PERANCANGAN PERANGKAT LUNAK UNTUK PERBAI
PERANCANGAN PERANGKAT LUNAK UNTUK PERBAIKAN CITRA
DIGITAL DENGAN MENGGUNAKAN MEAN FILTER
1) Dio Pradianggara 2) Ike Fibriani, ST., MT.
Program Studi S1, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jember
Jl. Slamet Riyadi No.62, Kode Pos:68111, Jember, Indonesia
diopradianggara@gmail.com[1] ik3fibriani.teknik@gmail.com[2]
ABSTRAK
Citra yang mengalami penurunan mutu, misalnya mengandung derau (noise), warna yang
terlalu kontras atau kabur, kasar dan sebagainya akan lebih sulit diinterpretasikan karena informasi
yang disampaikan oleh citra tersebut menjadi berkurang. Oleh karena itu diperlukan suatu aplikasi
pengolahan citra yang khusus untuk memperbaiki kualitas citra. Dalam tulisan ini dirancang suatu
aplikasi pengolahan citra yang berguna untuk melakukan perbaikan citra dengan cara menghaluskan
citra. Untuk menghaluskan citra digunakan tiga metode mean filtering, median filtering dan modus
filtering. Filtering citra merupakan salah satu bagian dari perbaikan kualitas citra, yaitu
menghaluskan dan menghilangkan noise yang ada pada citra. Mean filter merupakan salah satu
filtering linear yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai
pixel tersebut dengan nilai pixel-pixel tetangganya. Dengan menggunakan aplikasi yang dibuat,
perbaikan citra (image enhancement) yang mengandung noise menjadi lebih bersih dan citra yang
kasar menjadi lebih halus.
Kata Kunci : filtering, noise, mean filter
atau diperoleh dari peralatan kamera digital
lainnya terlihat kasar.
Untuk mengatasi noise tersebut perlu
dilakukan usaha untuk memperbaiki kualitas
citra itu. Salah satunya adalah dengan filtering
citra baik secara linear maupun secara nonlinear. Mean filter
merupakan salah satu
filtering
linear
yang
berfungsi
untuk
memperhalus dan menghilangkan noise pada
suatu citra yang bekerja dengan menggantikan
intensitas nilai pixel dengan rata-rata dari nilai
pixel tersebut dengan nilai pixel-pixel
tetangganya.
1. PENDAHULUAN
1.1. Latar Belakang
Citra (image) atau istilah lain untuk
gambar sebagai salah satu komponen
multimedia memegang peranan sangat penting
sebagai bentuk informasi visual. Meskipun
sebuah citra kaya akan informasi, namun
sering kali citra yang dimiliki mengalami
penurunan mutu, misalnya mengandung cacat
atau noise. Tentu saja citra semacam ini
menjadi lebih sulit untuk diinterpretasikan
karena informasi yang disampaikan oleh citra
tersebut menjadi berkurang.
Noise dapat disebabkan oleh banyak hal.
Salah satunya pada saat penggunaan kamera
Ketika sebuah citra ditangkap oleh kamera,
seringkali tidak dapat langsung digunakan
sebagaimana diinginkan kerena kualitasnya
belum
memenuhi
standard
kebutuhan
pengolahan. Misalnya saja citra disertai oleh
variasi intensitas yang kurang seragam akibat
pencahayan yang tidak merata, atau lemah
dalam hal kontras sehingga objek sulit untuk
dipisahkan dari latar belakangnya karena
terlalu banyak noise (gangguan dalam citra).
Secara umum dapat dikatakan bahwa citra
yang demikian kualitasnya masih rendah, baik
oleh kerena adanya noise, maupun oleh sebab
lainnya. Adakalanya citra yang diperoleh
dengan cara melukis pada media komputer
1.2. Rumusan Masalah
Berdasarkan uraian di atas maka yang
menjadi permasalahan di dalam Tugas ini yaitu
bagaimana cara untuk melakukan perbaikan
pada suatu citra dengan menggunakan salah satu
teknik filter, yaitu Mean Filtering sekaligus
dapat mengamati langsung perubahan yang
terjadi pada citra.
1.3. Batasan Masalah
1. Proses
perbaikan
citra
dilakukan
menggunakan metode Mean Filtering.
2. Perangkat
lunak
dibuat
dengan
menggunakan aplikasi GUI pada Matlab
2009.
1
1.4. Tujuan dan Manfaat Penelitian
Tujuan dari pembuatan paper ini adalah
merancang
perangkat
lunak
untuk
memperbaiki citra digital dan melakukan
perbaikan kualitas citra dengan menggunakan
teknik mean filtering
Sedangkan manfaat dari pembuatan
paper ini adalah:
1. Mempermudah mengolah citra dengan
menggunakan teknik mean filter
2. Mempermudah dalam mengamati dan
membandingkan
pengaruh
teknik
penyaringan pada suatu citra.
seluruh bagian citra. (3)Pengubah analog ke
digital yang berfungsi melakukan sampling
dankuantisasi. Komputer digital,digunakan pada
sistem pemroses citra, mampu melakukan
berbagai fungsi pada citra digital resolusi tinggi.
Piranti
Tampilan,
peraga
berfungsi
mengkonversi
matriks
intensitas
tinggi
merepresentasikan citra ke tampilan yang dapat
diinterpretasi
oleh
manusia.
Media
penyimpanan,
piranti
yang
mempunyai
kapasitas memori besar sehingga gambar dapat
disimpan secara permanen agar dapat diproses
lagi pada waktu yang lain.
2. LANDASAN TEORI
2.1. Pengertian Citra
2.3. Perbaikan Kualitas Citra
Perbaikan kualitas citra merupakan suatu
proses yang dilakukan untuk mendapatkan
kondisi tertentu pada citra. Proses tersebut
dilakukan dengan menggunakan berbagai
macam metode tergantung pada kondisi yang
diharapkan pada citra, seperti mempertajam
bagian tertentu pada citra, menghilangkan noise
atau gangguan, manipulasi kontras dan skala
keabuan, dan sebagainya. Secara umum metodemetode yang digunakan dapat digolongkan
kedalam dua kelompok yaitu metode domain
frekuensi dan metode domain spasial.
Pada metode domain frekuensi, teknik
pemrosesannya berdasarkan pada transformasi
Fourier terhadap nilai pixel. Sedangkan pada
metode domain spasial prosesnya dioperasikan
langsung terhadap pixel, dimana untuk
memproses sebuah pixel harus mengikut
sertakan pixel-pixel tetangganya. Fungsi
matematis dari metode domain spasial adalah
sebagai berikut :
g (x,y) = T [f (x,y)]
f (x,y) adalah fungsi citra masukan, g (x,y)
adalah citra hasil atau keluaran, sedangkan T
adalah operator atas f, yang didefinisikan
terhadap kumpulan tetangga-tetangga (x,y).
Contoh dari metode ini adalah operasi filtering
citra yaitu penghalusan citra dengan cara
menghilangkan noise pada citra.
Citra merupakan fungsi kontinu dari
intensitas cahaya pada bidang 2D. Citra ada
dua macam yaiitu citra kontinyu dan citra
diskrit. Secara matematis fungsi intensitas
cahaya pada bidang 2D disimbolkan dengan
f(x,y), dimana (x,y) merupakan koordinat pada
bidang 2D dan f(x,y) merupakan intensitas
cahaya (brightness) pada titik (x,y). Citra
kontinyu dihasilkan dari sistem optik yang
menerima sinyal analog. Contoh citra kontinyu
misalnya mata manusia dan kamera analog.
Citra diskrit dihasilkan melalui proses
digitalisasi terhadap citra kontinyu. Contoh
citra diskrit yaitu kamera digital dan scanner.
2.2. Citra Digital
Gambar berikut ini merupakan diagram
blok proses digitalisasi.
GAMBAR 1. DIAGRAM BLOK DIGITALISASI
2.4. Operasi-Operasi Perbaikan Citra
Digitizer(Digital Acqusition System) adalah
sistem penamgkap citra digital yang
melakukan
penjelajahan
citra
dan
mengkonversinya ke representasi numerik
sebagai masukan bagi komputer digital. Hasil
dari digitizer adalah matriks yang elemenelemennya menyatakan nilai intensitas cahaya
pada suatu titik. Digitizer terdiri dari 3
komponen dasar : (1)Sensor citra yang bekerja
sebagai
pengukur
intensitas
cahaya.
(2)Perangkat penjelajah yang berfungsi
merekam hasil pengukuran intensitas pada
Adapun operasi-operasi pemugaran citra
atau perbaikan citra yang disediakan oleh
perangkat lunak yang dirancang dalam Tugas
Akhir ini adalah sebagai berikut:
a. Penghilangan Derau (Noise)
Noise adalah gangguan-gangguan/bintikbintik pada gambar yang terjadi pada saat
gambar tersebut dikirim dari satu komputer ke
komputer lainnya. Reduksi noise itu sendiri
terbagi menjadi dua yaitu Intensity Filtering dan
Frequency Filtering.
2
Mulai
b. Memperhalus gambar (Mean Filtering)
Mean Filtering adalah filter yang
digunakan untuk menghaluskan gambar yang
terlalu kasar. Jika filter ini dilakukan pada
gambar yang sudah halus, maka hasil gambar
tersebut akan semakin kabur. Mean filtering
ini biasa disebut smoothing filter.
Input Citra
c. Efek Sulaman (Median Filtering)
Median filtering adalah filter yang
digunakan untuk memperhalus gambar tetapi
tidak sehalus mean filtering. Gambar yang
dihasilkan terlihat tidak rapi, karena tidak
dilakukannya proses rata-rata tetapi dilakukan
proses mencari nilai tengah dari titik-titik
yang direkam dalam matriks neighbour.
Masukan Ratio Filter
Mean Filtering
d. Efek cat minyak (Modus Filtering)
Modus Filtering adalah termasuk jenis
filter spatial filtering yang tidak menggunakan
mask. Tujuan utama dari filter ini adalah
membuat gambar menjadi berbintil-bintil
seperti dicat dengan cat minyak.
Tingkat Kehalusan
Sesuai
2.5. Metode Mean Filter
Metode mean filter adalah satu teknik
filtering
yang
bekerja
dengan
cara
menggantikan intensitas suatu pixel dengan
rata-rata nilai pixel dari pixel-pixel
tetangganya. Jika suatu citra f(x,y) yang
berukuran M x N dilakukan proses filtering
dengan
penapis
h(x,y)
maka
akan
menghasilkan citra g(x,y), dimana penapis
h(x,y) merupakan matrik yang berisi nilai
1/ukuran penapis. Secara matematis proses
tersebut dapat dinyatakan sebagai berikut:
g(x,y) = f(x,y) * h(x,y))
Operasi diatas dipandang sebagai konvolusi
antara citra f(x,y) dengan penapis h(x,y),
dimana * menyatakan operator konvolusi dan
prosesnya dilakukan dengan menggeser
penapis konvolusi pixel per pixel.
Selesai
GAMBAR 2. FLOWCHART MEAN FILTER
Untuk lebih jelasnya, berikut ini tahaptahap eksekusi dari program mean filter yang
digunakan:
1. Buka meanfilter.fig
2. Klik open file, dan pilih gambar yang
akan di filter.
3. Isi masukan ukuran dari mean filter.
4. Klik tombol mean filter
5. Gambar hasil mean filter akan muncul.
3. PERANCANGAN
3.1. Flowchart Program
Perancangan
prosedural
dilakukan
dengan membuat flowchart sistem untuk
metode yang digunakan. Flowchart merupakan
suatu cara untuk menggambarkan langkahlangkah kerja program yang meliputi input,
proses, dan output.
3.2. Syntax Dasar Mean Filter
Pada dasarnya mean filter adalah salah satu
teknik untuk melembutkan suatu citra.
Smoothing/pelembutan citra dapat menggunakan
berbagai macam cara, salah satunya diolah
dengan menggunakan perhitungan Mean Square
Error (MSE) dan Peak Signal to Noise Error
(PSNR). Namun pada kali ini saya
menggunakan aplikasi Matlab7 8.0. Sehingga
pengolahan dilakukan berdasarkan syntax yang
diaplikasikan langsung pada suatu citra.
3
Pendekatan suatu mean filter pada matlab
dapat diwakilkan oleh syntax berikut ini:
Pengujian dilakukan terhadap tiga buah
gambar dengan ukuran masing-masing gambar
yang berbeda dan menggunakan satu operasi
yang sama yaitu mean filter. Tiap gambar difilter dengan menggunakan 4 buah ukuran filter.
Rasio dari parameter yang digunakan
berkisar dari 1 sampai 255. Data atau citra yang
digunakan adalah gambar yang memiliki
ketajaman yang agak besar, sehingga bisa
dilakukan perbandingan yang jelas antara
gambar sebelum dan sesudah proses mean
filtering.
Untuk ukuran filter yang digunakan
adalah: 1X1, 3X3 dan 10X10. Berikut ini hasil
atau data yang didapatkan:
Ukuran
Gambar
No.
Filter
GAMBAR 3. SYNTAX MEAN FILTER
3.3. Perancangan Interface GUI
1
GAMBAR 4. RANCANGAN GUI MEAN FILTER
Gambar diatas adalah tampilan dari GUI
Matlab. Terdapat dua buah axes yang
berfungsi untuk menampilkan citra. Axes1
menampilkan citra awal, axes2 menampilkan
citra yang telah di-smoothing dengan
menggunakan tombol mean filter. Untuk
menampilkan citra awal digunakan tombol
open file. Dan sebagai parameter smoothing
terdapat dua masukan, yakni parameter
horizontal dan vertikal.
Setelah interface tersebut selesai, maka
selanjutnya adalah pemberian syntax untuk
masing-masing tombol dan parameter. Berikut
ini tampilan editor-nya:
640X400
2
1X1
1024X768
3
2048X1536
4
640X400
3X3
5
GAMBAR 5. TAMPILAN M-FILE EDITOR MATLAB
1024X768
4.
PENGUJIAN, ANALISA DATA DAN
PEMBAHASAN
4.1. Pengujian
4
Dari data hasil percobaan diatas dapat kita
perhatikan karakteristik dari masing-masing
ukuran mean filter yang digunakan. Perlu
diketahui bahwa filter yang digunakan
merupakan pendekatan dari fungsi mean filter
itu sendiri, karena pada dasarnya proses mean
filter menggunakan analisa perhitungan Mean
Square Error dan Peak Signal to Noise Error.
Namun agar lebih mudah dalam pengoperasian
mean filtering digunakan pendekatan fungsi
dengan menggunakan syntax yang ada pada
subbab 3.2. Agar pengamatan hasil percobaan
terlihat perbandingannya maka akan dibahas
satu persatu.
Untuk filter ukuran 1X1 secara kasat mata
pada masing-masing gambar tidak terlihat
perbedaan setelah di-filter. Untuk filter ukuran
3X3, perubahan terlihat pada gambar ukuran
640X400, terlihat bahwa gambar jadi lebih halus
disbanding gambar awalnya dan begitu pula
dengan gambar ukuran 1024X768. Namun pada
gambar ukuran 2048X1536 hanya berpengaruh
sedikit. Untuk filter ukuran 5X5 terlihat bahwa
gambar yang berukuran 640X400 dan
1024X768 mulai terlihat agak buram (blur),
namun tidak dengan gambar berukuran
2048X1536, justru gambar baru mulai terlihat
lebih halus disbanding gambar awalnya. Untuk
filter terakhir dengan ukuran 10X10 gambar
dengan ukuran 640X400 dan 1024X768 gambar
benar-benar menjadi buram (blur) akibat dari
proses mean filter, dan gambar dengan ukuran
2048X1536 baru sedikit terlihat agak buram
(blur).
Dari data yang telah kita miliki diatas, kita
ketahui bahwa ukuran dari mean filter yang
digunakanlah yang mempengaruhi tingkat
smooth/kehalusan suatu citra. Begitu pula
dengan ukuran dari gambar yang digunakan,
semakin besar ukuran piksel dari gambar
tersebut maka semakin besar filter yang
digunakan untuk mendapatkan gambar yang
halus(smooth). Dari syntax yang digunakan
ditunjukkan bahwa citra mengalami proses
perataan (average) berdasarkan ukuran yang
digunakan. Misalkan untuk filter ukuran 3X3,
maka proses perataan dilakukan per 3X3 piksel
pada citra yang difilter.
Sehingga semakin besar ukuran filter, maka
proses perataan akan menyebabkan gambar
semakin blur, karena perataan yang dilakukan
terhadap citra sebesar ukuran filter tersebut.
Perlu diketahui pula bahwa proses mean filter
ini juga menghilangkan noise dari citra tersebut.
6
2048X1536
7
640X400
8
5X5
1024X768
9
2048X1536
10
640X400
11
10X10
1024X768
12
2048X1536
TABEL 1. DATA HASIL PERCOBAAN
4.2. Analisa Data Dan Pembahasan
5
1.
2.
3.
4.
5. KESIMPULAN
Teknik mean filter ini dapat membuat citra
yang terlalu tajam menjadi lebih halus.
Semakin besar ukuran penapis (filter)
yang digunakan maka semakin buram citra
yang dihasilkan. Namun noise menjadi
semakin berkurang.
Semakin besar ukuran filter, maka
semakin besar pula ukuran filter yang
digunakan untuk memperhalus gambar.
Kekurangan dari metode filtering yang
digunakan
adalah
tidak
dapat
mempertahankan kualitas citra yang
dihasilkan, jika ukuran penapis (filter)
diperbesar.
6.
DAFTAR PUSTAKA
[1] Nuryadin S., Sony, Analisis Filtering
Citra Dengan Metode Mean Filter Dan
Median Filte. TI FTIK UNIKOM.2009
[2] E. Juliastuti, et al., Pengolahan Citra
Obyek dari Balik Pengaburan dengan
Metode Optik (Tapis Ruang) dan Metode
Digital (“Or Minimum”). Paper Vol. 37
A, No. 2. ITB. 2005.
[3] Siregar
,
Muhammad
Arifin,
"Perancangan Perangkat Lunak Untuk
Perbaikan Citra Digital Dengan
Menggunakan
Lima
(5)
Teknik
Penyaringan (Filtering)", Universitas
Sumatra Utara, 2009.
[4] Nalwan, Agustinus, Pengolahan Gambar
Secara Digital,Elex Media Komputindo.
2000.
[5] Stewart, Robert R., Median Filtering :
Review and A New F/K Analogue
Design. Journal of the Canadian Society
of Exploration Geophysicists. 1985.
7.
bidang
Komunikasi.
Biografi
Dio
Pradianggara
saat
ini
sedang
menjalani pendidikan
perkuliahan di Jurusan
Teknik
Elektro
program studi S1
Fakultas
Teknik
Universitas
Jember,
Jawa Timur. Dengan
konsentrasi
Elektronika
6
Lampiran Syntax pada Matlab
function varargout = MeanFilter(varargin)
% MEANFILTER M-file for MeanFilter.fig
%
MEANFILTER, by itself, creates a new MEANFILTER or raises the
existing
%
singleton*.
%
%
H = MEANFILTER returns the handle to a new MEANFILTER or the
handle to
%
the existing singleton*.
%
%
MEANFILTER('CALLBACK',hObject,eventData,handles,...) calls
the local
%
function named CALLBACK in MEANFILTER.M with the given input
arguments.
%
%
MEANFILTER('Property','Value',...) creates a new MEANFILTER
or raises the
%
existing singleton*. Starting from the left, property value
pairs are
%
applied to the GUI before MeanFilter_OpeningFcn gets called.
An
%
unrecognized property name or invalid value makes property
application
%
stop. All inputs are passed to MeanFilter_OpeningFcn via
varargin.
%
%
*See GUI Options on GUIDE's Tools menu. Choose "GUI allows
only one
%
instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help MeanFilter
% Last Modified by GUIDE v2.5 30-May-2012 19:36:26
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',
mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @MeanFilter_OpeningFcn, ...
'gui_OutputFcn', @MeanFilter_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback',
[]);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
7
% --- Executes just before MeanFilter is made visible.
function MeanFilter_OpeningFcn(hObject, eventdata, handles,
varargin)
% This function has no output args, see OutputFcn.
% hObject
handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% varargin
command line arguments to MeanFilter (see VARARGIN)
% Choose default command line output for MeanFilter
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes MeanFilter wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = MeanFilter_OutputFcn(hObject, eventdata,
handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject
handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
proyek=guidata(gcbo);
[namafile,direktori]=uigetfile({'*.jpg';'*.bmp';'*.png';'*.tif'},'Bu
ka Gambar');
if isequal(namafile,0)
return;
end
eval(['cd ''' direktori ''';']);
I=imread(namafile);
set(proyek.figure1,'CurrentAxes',proyek.axes1);
set(imshow(I));
set(proyek.figure1,'Userdata',I);
set(proyek.axes1,'Userdata',I);
% hObject
% eventdata
% handles
handle to pushbutton3 (see GCBO)
reserved - to be defined in a future version of MATLAB
structure with handles and user data (see GUIDATA)
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
proyek=guidata(gcbo);
8
I=get(proyek.axes1,'Userdata');
if isequal(I,[])
msgbox('Belum ada gambar!','Peringatan','warn');
else
a= str2double(get(handles.edit1,'String'));
b= str2double(get(handles.edit2,'String'));
param = [a b];
H=fspecial('average', param);
J=imfilter(I, H);
set(proyek.figure1,'CurrentAxes',proyek.axes2);
imshow (J);
figure imshow(I)
end
% hObject
handle to pushbutton5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
function edit1_Callback(hObject, eventdata, handles)
% hObject
handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit1 as text
%
str2double(get(hObject,'String')) returns contents of edit1
as a double
% --- Executes during object creation, after setting all properties.
function edit1_CreateFcn(hObject, eventdata, handles)
% hObject
handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
empty - handles not created until after all CreateFcns
called
% Hint: edit controls usually have a white background on Windows.
%
See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
function edit2_Callback(hObject, eventdata, handles)
% hObject
handle to edit2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit2 as text
%
str2double(get(hObject,'String')) returns contents of edit2
as a double
% --- Executes during object creation, after setting all properties.
function edit2_CreateFcn(hObject, eventdata, handles)
9
% hObject
% eventdata
% handles
called
handle to edit2 (see GCBO)
reserved - to be defined in a future version of MATLAB
empty - handles not created until after all CreateFcns
% Hint: edit controls usually have a white background on Windows.
%
See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
% --- If Enable == 'on', executes on mouse press in 5 pixel border.
% --- Otherwise, executes on mouse press in 5 pixel border or over
text3.
function text3_ButtonDownFcn(hObject, eventdata, handles)
% hObject
handle to text3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
10
Program GUI pada Matlab
11
DIGITAL DENGAN MENGGUNAKAN MEAN FILTER
1) Dio Pradianggara 2) Ike Fibriani, ST., MT.
Program Studi S1, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jember
Jl. Slamet Riyadi No.62, Kode Pos:68111, Jember, Indonesia
diopradianggara@gmail.com[1] ik3fibriani.teknik@gmail.com[2]
ABSTRAK
Citra yang mengalami penurunan mutu, misalnya mengandung derau (noise), warna yang
terlalu kontras atau kabur, kasar dan sebagainya akan lebih sulit diinterpretasikan karena informasi
yang disampaikan oleh citra tersebut menjadi berkurang. Oleh karena itu diperlukan suatu aplikasi
pengolahan citra yang khusus untuk memperbaiki kualitas citra. Dalam tulisan ini dirancang suatu
aplikasi pengolahan citra yang berguna untuk melakukan perbaikan citra dengan cara menghaluskan
citra. Untuk menghaluskan citra digunakan tiga metode mean filtering, median filtering dan modus
filtering. Filtering citra merupakan salah satu bagian dari perbaikan kualitas citra, yaitu
menghaluskan dan menghilangkan noise yang ada pada citra. Mean filter merupakan salah satu
filtering linear yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai
pixel tersebut dengan nilai pixel-pixel tetangganya. Dengan menggunakan aplikasi yang dibuat,
perbaikan citra (image enhancement) yang mengandung noise menjadi lebih bersih dan citra yang
kasar menjadi lebih halus.
Kata Kunci : filtering, noise, mean filter
atau diperoleh dari peralatan kamera digital
lainnya terlihat kasar.
Untuk mengatasi noise tersebut perlu
dilakukan usaha untuk memperbaiki kualitas
citra itu. Salah satunya adalah dengan filtering
citra baik secara linear maupun secara nonlinear. Mean filter
merupakan salah satu
filtering
linear
yang
berfungsi
untuk
memperhalus dan menghilangkan noise pada
suatu citra yang bekerja dengan menggantikan
intensitas nilai pixel dengan rata-rata dari nilai
pixel tersebut dengan nilai pixel-pixel
tetangganya.
1. PENDAHULUAN
1.1. Latar Belakang
Citra (image) atau istilah lain untuk
gambar sebagai salah satu komponen
multimedia memegang peranan sangat penting
sebagai bentuk informasi visual. Meskipun
sebuah citra kaya akan informasi, namun
sering kali citra yang dimiliki mengalami
penurunan mutu, misalnya mengandung cacat
atau noise. Tentu saja citra semacam ini
menjadi lebih sulit untuk diinterpretasikan
karena informasi yang disampaikan oleh citra
tersebut menjadi berkurang.
Noise dapat disebabkan oleh banyak hal.
Salah satunya pada saat penggunaan kamera
Ketika sebuah citra ditangkap oleh kamera,
seringkali tidak dapat langsung digunakan
sebagaimana diinginkan kerena kualitasnya
belum
memenuhi
standard
kebutuhan
pengolahan. Misalnya saja citra disertai oleh
variasi intensitas yang kurang seragam akibat
pencahayan yang tidak merata, atau lemah
dalam hal kontras sehingga objek sulit untuk
dipisahkan dari latar belakangnya karena
terlalu banyak noise (gangguan dalam citra).
Secara umum dapat dikatakan bahwa citra
yang demikian kualitasnya masih rendah, baik
oleh kerena adanya noise, maupun oleh sebab
lainnya. Adakalanya citra yang diperoleh
dengan cara melukis pada media komputer
1.2. Rumusan Masalah
Berdasarkan uraian di atas maka yang
menjadi permasalahan di dalam Tugas ini yaitu
bagaimana cara untuk melakukan perbaikan
pada suatu citra dengan menggunakan salah satu
teknik filter, yaitu Mean Filtering sekaligus
dapat mengamati langsung perubahan yang
terjadi pada citra.
1.3. Batasan Masalah
1. Proses
perbaikan
citra
dilakukan
menggunakan metode Mean Filtering.
2. Perangkat
lunak
dibuat
dengan
menggunakan aplikasi GUI pada Matlab
2009.
1
1.4. Tujuan dan Manfaat Penelitian
Tujuan dari pembuatan paper ini adalah
merancang
perangkat
lunak
untuk
memperbaiki citra digital dan melakukan
perbaikan kualitas citra dengan menggunakan
teknik mean filtering
Sedangkan manfaat dari pembuatan
paper ini adalah:
1. Mempermudah mengolah citra dengan
menggunakan teknik mean filter
2. Mempermudah dalam mengamati dan
membandingkan
pengaruh
teknik
penyaringan pada suatu citra.
seluruh bagian citra. (3)Pengubah analog ke
digital yang berfungsi melakukan sampling
dankuantisasi. Komputer digital,digunakan pada
sistem pemroses citra, mampu melakukan
berbagai fungsi pada citra digital resolusi tinggi.
Piranti
Tampilan,
peraga
berfungsi
mengkonversi
matriks
intensitas
tinggi
merepresentasikan citra ke tampilan yang dapat
diinterpretasi
oleh
manusia.
Media
penyimpanan,
piranti
yang
mempunyai
kapasitas memori besar sehingga gambar dapat
disimpan secara permanen agar dapat diproses
lagi pada waktu yang lain.
2. LANDASAN TEORI
2.1. Pengertian Citra
2.3. Perbaikan Kualitas Citra
Perbaikan kualitas citra merupakan suatu
proses yang dilakukan untuk mendapatkan
kondisi tertentu pada citra. Proses tersebut
dilakukan dengan menggunakan berbagai
macam metode tergantung pada kondisi yang
diharapkan pada citra, seperti mempertajam
bagian tertentu pada citra, menghilangkan noise
atau gangguan, manipulasi kontras dan skala
keabuan, dan sebagainya. Secara umum metodemetode yang digunakan dapat digolongkan
kedalam dua kelompok yaitu metode domain
frekuensi dan metode domain spasial.
Pada metode domain frekuensi, teknik
pemrosesannya berdasarkan pada transformasi
Fourier terhadap nilai pixel. Sedangkan pada
metode domain spasial prosesnya dioperasikan
langsung terhadap pixel, dimana untuk
memproses sebuah pixel harus mengikut
sertakan pixel-pixel tetangganya. Fungsi
matematis dari metode domain spasial adalah
sebagai berikut :
g (x,y) = T [f (x,y)]
f (x,y) adalah fungsi citra masukan, g (x,y)
adalah citra hasil atau keluaran, sedangkan T
adalah operator atas f, yang didefinisikan
terhadap kumpulan tetangga-tetangga (x,y).
Contoh dari metode ini adalah operasi filtering
citra yaitu penghalusan citra dengan cara
menghilangkan noise pada citra.
Citra merupakan fungsi kontinu dari
intensitas cahaya pada bidang 2D. Citra ada
dua macam yaiitu citra kontinyu dan citra
diskrit. Secara matematis fungsi intensitas
cahaya pada bidang 2D disimbolkan dengan
f(x,y), dimana (x,y) merupakan koordinat pada
bidang 2D dan f(x,y) merupakan intensitas
cahaya (brightness) pada titik (x,y). Citra
kontinyu dihasilkan dari sistem optik yang
menerima sinyal analog. Contoh citra kontinyu
misalnya mata manusia dan kamera analog.
Citra diskrit dihasilkan melalui proses
digitalisasi terhadap citra kontinyu. Contoh
citra diskrit yaitu kamera digital dan scanner.
2.2. Citra Digital
Gambar berikut ini merupakan diagram
blok proses digitalisasi.
GAMBAR 1. DIAGRAM BLOK DIGITALISASI
2.4. Operasi-Operasi Perbaikan Citra
Digitizer(Digital Acqusition System) adalah
sistem penamgkap citra digital yang
melakukan
penjelajahan
citra
dan
mengkonversinya ke representasi numerik
sebagai masukan bagi komputer digital. Hasil
dari digitizer adalah matriks yang elemenelemennya menyatakan nilai intensitas cahaya
pada suatu titik. Digitizer terdiri dari 3
komponen dasar : (1)Sensor citra yang bekerja
sebagai
pengukur
intensitas
cahaya.
(2)Perangkat penjelajah yang berfungsi
merekam hasil pengukuran intensitas pada
Adapun operasi-operasi pemugaran citra
atau perbaikan citra yang disediakan oleh
perangkat lunak yang dirancang dalam Tugas
Akhir ini adalah sebagai berikut:
a. Penghilangan Derau (Noise)
Noise adalah gangguan-gangguan/bintikbintik pada gambar yang terjadi pada saat
gambar tersebut dikirim dari satu komputer ke
komputer lainnya. Reduksi noise itu sendiri
terbagi menjadi dua yaitu Intensity Filtering dan
Frequency Filtering.
2
Mulai
b. Memperhalus gambar (Mean Filtering)
Mean Filtering adalah filter yang
digunakan untuk menghaluskan gambar yang
terlalu kasar. Jika filter ini dilakukan pada
gambar yang sudah halus, maka hasil gambar
tersebut akan semakin kabur. Mean filtering
ini biasa disebut smoothing filter.
Input Citra
c. Efek Sulaman (Median Filtering)
Median filtering adalah filter yang
digunakan untuk memperhalus gambar tetapi
tidak sehalus mean filtering. Gambar yang
dihasilkan terlihat tidak rapi, karena tidak
dilakukannya proses rata-rata tetapi dilakukan
proses mencari nilai tengah dari titik-titik
yang direkam dalam matriks neighbour.
Masukan Ratio Filter
Mean Filtering
d. Efek cat minyak (Modus Filtering)
Modus Filtering adalah termasuk jenis
filter spatial filtering yang tidak menggunakan
mask. Tujuan utama dari filter ini adalah
membuat gambar menjadi berbintil-bintil
seperti dicat dengan cat minyak.
Tingkat Kehalusan
Sesuai
2.5. Metode Mean Filter
Metode mean filter adalah satu teknik
filtering
yang
bekerja
dengan
cara
menggantikan intensitas suatu pixel dengan
rata-rata nilai pixel dari pixel-pixel
tetangganya. Jika suatu citra f(x,y) yang
berukuran M x N dilakukan proses filtering
dengan
penapis
h(x,y)
maka
akan
menghasilkan citra g(x,y), dimana penapis
h(x,y) merupakan matrik yang berisi nilai
1/ukuran penapis. Secara matematis proses
tersebut dapat dinyatakan sebagai berikut:
g(x,y) = f(x,y) * h(x,y))
Operasi diatas dipandang sebagai konvolusi
antara citra f(x,y) dengan penapis h(x,y),
dimana * menyatakan operator konvolusi dan
prosesnya dilakukan dengan menggeser
penapis konvolusi pixel per pixel.
Selesai
GAMBAR 2. FLOWCHART MEAN FILTER
Untuk lebih jelasnya, berikut ini tahaptahap eksekusi dari program mean filter yang
digunakan:
1. Buka meanfilter.fig
2. Klik open file, dan pilih gambar yang
akan di filter.
3. Isi masukan ukuran dari mean filter.
4. Klik tombol mean filter
5. Gambar hasil mean filter akan muncul.
3. PERANCANGAN
3.1. Flowchart Program
Perancangan
prosedural
dilakukan
dengan membuat flowchart sistem untuk
metode yang digunakan. Flowchart merupakan
suatu cara untuk menggambarkan langkahlangkah kerja program yang meliputi input,
proses, dan output.
3.2. Syntax Dasar Mean Filter
Pada dasarnya mean filter adalah salah satu
teknik untuk melembutkan suatu citra.
Smoothing/pelembutan citra dapat menggunakan
berbagai macam cara, salah satunya diolah
dengan menggunakan perhitungan Mean Square
Error (MSE) dan Peak Signal to Noise Error
(PSNR). Namun pada kali ini saya
menggunakan aplikasi Matlab7 8.0. Sehingga
pengolahan dilakukan berdasarkan syntax yang
diaplikasikan langsung pada suatu citra.
3
Pendekatan suatu mean filter pada matlab
dapat diwakilkan oleh syntax berikut ini:
Pengujian dilakukan terhadap tiga buah
gambar dengan ukuran masing-masing gambar
yang berbeda dan menggunakan satu operasi
yang sama yaitu mean filter. Tiap gambar difilter dengan menggunakan 4 buah ukuran filter.
Rasio dari parameter yang digunakan
berkisar dari 1 sampai 255. Data atau citra yang
digunakan adalah gambar yang memiliki
ketajaman yang agak besar, sehingga bisa
dilakukan perbandingan yang jelas antara
gambar sebelum dan sesudah proses mean
filtering.
Untuk ukuran filter yang digunakan
adalah: 1X1, 3X3 dan 10X10. Berikut ini hasil
atau data yang didapatkan:
Ukuran
Gambar
No.
Filter
GAMBAR 3. SYNTAX MEAN FILTER
3.3. Perancangan Interface GUI
1
GAMBAR 4. RANCANGAN GUI MEAN FILTER
Gambar diatas adalah tampilan dari GUI
Matlab. Terdapat dua buah axes yang
berfungsi untuk menampilkan citra. Axes1
menampilkan citra awal, axes2 menampilkan
citra yang telah di-smoothing dengan
menggunakan tombol mean filter. Untuk
menampilkan citra awal digunakan tombol
open file. Dan sebagai parameter smoothing
terdapat dua masukan, yakni parameter
horizontal dan vertikal.
Setelah interface tersebut selesai, maka
selanjutnya adalah pemberian syntax untuk
masing-masing tombol dan parameter. Berikut
ini tampilan editor-nya:
640X400
2
1X1
1024X768
3
2048X1536
4
640X400
3X3
5
GAMBAR 5. TAMPILAN M-FILE EDITOR MATLAB
1024X768
4.
PENGUJIAN, ANALISA DATA DAN
PEMBAHASAN
4.1. Pengujian
4
Dari data hasil percobaan diatas dapat kita
perhatikan karakteristik dari masing-masing
ukuran mean filter yang digunakan. Perlu
diketahui bahwa filter yang digunakan
merupakan pendekatan dari fungsi mean filter
itu sendiri, karena pada dasarnya proses mean
filter menggunakan analisa perhitungan Mean
Square Error dan Peak Signal to Noise Error.
Namun agar lebih mudah dalam pengoperasian
mean filtering digunakan pendekatan fungsi
dengan menggunakan syntax yang ada pada
subbab 3.2. Agar pengamatan hasil percobaan
terlihat perbandingannya maka akan dibahas
satu persatu.
Untuk filter ukuran 1X1 secara kasat mata
pada masing-masing gambar tidak terlihat
perbedaan setelah di-filter. Untuk filter ukuran
3X3, perubahan terlihat pada gambar ukuran
640X400, terlihat bahwa gambar jadi lebih halus
disbanding gambar awalnya dan begitu pula
dengan gambar ukuran 1024X768. Namun pada
gambar ukuran 2048X1536 hanya berpengaruh
sedikit. Untuk filter ukuran 5X5 terlihat bahwa
gambar yang berukuran 640X400 dan
1024X768 mulai terlihat agak buram (blur),
namun tidak dengan gambar berukuran
2048X1536, justru gambar baru mulai terlihat
lebih halus disbanding gambar awalnya. Untuk
filter terakhir dengan ukuran 10X10 gambar
dengan ukuran 640X400 dan 1024X768 gambar
benar-benar menjadi buram (blur) akibat dari
proses mean filter, dan gambar dengan ukuran
2048X1536 baru sedikit terlihat agak buram
(blur).
Dari data yang telah kita miliki diatas, kita
ketahui bahwa ukuran dari mean filter yang
digunakanlah yang mempengaruhi tingkat
smooth/kehalusan suatu citra. Begitu pula
dengan ukuran dari gambar yang digunakan,
semakin besar ukuran piksel dari gambar
tersebut maka semakin besar filter yang
digunakan untuk mendapatkan gambar yang
halus(smooth). Dari syntax yang digunakan
ditunjukkan bahwa citra mengalami proses
perataan (average) berdasarkan ukuran yang
digunakan. Misalkan untuk filter ukuran 3X3,
maka proses perataan dilakukan per 3X3 piksel
pada citra yang difilter.
Sehingga semakin besar ukuran filter, maka
proses perataan akan menyebabkan gambar
semakin blur, karena perataan yang dilakukan
terhadap citra sebesar ukuran filter tersebut.
Perlu diketahui pula bahwa proses mean filter
ini juga menghilangkan noise dari citra tersebut.
6
2048X1536
7
640X400
8
5X5
1024X768
9
2048X1536
10
640X400
11
10X10
1024X768
12
2048X1536
TABEL 1. DATA HASIL PERCOBAAN
4.2. Analisa Data Dan Pembahasan
5
1.
2.
3.
4.
5. KESIMPULAN
Teknik mean filter ini dapat membuat citra
yang terlalu tajam menjadi lebih halus.
Semakin besar ukuran penapis (filter)
yang digunakan maka semakin buram citra
yang dihasilkan. Namun noise menjadi
semakin berkurang.
Semakin besar ukuran filter, maka
semakin besar pula ukuran filter yang
digunakan untuk memperhalus gambar.
Kekurangan dari metode filtering yang
digunakan
adalah
tidak
dapat
mempertahankan kualitas citra yang
dihasilkan, jika ukuran penapis (filter)
diperbesar.
6.
DAFTAR PUSTAKA
[1] Nuryadin S., Sony, Analisis Filtering
Citra Dengan Metode Mean Filter Dan
Median Filte. TI FTIK UNIKOM.2009
[2] E. Juliastuti, et al., Pengolahan Citra
Obyek dari Balik Pengaburan dengan
Metode Optik (Tapis Ruang) dan Metode
Digital (“Or Minimum”). Paper Vol. 37
A, No. 2. ITB. 2005.
[3] Siregar
,
Muhammad
Arifin,
"Perancangan Perangkat Lunak Untuk
Perbaikan Citra Digital Dengan
Menggunakan
Lima
(5)
Teknik
Penyaringan (Filtering)", Universitas
Sumatra Utara, 2009.
[4] Nalwan, Agustinus, Pengolahan Gambar
Secara Digital,Elex Media Komputindo.
2000.
[5] Stewart, Robert R., Median Filtering :
Review and A New F/K Analogue
Design. Journal of the Canadian Society
of Exploration Geophysicists. 1985.
7.
bidang
Komunikasi.
Biografi
Dio
Pradianggara
saat
ini
sedang
menjalani pendidikan
perkuliahan di Jurusan
Teknik
Elektro
program studi S1
Fakultas
Teknik
Universitas
Jember,
Jawa Timur. Dengan
konsentrasi
Elektronika
6
Lampiran Syntax pada Matlab
function varargout = MeanFilter(varargin)
% MEANFILTER M-file for MeanFilter.fig
%
MEANFILTER, by itself, creates a new MEANFILTER or raises the
existing
%
singleton*.
%
%
H = MEANFILTER returns the handle to a new MEANFILTER or the
handle to
%
the existing singleton*.
%
%
MEANFILTER('CALLBACK',hObject,eventData,handles,...) calls
the local
%
function named CALLBACK in MEANFILTER.M with the given input
arguments.
%
%
MEANFILTER('Property','Value',...) creates a new MEANFILTER
or raises the
%
existing singleton*. Starting from the left, property value
pairs are
%
applied to the GUI before MeanFilter_OpeningFcn gets called.
An
%
unrecognized property name or invalid value makes property
application
%
stop. All inputs are passed to MeanFilter_OpeningFcn via
varargin.
%
%
*See GUI Options on GUIDE's Tools menu. Choose "GUI allows
only one
%
instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help MeanFilter
% Last Modified by GUIDE v2.5 30-May-2012 19:36:26
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',
mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @MeanFilter_OpeningFcn, ...
'gui_OutputFcn', @MeanFilter_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback',
[]);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
7
% --- Executes just before MeanFilter is made visible.
function MeanFilter_OpeningFcn(hObject, eventdata, handles,
varargin)
% This function has no output args, see OutputFcn.
% hObject
handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% varargin
command line arguments to MeanFilter (see VARARGIN)
% Choose default command line output for MeanFilter
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes MeanFilter wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line.
function varargout = MeanFilter_OutputFcn(hObject, eventdata,
handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject
handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
proyek=guidata(gcbo);
[namafile,direktori]=uigetfile({'*.jpg';'*.bmp';'*.png';'*.tif'},'Bu
ka Gambar');
if isequal(namafile,0)
return;
end
eval(['cd ''' direktori ''';']);
I=imread(namafile);
set(proyek.figure1,'CurrentAxes',proyek.axes1);
set(imshow(I));
set(proyek.figure1,'Userdata',I);
set(proyek.axes1,'Userdata',I);
% hObject
% eventdata
% handles
handle to pushbutton3 (see GCBO)
reserved - to be defined in a future version of MATLAB
structure with handles and user data (see GUIDATA)
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
proyek=guidata(gcbo);
8
I=get(proyek.axes1,'Userdata');
if isequal(I,[])
msgbox('Belum ada gambar!','Peringatan','warn');
else
a= str2double(get(handles.edit1,'String'));
b= str2double(get(handles.edit2,'String'));
param = [a b];
H=fspecial('average', param);
J=imfilter(I, H);
set(proyek.figure1,'CurrentAxes',proyek.axes2);
imshow (J);
figure imshow(I)
end
% hObject
handle to pushbutton5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
function edit1_Callback(hObject, eventdata, handles)
% hObject
handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit1 as text
%
str2double(get(hObject,'String')) returns contents of edit1
as a double
% --- Executes during object creation, after setting all properties.
function edit1_CreateFcn(hObject, eventdata, handles)
% hObject
handle to edit1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
empty - handles not created until after all CreateFcns
called
% Hint: edit controls usually have a white background on Windows.
%
See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
function edit2_Callback(hObject, eventdata, handles)
% hObject
handle to edit2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of edit2 as text
%
str2double(get(hObject,'String')) returns contents of edit2
as a double
% --- Executes during object creation, after setting all properties.
function edit2_CreateFcn(hObject, eventdata, handles)
9
% hObject
% eventdata
% handles
called
handle to edit2 (see GCBO)
reserved - to be defined in a future version of MATLAB
empty - handles not created until after all CreateFcns
% Hint: edit controls usually have a white background on Windows.
%
See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
% --- If Enable == 'on', executes on mouse press in 5 pixel border.
% --- Otherwise, executes on mouse press in 5 pixel border or over
text3.
function text3_ButtonDownFcn(hObject, eventdata, handles)
% hObject
handle to text3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles
structure with handles and user data (see GUIDATA)
10
Program GUI pada Matlab
11