Analisis Kualitas Citra Hasil Reduksi Noise Menggunakan Spatial Median Filter dan Adaptive Fuzzy Filter Terhadap Variasi Kedalaman Citra

Irpan Adiputra Pardosi, Ali Akbar Lubis
{"title":"Analisis Kualitas Citra Hasil Reduksi Noise Menggunakan Spatial Median Filter dan Adaptive Fuzzy Filter Terhadap Variasi Kedalaman Citra","authors":"Irpan Adiputra Pardosi, Ali Akbar Lubis","doi":"10.24002/IJIS.V1I2.1939","DOIUrl":null,"url":null,"abstract":"Algoritma reduksi noise salt pada citra mampu mengurangi sebagian atau keseluruhan noise, tapi berdampak pada keragaman informasi dan kualitas citra. Persentase noise yang lebih besar juga membuat perubahan yang besar pada citra, namun hasilnya dapat berbeda untuk citra dengan kedalaman bit yang berbeda-beda. Kemampuan algoritma reduksi noise mampu bekerja maksimal untuk noise di bawah 20%. Penelitian terdahulu mengenai proses reduksi noise citra diantaranya menggunakan algoritma Adaptive Fuzzy Filter (AFF) dan Spatial Median Filter (SMF) yang mampu menghilangkan noise. Keduanya mampu mereduksi noise dengan hasil maksimal di bawah 45% pada citra 8 bit, namun menyisakan beberapa noise. Oleh karena itu, perlu dikaji kinerja algoritma dan dampaknya terhadap citra dengan noise yang lebih besar. Penelitian ini khusus mengatasi noise jenis salt and pepper dengan persentase noise di atas 45% pada citra warna bitmap. Selain itu, penelitian ini menganalisis citra hasil mulai dari kualitas citra dan keragaman informasi setelah proses reduksi noise dengan menggunakan Algoritma SMF dan AFF. Dari hasil pengujian citra untuk persentase noise salt 45%, 55%, 65%, dan 75% pada kedalaman citra 8, 16, dan 24 bit, dapat disimpulkan bahwa Algoritma AFF lebih baik dibandingkan SMF mengacu pada nilai Peak Signal to Noise Ratio (PSNR), sebaliknya algoritma SMF lebih baik untuk keragaman informasi, mengacu pada nilai shannon entropy. Kedua hal ini berlaku untuk semua variasi kedalaman citra warna.","PeriodicalId":34118,"journal":{"name":"Indonesian Journal of Information Systems","volume":"99 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2019-02-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Indonesian Journal of Information Systems","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24002/IJIS.V1I2.1939","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 4

Abstract

Algoritma reduksi noise salt pada citra mampu mengurangi sebagian atau keseluruhan noise, tapi berdampak pada keragaman informasi dan kualitas citra. Persentase noise yang lebih besar juga membuat perubahan yang besar pada citra, namun hasilnya dapat berbeda untuk citra dengan kedalaman bit yang berbeda-beda. Kemampuan algoritma reduksi noise mampu bekerja maksimal untuk noise di bawah 20%. Penelitian terdahulu mengenai proses reduksi noise citra diantaranya menggunakan algoritma Adaptive Fuzzy Filter (AFF) dan Spatial Median Filter (SMF) yang mampu menghilangkan noise. Keduanya mampu mereduksi noise dengan hasil maksimal di bawah 45% pada citra 8 bit, namun menyisakan beberapa noise. Oleh karena itu, perlu dikaji kinerja algoritma dan dampaknya terhadap citra dengan noise yang lebih besar. Penelitian ini khusus mengatasi noise jenis salt and pepper dengan persentase noise di atas 45% pada citra warna bitmap. Selain itu, penelitian ini menganalisis citra hasil mulai dari kualitas citra dan keragaman informasi setelah proses reduksi noise dengan menggunakan Algoritma SMF dan AFF. Dari hasil pengujian citra untuk persentase noise salt 45%, 55%, 65%, dan 75% pada kedalaman citra 8, 16, dan 24 bit, dapat disimpulkan bahwa Algoritma AFF lebih baik dibandingkan SMF mengacu pada nilai Peak Signal to Noise Ratio (PSNR), sebaliknya algoritma SMF lebih baik untuk keragaman informasi, mengacu pada nilai shannon entropy. Kedua hal ini berlaku untuk semua variasi kedalaman citra warna.
通过采用中位滤波器和不规则滤波器对图像深度变化进行分析
图像中的盐噪声减法算法可以减少部分或全部噪音,但影响信息和图像质量的多样性。噪声较大的比例也会对图像产生巨大的变化,但其结果可能对不同程度的图像产生不同的影响。噪声还原算法能够最大限度地为不到20%的噪音工作。过去对图像噪声还原过程的研究包括使用一种肽模糊滤波器(AFF)和空间中位滤波器(SMF),该算法可以消除噪音。这两种方法都能将8位图像的最大产量降低到45%,但只留下一些噪音。因此,应该研究算法的性能及其对噪声图像的影响。这项研究专门研究盐和胡椒类型的噪音,噪音比比特图颜色略高于45%。此外,这项研究分析结果的形象开始后的图像质量和多样性信息还原过程的噪音,使用算法的SMF和AFF。测试结果图像的噪声盐比例45%、55%、65%和75%深达8、16和24位的形象,可以得出结论,AFF算法比指的是价值的SMF峰信号到噪音Ratio (PSNR),相反的SMF算法更好的多样性的信息,参考香农的熵值。这两种方法都适用于所有颜色图像的深度变化。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
7
审稿时长
12 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信