kelebihan untuk memanipulasi warna, tetapi untuk mengubah objek lebih sulit. Tampilan bitmap mampu menunjukkan kehalusan gradasi bayangan dan warna
dari sebuah gambar. Oleh karena itu, bitmap merupakan media elektronik yang paling tepat untuk gambar-gambar dengan perpaduan gradasi warna yang rumit,
seperti foto dan lukisan digital. Citra bitmap biasanya diperoleh dengan cara scanner, kamera digital, video capture, dan lain-lain[14]. Contoh gambar dengan
format .bmp sebagai berikut:
Gambar 2.6 mangga.bmp
2.2. Noise
Noise merupakan gangguan yang disebabkan oleh menyimpangnya data digital
yang diterima oleh alat penerima data gambar yang mana dapat menggangu kualitas citra. Derau noise dapat disebabkan oleh gangguan fisis optik pada
alat penangkap citra misalnya kotoran debu yang menempel pada lensa foto maupun akibat proses pengolahan yang tidak sesuai. Berikut merupakan beberapa
jenis noise[13].
2.2.1. Gaussian Noise
Gaussian Noise atau juga dapat disebut Gaussian White Noise. Noise ini memiliki
intensitas yang sesuai dengan distribusi normal yang memiliki rerata mean dan
varian tertentu[16].
Gaussian noise merupakan model noise yang mengikuti distribusi normal
standart dengan rata-rata = 0 dan standar deviasi = 1. Efek dari gaussian noise ini pada gambar adalah munculnya titik-titik berwarna yang jumlahnya sama dengan
persentase noise[13].
Universitas Sumatera Utara
Untuk menambahkan noise ini pada MatLab memerlukan input tambahan berupa rata-rata dan variansi. Rata-rata dan variansi merupakan suatu konstanta
real. Nilainya bisa positif maupun negatif. Makin besar rata-rata dan variansinya maka citra akan semakin kabur, sebaliknya makin kecil konstantanya efek pada
citra makin tidak terlihat. Nilai default adalah 0 untuk rata-rata dan 0.01 untuk variansi. Disebut white noise karena pada saat nilai rata-rata dan variansinya besar
maka citra seolah-olah hanya terlihat seperti citra putih saja[7].
Berikut merupakan rumusan dari gaussian noise:
fi,j = gi,j +p.a
1 Keterangan : f i,j = nilai citra terkena noise
g i,j = nilai citra sebelum terkena noise a
= nilai bilangan acak berdistribusi gaussian p
= persentase noise
Berikut merupakan contoh citra tanpa dan dengan gaussian noise:
Gambar 2.7 Citra tanpa noise Gambar 2.8 Citra dengan gaussian noise
2.2.2. Speckle Noise
Speckle Noise merupakan model noise yang memberikan tanda berwarna hitam
pada bagian yang berupa titik yang terkena noise. Noise ini muncul pada saat pengambilan citra tidak sempurna karena alasan cuaca, perangkat pengambil citra
Universitas Sumatera Utara
dan sebagainya. Sifat noise ini mutlipikatif, artinya semakin besar intensitas citra atau semakin cerah citra, semakin jelas juga noise[16].
Pada beberapa pengolahan citra, terkadang untuk menguji suatu algoritma untuk dapat mereduksi noise, maka noise dapat dihasilkan dari proses
pembangkitan noise yang sering disebut sebagai noise generator. Untuk membangkitkan noise pada umumnya dibangkitkan dengan cara mengambil suatu
bilangan acak yang kemudian ditempatkan pada citra secara acak pula[13].
Berikut merupakan rumusan dari noise speckle:
vx,y = ux,ysx,y
2 Keterangan : v x,y = nilai citra terkena noise
u x,y = nilai citra sebelum terkena noise s x,y = intensitas dari speckle noise [2]
Berikut merupakan contoh citra tanpa dan dengan speckle noise:
Gambar 2.9 Citra tanpa noise Gambar 2.10 Citra dengan speckle noise
2.3. Deteksi Tepi
