DASAR – DASAR PEMFILTERAN DOMAIN SPASIAL

DASAR – DASAR PEMFILTERAN DOMAIN SPASIAL

                Istilah filter disini sebenarnya mengacu kepada proses domain frekuensi,  yaitu meloloskan (menerima) komponen frekuensi tertentu dan menghilangkan (menolak) komponen frekuensi yang lain. Sebagai contoh, filter lolos rendah (Low Pass Filter) berarti meloloskan komponen frekuensi yang rendah.

Pemfilteran domain spasial adalah proses manipulasi kumpulan piksel dari sebuah citra untuk menghasilkan citra baru. Pemfilteran domain spesial merupakan salah satu alat yang digunakan dalam banyak bidang untuk berbagai aplikasi, khususnya pada bagian ini untuk peningkatan kualitas citra dan perbaikan citra.

               

                Di sini di asumsikan bahwa m = 2a+1 dan n = 2b+1, dengan a dan b adalah integer nonnegatif. Untuk mendapatkan citra hasil filtering yang lengkap maka persamaan 3-17 harus dihitung untuk x = 0,1, ..., M-1 dan y = 0,1, ... , N-1.

Korelasi dan Konvolusi

Korelasi adalah perkalian antara dua buah fungsi f(x,y) dan g(x,y). Untuk fungsi diksrit korelasi didefinisikan oleh persamaan 3-18.

                Dimana x, y, k, dan l adalah variabel bebas yang memiliki nilai diskrit yang berupa posisi titik di dalam citra. M dan N adalah batas titik tetangga yang masih memberikan pengaruh ke titik yang sedang ditinjau untuk arah vertikal dan horizontal. Dalam hal ini h(x,y) disebut hasil korelasi dari citra f(x,y) dengan filter g(x,y).

Konvolusi adalah suatu proses yang cara kerjanya sama dengan proses korelasi, hanya saja nilai-nilai filternya dibalik 180⁰.

FILTER SPASIAL LINEAR

                Filter spasial linier adalah filter yang bekerja dengan cara korelasi atau konvolusi.

Merancang Filter Rata-rata

                Filter ini biasa disebut sebagai filter penghalus (smoothing filters) dan juga ada yang menyebut sebagai lowpass filters.  Cara kerja filter rata-rata adalah seperti konvolusi. Filter ini biasa digunakan untuk mengaburkan (blurring) citra dan untuk mereduksi noise. blurring biasanya digunakan untuk menghilangkan detail kecil dari suatu citra sebelum dilakukan ekstraksi objek dan untuk menghubungkan celah kecil yang memisahkan garis atau kurva dan juga bisa digunakan untuk mereduksi noise.

Merancang Filter Gaussian

                Pada filter Gaussian, nilai intensitas setiap piksel diganti dengan rata-rata dari nilai pembobotan untuk setiap piksel-piksel tetangganya dan piksel itu sendiri. Jumlah tetangga yang dilibatkan tergantung pada filter yang dirancang.

FILTER SPASIAL NONLINIER

                Filter spasial nonlinier atau disebut juga sebagai Order-statistics filters adalah filter spasial nonlinier yang responsnya didasarkan pada pengurutan dari intensitas piksel-piksel tetangga yang dilingkupi oleh filter tersebut.

                Beberapa Order-statistics filters yang biasa digunakan adalah filter maksimum (memilih nilai terbesar), yang berguna untuk memilih intensitas paling terang, filter minimum (memilih nilai terkecil) yang berguna untuk memilih intensitas paling gelap, filter rata-rata untuk memilih rata-rata dari piksel-piksel yang dilingkupi oleh filter dan filter median yang berguna untuk memilih nilai tengah.

                Filter median biasa digunakan untuk menghilangkan noise impulse  atau disebut juga noise salt-and-pepper, yaitu noise yang menyerupai taburan garam sehingga titik-titik hitam dan putih tampak pada citra.

PENINGKATAN KUALITAS CITRA MENGGUNAKAN PEMFILTERAN SPASIAL

                Pemfilteran spasial dilakukan dengan menggunakan beberapa filter yang telah kita rancang di atas, yaitu filter rata-rata, filter Gaussian, filter maksimum, filter minimum, dan filter median. Filter-filter ini ternyata hanya menghasilkan efek penghalusan (smoothing). Namun, pada bagian reduksi noise kita akan melihat bahwa filter-filter tersebut juga bisa dipakai untuk memberikan efek pengaburan (blur).

Penghalusan (Smoothing) Citra Menggunakan Filter Rata-rata

                Cara membuat efek penghalusan citra dengan filter rata-rata adalah melakukan proses pemfilteran citra f(x,y) dengan filter rata-rata g(x,y) untuk berbagai ukuran filter, dari ukuran 3x3, 5x5, 7x7, dan seterusnya. Dari berbagai ukuran filter ini, kita akan melihat ukuran filter yang paling mempunyai pengaruh penghalusan terhadap citra tersebut.

Penghalusan (Smoothing) Citra Menggunakan Filter Gaussian

                Teknik yang digunakan sama dengan penghalusan citra menggunakan filter rata-rata, yaitu melakukan proses pemfilteran citra f(x,y) dengan filter Gaussian g(x,y) untuk berbagai ukuran filter, dari ukuran 3x3, 5x5, 7x7, dan seterusnya. Dari berbagai ukuran filter ini, kita akan melihat ukuran filter yang paling mempunyai pengaruh penghalusan terhadap citra tersebut.

Penghalusan Kualitas Citra Menggunakan Filter Maksimum

                Tekniknya adalah memilih intensitas paling terang di antara intensitas-intensitas piksel yang tercakup dalam filter.

Penghalusan Kualitas Citra Menggunakan Filter Minimum

                Tekniknya adalah memilih intensitas paling gelap di antara intensitas-intensitas piksel yang tercakup dalam filter.

Peningkatan Kualitas Citra Menggunakan Filter Median

                Filter ini bekerja dengan cara memilih intensitas piksel yang ditengah, setelah piksel-piksel yang tercakup dalam filter diurutkan.

Penajaman Citra (Sharpening)

                Prinsip penajaman citra adalah menjumlahkan citra asli dengan citra hasil dari operasi deteksi tepi. Operator deteksi tepi yang digunakan  di sini adalah operator Laplacian. Dengan cara ini bagian tepi objek akan tampak berbeda dengan latar belakangnya sehingga citra yang dihasilkan terkesan lebih tajam.

Efek Emboss

                Efek emboss dihasilkan dari hasil penjumlahan citra asli dengan citra tepi yang menggunakan operator gradien.