Highpass Filtering Tapis Lolos Tinggi

2.7 Perubahan Kualitas Citra dalam Domain Spasial

Salah satu catatan penting dalam merubah citra digital dalam domain spasial didasari oleh mengimplementasikan beberapa filter matematika dalam matrikss citra. Perubahan kualitas dibagi atas tiga bagian yakni proses point, proses histogram, dan proses mask [17].

2.7.1 Linear Spatial Filtering

Konsep linear filtering berakar dari penggunaan transformasi fourier untuk pemrosesan sinyal dalam domain frekuensi. Penggunaan istilah linear spatial filtering yang dimaksud disini berbeda dengan proses dalam frequency domain filtering. Operasi Spasial adalah mengalikan setiap piksel dalam tetangga dengan koefisien yang terhubung kepadanya dan menjumlahkan hasilnya untuk mendapatkan jawaban pada setiap titik x,y. Jika ukuran tetangga adalah mxn , koefisien mn dibutuhkan Koefisien dibentuk menjadi matrikss yang disebut dengan filter, mask, filter mask, kernel, template atau window. Proses pentapisan spasial tidak dapat dilepaskan dari teori kernel dan konvolusi [15]. Beberapa jenis filter dalam domain spasial adalah low pass filter dan High Pass Filter[14]. Kernel adalah matriks yang pada umumnya berukuran kecil dengan elemene- elemennya adalah berupa bilangan. Kernel juga digunakan dalam proses konvolusi. Oleh karena itu kernel juga disebut convolution window. Ukuran kernel dapat berbeda-beda seperti 2x2, 3x3, 5x5 dan sebagainya [15].

2.7.1.1 Highpass Filtering Tapis Lolos Tinggi

Tapis Lolos Tinggi merupakan kebalikan dari Tapis Lolos Rendah yaitu mempertahankan mempertajam komponen frekuensi tinggi dan menghilangkan mengurangi komponen frekuensi rendah sehingga tapis ini sangat cocok untuk penajaman tepi citra [16] . Universitas Sumatera Utara Matrikss Kernel High Pass Filter = [ ] Berikut ini adalah tahap konvolusi menggunakan matrikss kernel High Pass Filter: 1. Input citra, misalkan piksel citra Zx,y, konvolusikan perblok 3x3 dari awal hingga akhir seperti berikut, Dikonvolusikan dengan Matrikss Kernel citra Zx,y Hasil = 00 + 0-1 + 00 + 0-1 +14 + 1-1 + 00 + 1-1 + 10= 2 Maka piksel tengah blok berubah menjadi seperti di bawah ini: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 -1 -1 4 -1 -1 2 Universitas Sumatera Utara 2. Dengan cara yang sama, lakukan pada blok selanjutnya seperti berikut, Dikonvolusikan dengan Matrikss Kernel citra Zx,y Hasil = 00 + 0-1 + 00 + 1-1 +14 + 1-1 + 10 + 1-1 + 10 Hasil = 1 Maka piksel tengah blok berikutnya berubah menjadi seperti di bawah ini: 3. Lakukan hingga blok piksel terakhir sehingga didapat Matrikss citra Bx,y sebagai citra hasil sebagai berikut, 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 -1 -1 4 -1 -1 2 1 Universitas Sumatera Utara citra Yx,y Dalam pencitraan dengan domain yang besar dapat terlihat seperti gambar 2.24 di bawah ini bahwasanya citra yang blur dapat dipertajam dengan proses konvolusi. Gambar 2.24 Citra Blur yang Dipertajam dengan High Pass Filter [18] 2 1 2 1 1 1 1 1 -5 1 -4 20 -4 2 -4 2 Universitas Sumatera Utara

2.8 Algoritma Gaussian

Algoritma Gaussian merupakan Algoritma yang digunakan untuk teknik image fusion atau yang biasa disebut dengan image blending dimana Gaussian tersebut berfungsi mencari berapa bobot masing-masing piksel citra yang satu dengan yang lainnya agar dapat digabungkan satu sama lain melalui titik pusat tiap blok citra yang memiliki entropy tertinggi [24]. Ada beberapa langkah dalam algortima Gaussian, yakni [16]: 1. Input citra yang berbeda exposure dan transformasi dalam matrikss nxm 2. Kemudian segmentasi beberapa citra dengan ukuran yang sama a ij seperti pada Gambar 2.25 di bawah ini Gambar 2.25 Segmentasi Citra yang Berbeda Exposure [16] 3. Blok area penulis memberi nama daerah I yang memiliki entropy tertinggi [2] dimana entropy merupakan rumus rata-rata intensitas seperti persamaan 2.7 berikut : ∑ Keterangan : adalah intensitas piksel Universitas Sumatera Utara adalah banyaknya piksel i adalah indeks yang dimulai dari 0 hingga 255 4. Titik tengah dari blok-blok tersebut adalah G i x,y 5. Dan langkah selanjutnya adalah citra yang nilai exposure +1 juga dicari nilai G i x,y pada masing-masing daerah 6. Cari nilai dari masing-masing titik G i x,y dengan persamaan 2.9 di bawah ini [2]: Keterangan : adalah nilai Gaussian e adalah eksponen x adalah koordinat baris citra yang diproses y adalah koordinat kolom citra yang diproses adalah koordinat baris pusat pada blok I adalah koordinat kolom pusat pada blok I adalah standar deviasi atau lebar blok [16] 7. Setelah itu cari nilai weight atau bobot masing-masing piksel menggunakan persamaan 2.10 di bawah ini : ∑ Keterangan : adalah nilai Gaussian dari citra yang diproses adalah bobot atau weight i adalah indeks N adalah banyaknya citra yang diproses [16] Universitas Sumatera Utara 8. Persamaan 2.11 di bawah ini menjelaskan cara mencari output adalah sebagai berikut: ∑ Keterangan : adalah Output akhir atau citra HDR adalah bobot atau weight adalah piksel citra ke-i i adalah indeks N adalah banyaknya citra yang diproses [16]

2.9 Penelitian Sebelumnya

Berikut adalah beberapa penelitian yang dilakukan sebelumnya tentang penggabungan citra menggunakan Algoritma Gaussian dan penajaman citra dengan Algoritma High Pass Filter : 1. Penelitian yang dilakukan oleh Marco Block, Maxim Schaubert, Fabian Wiesel dan Raul Rojas dengan judul “Multi Exposure Document Fusion Based on Edge- Intensities ” yang mempresentasikan algoritma baru dalam peleburan citra tentang beberapa tulisan yang diambil dengan beberapa exposure yang berbeda, selanjutnya citra yang berbeda exposure tersebut digabungkan menggunakan persamaan Algoritma Gaussian dan menggabungkannya dengan persamaan lain yang berbasis intensitas tepi sehingga dihasilkannya citra HDR [2] 2. Penelitian yang dilakukan oleh H.B Kekre, Tanuja K. Sarode dan Suchitra M. Patil dengan judul “2D Image Morphing using Piksels based Color Transition Method” yang mengatakan bahwa Algoritma Gaussian berfungsi untuk menghitung bobot, dimana bobot tersebut dikomputasi menggunakan perbedaan warna dar 2 piksel yang berhubungan dari citra awal dan citra target [7] 3. Penelitian yang dilakukan oleh Andras Rovid dan Peter Varlaki yang berjudul “Improved HDR Image Reconstruction Method” yang mengatakan bahwa HDR dapat dihasilkan dari penggabungan beberapa citra dengan pengaturan exposure yang berbeda. Dalam penelitian ini beliau menggunakan Algoritma Gaussian Universitas Sumatera Utara dalam penggabungan beberapa blok citra yang berbeda exposure dan mengkombinasikannya dengan Algoritma Fuzzy untuk membership tiap piksel citra tersebut [16] 4. Penelitian yang dilakukan oleh Mr.Harvinder Singh dan ProfDr. J. S. Sodhi dengan judul “Image Enchancement using Sharpen Filter” yang mengatakan bahwa beberapa citra dapat ditajamkan menggunakan “Unsharp Mask” dan menggunakan matrikss kernel yang akan dikonvolusikan dengan citra awal sehingga citra akhir akan menjadi lebih tajam [18]. Universitas Sumatera Utara Universitas Sumatera Utara 40

BAB 3 ANALISIS DAN PERANCANGAN

Dalam bab ini juga penulis cantumkan perhitungan manual piksel citra dengan Algoritma Gaussian dan High Pass Filter dalam 15x20 piksel citra dan beberapa tahap dari algoritma yang penulis gunakan .

3.1 Analisis

Pada dasarnya citra juga mengalami kondisi yang buruk akan kualitasnya. Salah satu penyebabnya adalah kurangnya pencahayaan terhadap objek citra yang mengakibatkan objek tersebut tidak tampak atau gelap. Dalam penelitian ini, yang dibahas adalah penggabungan citra gambar dengan menggunakan algoritma Gaussian dan penajaman citra dengan algoritma High Pass Filter guna memperbaiki kualitas citra yang buruk menjadi citra yang lebih informatif seperti citra HDR. Dalam bab ini akan dibahas tentang analisis perancangan Algoritma yang penulis gunakan tersebut. Analisis dilakukan untuk memberikan gambaran secara umum terhadap implementasi yang akan dibuat. Hasil analisis akan menjadi dasar untuk melakukan perancangan atau desain program sesuai dengan kebutuhan. Analisis juga dapat menggambarkan bagaimana proses sebuah metode atau algoritma untuk menghasilkan sesuatu yang akan dituangkan dalam sebuah perhitungan, diagram atau tulisan. Dalam bab ini juga penulis cantumkan perhitungan manual piksel citra dengan Algoritma Gaussian dan High Pass Filter dalam 15x20 piksel citra. Universitas Sumatera Utara

3.2 Flowchart Umum Program

Gambar 3.1 di bawah ini merupakan Flowchart program secara umum, Gambar 3.1 Flowchart Umum Program Pilih jenis blok Mulai Input Citra 1, Citra2, Citra3 Menampilkan blok yang telah diseleksi Penggabungan citra dengan algoritma Gaussian Menampilkan citra hasil penggabungan ketiga citra sebelumnya HDR Penajaman citra HDR dengan algoritma High Pass Filter Selesai Citra HDR Yang Lebih Tajam Universitas Sumatera Utara

3.3 Analisis Kinerja Algoritma Gaussian

Penelitian ini akan dilakukan analisis dan perancangan perangkat lunak penggabungan citra yang berkeskstensi .jpg dengan menggunakan algoritma Gaussian. Proses penggabungan citra didasarkan pada kualitas citra yang kurang baik,atau untuk menghasilkan informasi yang baru. Penggabungan citra dalam algoritma Gaussian didasarkan pada hasil perhitungan entropy dalam citra yang telah dibagi menjadi beberapa blok. Proses penggabungan citra dikhususkan pada citra yang berbeda exposure yang membedakan citra tersebut merupakan citra yang gelap, normal atau terang. Citra yang diteliti atau digabungkan terdiri dari 3 citra. Citra pertama adalah citra yang gelap yang diambil dalam pengaturan exposure -3, Citra kedua adalah citra yang menjadi objek permasalahan yang diambil tanpa pengaturan exposure normal, citra ketiga adalah citra yang terang yang diambil dalam pengaturan exposure +3. Ketiga citra tersebut akan dibagi menjadi beberapa blok, dimana ukuran blok dalam tiap citra akan mempengaruhi kualitas citra yang akan dihasilkan nantinya. Tiap citra yang telah dibagi menjadi beberapa blok dihitung masing-masing nilai entropy dalam bloknya, dalam 1 citra akan dihasilkan nilai entropy yang tertinggi berada di suatu blok. Tiap blok memiliki koordinat pusat x i ,y i , blok yang memiliki nilai entropy yang paling tinggi akan dipilih dan diproses untuk menghasilkan bobot citra tersebut. Ketiga citra yang sudah memiliki bobot akan digabungkan menjadi satu citra yang dinamakan citra High Dynamic Range HDR. Universitas Sumatera Utara

3.3.1 Pseudocode Algoritma Gaussian