MODUL 6 Noise dan Reduksi Noise

Slides:



Advertisements
Presentasi serupa
5~Perbaikan Kualitas Citra
Advertisements

Distribusi Chi Kuadrat, t dan F
PENGUJIAN HIPOTESIS SAMPEL KECIL
Nana Ramadijanti Politeknik Elektronika Negeri Surabaya PENS-ITS 2009
Pengolahan Citra (TIF05)
Operasi Tetangga Nurfarida Ilmianah.
Pengolahan Citra Berwarna
Pengolahan Citra (TIF05)
Image Restoration.
Sistem Bilangan dan Kesalahan
Rata - rata ukur.
CS3204 Pengolahan Citra - UAS
Anna Hendrawati STMIK CILEGON
Pengolahan Citra Digital
PENGOLAHAN CITRA DAN POLA
Pembangkitan Peubah Acak Kontinu
CS3204 Pengolahan Citra - UAS
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
MODUL KULIAH 10 Ekstraksi Fitur Bentuk
Modul 1 PENGANTAR PENGOLAHAN CITRA
MODUL 12 Aplikasi Pengenalan Kematangan Tomat (Fitur Warna)
DISTRIBUSI TEORITIS.
Soal Distribusi Kontinu
MODUL 3 PERBAIKAN KUALITAS CITRA
Distribusi F (Fisher) Rasio ragam dari dua populasi yang bersifat bebas, dapat diduga dari rasio varians sampel. Dan rasio ini akan memiliki bentuk sebaran.
KONVOLUSI Oleh : Edy Mulyanto.
Materi 02(b) Pengolahan Citra Digital
Modul 1 PENGANTAR PENGOLAHAN CITRA
MODUL KULIAH 2 FORMASI CITRA
Modul 6 Kegiatan Belajar 1
Perbaikan Kualitas Citra (Image Enhancement)
MODUL14 Segmentasi Citra
MODUL 5 Domain Frekuensi dan Filtering Domain Frekuensi
Image Processing 1. Pendahuluan.
MODUL 9 Ekstraksi Fitur Warna
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
MODUL16 Aplikasi Fitur Bentuk
Ukuran Pemusatan - Data Berkelompok
Filtering dan Konvolusi
PERTEMUAN 11 Morfologi Citra
EKUALISASI HISTOGRAM (Histogram Equalization)
Pengolahan Citra Pertemuan 11
Konvolusi Anna Dara Andriana.
Probabilitas dan Statistika BAB 5 Distribusi Peluang Kontinu
PERTEMUAN 14 EKSTRAKSI FEATURE LOCAL TERNARY PATTERN
KONVOLUSI ROSNY GONYDJAJA.
Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono
Menambahkan Gangguan (Noise) pada Citra
Deteksi Tepi Pengolahan Citra Danar Putra Pamungkas, M.Kom
KONVOLUSI DAN TRANSFORMASI FOURIER
Filtering dan Konvolusi
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
Pengolahan Citra Digital
PENGOLAHAN CITRA DAN POLA
PENDAHULUAN.
PENGOLAHAN CITRA DAN POLA
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
IMPLEMENTASI PERBAIKAN CITRA METODE CONTRAST STRETCHING PADA KAMERA CMUCAM3 DAN HISTOGRAM EQUALIZATION PADA GROUND STATION UNTUK KOMURINDO 2012 Oleh: Dede.
IMAGE ENHANCEMENT.
A. Ukuran Pemusatan Data
Pengubahan Histogram Ada dua cara Perataan Histogram
Pertemuan 10 Mata Kuliah Pengolahan Citra
Negasi Pengolahan Citra Danar Putra Pamungkas, M.Kom
BAB VII UKURAN UKURAN KEMIRINGAN & KERUNCINGAN
SEGMENTASI.
Pengantar Pengolahan Citra 4IA10 Kelompok 4 : Faisal Ghifari ( ) Raihan Firas M ( ) Hafidz Amrulloh ( )
UKURAN PEMUSATAN DATA. Yang dimaksud dengan ukuran pemusatan suatu data adalah rata-rata median modus.
DISTRIBUSI SAMPLING Jaka Wijaya Kusuma M.Pd.
Pemrosesan Bukan Teks (Citra)
Sistem Bilangan dan Kesalahan
Transcript presentasi:

MODUL 6 Noise dan Reduksi Noise Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono

Materi Kuliah Macam-macam Noise Filter Untuk Reduksi Noise Noise Gaussian Noise Speckle Noise Salt & Pepper Filter Untuk Reduksi Noise Filter Rata-Rata Filter Gaussian Filter Median

Sekilas Tentang Noise Pada Citra Noise pada dasarnya adalah gangguan-gangguan pada gambar baik karena kesalahan pada capture maupun kerusakan gambar karena gangguan eksternal sperti gambar sudah tua. Noise pada gambar dapat ditiru dengan perilaku-perilaku kerusakan yang sering terjadi pada gambar.

Macam-Macam Noise Macam-macam noise yang bisa dibangkitkan untuk menguji apakah suatu proses reduksi noise berhasil, malah saat ini banyak digunakan juga untuk efek-efek spesial Noise Gaussian Noise Speckle Noise Salt & Pepper

Noise Gaussian Noise ini dibangkitkan menggunakan pembangkit bilangan acak berdistribusi gaussian, Titik-titik yang terkena noise akan berubah warna (derajat keabuan) secara acak menggunakan distribusi gaussian

Noise Gaussian

Noise Speckle Noise ini dibangkitkan menggunakan pembangkit bilangan acak berdistribusi gaussian (direkomendasikan sampai pada turunannya) atau bilangan acak berditribusi uniform, Titik-titik yang terkena noise akan berubah warna (derajat keabuan) hitam atau nilainya menjadi 0.

Noise Speckle

Noise Salt & Pepper Noise ini dibangkitkan menggunakan pembangkit bilangan acak berdistribusi gaussian (direkomendasikan sampai pada turunannya) atau bilangan acak berditribusi uniform, Titik-titik yang terkena noise akan berubah warna (derajat keabuan) putih atau nilainya menjadi 255.

Noise Salt & Pepper

Reduksi Noise Bagaimana mengurangi noise pada gambar sehingga gambar menjadi lebih jelas Semua filter berbentuk LPF dapat digunakan untuk mereduksi noise Filter-filter yang biasa digunakan dalam reduksi noise: Filter Rata-rata Filter Gaussian Filter Median

Filter Rata-Rata Filter rata-rata adalah filter dengan nilai pada setiap elemen kernelnya sama dan sebagai LPF maka jumlah dari semua nilai kernelnya adalah 1 (satu) Filter rata-rata termasuk dalam linier filter dengan menggunakan kernel berupa matrik. Filter rata-rata 3x3 Filter rata-rata 5x5

Hasil Filter Rata-rata

Filter Gaussian Filter gausian adalah filter dengan nilai pada setiap elemen kernelnya berbentuk fungsi gaussian dan sebagai LPF maka jumlah dari semua nilai kernelnya adalah 1 (satu) Filter gausian termasuk dalam linier filter dengan menggunakan kernel berupa matrik. Fungsi Gaussian: Filter gausian 3x3 Filter gausian 5x5

Hasil Filter Gaussian

Filter Median Filter Median adalah filter mengambil nilai median dari titik dan tetangga- tetanggganya. Median adalah nilai tengah dari sekumpulan nilai (data). Filter Median tidak termasuk dalam linier filter sehingga tidak menggunakan kernel berupa matrik. 10 15 12 10 12 15 Median = 10

Hasil Filter Median

Perbandingan Hasil Filter Reduksi Noise Filter Rata-Rata Filter Gaussian Filter Median

Soal-Soal Latihan Apa ciri-ciri kernel filter pada LPF? Berikan contohnya. Apa pengertian noise pada citra? Jelaskan dengan contoh. Sebutkan 3 macam noise yang dibangkitkan untuk pengolahan citra, dan apa ciri dari masing-masing noise tersebut. Diketahui citra F, lakukan filter rata-rata 3x3, dapatkan citra hasil !

Terima Kasih