850 0.21 3 0.43 656 0.16 4 0.57 329 0.08 5 0.71 245 0.06 6 0.86 122 0.03 7 1.00 81 0.02

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.00 0.14 0.29 0.43 0.57 0.71 0.86 1.00 Gambar 1 : Grafik

( ) ( ) ( ) 19.00

0

000 ==== ∑

=

rPrPrTs rj

jr

( ) ( ) ( ) ( ) 44.025.019.010

1

011 =+=+=== ∑

=

rPrPrPrTs rrj

jr

( ) ( ) ( ) ( ) ( ) 65.021.025.019.0210

2

022 =++=++=== ∑

=

rPrPrPrPrTs rrrj

jr

( ) ( ) ( ) ( ) ( ) ( ) 81.016.021.025.019.03210

3

033 =+++=+++=== ∑

=

rPrPrPrPrPrTs rrrrj

jr

( ) ( ) ( ) ( ) ( ) ( ) ( ) 89.008.016.021.025.019.043210

4

044 =++++=++++=== ∑

=

rPrPrPrPrPrPrTs rrrrrj

jr

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )543210

5

055 rPrPrPrPrPrPrPrTs rrrrrr

jjr +++++=== ∑

=

95.006.008.016.021.025.019.0 =+++++=( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )6543210

6

066 rPrPrPrPrPrPrPrPrTs rrrrrrr

jjr ++++++=== ∑

=

98.003.006.008.016.021.025.019.0 =++++++=

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )6543210

7

077 rPrPrPrPrPrPrPrPrTs rrrrrrr

jjr ++++++=== ∑

=

00.102.003.006.008.016.021.025.019.0 =+++++++= karena pada citra hanya ada 8 nilai intensitas, maka nilai – nilai ks harus dibulatkan ke nilai-nilai r yang terdekat :

19.00 =s lebihdekat ke nilai 0.14,maka 14.00 =s

44.01 =s lebih dekat ke nilai 0.43, maka

43.01 =s


71.02 =s


86.03 =s


86.04 =s


00.15 =s


00.16 =s00.17 =s lebih dekat ke nilai 1.00, maka

00.17 =s



Tabel 2 : Nilai Itensitas k rk sk

0 0.00 0.14 1 0.14 0.43 2 0.29 0.71 3 0.43 0.86 4 0.57 0.86 5 0.71 1.00 6 0.86 1.00 7 1.00 1.00

Dari contoh di atas dapat dilihat bahwa yang digunakan hanya lima intensitas yaitu : ( 0.14 ; 0.43 ; 0.71 ; 0.86 ; 1.00 ). notasi untuk tiap hasil transformasi didefinisi ulang menjadi : ( s0= 0.14 ; s1= 0.43 ; s2= 0.71 ; s3= 0.86 ; s4= 1.00 ). Jumlah pixel hasil transformasi diringkas dalam table di bawah ini :

Tabel 3 : Hasil Transformasi sk nk ( ) nnrP kks /=

0.14 790 0.19 0.43 1023 0.25 0.71 850 0.21 0.86 656 + 329 = 985 0.23

1.00 254 + 122 + 81 = 448 0.11

Dari tabel bisa dilihat bahwa terdapat 790 pixel yang memiliki intensitas 0.14, selanjutnya s1= 0.43 memiliki 1023 pixel. s2= 0.71 memiliki 850 pixel. s3= 0.86 memiliki 985 pixel. Dan terakhir s4= 1.00 memiliki 448 pixel.

0

0.05

0.1

0.15

0.2

0.25

0.3

0.14 0.43 0.71 0.86 1.00 Gambar 2 : Grafik Intensitas

4. Implementasi sistem

Sistem yang dirancang, menggunakan antar

muka pengolahan data dan pengujian. Pada antar muka pengelolahan, dapat dimasukkan berupa data citra dengan bentuk format citra.

1. Tampilan Scene Utama

Tampilan Menu Utama merupakan tampilan yang muncul setelah menjalankan program untuk melakukan proses

Gambar 3 : Main Menu

2. Tampilan input file gambar Tampilan Awal menu Input File Gambar adalah

menu untuk melakukan proses pemasukan gambar.

Gambar 4 : Input Gambar

3. Tampilan input citra Tampilan berikutnya dari menu adalah menu

input citra asal, menu ini merupakan tampilan berguna untuk melakukan proses.

Gambar 5 : Input citra

4. Tampilan proses Tampilan menu berikutnya adalah tampilan

menu proses, menu ini merupakan tampilan berguna untuk melakukan proses



Gambar 6 : Proses

5. Tampilan Hasil Tampilan menu berikutnya adalah tampilan menu proses hasil histogram, menu ini merupakan menu yang berguna untuk menampilkan hasil proses

Gambar 7 : Hasil

5. Kesimpulan Dari hasil eksperimen yang penulis lakukan

terhadap penelitian ini penulis dapat menarik beberapa kesimpulan yang terkait dengan proses penelitian maupun dengan isi dari penelitian itu sendiri. 1. Proses perbaikan noise dengan menggunakan

Metode Histogram Equalization, sangat tergantung pada besarnya ukuran data citra dan kualitas data citra.

2. Proses perbaikan noise dengan menggunakan Metode Histogram Equalization membutuhkan proses yang cukup lama bergantung pada spesifikasi citra refrensi.

3. Pengujian dengan menggunakan aplikasi Visual Basic 6.0 dapat bekerja dengan maksimal tetapi masih membutuhkan waktu beberapa saat hingga memperlihatkan hasil proses perbaikan noise.

Daftar Pustaka

[1]. Ahmad, Usman. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya. Edisi Pertama. Yogyakarta: Graha ilmu.

[2]. Lestari, Desi. 2003. Implementasi Teknik Watermarking Digital Pada Domain Dct Untuk Citra Berwarna. Yogyakarta.

[3]. Munir, Rinaldi. 2004. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung: Informatika.

[4]. R.C. Gonzalez, R.E. Woods, 1992, Digital Image Processing, USA : Addison - Wesley Publishing Company.

[5]. Syarifuddin, Sony Nuryadin. 2006. Analisis Filtering Citra Dengan Metode Mean Filter Dan Median Filter

[6]. Weisstein, E.W. Convolution. 2006. [7]. Intan Permatasari, Desy. 2007. Perbaikan Citra

Dengan Menggunakan Metode Transformasi Dual-Tree Complex Wavelet.

[8]. http://mathworld.wolfram.com/Convolution.html

12. jaka putra implementasi histogram equalization untuk perbaikan noise pada citra digital

Education