a b
Gambar 2.5 : a Gambar asli, b Gambar setelah pemberian noise speckle[7]
4. Noise Periodik Noise yang sifatnya periodik bukan acak atau random akan menghasilkan derau
periodik. Citra yang terkorupsi oleh noise periodik secara visual akan tampak terdapat garis-garis baris pada citra. Gambar 2.6 : a adalah Gambar asli, b citra einstein.jpg
yang telah disimulasikan dengan noise periodic[7].
a b
Gambar 2.6 : a Gambar asli, b Gambar setelah pemberian noise periodic[7]
2.4 Filter Wiener
Filter Wiener diusulkan pertama kali oleh N. Wiener pada tahun 1942 sebagai satu dari sekian pendekatan restorasi citra linear yang paling awal dan paling dikenal[1].
Universitas Sumatera Utara
Filter Wiener adalah metode restorasi yang berdasarkan pada least square. Penapis ini meminimumkan galat restorasi, yaitu selisih antar citra restorasi dengan citra asli.
Penapis ini efektif bila karakteristik frekuensi citra dan derau aditif diketahui[2]. Jika tidak ada derau aditif, penapis Wiener menjadi penapis yang ideal.
Dalam domain transform, penapis Wiener berbentuk
� u, v =
�∗ , |� , |
2
+ �
n
, �
f
,
……………………………… 1
Di mana : Hu,v = fungsi degradasi
|Hu,v|
2
= Hu,vHu,v Hu,v
= perubahan lengkap pada Hu,v S
n
u,v = kekuatan spectrum noise
S
f
u,v = kekuatan spectrum citra yang belum didegradasi
Jika S
n
u,v dan S
f
u,v tidak diketahui atau tidak dapat diestimasi, maka penapis Wiener dihampiri dengan persamaan berikut:
� u, v = � ∗ ,
|� , | + K … … … … … … … … … … .
yang dalam hal ini K menyatatakan konstanta yang dispesifikasikan oleh pengguna.
2.5 Fast Fourier Transform
Transformasi citra merupakan proses perubahan bentuk citra, baik intensitas maupun posisi pikselnya, yang bertujuan untuk mendapatkan suatu informasi tertentu. Secara
umum transformasi bisa dibagi menjadi dua, yaitu transformasi spatial dan transformasi domain.
Universitas Sumatera Utara
Pada transformasi spatial yang diubah adalah intensitas piksel brightness, kontras, negasi, thresholding atau posisi piksel rotasi, translasi, scalling, shear, dan
lain-lain. Transformasi jenis ini relatif mudah diimplementasi dan banyak aplikasi yang dapat melakukannya Paint, ACDSee, dan lain-lain.
Transformasi yang kedua adalah transformasi domain, yaitu proses perubahan citra dari suatu domain ke domain lainnya, misalnya dari domain spasial ke domain
frekuensi. Transformasi Fourier adalah transformasi yang mengubah domain spasial ke domain frekuensi. Dengan cara ini, citra digital ditransformasikan lebih dulu dengan
transformasi Fourier, kemudian dilakukan manipulasi pada hasil transformasi tersebut. Setelah manipulasi selesai, dilakukan inverse transformasi Fourier untuk mendapatkan
citra kembali. Metode domain frekuensi ini dapat digunakan untuk menyelesaikan masalah-masalah tertentu yang sulit jika dilakukan dengan menggunakan metode
domain spatial[10]. Langkah-langkah filtering pada domain frekuensi[4] :
1. Kalikan citra input dengan -1
x+y
2. Lakukan perhitungan discreate fourier transform dari citra untuk mendapatkan
Fu,v 3.
Kalikan Fu,v dengan fungsi filter Hu,v 4.
Lakukan invers DFT 5.
Ambil bagian riil dari hasil no 4 6.
Kalikan hasilnya dengan -1
x+y
2.6 Lucy-Richardson
