Pada pseudocode terlihat bahwa dalam kelas FFT terdapat fungsi-fungsi yang digunakan untuk proses pemfilteran. Pemrosesan Wiener Filter pada citra terdapat
pada fungsi Hitung, sedangkan fungsi selainnya merupakan fungsi untuk membantu pemrosesan FFT itu sendiri.
3.1.3.5.2. Pseudocode Adaptive Median Filter
Gambar 3.10. Pseudocode Mean Square Error MSE
3.1.3.4.6. Pseudocode Peak Signal to Noise Ratio PSNR
PSNR merupakan parameter kinerja metode filter yang berbanding terbalik dengan MSE. PSNR membandingkan maksimum warna citra dengan akar MSE. Pseudocode
PSNR dapat dilihat pada Gambar 3.11.
Gambar 3.11. Pseudocode Peak Signal to Noise Ratio PSNR
3.1. Perancangan Sistem
.
Bitmap bmp Bitmap asli
BitmapsourceImage bmp
new Bitmapasli.Width,asli.Height ListListintr
redsourceImage, size ListListintb
bluesourceImage, size ListListintg
greensourceImage, size for
i 0 to isourceImage.Width {
for
j 0 to jsourceImage.Height {
bmp.SetPixeli,j,Color.FromArgbr[i][j],g[i][j],b[i][j] }
}return bmp ListListint red,blue,greenImage sourceImage,int kernelsize
{ Bitmap asli
BitmapsourceImage
int batas
kernelsize2
Listint r new Listint
ListListint outr new ListListint
r.Sort int imedian
r.Count2 indeks median
int a1
r[imedian] - r[0] Level A -- Zmed - Zmin
int a2
r[imedian] - r[r.Count-1] Zmed – Zmax
if a1 0 a2 0 Jika memenuhi, lanjut ke level B {
int b1 asli.GetPixeli, j.R,G,B - r[0]
Level B dimana Zxy – Zmin
int
b2
asli.GetPixeli, j.R,G,B - r[r.Count-1]
Zxy - Zmax
if
b1 0 b2 0
nilai.Addasli.GetPixeli, j.R,G,B output Zxy else
nilai.Addr[imedian] output Zmed r.Clear
break }
else if batas kernelsize2 + 2
jika tidak memenuhi persyaratan ke level B
{ batas += 1
menambah batas jendela filter menjadi 5
r.Clear continue
ulangi level A
Universitas Sumatera Utara
3.2.1. Flowchart Flowchart merupakan representasi visual dari urutan langkah dan keputusan yang
dibutuhkan untuk menampilkan proses pada suatu sistem. Setiap langkah digambarkan dalam bentuk diagram dan dihubungkan dengan garis berpanah. Flowchart sistem
dapat dilihat pada Gambar 3.12.
3.2 Perancangan Sistem
Perancangan sistem merupakan perancangan proses, alur, dan gambaran suatu sistem. Perancangan sistem terdiri atas rancangan antarmuka interface.
3.2.1. Perancangan Interface Perancangan interface merupakan perancangan tampilan aplikasi sistem. Perancangan
interface terdiri atas 3 form utama yang merepresentasikan menu-menu sistem, yaitu form Home, Filtering, dan Help. Form Home merupakan tampilan awal aplikasi.
Form Filtering merupakan menu yang dapat digunakan oleh pengguna untuk melakukan proses filtering. Form Help berisi panduan untuk pengguna dalam
menggunakan aplikasi sistem.
3.2.1.1. Halaman Menu Utama Form Home Perancangan menu utama dapat dilihat pada gambar 3.13.
Gambar 3.11. Rancangan Interface Menu Utama
} else {
nilai.Addasli.GetPixeli, j.R,G,B r.Clear
batas kernelsize2
break }
outr.Addnilai }
return outr
Universitas Sumatera Utara
Tabel 3.8. Keterangan gambar rancangan interface Menu Home No
Keterangan
1. Menu Strip merupakan menu yang terdiri dari Home, Filtering, Help dan
Exit 2.
Label untuk menampilkan judul penelitian 3.
Picture Box untuk menampilkan gambar logo Fasilkom-TI USU 4.
Label untuk menampilkan Nama dan NIM programmer
5.
Label untuk menampilkan Program Studi dan Fakultas programmer
3.2.1.2. Halaman Filtering Perancangan halaman interface Filtering dapat dilihat pada gambar 3.14.
Gambar 3.12. Rancangan Interface Filtering
Tabel 3.9. Keterangan gambar rancangan interface Filtering No
Keterangan
1. Button “Kembali” untuk kembali ke halaman menu utama
2. Picture Box untuk menampilkan citra yang memiliki noise asli dan
impulse noise
Universitas Sumatera Utara
3. Button “Ambil Citra” untuk mengambil citra .bmp yang akan difilter
4. Button “Reset” untuk menghapus seluruh output dan input.
5. Label nama citra, dimensi citra dan ukuran citra
6. TextBox untuk menampilkan nama citra dan ukuran citra
7. Panel berisi TextBox untuk membuat catatan keterangan
8. Picture Box yang menampilkan citra hasil dari Wiener Filter
9. Panel parameter berisi MSE, PSNR dan Text Box running time
10. Button “Filtering” untuk memroses citra yang memiliki noise dengan Wiener Filter
11. Button “Simpan” untuk menyimpan citra hasil yang telah diproses dengan Wiener Filter
12. Picture Box yang menampilkan citra hasil dari Adaptive Median Filter 13. Panel parameter berisi MSE, PSNR dan Text Box running time
14. Button “Filtering” untuk memroses citra yang memiliki noise dengan Adaptive Median Filter
15. Button “Simpan” untuk menyimpan citra hasil yang telah diproses dengan Adaptive Median Filter
16. Picture Box yang menampilkan citra hasil dari kombinasi Wiener Filter dan Adaptive Median Filter
17. Panel parameter berisi MSE, PSNR dan Text Box running time 18. Button “Filtering” untuk memroses citra yang memiliki noise dengan
kombinasi Wiener Filter dan Adaptive Median Filter 19. Button “Simpan” untuk menyimpan citra hasil yang telah diproses dengan
kombinasi Wiener Filter dan Adaptive Median Filter 3.2.1.3. Halaman Help
Perancangan halaman Help dapat dilihat pada gambar 3.15.
Universitas Sumatera Utara
Gambar 3.13. Rancangan Interface Help
Tabel 3.10. Keterangan gambar rancangan interface Help No.
Keterangan
1. Button “Kembali” untuk balik ke menu halaman utama
2. Label “Bantuan”
3 Panel TextBox yang berisi langkah-langkah untuk menjelaskan
penggunaan aplikasi pada form Filtering
Universitas Sumatera Utara
BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1. Implementasi
Implementasi adalah kegiatan yang dilakukan untuk menguji data dan menerapkan sistem yang diperoleh dari hasil analisis. Implementasi merupakan salah satu unsur
tahapan dari keseluruhan pembangunan sistem komputerisasi, dan unsur yang harus dipertimbangkan dalam pembangunan sistem. Sistem ini dibangun dengan
menggunakan C 4.3.
4.1.1. Implementasi Algoritma Teknik filtering yang digunakan untuk memperbaiki citra yang memiliki noise asli
dan impulse noise adalah Wiener Filter dan Adaptive Median Filter.
4.1.1.1. Implementasi Wiener Filter Bagian ini menjelaskan mengenai proses perbaikan citra noise menggunakan metode
Wiener Filter. Wiener Filter termasuk metode filtering pada kawasan frekuensi, sehingga diperlukan transformasi Fourier. Transformasi Fourier yang digunakan
adalah Fast Fourier Transform FFT. Berikut persamaan transformasi Fourier 1D Kadir Susanto, 2013.
= 1
2
−
2 ……………………………… 9
Dengan u = 0,1,2,…,N-1. Pada persamaan 9, j menyatakan
√−
1
. Dengan demikian, hasil transformasi Fourier berupa bilangan kompleks.
Universitas Sumatera Utara
Untuk Wiener Filter sendiri, persamaan yang dipakai dalam kawasan frekuensi berupa McAndrew, 2004 :
, = 1
, | , |
| , | + , ………………………………… 11
Dalam hal ini,
,
dinamakan sebagai fungsi transfer filter dan diperoleh melalui pengenaan FFT. Dan adalah nilai konstanta yang dalam hal ini bernilai 100.
Misalkan, terdapat fx = 12,35,30,24. Transformasi Fourier-nya sebagai berikut.
0 = 1
4 2 0
4
−
2 0 4
= 0 cos 0
−
0 + 1 cos 0
−
0 + 2 cos 0
−
+ 3 cos 0
−
0 4 = 0 +
1 + 2 +
3 + 4 4
= 12 + 35 + 30 + 24 4 = 25,25
1 = 1
4 2 1
4
−
2 1 4
= 0 cos 0
−
0 + 1 cos 2
−
2 + 2 cos
−
+ 3 cos 3 2
−
3 2 4 = 25 1
−
0 + 35 0
−
+ 30
−
1
−
0 + 24 0 + 4 =
−
5 + 24 4 =
−
1,25 + j 6
2 = 1
4 2 2
4
−
2 2 4
= 0 cos 0
−
0 + 1 cos
−
+ 2 cos 2
−
2 + 3 cos 3
−
3 4 = 25 1
−
0 + 35
−
1
−
0 + 30 1
−
0 + 24
−
1
−
0 4 =
−
4 4
=
−
1
Universitas Sumatera Utara
3 = 1
4 2 3
4
−
2 3 4
= 0 cos 0
−
0 + 1 cos 3 2
−
3 2 + 2 cos 3
−
3 + 3 cos 9 2
−
9 2 4 = 25 1
−
0 + 35 0 + + 30
−
1
−
0 + 24 0
−
4 =
−
5 + 11 4
=
−
1,25 + j 2,75
Gambar 4.1 memperlihatkan citra asli dan hasil transformasi Fourier Fx
Fu
Gambar 4.1. Citra dimensi satu dan hasil transformasi Fourier
Setelah didapat hasil dari FFT, maka lanjut ke proses Wiener Filter dalam hal ini, hanya bilangan realnya saja yang akan dihitung
, = 1
, | , |
| , | + ,
0 = 1
25,25 |25,25|
|25,25| + 100 25 =
637,56 16098,4 + 100
25 = 0,98 1 =
1
−
1,25 |
−
1,25| |
−
1,25| + 100 35 =
1,56
−
1,95 + 100 35 = 0,56
2 = 1
−
1 |
−
1| |
−
1| + 100 30 =
1
−
1 + 100 30 = 0,3
3 = 1
1,25 |1,25|
|1,25| + 100 24 =
|1,56| |1,95| + 100
24 = 0,37
Maka, hasil perhitungan dari Wiener Filter sementara adalah : 0,98
0,56 0,3
0,37 Real
25 35
30 24
Real Imajiner
25,25 -1,25
6 -1
-1,25 2,75
FFT
Universitas Sumatera Utara
4.1.1.2. Implementasi Adaptive Median Filter
Bagian ini menjelaskan mengenai proses perbaikan citra noise menggunakan Adaptive Median Filter dengan matriks citra misalnya 4x4. Window maksimum atau S
max
yang digunakan bernilai 3. Dari matriks citra 4x4 diambil matriks citra 3x3 untuk
melakukan proses filtering pada titik pusat dari matriks citra 3x3 tersebut, terlihat pada Gambar 4.2.
35 35
30 35
12 35
12 34
35
Gambar 4.2. Matriks citra 3x3 sebelum difiltering
Ditentukan nilai Z
xy
, Z
min
, Z
med
dan Z
max
berdasarkan matriks citra 3x3 tersebut berdasarkan urutan:
12, 12, 30, 34, 35, 35, 35, 35, 35
Z
min
= 12, Z
med
= 35, Z
max
= 35 Z
xy
= 12 Nilai piksel paling tengah dari matriks citra
Dilakukan perhitungan pada persamaan Adaptive Median Filter yang berfungsi untuk melihat apakah Z
min
Z
med
Z
max
. Dengan syarat :
1. Jika hasilnya bernilai true, lakukan perhitungan yang berfungsi untuk melihat
apakah Z
min
Z
med
Z
max
. Jika hasilnya true, maka Z
xy
bukan merupakan noise sehingga nilai Z
xy
tidak perlu diubah. Selain itu, ubah nilai Z
xy
dengan nilai Z
med
. 2.
Jika hasilnya bernilai false, maka ubah nilai Z
xy
dengan Z
med
Diperoleh bahwa : Z
min
Z
med
Z
max
= 12 35 35 false
Universitas Sumatera Utara
Sehingga nilai Z
xy
diubah menjadi nilai Z
med
. Seperti pada gambar 4.3.
35 35
30 35
35 35
35 33
12
Gambar 4.3. Matriks citra 3x3 setelah difiltering
Hasil akhir citra 4x4 sebelum dan sesudah proses filtering dapat dilihat pada Gambar 4.4.
a b
Gambar 4.4. a Matriks citra 4 4 sebelum filtering b Matriks citra 4 4 setelah
filtering dengan Adaptive Median Filter 35 35 30 36
35 12 35 52 12 34 35 52
76 52 52 52 35 35 30 36
35 35 35 52 12 34 52 52
76 52 52 52
Universitas Sumatera Utara
4.1.2. Implementasi User Interface 4.1.2.1. Form Home Main form
Pada saat aplikasi dijalankan, maka form pertama yang akan muncul ialah form home. Form home berisi informasi mengenai judul skripsi dan nama penulis. Pada form
home juga terdapat menu filtering, menu help dan exit. Gambar 4.5 menunjukkan tampilan form home pada sistem.
Gambar 4.5. Form Home
4.1.2.1. Form Filtering Form Filtering merupakan form implementasi dan perbandingan metode Wiener
Filter dan Adaptive Median Filter dengan penambahan kombinasi keduanya. Form ini hanya menampilkan citra asli yang berisi noise dan citra yang telah mengalami proses
filtering beserta perhitungan MSE, PSNR, dan running time dari proses filtering tersebut. Tampilan form Filtering dapat dilihat pada Gambar 4.6.
Universitas Sumatera Utara
Gambar 4.6. Form Filtering
4.1.2.1. Form Help Form Help berisi mengenai petunjuk penggunaan aplikasi untuk memudahkan
pengguna dalam memahami dan menggunakan aplikasi dengan baik. Form help ditunjukkan pada Gambar 4.7.
Gambar 4.7. Form Help
Universitas Sumatera Utara
4.2. Pengujian
