tepi yang telah di filter dalam sebuah gambar. Nonlinear filters tidak terbatas dalam penghapusan sebuah noise dari sebuah gambar. Nonlinear Filter memiliki beberapa
jenis, antara lain Harmonic mean filter, Contra-Harmonic Mean Filter dan sebagiannya. R, Harley,2012
2.9.1 Kernel
Kernel adalah suatu matrik yang pada umumnya berukuran kecil dengan elemen- elemennya adalah berupa bilangan. Kernel digunakan pada proses konvolusi. Oleh
karena itu, kernel juga disebut sebagai convolution window jendela konvolusi. Ukuran kernel dapat berbeda-beda, seperti 2x2, 3x3, 5x5, dan sebagainya. Elemen-
elemen kernel juga disebut sebagai bobot weight merupakan bilangan-bilangan yang membentuk pola tertentu. Kernel juga biasa disebut dengan tapis filter, template,
mask, serta sliding window. Sutoyo, T. Mulyanto, E. 2009 Berikut adalah contoh kernel 2x2 dan 3x3.
a b
Dimana a adalah contoh kernel yang berukuran 2x2 dan b adalah contoh kernel yang berukuran 3x3.
2.9.2 Harmonic – Mean Filter
Harmonic mean filter adalah anggota dari bagian Nonlinear filter yang lebih baik dalam menghilangkan Gaussian noise dari pada metode Aritmetic mean filter Sutoyo,
T. Mulyanto, E. 2009 . Sifat filter ini sama seperti Geometric Mean Filter . filter ini bekerja baik untuk salt noise, tetapi gagal untuk citra yang terdegradasi oleh noise
yang mengandung pepper noise. Dapat dilihat pada gambar 2.19. Di bawah ini
merupakan citra terdegradasi dengan Salt and Pepper noise.
1 -1 1 -1 4 -1
1 -1 1 1 0
0 1
Universitas Sumatera Utara
a b
Gambar 2.19 a Citra terdegradasi dengan Salt and Pepper Noise
b Harmonic Mean Filter 3 x 3
Operasi dari harmonic mean filter diberikan oleh persamaan 2 berikut ini :
……….……………..2
Keterangan :
1. m x n adalah mbaris dan nkolom kernel Harmonic Mean Filter.
2. Gs,t adalah baris dan kolom piksel yang akan diproses[6].
Contoh :
Perhitungan digital dari Harmonic mean filter . Misalkan S
xy
adalah subimage dari sebuah citra berukuran 3 x 3 yang mempunyai nilai-nilai intensitas seperti berikut
[1]
:
5 6
5 9 10 1
5 6
10
Penyelesaian :
5 6
5 9 10 1
5 6
10
F1,1 = 33 15+16+15+19+110+11+15+16+110 = 9 2.24444 = 4
y x
S t
s t
s g
mn y
x f
, ,
, 1
, ˆ
Universitas Sumatera Utara
y x
y x
S t
s Q
S t
s Q
t s
g t
s g
y x
f
, ,
, ,
1
, ,
, ˆ
2.9.3 Contraharmonic-mean filter
