Efek High Pass Filtering Dengan Koefesien Nol Pada Citra Biner

Abstract

Filtering akan melakukan penapisan terhadap nilai tertentu. Nilai intensitas yang dimiliki oleh citra biner hanya mempunyai nilai 1 dan 0. Filtering pada citra biner dengan menggunakan high pass filtering dengan total koefesien nol akan menghasilkan pemisahan piksel tepi dengan piksel objek yang tegas daripada filtering pada citra grayscale. Tujuan dilakukannya penelitian ini untuk mencermati efek high pass filtering dengan koefesien nol terhadap citra biner. Penelitian dilakukan dengan melakukan proses konvolusi terhadap citra yang dibinerkan terlebih dahulu. Variasi objek hitam dengan latar putih, maupun objek putih dengan latar hitam, jika dioperasikan dengan variasi kondisi core filter berupa nilai core positif maupun nilai core negatif akan sama-sama menghasilkan piksel tepi objek yang berwarna putih dan piksel yang bukan tepi objek baik pada latar maupun objek menjadi berwarna hitam. Hasil penelitian ini menghasilkan keberhasilan 100% terhadap dugaan awal mengenai efek high pass filtering dengan koefesien nol terhadap citra biner. Dugaan awal tersebut adalah variasi efek tersebut menghasilkan tepi di bagian luar objek dan tepi di bagian dalam objek. Filter dengan core positif pada citra biner dengan objek hitam dan latar putih akan menghasilkan tepian dibagian luar dari objek. Hal yang sama terjadi pada filter dengan core negatif, pada citra biner dengan objek putih dengan latar hitam. Sedangkan Filter dengan core positif pada citra biner dengan objek putih dan latar hitam akan menghasilkan tepian di bagian dalam dari objek, demikian juga filter dengan core negatif, pada citra biner dengan objek hitam dengan latar putih.

Pneumonia Classification Based on GLCM Features Extraction using K-Nearest Neighbor

“…Improving image quality using a high pass filter produces a sharper image. From the high pass filter process, it can be seen that this filter will filter out the number of pixels in the part of the image that have a high-intensity value and pass pixels with a high-intensity value to the number of neighboring pixels that have a low-intensity value [18] . For the resulting image to have more contrast, image correction is performed using Adaptive Histogram Equalization.…”