65
dilambangkan dengan , dengan
, dan adalah banyaknya nilai yang memenuhi kriteria tersebut. Nilai
yang digunakan sebagai parameter adalah hasil yang diperoleh dari penelitian dan observasi yang
dilakukan oleh Sculte 2006: 7.
d. Himpunan
Fuzzy Impulse Noise
Setiap
pixel
yang terkorupsi oleh
impulse noise
dapat direpresentasikan dalam himpunan
fuzzy
. Himpunan
fuzzy
tersebut disimbolkan dalam
dan dirumuskan dalam persamaan berikut:
{ [
] 3.7
Representasi dari himpunan
fuzzy
di atas adalah sebagai berikut
Gambar 3.6 Himpunan Keanggotaan
Impulse Noise
66
Kemudian fungsi keanggotaan
impulse noise
untuk komponen merah yaitu didefinisikan dengan
3.8 Parameter
yang digunakan dalam persamaan 3.7, digunakan untuk mendefinisikan kemiringan dari masing-masing intensitas nilai
. Berdasarkan gambar 3.5, terdapat dua jenis histogram, yaitu histogram yang
direpresentasikan oleh Gambar 3.5.b yang merupakan histogram dari gambar yang terkorupsi
impulse noise
saja yang mempuyai kemiringan sangat kecil dan histogram pada Gambar 3.5.d yang merupakan histogram yang
terkorupsi
noise
campuran
Gaussian noise
dan
impulse noise
yang mempunyai kemiringan lebih besar. Berikut adalah observasi yang dilakukan
untuk membedakan kedua jenis histogram tersebut; 1. Estimasi standar deviasi
, yang berkorespondensiberhubungan dengan histogram yang curam
fixed impulse noise
dan 2. Estimasi standar deviasi , yang
berkorespondensi berhubungan dengan
mixed noise
. Hasil yang diperoleh dari observasi terhadap 10 gambar berbeda Zlokolica, 2004 :3 menyatakan
bahwa dapat dirumuskan dengan persamaan berikut;
3.9 Misalkan
maka pareameter pada persamaan 3.7 dapat diperoleh dengan perhitungan sebagai berikut:
3.10
67
, 3.11
, 3.12
3.13 Tujuan utama pemilihan parameter ini adalah untuk mengembangkan
metode agar lebih baik dalam menentukan
pixel
-
pixel
yang terkorupsi
noise
disamping juga memungkinkan untuk mereduksi citra yang terkorupsi oleh
mixed impulse noise
. Ketika nilai , maka dan nilainya
akan lebih dari 20. Besarnya nilai dari
dan dapat menyebabkan luasnya cakupan fungsi keanggotaan himpunan
fuzzy
yang dapat mengakibatkan efek
blurring
pada citra. Akhir dari tahap ini adalah diperolehnya
pixel
-
pixel
tertentu yang mempunyai derajat keanggotaan tidak nol pada himpunan
fuzzy impulse noise
untuk ketiga komponen warna yaitu merah, hijau dan biru dan disimbolkan secara berturut-turut sebagai
, dan
.
2. Proses Filter
Hasil yang diperoleh pada fase deteksi adalah diperolehnya tiga himpunan
fuzzy
yang menyatakan
pixel-pixel
yang terkorupsi oleh
impulse noise
pada masing-masing komponen warna yang dinyatakan dengan
, dan
. Hasil ini akan digunakan sebagai sebagai input dalam proses filter.
68
Berbeda dengan metode reduksi
noise
pada citra jenis RGB yang biasanya, bagian filter pada metode reduksi citra jenis RGB yang akan digunakan pada
skripsi ini adalah dengan mencari selisih nilai intensitas dari setiap komponen warna yang berbeda. Perbedaaan nilai intensitas antara dua komponen warna yang
berbeda dihitung dengan persamaan berbentuk matriks berikut; ,
3.14 ,
3.15 ,
3.16
a. Iterasi Pertama
Masing-masing nilai yang terdapat pada persamaan 3.14-3.16, dibuat himpunan
fuzzy
dengan derajat keanggotaannya didasarkan pada aturan
fuzzy
berikut;
Aturan
fuzzy
ketiga kombinasi komponen warna merah dan hijau
IF terkorupsi
impulse noise
OR terkorupsi
impulse noise
THEN terkorupsi
impulse noise
AND terkorupsi
impulse noise
.
Aturan
fuzzy
keempat kombinasi komponen warna merah dan biru
IF terkorupsi
impulse noise
OR terkorupsi
impulse noise
THEN terkorupsi
impulse noise
AND terkorupsi
impulse noise
.
69
Aturan
fuzzy
kelima kombinasi komponen warna hijau dan biru
IF terkorupsi
impulse noise
OR terkorupsi
impulse noise
THEN terkorupsi
impulse noise
AND terkorupsi
impulse noise
. Hasil yang diperoleh pada fase deteksi adalah himpunan
pixel
-
pixel
pada setiap komponen warna yang terkorupsi oleh
impulse noise
. Himpunan ini digunakan sebagai
