1. MATERI 05. NOISE MODEL & IMAGE RESTORATION Visi Komputer 2019/2020 -2

2. Perbaikan Citra 1  Perbaikan Citra: usaha-usaha untuk memulihkan citra yang mengalami degradasi.  Contoh degradasi diantaranya:  blur (gambar tidak jelas) karena pergerakan atau gangguan atmosferik (kabut),  distorsi geometris karena lensa yang tidak sempurna  munculnya noise karena interferensi oleh peralatan elektronika atau CCD yang jelek (biasanya pada kamera digital)

3. Bagaimana para ahli menemukan cara Perbaikan citra ?  Gambar bagus � didegradasi dengan cara tertentu (misal melalui sebuah rumus matematik) � kemudian rumus tersebut dibalik (inversi) untuk membuat perbaikan, jika tidak berhasil digunakan usaha yang lain  Hasilnya sudah cukup baik  Untuk mengukur keberhasilan sebuah perbaikan citra digunakan alat ukur yaitu MSE (Mean Square Error) 2 Cara untuk perbaikan citra

4. Blur ^ Blur + Noise > Contoh Perbaikan Citra 3

5.  Noise: informasi tidak diinginkan yang mencemari citra  Bentuknya biasanya titik-titik atau piksel-piksel ber- intensitas beda yang mengganggu citra  Noise biasanya terjadi pada saat akuisisi citra. (Kamera -> memotret, scanner -> proses scan, dan sebagainya) >10 secs exposure 0.1 sec exposure Apa itu Noise? 4

6. 5 Cara untuk memodelkan (menciptakan tiruan) noise diantaranya:  Gaussian Noise  Rayleigh Noise  Erlang (Gamma) Noise  Exponential Noise  Uniform Noise  Salt and Pepper (Impulse Noise) Noise-noise diatas diciptakan berdasarkan Probabilty Density Function (PDF) kemudian diaplikasikan ke piksel yang bersangkutan Model-model Noise

7. Gaussian Noise 6

8. 7 Rayleigh Noise

9. Erlang (Gamma) Noise 8

10. 9 Exponential Noise

11. 10 Uniform Noise

12. Salt and Pepper Noise (1) 11

13. 12  Ada 2 jenis noise: pepper (gelap) dan salt (terang).  Dalam grayscale biasanya salt berintensitas 255, pepper 0.  Piksel yang mengandung noise ini akan disebarkan dalam prosentase tertentu dalam citra secara acak.  Probabilitas kemunculan noise biasanya < 0.1 untuk tiap piksel, jika lebih dari ini, maka gambar akan didominasi oleh noise. Salt and Pepper Noise (2)

14. Citra Uji 13 Citra Uji yang digunakan untuk memberikan ilustrasi pengaruh dari berbagai model Noise

15. Pengaruh Noise dalam Citra dan Histogram (1) 14

16. Pengaruh Noise dalam Citra dan Histogram (2) 15

17. Applicability of various noise models 16  Gaussian noise : electronic circuit noise and sensor noise due to poor illumination and/or high temperature.  Rayleigh noise: characterize noise phenomena in range imaging  Exponential and gamma noises: laser imaging  Impulse noise: occur when quick transients (faulty switching) take place during imaging  Uniform noise: the least descriptive of practical situations

18. Perbandingan Salt Pepper dengan Gaussian Noise 17 Salt and Pepper Noise:  Sederhana tapi aneh.  Mirip gangguan pada televisi (interferensi alat elektronik) Gaussian Noise:  Mendekati noise pada dunia nyata.  Rumit  � Dihasilkan oleh noise  Dapat dihasilkan oleh generator Photoshop, Matlab, dsb.)

19.  Bagaimana cara menghilangkan noise?  Gunakan filter spasial untuk noise removal.  Sebelum itu pilih salah satu:  Pertama, identifikasi dulu noisenya ada di mana, kemudian hanya terapkan filter pada piksel yang dianggap noise. Biasanya piksel noise memiliki intensitas yang mencolok dibandingkan sekitarnya � cocok untuk noise yang sedikit  Kedua, langsung saja terapkan filter pada semua piksel pada citra � cocok untuk noise yang banyak Langkah-langkah Noise Removal 18

20.  Arithmetic Mean Filter  Geometric Mean Filter  Harmonic Mean Filter  Contra harmonic Mean Filter Jenis-Jenis Mean Filter 19

21. Mean Filters: Arithmetic mean filter 20

22. Mean Filters: Geometric mean filter 21

23. Mean Filters: Harmonic mean filter 22

24. Mean Filters: Contra Harmonic mean filter 23

25. Mean filter, misal: Arithmetic mean filter: Gunakan filter secara konvolusi spasial biasa Contoh: Jika filter yang akan kita gunakan berukuran 3×3, maka tiap elemen filter berisi 1 / (3×3) = 1/9 Contoh Noise Removal dengan Mean Filter 24

26. Contoh Penerapan Arithmetic Mean dan Geometric Mean Filter 25

27. Contoh Penerapan Harmonic Mean Filter 26

28. Contoh Penerapan Contra Harmonic Mean Filter 27

29. Order-Statistics Filters 28  Known as Rank filters, Order filters or Order Statistics filters  Operate on a neighborhood around a reference pixel by ordering (ranking) the pixel values and then performing an operation on those ordered values (max, min, midpoint, or median) to obtain the new value for the reference pixel  They perform very well in the presence of salt and pepper noise but are more computationally expensive as compared to mean filters

30.  Maximum Filter: also known as 100 th percentile filter helps removing pepper noise  Minimum Filter: also known as zeroth percentile filter helps removing salt noise  Midpoint Filter: midpoint between maximum and minimum values of gray levels in the mask and works best for randomly distributed noise (Gaussian and uniform)  Median Filter: works by selecting the middle pixel value from the ordered set of values within the m×n neighborhood (W) around the reference pixel. Jenis-Jenis Order-Statistics Filter 29

31.  Mean filter lebih cocok untuk menghilangkan noise yang disebabkan oleh / noise yang jenisnya mirip dengan Gaussian noise (uniform noise)  Ordering filter lebih cocok untuk menghilangkan noise yang disebabkan oleh / noise yang jenisnya mirip dengan salt and pepper noise (negative exponential noise dan Rayleigh noise) Mean Filter atau Ordering Filter ? 30

32.  Setiap usaha untuk melakukan noise removal pasti akan mengorbankan detail citra  Karena, sebagian besar metode noise removal yang digunakan saat ini adalah low-pass filters, yang sebenarnya dilakukan adalah semacam blurring (pengaburan) untuk menghilangkan intensitas piksel yang tidak dikehendaki, dengan cara menggantinya dengan intensitas piksel lainnya Catatan (1) 31

33. Catatan (2) 32

34. Akhir Materi 05. 33