LAPORAN PENGOLAHAN MULTIMEDIAMembandingkan Pemfilteran pada Domain Spasial,

Frekuensi dan Wavelet

Rengga Pladitama

2209100151

Pemfilteran Domain Spasial

Pemfilteran domain spasial merupakan operasi non linier yang digunakan untuk

pemrosesan citra. Pada pemfilteran ini menggunakan metode median filter dengan

matrik 3x3 untuk menghilangkan noise.

Script:

Output:

Citra asli

Citra bernoise

%load imageA = imread('moon.tif');A=im2double(A);A=A(1:250,1:250);figure, imshow(A);figure, imhist(A); %add noiseB=imnoise(A,'salt & pepper',0.01); % Noisy image cutfigure, imshow(B);figure, imhist(B); %hasil rekonstruksiR=medfilt2(B,[3 3]);figure, imshow(R);figure, imhist(R); %hasil pemfilteranout = B-R;figure, imshow(out);figure, imhist(out); %noise citranoise = B-A;figure, imshow(noise);figure, imhist(noise); %noise sisa dari pemfilteransisa = noise-out;figure, imshow(sisa);figure, imhist(sisa);

Citra hasil rekonstruksi

Noise noise sisa penfilteran

Citra hasil pemfilteran

Pemfilteran Domain Frekuensi

Pemfilteran pada domain frekuensi dengan menggunakan Low Pass Filter (LPF) yaitu

dengan meloloskan frekuensi rendah dan menahan frekuensi tinggi. Frekuensi tinggi

pada citra digambar dengan perubah intensitas antar piksel yang tinggi. Sedangkan

frekuensi rendah digambarkan dengan perubahan intensitas antar piksel yang rendah.

Script:

%load imagei = imread('moon.tif');i = im2double(i);i = i(1:300,1:300);figure, imshow(i); %add noiseB = imnoise(i,'salt & pepper',0.01); figure, imshow(B);figure, imhist(B); % Filter LPFP =300; L = 300;u0 = 80 ; u = 0:(P-1);v = 0:(L-1);idx = find (u > P/2) ;u(idx ) = u(idx)-L;idy = find(v > L/2) ;v(idy) = v(idy)-L;[V,U] = meshgrid(v, u);D = sqrt(U.^2 + V.^2);H = double(D <= u0); % konvolusi filter dan citraF = fft2 (double(B)) ;G = H.*F ;

%rubah ke domain spasialR = real (ifft2(double(G))) ; %hasil rekonstruksifigure, imshow(R);figure, imhist(R);

Output:

Citra asli

Citra bernoise

Citra hasil rekonstruksi

%hasil pemfilteran citraout = B - R;noise = B - i;figure, imshow(noise);figure, imhist(noise);

%noise sisasisa = noise - out;figure, imshow(sisa);figure, imhist(sisa);

Noise noise sisa dari pemfilteran

Citra hasil pemfilteran

Pemfilteran Metode Wavelet

Pemfilteran menggunakan metode wavelet yaitu memecah citra menjadi sebuah blok

yang berfrekuensi rendah dan blok yang berfrekuensi tinggi. Untuk menghilangkan noise

pada citra, blok yang berisi frekuensi tinggi akan difilter menggunakan soft thresholding

yang akan memotong bagian yang berfrekuensi tinggi ini sesuai dengan threshold yang

yang dihitung menggunakan persamaan dari vavelet.

Script:

% Load gambarA = imread('moon.tif');A=im2double(A);A=A(1:250,1:250);figure, imshow(A);figure, imhist(A); % Add noiseB=imnoise(A,'salt & pepper',0.01); % Noisy image cutfigure, imshow(B);figure, imhist(B); % Dekomposisi citra 2 level dengan db4level=2;[c,s]=wavedec2(An,level,'db4'); s2=s(2:level+1,1)'; s2=[s2; s2; s2]; s2=[s(1);s2(:)]; ss=s2.^2;

% Menghitung thresholdTHR = ddencmp('den','wv',An); % Soft thresholding dengan exclude aproksimasi dari proses thresholdingfor i=1:7, if i==1 thr(i)=0; else thr(i)=THR; end, endind(1)=0; for i=1:7, ind(i+1)=sum(ss(1:i)); end

Output:

Citra asli

Citra bernoise

for i=1:7 k=find(abs(c(ind(i)+1:ind(i+1)))<=thr(i)); k=k+ind(i); cd(k)=0; k=find(abs(c(ind(i)+1:ind(i+1)))>thr(i)); k=k+ind(i); cd(k)=sign(c(k)).*(abs(c(k))-thr(i));end; % Rekonstruksi gambarR=waverec2(cd,s,'db4');figure, imshow(R);figure, imhist(R); %Tampilkan hasilout = B-R;figure, imshow(out);figure, imhist(out); %noisenoise=B-A;figure, imshow(noise);figure, imhist(sisa); %sisa noise pada citrasisa=noise-out;figure, imshow(sisa);figure, imhist(sisa);

Citra hasil rekonstruksi

Noise Noise sisa

Citra hasil filtering

Kesimpulan

Jika dibandingkan hasil pemfilteran pada domain spasial, frekuensi dan waveletn maka

penfilteran pada domain spasial.

Hasil pemfilteran:

Domain spasial noise sisa

Domain frekuensi noise sisa

Wavelet noise sisa