vector median filter (vmf)
TRANSCRIPT
8/16/2019 Vector Median Filter (VMF)
http://slidepdf.com/reader/full/vector-median-filter-vmf 1/6
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425
Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).
Oleh : ilang !uanda132
PERANCANGAN APLIKASI REDUKSI NOISE PADA CITRA DIGITAL
DENGAN METODE VECTOR MEDIAN FILTERING (VMF)
Gilang Juanda (09!")
Mahasiswa Jurusan Teknik Informatika STMIK Budi Darma MedanJl. Sisingamangaraja No. 338 Simang !imun Medanwww.stmik"#udidarma.a$.id %% &mail' komonis(indonesia)*ahoo.$o.id
A#STRAK
Noise yang merupakan gangguan pada citra berupa bintik-bintik dapat mengurangi keindahan sebuah citra
tersebut. Salah satu teknik yang digunakan untuk mereduksi noise adalah filtering yang melakukan pengurangan
noise pada pixel-pixel citra. Metode yang digunakan pada penelitian ini adalah Vector Median Filtering (VMF)
yang melakukan reduksi pada noise dengan cara mengganti nilai pixel dengan nilai intensitas pixel yang
memiliki akumulasi selisih terkecil terhadap pixel tetangganya. engu!ian dilakukan untuk memperoleh nilai
Mean S"uared #rror (MS#) dan eak Signal to Noise $atio (SN$). MS# dan SN$ menghasilkan nilai untuk
mengukur tingkat kiner!a dari metode yang digunakan. %ari hasil pengu!ian& metode Vector Median Filtering
lebih baik (dalam hal efektifitas) daripada beberapa metode reduksi noise lainnya yang dalam hal ini adalah
'rithmetic Mean Filtering dan Median Filtering. Namun kekurangan dari metode Vector Median Filtering
terletak pada proses reduksi yang membutuhkan aktu cukup lama dari pada metode lainnya.
Kata Kunci noise& pixel& dan Vector Median Filtering (VMF).
$ P%nda&uluan
$$ La'a #%laang Ma*ala&Citra yang merupakan suatu bentuk representasi,
yang menggambarkan kemiripan dari suatu obyek atau
benda. Citra yang dikenal dalam komputer adalah citra
dalam format digital. Meskipun sebuah citra kaya
akan informasi, namun sering kali citra mengalami
penurunan mutu, misalnya mengandung cacat atau
noise. Noise (derau) adalah gambar atau pixel yang
mengganggu kualitas citra. Derau dapat disebabkan
oleh proses capture yang tidak sempurna, pencahayaan yang tidak merata yang mengakibatkan
intensitas tidak seragam, kontras citra terlalu rendah
sehingga obek sulit dipisahkan dari latar
belakangnya, atau gangguan fisik (optik), maupun
secara disengaa akibat proses pengolahan yang tidak
sesuai dan lain sebagainya.
!ntuk mengatasi noise tersebut perlu dilakukan
usaha untuk memperbaiki kualitas citra. "alah satu
teknik yang digunakan adalah reduksi noise yang
melakukan restorasi citra dengan cara peningkatan
kualitas. Dalam reduksi noise, terdapat beberapa
metode yang sering digunakan, dua diantaranya adalah
'rithmetic Mean Filtering dan Median Filtering .
'rithmetic Mean Filtering yang merupakan salah satu filter yang bekera dengan menggantikan intensitas
nilai pixel dengan rata#rata dari nilai pixel tersebut
dengan nilai pixel-pixel tetangganya. "edangkan
Median Filtering adalah salah satu teknik filter yang
mengurutkan nilai intensitas sekelompok pixel ,
kemudian mengganti nilai pixel yang diproses dengan
nilai mediannya (nilai tengahnya).
"elain itu uga terdapat beberapa teknik filter
yang merupakan pengembangan lanutan dari metode $
teknik yang sudah ada. "alah satunya adalah metode
Vector Median Filtering (%M&) yang merupakan
pengembangan dari Median Filtering . Di mana pada
Vector Median Filtering yang diproses adalah arak $
selisih antara tiap#tiap pixel , yang kemudian arak#
arak tersebut diumlahkan $ diakumulasikan, lalu
dibandingkan dengan resultan arak pada pixel
lainnya, dan menggantikan pixel yang diproses dengan
nilai pixel yang memiliki resultan selisih terkecil.
Melalui metode Vector Median Filtering
diharapkan dapat mengurangi tingkat noise pada citra,
sehingga citra hasil filtering (citra output ) dapat
mendekati bentuk citra aslinya. Dari uraian tersebut, penulis tertarik untuk memilih udul 'erancangan
plikasi *eduksi Noise ada Citra Digital Dengan
Metode Vector Median Filtering (%M&)+.
$+$ Ru,u*an Ma*ala&Dari uraian latar belakang di atas, maka penulis
dapat memberikan rumusan masalah sebagai berikut
1. -agaimana mereduksi noise pada citra digital
dengan metode Vector Median Filtering .
2. -agaimana mengetahui apakah citra keluaran
(output ) sudah tereduksi noise#nya (sudah optimal
atau belum).
3. pakah metode Vector Median Filtering ini lebih
baik dari pada metode reduksi noise lainnya.. -agaimana merancang aplikasi reduksi noise
dengan metode Vector Median Filtering .
$-$ Tu.uan dan Man/aa' P%n%li'ian
dapun tuuan dari penelitian yang dilakukan
adalah sebagai berikut
1. !ntuk mengetahui bagaimana cara kera metode
Vector Median Filtering dalam mereduksi noise
pada citra digital.
8/16/2019 Vector Median Filter (VMF)
http://slidepdf.com/reader/full/vector-median-filter-vmf 2/6
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425
Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).
Oleh : ilang !uanda133
2. !ntuk mengetahui tingkat kemampuan $
keakuratan metode Vector Median Filtering
berdasarkan citra output yang dihasilkan.
3. !ntuk membandingkan metode Vector Median
Filtering dengan metode reduksi noise lainnya
seperti 'rithmetic Mean Filtering dan Median
Filtering , apakah lebih baik, sama baiknya ataukurang bagus.
. !ntuk lebih mengoptimalkan proses reduksi noise
pada citra digital dalam hal /aktu dan ketepatan.
dapun manfaat secara umum dari perancangan
aplikasi ini adalah untuk memudahkan dalam
penyelesaian masalah mengenai noise pada citra
digital, sehingga noise dapat direduksi dalam /aktu
yang singkat dan menghasilkan citra keluaran yang
memiliki kualitas lebih baik. "edangkan manfaat bagi
penulis adalah untuk menambah /a/asan tentang cara
mereduksi noise pada citra digital dengan metode
Vector Median Filtering serta mengetahui cara pengimplementasiannya ke dalam program.
+$ Landa*an T%i
+$$ Ci'a Digi'al
Citra digital adalah citra yang dapat diolah oleh
komputer 01. gar dapat diolah dengan dengan
komputer digital, maka suatu citra harus
direpresentasikan secara numerik dengan nilai#nilai
diskrit. *epresentasi citra dari fungsi malar (kontinu)
menadi nilai#nilai diskrit disebut digitalisasi. Citra
yang dihasilkan inilah yang disebut citra digital
(digital image). ada umumnya citra digital berbentuk persegi panang, dan dimensi ukurannya dinyatakan
sebagai tinggi lebar (atau lebar panang) 04.
+$+$ Pixel
ixel merupakan singkatan dari picture element ,kadang#kadang disebut uga el. ixel bisa uga
diartikan sebagai satu titik dalam satu grid berbentuk
persegi panang atau uga beribu titik yang secara
indi5idual 'dilukis+ menadi suatu bentuk image yang
dihasilkan pada layar komputer atau pada kertas oleh
sebuah printer 01.
"ebuah pixel merupakan satu dari ribuan titik
kecil dalam sebuah grid pada layar display ataupun
lembar yang dicetak. 6itik atau spot ataupun blok
secara indi5idual diberi /arna secara berurutan untuk
menampilkan image di layar komputer dan me/akili
elemen terkecil yang bisa dimanipulasi untukmenghasilkan grafik 01.
+$-$ Noise
7etika sebuah citra ditangkap oleh kamera, sering
kali terdapat beberapa gangguan yang mungkinteradi, seperti kamera tidak fokus, muncul bintik#
bintik yang disebabkan oleh proses capture yang tidak
sempurna, pencahayaan yang tidak merata
mengakibatkan intensitas tidak seragam, kontras citra
terlalu rendah sehingga obek sulit untuk dipisahkan
dari latar belakangnya, atau gangguan yang
disebabkan oleh kotoran#kotoran yang menempel pada
citra, dan lain sebagainya. "etiap gangguan pada citra
dinamakan noise 01.
dapun noise yang akan direduksi pada penelitian
ini adalah noise yang murni teradi dari proses capture
yang tidak sempurna, seperti noise yang tertangkap
dengan menggunakan kamera handphone.
+$!$ Vector Median Filtering (VMF)ada Vector Median Filter (%M&), untuk
mengurutkan 5ektor#5ektor di dalam sebuah kernel
atau mask tertentu maka dipilih suatu aturan
pengukuran arak $ selisih yang tepat. ixel-pixel
5ektor dalam indo diurut berdasarkan umlah
akumulasi dari arak antara tiap 5ektor pixel dan pixel #
pixel lain yang berada dalam indo. 8umlah
akumulasi dari selisih tersebut disusun dalam bentuk
ascending (dari yang terkecil ke terbesar) dan
kemudian pengurutan yang sama dilakukan pada
pixel # pixel 5ektornya. %ektor pixel dengan nilaiakumulasi selisih terkecil adalah pixel 5ektor
mediannya (output #nya) 02. Vector Median Filter (%M&) dapat dinyatakan sebagai berikut
* VMF + ,ector median (indo)
!ntuk lebih elasnya, tahap#tahap pada metode
Vector Median Filtering (%M&) adalah sebagai
berikut
1. Mencari nilai i yang merupakan akumulasi dari
selisih nilai pixel ke#i dengan nilai pixel lainnya
dalam indo, yang dihitung dengan rumus
),(1 !i
n
!i x x∆∑= =δ
Di mana i 9 akumulasi selisih nilai pixel ke#i
xi 9 nilai pixel i : (1 ; i ; n)
x ! 9 nilai pixel ! : (1 ; ! ; n)
n 9 umlah pixel dalam indo
<(xi & xi ) 9 aturan pengukuran selisih xi dan x !
Dalam hal ini, aturan pengukuran selisih yang
digunakan adalah / Norm atau yang lebih
dikenal dengan 0ity 1lock %istance. 0ity 1lock
%istance disebut uga sebagai Manhattan
%istance $ 1oxcar %istance $ 'bsolute Value
%istance. 0ity 1lock %istance menghitung nilai
perbedaan absolut dari 2 5ektor (absolute
differences beteen 2 ,ectors) 0.
!i !i x x x x −=∆ ),(
Di mana
xi 9 nilai pixel i
x ! 9 nilai pixel !
2. Mengurutkan nilai i sampai n (yang dalam hal
ini nilai n 9 4) dalam bentuk ascending (dari yang
terkecil ke yang terbesar).
/ ; 2 ; 3 ; ... ; 4
(1)
(2)
(3)
()
8/16/2019 Vector Median Filter (VMF)
http://slidepdf.com/reader/full/vector-median-filter-vmf 3/6
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425
Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).
Oleh : ilang !uanda13
Di mana
/ 9 nilai akumulasi selisih terkecil
2 9 nilai akumulasi selisih terkecil ke#2
3 9 nilai akumulasi selisih terkecil ke#3
dan seterusnya hingga ke#4 (4)
3. Mengurutkan nilai xi sampai xn berdasarkan
pengurutan nilai i sampai n.
x/ ; x2 ; x3 ; ... ; x4
Di mana
x/ 9 pixel dengan umlah selisih terkecil
x2 9 pixel dengan umlah selisih terkecil ke#2
x3 9 pixel dengan umlah selisih terkecil ke#3
dan seterusnya hingga ke#4 ( x4)
. ixel dengan nilai akumulasi selisih terkecilmerupakan hasil (output ) dari proses metode
Vector Median Filtering .
* VMF + x/
Di mana
* VMF 9 pixel hasil proses filtering x/ 9 pixel dengan umlah selisih terkecil
+$1$ Mean Squared Error (MSE)erbaikan citra pada dasarnya merupakan proses
yang bersifat subektif sehingga parameterkeberhasilannya bersifat subektif pula. !ntuk itu
perlu adanya alat ukur kuantitatif yang bisa digunakan
untuk mengukur kinera prosedur perbaikan citra. lat
ukur ini disebut Mean S"uared #rror (M"=) 01.
M"= dapat dinyatakan dengan persamaan berikut
( )∑ ∑= = −=
M
i
N
! ba !i f !i f N x M
MS# 1 1
2),(),(
1
Di mana
M 9 panang citra
N 9 lebar citra
),( !i f a 9 intensitas (i, !) sebelum filtering
),( !i f b 9 intensitas (i, !) setelah filtering
"emakin kecil nilai M"=, semakin bagus
prosedur (metode) perbaikan citra yang digunakan.
rtinya, kualitas citra setelah mengalami perbaikannoise hampir sama dengan kualitas citra aslinya.
+$2$ Peak Signal to Noise Ratio (PSNR)
"elain M"=, uga terdapat alat ukur lain yang
disebut eak Signal to Noise $atio (">*). ">*
dihitung untuk mengukur perbedaan antara citra
semula (citra asli) dengan citra hasil reduksi 04.
dapun ">* dapat dinyatakan dengan persamaan
berikut
−∑∑
=
==2
11
1?
)),(),((1
2@@log2?
!i f !i f N x M
x SN$
ba
N
!
M
i
Di mana M 9 panang citra
N 9 lebar citra
),( !i f a 9 intensitas (i, !) sebelum filtering
),( !i f b 9 intensitas (i, !) setelah filtering
Dari persamaan (A) di atas, terlihat bah/a ">*
berbanding terbalik dengan M"=. "emakin kecil nilai
M"=, berarti citra hasil reduksi semakin mendekati
citra sebelum terkena noise (citra asli). "edangkan
semakin besar nilai ">*, berarti citra hasil semakin
mendekati citra aslinya.
-$ Anali*a dan P%an3angan
-$$ Anali*a M%'d% Vector Median Filtering (VMF)ada tahap analisa ini, kernel yang digunakan
berukuran 3 3 sehingga terdapat 4 buah pixel yang
akan diproses. 8ika diketahui nilai intensitas dari 4
pixel tersebut adalah seperti berikut
Ta4%l 5 Nilai In'%n*i'a* 9 Pixel
Pi6%l R%d G%%n #lu%
1 2@@ 234 234
2 22 22@ 22@
3 233 212 21A
2@3 224 224
@ 2? 1B? 1B
23 211 2?B
B 23 22A 232
A 224 223 22B
4 22@ 214 224
Dari tabel 1 tersebut, dapat dilihat pada pixel ke#
@, intensitasnya memiliki selisih yang sangat berbeda
dengan intensitas pixel tetangganya. "ehingga dapat
dikatakan pixel ke#@ mengandung noise. dapun
perhitungan proses reduksi noise dengan metode
Vector Median Filtering adalah sebagai berikut
1. Mencari nilai i yang merupakan akumulasi dari
selisih nilai pixel ke#i dengan nilai pixel lainnya
dalam indo. !ntuk channel $ed
/($)
9 x/ 5 x
2 6 x
/ 5 x
3 6 x
/ 5 x
7 6 x
/ 5 x
8 6
x / 5 x 9 6 x / 5 x : 6 x / 5 x ; 6 x / 5 x 4
9 2@@ 22 E 2@@ 233 E 2@@ 2@3 E
2@@ 2? E 2@@ 23 E 2@@ 23 E
2@@ 224 E 2@@ 22@
9 13 E 22 E 2 E 4 E 21 E 21 E 2 E 3?
9 1A
Dan seterusnya hingga 4($). 7emudian untuk
channel <reen
/(<) 9 x/ 5 x 2 6 x / 5 x 3 6 x / 5 x 7 6 x / 5 x 8 6
(@)
()
(B)
(A)
8/16/2019 Vector Median Filter (VMF)
http://slidepdf.com/reader/full/vector-median-filter-vmf 4/6
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425
Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).
Oleh : ilang !uanda13@
x / 5 x 9 6 x / 5 x : 6 x / 5 x ; 6 x / 5 x 4
9 234 22@ 6 234 212 6 234 224 6
234 1B? 6 234 211 6 234 22A 6
234 223 6 234 214
9 1 E 2B E 1? E 4 E 2A E 11 E 1 E 2?
9 14@
Dan seterusnya hingga 4(<), dan untuk channel
1lue
/(1) 9 x/ 5 x 2 6 x / 5 x 3 6 x / 5 x 7 6 x / 5 x 8 6
x / 5 x 9 6 x / 5 x : 6 x / 5 x ; 6 x / 5 x 4
9 234 22@ 6 234 21A 6 234 224 6
234 1B 6 234 2?B 6 234 232 6
234 22B 6 234 224
9 1 E 21 E 1? E @ E 32 E B E 12 E 1?
9 1B1
Dan seterusnya hingga 4(1). "ehingga didapatnilai akumulasi selisih tiap pixel pada masing#masing
channel Ta4%l +$ Nilai Au,ula*i S%li*i& Pixel
R%d G%%n #lu%
/ 1A 14@ 1B1
2 11@ 111 1?B
3 42 13 12A
7 1B? 12@ 1?B
8 2@B 2 1
9 41 134 1A3
: 41 12? 122
; 1? 1?4 1?@
4 12 113 1?B
2. Mengurutkan nilai / sampai 4 dalam bentuk
ascending (dari yang terkecil ke yang terbesar).
!ntuk channel $ed
9($) ; :($); 3($); ;($) ; 2($); 4($); 7($); /($); 8($)
!ntuk channel <reen
;(<) ; 2(<); 4(<); :(<); 7(<); 3(<); 9(<);/(<); 8(<)
!ntuk channel 1lue
;(1) ; 2(1); 7(1); 4(1 ); :(1); 3(1); /(1) ; 9(1) ; 8(1)
3. Mengurutkan nilai x/ sampai x4 berdasarkan
pengurutan nilai / sampai 4.
!ntuk channel $ed
x9($) ; x:($) ; x3($) ; x;($); x2($); x4($); x7($); x/($) ; x8($)
!ntuk channel <reen
x;(<) ; x2(<) ; x4(<); x:(<); x7(<); x3(<); x9(<); x/(<); x8(<)
!ntuk channel 1lue
x;(1) ; x2(1) ; x7(1) ; x4(1) ; x:(1); x3(1); x/(1); x9(1); x8(1)
. ixel dengan nilai akumulasi selisih terkecil
merupakan hasil (output ) dari proses metode
Vector Median Filtering .
!ntuk channel $ed (*) * VMF($) + x9 9 23
!ntuk channel <reen (F) * VMF(<) + x; 9 223
!ntuk channel 1lue (-) * VMF(1) 9 A 9 22B
!$ Algi',a dan I,7l%,%n'a*i
!$$ Algi',a Vector Median Filtering (VMF)
dapun algoritma proses reduksi noise denganmetode Vector Median Filtering adalah sebagai
berikut
Gnput
M, >, npielHr, npielHg, npielHb
Iutput
aspHr, aspHg, aspHb, %M&Hr, %M&Hg, %M&Hb
roses
"tart
M 6inggi Citra > Jebar Citra
npielHr
>ilai Gntensitas ixel 0hannel $ed npielHg >ilai Gntensitas ixel 0hannel <reen
npielHb >ilai Gntensitas ixel 0hannel 1lue
&or g 9 1 6o M Do
&or h 9 1 6o > Do
&or i 9 1 6o 4 Do
&or 9 1 6o 4 Do
aspHr(i) 9 aspHr(i) E npielHr(i) # npielHr()
aspHr kumulasi "elisih ixel 0hannel $
aspHg(i) 9 aspHg(i) E npielHg(i) # npielHg()
aspHg kumulasi "elisih ixel 0hannel <
aspHb(i) 9 aspHb(i) E npielHb(i) # npielHb()
aspHb kumulasi "elisih ixel 0hannel 1
>et
>et i
!rutkan.scending(aspHr)
!rutkan.scending(aspHr)
!rutkan.scending(aspHr)
%M&Hr 9 >ilaiMinimum(aspHr)
%M&Hr Gntensitas ixel Kasil 0hannel $ed
%M&Hg 9 >ilaiMinimum(aspHg)
%M&Hg Gntensitas ixel Kasil 0hannel <reen
%M&Hb 9 >ilaiMinimum(aspHb)
%M&Hb Gntensitas ixel Kasil 0hannel 1lue
>et h >et g
=nd
!$+$ I,7l%,%n'a*iGmplementasi yang dilakukan pada perancangan
aplikasi reduksi noise pada citra digital dengan
metode Vector Median Filtering meliputi form menu
8/16/2019 Vector Median Filter (VMF)
http://slidepdf.com/reader/full/vector-median-filter-vmf 5/6
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425
Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).
Oleh : ilang !uanda13
utama, form reduksi noise, form laporan, dan form
about program.
Ga,4a 5 Form M%nu U'a,a
Ga,4a + 5 Form R%du*i Noise
Ga,4a - 5 Form La7an
Ga,4a ! 5 Form About Program
!$-$ P%ngu.ianenguian dilakukan untuk mengetahui kualitas
kinera dari metode yang digunakan. Di mana dari
hasil penguian akan didapatkan nilai M"=, ">*
serta /aktu yang dibutuhkan selama proses reduksi
noise untuk masing#masing metode. dapun citra
yang akan direduksi noise#nya seperti berikut
Ga,4a 1 5 Ci'a 8ang Aan Di%du*i Noisen8a
"etelah citra direduksi noise#nya, hasilnya seperti
pada gambar berikut
Ga,4a 1 (a) Ci'a #% Noise
(4) Arithmetic Mean Filtering (AMF) (3) Median
Filtering (d) Vector Median Filtering (VMF)
ada gambar di atas, dapat dilihat bah/a metode
Vector Median Filtering menghasilkan citra output
dengan noise yang tereduksi dengan baik. Dari penguian tersebut uga didapatkan nilai M"=, ">*
dan /aktu yang dibutuhkan selama proses (dalam
satuan detik), seperti berikut
Ta4%l -$ Nilai MSE: PSNR dan ;a'u Tia7
M%'d%M%'d% MSE PSNR ;a'u (d%'i)
%M& 3,4A 3,3@4 1B,A@@
Median 2B,?2A 33,A1B 1@,3A2
M& 1B1,1 2@,A?? 1,??
Dari tabel 3 di atas uga dapat dilihat nilai M"=
terkecil, dan ">* terbesar dimiliki oleh Vector
Median Filtering , yang artinya metode Vector Median
Filtering merupakan metode yang lebih baik dari pada
2 metode lainnya yaitu 'rithmetic Mean Filtering dan Median Filtering .
(a) (b)
(c) (d)
8/16/2019 Vector Median Filter (VMF)
http://slidepdf.com/reader/full/vector-median-filter-vmf 6/6
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425
Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).
Oleh : ilang !uanda13B
>amun kelemahan dari Vector Median Filtering
terletak pada /aktu yang dibutuhkan selama proses
reduksi. Dari tabel 3 di atas dapat dilihat bah/a
Vector Median Filtering merupakan metode yang
membutuhkan /aktu paling lama dari pada dua
metode lainnya.
1$ K%*i,7ulan dan Saan
1$$ K%*i,7ulan-erdasarkan penelitian yang telah dilakukan,
maka dapat ditarik kesimpulan sebagai berikut
1. Metode Vector Median Filtering mereduksi noise
dengan cara menggantikan nilai intensitas pixel
a/al dengan pixel yang memiliki nilai akumulasi
selisih terkecil yang berada dalam kernel .
2. 7ualitas citra hasil filtering dapat diketahui
dengan menggunakan parameter Mean S"uared
#rror (M"=) dan eak Signal to Noise $atio
(">*). Di mana semakin kecil nilai M"=, makacitra keluaran memiliki kualitas yang lebih baik.
"ebaliknya, pada ">* semakin besar nilai">* yang dihasilkan, maka citra keluaran
semakin baik kualitasnya (reduksi semakin
optimal).
3. -erdasarkan pada penguian yang telah dilakukan,
metode yang memiliki nilai rata#rata M"= terkecil
dan ">* terbesar, adalah Vector Median
Filtering , yang berarti Vector Median Filtering
merupakan metode filtering yang paling baik $
efektif (dibandingkan dua metode lainnya yaitu
'rithmetic Mean Filtering dan Median Filtering )dalam mereduksi noise.
. plikasi reduksi noise pada citra digital ini
dirancang dengan melakukan analisa terhadap
metode Vector Median Filtering . 7emudian
konsep yang telah didapat diimplementasikan kedalam program dengan menggunakan bahasa
pemrograman %isual -asic .>et 2??A dan
menggunakan My"LJ sebagai database#nya.
1$+$ Saan"aran yang hendak disampaikan terkait dengan
pengeraan skripsi dan penelitian ini adalah perbaikan
mengenai /aktu yang dibutuhkan selama proses
reduksi. 7arena dari hasil pengamatan, metode Vector
Median Filtering ini membutuhkan /aktu yang cukup
lama dalam melakukan proses reduksi noise. "ehingga
diharapkan dapat dilakukan perbaikan dalam hal/aktu proses, dengan demikian metode tidak hanya
mampu menghasilkan citra yang telah tereduksi noise#
nya dengan baik, namun uga dapat melakukan proses
dengan /aktu yang cukup singkat.
Da/'a Pu*'aa
01 di, >. (2?1?). $ekayasa erangkat unak
1erorientasi =b!ek dengan Metode >nified
Softare %e,elopment rocess (>S%).
ogyakarta ndi Iffset.
02 ay, 7., *ayalakshmi, %., Minusha, ". (2?13).
' Ne Method of ?mage Fusion @echni"ue for
?mpulse Noise $emo,al in %igital ?mages >sing
@he Auality 'ssessment in Spatial %omain. GI"*
8ournal of =lectronics and Communication
=ngineering (GI"*#8=C=), @, 31#3. G"">
22BA#2A3.03 -ill, =., -illy, K., -ill, "., 7ent, ". (2??A).
rofessional Visual 1asic 2BB;. !" Niley
ublishing Gnc.
0 Darma, . (2?1?). engolahan 0itra %igital .
ogtakarta ndi Iffset.
0@ =rick, 7., *ully, . (2??4). Migrasi Visual 1asic
9 ke Visual 1asic .N#@ . 8akarta Citra Nahana
Media.
0 &oal, 8. (2??A). Sams @each Courself Visual
1asic 2BB; in 27 Dours 0omplete Starter Eit .
!" "ams ublishing.
0B Mcmis, D. (2??). rofessional 0rystal $eports
for Visual Studio .N#@ 2nd #dition. !" Niley
ublishing Gnc.