Implementasi Harmonic Mean Filter dan Fuzzy C Means Clustering Pada Segmentasi Citra

ABSTRAK

Citra merupakan hasil representasi dari sebuah objek yang dapat menyampaikan
informasi. Citra dapat diolah dengan berbagai proses, salah satunya perbaikan kualitas
citra dan segmentasi citra. Citra digital tidak selalu memiliki kualitas yang baik. Ada
banyak citra digital mengalami penurunan kualitas yang disebabkan oleh derau (noise)
ataupun blur. Noise pada citra dapat berupa Gaussian Noise dan Uniform Noise. Salah
satu cara menghilangkan noise yaitu dengan menggunakan metode filtering. Metode
Harmonic Mean Filter yang digunakan pada penelitian ini bekerja baik dalam
mereduksi Uniform Noise daripada Gaussian Noise. Hal ini dapat dilihat pada citra
hasil reduksi Uniform Noise yang memiliki nilai rata-rata MSE lebih kecil dan ratarata PSNR lebih besar daripada citra hasil reduksi Gaussian Noise. Segmentasi citra
adalah proses membagi atau memisahkan suatu citra menjadi beberapa bagian yang
memiliki kemiripan tertentu. Segmentasi citra banyak diterapkan dalam kehidupan
sehari-hari. Misalnya pada dunia medis, segmentasi citra dapat digunakan untuk
mengetahui kondisi sel darah, mempelajari anatomi tubuh, di dunia topografi
segmentasi dapat digunakan untuk mengetahui kontur suatu permukaan daerah,
mengetahui batas-batas wilayah terdampak bencana letusan gunung dan sebagainya.
Pada penelitian ini metode segmentasi yang digunakan Fuzzy C Means Clustering
dimana untuk proses segmentasi pada citra Gaussian Noise, hasil segmentasi pada
citra setelah difiltering lebih baik daripada hasil segmentasi pada citra bernoise.
Sedangkan proses segmentasi pada citra Uniform Noise, hasil segmentasi pada citra

bernoise lebih baik daripada hasil segmentasi pada citra setelah difiltering yang dapat
dilihat dari parameter perbandingan MSE, PSNR, dan Running Time.
Kata kunci : filtering, Harmonic Mean Filter, Fuzzy C Means Clustering, Gaussian
noise, Uniform noise, segmentasi citra

Universitas Sumatera Utara

Implementation Harmonic Mean Filter and Fuzzy C Means
Clustering on Image Segmentation
Abstract

The image is a result of the representation of an object that can give informations.
The image can be processed by a variety of processes, such as image quality
improvement and image segmentation. However, not all images have good
quality. There are a lot of digital image quality degraded due to noise (noise) or
blur. Noise in the image may be Gaussian Noise and Uniform Noise. One of the method
to eliminate noise by using filtering method. Harmonic Mean Filter of this research is
better in reducing Uniform Noise than Gaussian Noise. This can be seen in the results of
Uniform Image Noise reduction which has an average value smaller MSE and average
PSNR greater than Gaussian Image Noise reduction results. Image segmentation is the

process of dividing or separating an image into sections that have a certain similarity.
Image segmentation widely applied in everyday life. For example in the medical world,
image segmentation can be used to determine the condition of the blood cells, studying
the anatomy of the body, the world's topography segmentation can be used to determine
the contours of a surface area, knowing the limits of the territory affected by the eruption
of the mountain and etc. In this research, segmentation method used Fuzzy C Means
Clustering in which to process the image of Gaussian Noise segmentation, segmentation
results in an image after filtering better than the results in the image noise. While the
process of image segmentation on Uniform Noise, segmentation results on image noise is
better than the image segmentation results after filtering which can be seen from a
comparison parameter MSE, PSNR, and Running Time.

Keyword : filtering, Harmonic Mean Filter, Fuzzy C Means Clustering, Gaussian
noise, Uniform noise, image segmentation.

Universitas Sumatera Utara