Form Bantuan merupakan form yang berisi tentang penjelasan dari system ini. Ini juga dapat membantu pengguna dalam menjalankan system ini. Form bantuan
dapat dilihat pada gambar 4.6.
Gambar 4.6 Form Bantuan 4.2 Pengujian
Pengujian sistem akan dilakukan untuk mengetahui sampai sejauh mana kedua metode tersebut dapat melakukan restorasi citra pada citra blur dengan besarnya
blur yang diberikan pada citra tersebut. Disini juga dilakukan apakah metode tersebut dapat menghilangkan noise yang diberikan pada citra tersebut. Pengujian
dilakukan pada citra berformat .jpeg dan .bmp bitmap. Pengujian dibedakan pada tiap-tiap jenis metode.
4.2.1 Pengujian Filter Wiener
Pada pengujian filter Wiener, hal pertama yang dilakukan setelah memilih citra yaitu membuat citra tersebut menjadi blur dengan mengisi kolom len dan teta
yang merupakan derajat kebluran. Kemudian memberikan noise kepada citra
dengan memilihnya yaitu salt and pepper, speckle, dan gaussian. Adapun gambaran sistem Perbandingan algoritma restorasi ini dapat dilihat
pada gambar 4.7 berikut ini:
Universitas Sumatera Utara
Gambar 4.7 Proses uji coba sistem perbandingan restorasi citra Untuk melihat sejauh mana filter wiener tersebut dapat merestorasi citra
yang rusak akibat blur dan noise, maka dilakukan pengujian pada jenis citra .jpeg dan .bmp yang pada kasus ini dilihat dari jenis noisenya :
1. Salt and pepper
2. Speckle
3. Gaussian
Adapun data proses uji coba penerapan filter Wiener dengan noise salt and pepper dapat dilihat pada tabel 4.1 dan 4.2.
Universitas Sumatera Utara
Berikut dilakukan pengujian pada citra berformat .jpeg
Tabel 4.1 Pengujian Salt and Pepper dengan tingkat blurring berbeda dan kadar noise yang sama 20
Len pixel Tetaderajat MSE
PSNR Noise : Salt and Pepper
MSE PSNR
MSE PSNR
MSE PSNR
Wiener 5
5 116,509
27,467 20
8208,27 8,988
3484,86 12,708
3463,32 12,735
koala.jpeg 15
15 328,918
22,959 20
8376,27 8,900
3553,11 12,649
3532,44 12,650
25 25
434,556 21,750
20 8453,34
8,860 3564,56
12,610 3564,94
12,610 55
55 700,449
19,677 20
8687,59 8,741
3632,13 12,529
3674,77 12,478
75 75
872,689 18,722
20 8846,18
8,663 3675,36
12,477 3706,96
12,440 85
85 963,503
18,292 20
8908,97 8,632
3701,98 12,446
3740,56 12,401
100 100
1105,04 17,697
20 9008,66
8,584 3752,79
12,387 3798,17
12,335 Metode
Blurring Noise + Blur
Hasil I Hasil II
Tabel 4.2 Pengujian Salt and Pepper dengan tingkat blurring sama tetapi kadar noise yang berbeda
Len pixel Tetaderajat MSE
PSNR Noise : Salt and Pepper
MSE PSNR
MSE PSNR
MSE PSNR
Wiener 31
11 231,393 24,487
10 3247,78
13,014 1047,17 17,930
987,88 18,183
jellyfish.jpeg 31
11 231,393 24,487
20 7455,4
9,406 1580,74 16,142
738,874 19,445 31
11 231,393 24,487
30 9253,17
8,467 2055,62 15,001
810,305 19,044 31
11 231,393 24,487
40 11055,7
7,694 2486,12 14,175
878,544 18,693 31
11 231,393 24,487
50 12869,6
7,035 2867,01 13,556
1020,97 18
Metode Blurring
Noise + Blur Hasil I
Hasil II
Universitas Sumatera Utara
Keterangan : Pada tabel 4.1 diperoleh kesimpulan sebagai berikut :
Semakin besar blur yang diberikan dengan kadar noise yang sama disetiap citra yaitu koala.jpeg yang diteliti, nilai MSE pada citra hasil tersebut juga akan
semakin besar dan PSNRnya semakin kecil. Tetapi tidak ditemukan perbedaan MSE dan PSNR yang mencolok pada hasil I dan II, terkadang hasil III ataupun
sebaliknya bahkan ada yang bernilai sama.
Pada tabel 4.2 diperoleh kesimpulan sebagai berikut : Dengan diberikannya kadar blur yang sama dipercobaan jellyfish.jpeg dan
perbedaan kadar noise. Diperoleh hasil MSE yang menaik sesuai dengan kadar noise yang diberikan.
Adapun grafik antara perubahan blur dan noise dengan MSE yang dihasilkan dari masing-masing citra .jpeg ditunjukkan pada gambar 4.8 dan 4.9.
Gambar 4.8 Perubahan blur pada noise salt and pepper terhadap nilai MSE
Gambar grafik diatas merupakan hasil dari tabel 4.1. Pada gambar tersebut terdapat 3 garis yaitu :
1. Garis merah merupakan garis MSE dari gambar blur
2. Garis hijau merupakan garis MSE dari gambar blur dan noise
3. Garis kuning merupakan garis MSE dari hasil restorasi citra tersebut
Universitas Sumatera Utara
Gambar 4.9 Perubahan noise terhadap nilai MSE
Terdapat 3 garis didalam grafik tersebut yaitu : 1.
Garis merah merupakan garis MSE dari gambar blur 2.
Garis hijau merupakan garis MSE dari gambar blur dan noise 3.
Garis kuning merupakan garis MSE dari hasil restorasi citra tersebut Kesimpulan dari kedua gambar grafik diatas yaitu jika garis kuning yaitu garis
yang merupakan citra hasil restorasi lebih dekat dengan garis merah maka hasil restorasinya baik, sebaliknya jika mendekat garis hijau maka hasil restorasinya
tidak begitu baik.
Universitas Sumatera Utara
Berikut dilakukan pengujian pada citra berformat .bmp
Tabel 4.3 Pengujian Salt and pepper dengan blurring yang berbeda tetapi dengan noise yang sama
Lenpixel Tetaderajat MSE
PSNR Noise : Salt and pepper
MSE PSNR
MSE PSNR
MSE PSNR
Wiener 5
5 116,519
27,467 20
8320,54 8,929
2262,66 14,584
1581,49 16,140
Koala.bmp 15
15 328,939
22,959 20
8648,63 8,761
2295,89 14,521
1652,52 15,949
25 25
434,594 21,75
20 8826,48
8,672 2348,62
14,422 1689,33
15,857 55
55 700,462
19,677 20
9315,85 8,438
2480,44 14,185
1811,37 15,558
75 75
872,69 18,722
20 9589,72
8,312 2566,75
14,037 1879,17
15,391 85
85 963,505
18,292 20
9730,15 8,249
2620,5 13,947
1924,1 15,288
100 100
1105,05 17,697
20 9983,89
8,137 2707,18
13,805 2010,05
15,098 Metode
Blurring Noise + Blur
Hasil I Hasil II
Tabel 4.4 Pengujian salt and pepper dengan blurring yang sama namun dengan kadar noise yang berbeda
LenPixel Tetaderajat MSE
PSNR Noise : Salt and pepper
MSE PSNR
MSE PSNR
MSE PSNR
Wiener 31
11 231,397 24,487
10 5667,29
10,597 1087,71 17,765
675,284 19,835 Jellyfish.bmp
31 11
231,397 24,487 20
7437,23 9,416
1579,28 16,146 759,74
19,324 31
11 231,397 24,487
30 9254,26
8,467 2054,06 15,004
796,388 19,119 31
11 231,397 24,487
40 11063,6
7,691 2485,8
14,176 887,371 18,649
31 11
231,397 24,487 50
12875,7 7,033
2866,98 13,556 983,968 18,201
Metode Blurring
Noise + Blur Hasil I
Hasil II
Universitas Sumatera Utara
Keterangan : 1.
Pada tabel 4.3 diperoleh hasil kesimpulan sebagai berikut: Pengujian pada citra koala.bmp dengan memberikan blur yang berbeda tetapi
dengan noise yang sama diperoleh hasil MSE yang semakin meningkat namun hasil yang lebih rendah pada hasil II dibandingkan dengan hasil I.
2. Pada tabel 4.4 diperoleh hasil kesimpulan sebagai berikut:
Pengujian speckle dengan kadar blur yang sama tetapi dengan kadar noise yang berbeda, diperoleh hasil MSE yang semakin besar begitu juga pada
hasil I dan II tetapi pada pengujian ini hasil III. Adapun grafik antara perubahan blur dan noise dengan MSE yang dihasilkan
dari masing-masing citra .bmp ditunjukkan pada gambar 4.10 dan 4.11.
Gambar 4.10 Perubahan blur pada noise salt and pepper terhadap nilai MSE
Terdapat 3 garis didalam grafik tersebut yaitu : 1.
Garis merah merupakan garis MSE dari gambar blur 2.
Garis hijau merupakan garis MSE dari gambar blur dan noise 3.
Garis kuning merupakan garis MSE dari hasil restorasi citra tersebut
Universitas Sumatera Utara
Gambar 4.11 Perubahan noise terhadap nilai MSE
Terdapat 3 garis didalam grafik tersebut yaitu : 1.
Garis merah merupakan garis MSE dari gambar blur 2.
Garis hijau merupakan garis MSE dari gambar blur dan noise 3.
Garis kuning merupakan garis MSE dari hasil restorasi citra tersebut Kesimpulan dari kedua gambar grafik diatas yaitu jika garis kuning yaitu garis
yang merupakan citra hasil restorasi lebih dekat dengan garis merah maka hasil restorasinya baik, sebaliknya jika mendekat garis hijau maka hasil restorasinya
tidak begitu baik.
4.2.2 Pengujian Lucy-Richardson
