Perbandingan Algoritma Contraharmonic Mean Filter dan Arithmetic Mean Filter untuk Mereduksi Exponential Noise

Abstract

Noise in the image caused a decrease in image quality, so that the image will look dirty and spots appear on the resulting image. Noise also results in reduced information on the resulting image so that noise limits valuable information when image analysis is performed. Filtering technique is one way to overcome noise. The filtering technique used in this study is using the Contraharmonic Mean Filter algorithm and the Arithmetic Mean Filter algorithm with the type of noise used to reduce the Exponential Noise. The results of the two algorithms show that the Arithmetic Mean Filter algorithm is a better algorithm to reduce the Exponential Noise compared to the Contraharmonic Mean Filter algorithm which is proven based on the value of MSE (Mean Square Error) and PSNR (Peak Signal-to-Noise Ratio).

Metode High-Pass Filter Dan Fast Fourier Transform Untuk Perbaikan Citra Telapak Tangan

“…Untuk mengatasi hal itu, maka di terapkanlah suatu tahap perbaikan kualitas citra. Tahapan-tahapan yang berusaha untuk merekonstruksi atau mengembalikan suatu citra yang terdegradasi sebagai defenisi dari perbaikan citra [6]. Perbaikan kualitas citra (image enhancement) ialah salah satu tahapan awal dalam pengolahan citra (image processing), dengan tujuan utama dari image enhancement adalah untuk mendapatkan detail lebih banyak dari suatu citra yang tersembunyi dari citra tersebut serta menyoroti informasi yang bermanfaat [7] Begitu banyak teknik atau metode yang dipakai dalam proses perbaikan kualitas citra (image enhancement).…”

Perbandingan Algoritma untuk Mereduksi Noise pada Citra Digital

“…Kajian keenam menghasilkan kesimpulan bahwa algoritma Arithmetic Mean Filter memiliki hasil yang lebih baik dibanding algoritma Contraharmonic Mean Filter dalam mereduksi Exponential Noise yang dapat dilihar berdasarkan nilai MSE dan PNSR yang didapatkan [10]. Kesimpulan lainnya yaitu algoritma Arithmetic Mean Filter dalam mereduksi Exponential Noise menghasilkan nilai lebih kecil dan nilai PNSR lebih besar dibanding dengan menggunakan algoritma Contraharmonic Mean Filter [10].…”

“…Kajian keenam menghasilkan kesimpulan bahwa algoritma Arithmetic Mean Filter memiliki hasil yang lebih baik dibanding algoritma Contraharmonic Mean Filter dalam mereduksi Exponential Noise yang dapat dilihar berdasarkan nilai MSE dan PNSR yang didapatkan [10]. Kesimpulan lainnya yaitu algoritma Arithmetic Mean Filter dalam mereduksi Exponential Noise menghasilkan nilai lebih kecil dan nilai PNSR lebih besar dibanding dengan menggunakan algoritma Contraharmonic Mean Filter [10]. Kekurangan dari penelitian ini telah disebutkan yaitu: diharpkan penelitian selanjutnya dapat menerapkan jenis noise yang lain selain exponential noise dan diharapkan penelitian selanjutnya dapat menggunakan jenis citra RGB (true color) sebagai objek citra yang diuji di sistem [10].…”

“…Kesimpulan lainnya yaitu algoritma Arithmetic Mean Filter dalam mereduksi Exponential Noise menghasilkan nilai lebih kecil dan nilai PNSR lebih besar dibanding dengan menggunakan algoritma Contraharmonic Mean Filter [10]. Kekurangan dari penelitian ini telah disebutkan yaitu: diharpkan penelitian selanjutnya dapat menerapkan jenis noise yang lain selain exponential noise dan diharapkan penelitian selanjutnya dapat menggunakan jenis citra RGB (true color) sebagai objek citra yang diuji di sistem [10].…”