You are on page 1of 6

IMPLEMENTASI METODE PENAPIS HIGH-PASS

DAN PENAPIS HIGH-BOOST DALAM PENAJAMAN CITRA DENGAN
MENGGUNAKAN KERNEL KONVOLUSI
Agfianto Eko Putra1 dan Rama Ali2,
1
Program Studi Elektronika dan Instrumentasi (ELINS), FMIPA
Universitas Gadjah Mada, Sekip Utara, Yogyakarta
(email: agfi@ugm.ac.id)
2
Program Studi Ilmu Komputer, FMIPA,
Universitas Gadjah Mada, Sekip, Yogyakarta
(email: r4li@yahoo.com)

Abstrak

Telah dibuat sebuah sistem penajaman citra menggunakan kernel konvolusi penapis High-pass dan High-boost.
Sistem terdiri dari dua kategori, yaitu mengimplementasikan metode kernel konvolusi penapis High-pass dan
penapis High-boost untuk mempertajam citra dan menghitung nilai MSE (Mean Square Error) antara citra asli
dengan citra yang telah dimodifikasi. Sistem ini dapat mempertajam suatu citra yang terdegradasi oleh penapis
Gaussian blur ataupun penapis jenis lain. Dalam hal ini, kualitas citra akan ditingkatkan dengan mempertajam
detail yang penting dalam citra tersebut dan mempertajam detil objek yang telah blur. Citra yang telah
ditajamkan dapat dibandingkan dengan citra asli untuk mengetahui seberapa dekat kesamaan kedua citra tersebut
dengan menggunakan parameter MSE. Semakin kecil nilai MSE antara kedua citra maka kedua citra tersebut
semakin mirip. Hasil penelitian menunjukan penajaman terbaik diperoleh pada penajaman citra buram Gaussian
Blur radius 1 piksel, yang ditandai dengan nilai MSE paling kecil yaitu pada kernel 1 dan faktor penguat 1. Hasil
penajaman terburuk/terparah diperoleh pada penajaman citra buram Gaussian Blur radius 50 piksel, yang
ditandai pada kernel 3 dan faktor penguat 5. Penajaman citra sangat tergantung pada kernel konvolusi High-pass
filter dan High-boost filter dan nilai faktor penguat yang digunakan. Semakin besar nilai faktor penguat kernel,
citra yang dihasilkan akan semakin terang.

Kata kunci: kernel, konvolusi, citra tajam, penapis high-pass, penapis high-boost

1. Pendahuluan sebagainya. Pembuatan penapis citra dapat
dilakukan dengan cara menerapkan teknik-teknik
Data atau informasi tidak hanya disajikan tertentu, seperti mempertajam kualitas citra, yaitu
dalam bentuk teks, tetapi juga dapat berupa suatu proses yang bertujuan memperjelas tepi pada
citra/gambar, audio dan video. Era teknologi objek didalam citra. Pada citra yang relatif kabur
informasi saat ini tidak dapat dipisahkan dari bila dimanipulasi dengan operasi penajaman citra
multimedia. Citra sebagai salah satu komponen maka akan dihasilkan citra yang lebih tajam
multimedia memegang peranan penting sebagai dibandingkan citra sebelumnya.
bentuk informasi visual karena citra mempunyai Penelitian ini memanfaatkan metode penapis
karakteristik yang tidak dimiliki oleh data teks, yaitu high-pass dan high-boost untuk memnajamkan citra
kaya informasi. digital dengan menggunakan kernel konvolusi.
Komputer pada perkembangannya dapat
digunakan sebagai pengolah citra digital yang 2. Dasar Teori
handal dan mampu menghasilkan citra yang lebih
baik. Pengolahan citra menerapkan teknik dan Metode konvolusi adalah salah satu metode
metode tertentu untuk memodifikasi dan pengoperasian nilai-nilai piksel pada citra, salah
menerjemahkan citra yang ada, diantaranya satunya bertujuan untuk penajaman citra yang
memperbaiki kualitas citra, membuat penapis atau banyak dikenal secara luas. Metode ini digunakan
memberikan efek tertentu pada citra dan lain untuk menentukan nilai baru bagi masing-masing
piksel dalam sebuah citra dengan melakukan pada kedua citra tersebut. Parameter ini digunakan
beberapa fungsi perhitungan dari piksel tersebut untuk mengetahui error atau kesalahan informasi
dengan nilai-nilai piksel disekitarnya. Untuk yang terjadi. Citra hasil penajaman akan sama
melakukan operasi konvolusi digunakan suatu dengan citra asli jika nilai MSE = 0. Nilai MSE akan
matriks yang disebut kernel berdimensi N x N, besar jika citra hasil penajaman sangat berbeda
dengan N adalah bilangan ganjil dan bernilai positif. dengan citra asli. Penghitungan nilai MSE dapat
Matriks tersebut dinamakan kernel konvolusi. dihitung dengan menggunakan persamaan berikut
Dalam pengolahan citra, kernel konvolusi yang biasa [3]:
digunakan untuk melakukan penajaman citra
diantaranya adalah penapis High-pass dan High-
boost. (5)
Penapis High-pass filter atau lolos-atas, adalah
penapis yang meloloskan frekuensi tinggi untuk Keterangan:
menajamkan penampakan linear pada citra. Penapis
lolos atas terkadang disebut juga sebagai penapis
penajaman atau filter sharpening, karena secara
umum digunakan untuk menajamkan citra secara
detail tanpa mempengaruhi bagian dari frekuensi
rendah citra. Kernel konvolusi untuk penapis High- Gaussian Blur adalah salah satu penapis untuk
pass filter [1] sebagai berikut: penghalusan citra. Dalam sistem citra, Gaussian
Blur merupakan kasus yang sering terjadi. Gaussian
Blur menggunakan distribusi Gaussian dalam
dan (1)
implementasinya. Fungsi distribusi Gaussian dua
dimensi g(x,y) didefinisikan melalui persamaan
Dengan merupakan faktor penguat dengan nilai sebagai berikut [2]:
; 1. Proses penapis High-pass dapat dinyatakan
menggunakan persamaan berikut: (6)

High_pass = asli – low_pass (2) Keterangan:

Penapis High-boost dapat diinterpretasikan
seperti meninggikan frekuensi citra asli kemudian
mengurangi komponen frekuensi rendah pada citra
tersebut. Efek dari penapis High-boost ditekankan 3. Perancangan dan Implementasi
pada penajaman transisi tepian dan area citra. Proses
penapis High-boost dapat dinyatakan menggunakan Kualitas citra sangat dipengaruhi oleh
persamaan berikut: ketepatan dalam pengambilan atau perekaman citra.
Kekaburan (blur) dan kekaburan akibat obyek citra
yang bergerak (motion blur) mengakibatkan citra
menjadi sulit diinterpretasi karena informasi yang
disampaikan menjadi berkurang.
(3) Untuk mengatasi masalah tersebut, maka dalam
penelitian ini dibuat suatu rancangan sistem untuk
Sedangkan kernel konvolusi untuk penapis proses penajaman citra dengan keadaan sebagai
High-boost sebagai berikut [3]: berikut:
• Metode yang digunakan untuk melakukan
penajaman citra adalah metode Kernel
dan (4) Konvolusi;
• Digunakan empat macam kernel konvolusi
penajaman citra yaitu High-pass filter (kernel 1
Dengan = Faktor penguat dengan nilai > 1. dan 2) dan High-boost filter (kernel 3 dan 4);
Jika nilai = 1, maka High-boost = High-pass. • Jenis penapis yang akan diterapkan pada citra
adalah Gaussian Blur dengan radius piksel 1,
Dalam algoritma penajaman citra, perbedaan 2, 3, 4, 5, 10 dan 50.
antara citra asli dengan citra yang telah ditajamkan • Masukan sistem terdiri dari citra warna 24 bit
dapat dihitung dengan menggunakan Mean Squared dengan format BMP dan faktor penguat dengan
Error (MSE). Dalam penghitungan nilai MSE, nilai 1, 2, 3, 4 dan 5. Parameter-parameter
perbedaan piksel antara kedua matriks citra yang tersebut yang nantinya akan digunakan untuk
bersesuaian adalah kuadrat rata-rata semua piksel mempertajam citra;
• Hasil penajaman citra akan ditampilkan dalam
bentuk citra warna 24 bit dengan format BMP
yang dapat disimpan dan selanjutnya dapat Tabel 3. Nilai MSE Gaussian Blur radius 3 piksel
digunakan kembali untuk proses perbandingan;
Sedangkan program sistem akan dibagi Faktor
Kernel 1 Kernel 2 Kernel 3 Kernel 4
menjadi dua kategori, yaitu: penguat
• Melakukan penajaman citra yang kabur karena 1 16,7171 15,3078 16,7171 15,3078
Gaussian Blur; 2 16,0436 14,4464 61,9949 61,7811
• Melakukan perbandingan antara citra asli 3 15,5825 15,1101 98,1472 97,8494
dengan citra hasil penajaman dengan 4 15,3466 16,9502 121,4392 121,1145
menghitung nilai MSE. Hal ini bertujuan untuk 5 15,3369 19,4524 136,6176 136,2883
mengetahui seberapa tepat hasil penajaman
citra yang telah dilakukan.
Citra yang digunakan dalam penelitian ini
Tabel 4. Nilai MSE Gaussian Blur radius 4 piksel
adalah citra kualitas tajam (citra asli) yang
merupakan citra digital 24 bit dengan format BMP
Faktor
berukuran 640x512 piksel. Citra kualitas tajam Kernel 1 Kernel 2 Kernel 3 Kernel 4
penguat
diburamkan dengan menggunakan Adobe Photoshop 1 20,0078 19,1854 20,0078 19,1854
CS2 penapis Gaussian Blur dengan radius piksel 1,
2 19,6564 18,4917 63,2621 63,1252
2, 3, 4, 5 , 10 dan 50. Citra buram tersebut
kemudian dikonvolusi menggunakan kernel 3 19,4202 18,4241 100,0135 99,8131
konvolusi penajaman citra High-pass filter ( kernel 1 4 19,3013 18,9455 123,8521 123,6344
dan 2 ) dan High-boost filter (kernel 3 dan 4) dengan 5 19,2983 19,9653 139,456 139,2474
nilai faktor penguat ( ) 1, 2, 3, 4 dan 5 sehingga
diperoleh citra hasil penajaman. Tabel 5. Nilai MSE Gaussian Blur radius 5 piksel

4. Hasil dan Pembahasan Faktor
Kernel 1 Kernel 2 Kernel 3 Kernel 4
penguat
Hasil penajaman citra blur oleh penapis 1 22,1883 21,6496 22,1883 21,6496
Gaussian Blur radius 1 piksel menggunakan kernel 2 21,9812 21,2111 64,0749 63,9842
konvolusi High-pass filter dan High-boost filter 3 21,8627 21,177 101,3827 101,2308
diperoleh nilai MSE yang berbeda-beda. Perbedaan 4 21,8331 21,5255 125,637 125,4778
nilai MSE citra asli dengan citra hasil yang semakin
5 21,8907 22,2142 141,5096 141,3599
besar menunjukkan bahwa citra yang dihasilkan
semakin terang. Nilai MSE untuk masing-masing
percobaan Gaussian Blur radius 1, 2, 3, 4, 5, 10 dan Tabel 6. Nilai MSE Gaussian Blur radius 10 piksel
50 piksel masing-masing ditampilkan pada Tabel 1,
2, 3, 4, 5, 6 dan 7. Faktor
Kernel 1 Kernel 2 Kernel 3 Kernel 4
penguat
1 29,1271 29,0328 29,1271 29,0328
Tabel 1. Nilai MSE Gaussian Blur radius 1 piksel
2 29,1364 29,0924 67,0837 67,0694
Faktor 3 29,2033 29,3511 106,9881 106,9424
Kernel 1 Kernel 2 Kernel 3 Kernel 4
penguat 4 29,3273 29,7993 132,7224 132,672
1 4,7525 13,5205 4,7525 13,5205 5 29,5072 30,4222 149,5389 149,4895
2 8,6756 27,4447 59,9389 60,6206
3 14,3678 38,2062 95,0339 94,4694 Tabel 7. Nilai MSE Gaussian Blur radius 50 piksel
4 19,6853 46,9319 117,245 116,3008
5 24,4828 54,1941 131,3221 130,2802 Faktor
Kernel 1 Kernel 2 Kernel 3 Kernel 4
penguat
1 45,0564 45,0945 45,0564 45,0945
Tabel 2. Nilai MSE Gaussian Blur radius 2 piksel
2 45,0965 45,249 76,6004 76,6253
Faktor 3 45,1616 45,5038 122,9823 122,9874
Kernel 1 Kernel 2 Kernel 3 Kernel 4
penguat 4 45,2518 45,8573 155,2428 155,238
1 11,2251 8,6736 11,2251 8,6736 5 45,3668 46,3067 175,021 175,01
2 9,6441 11,5684 60,9536 60,6449
3 9,0492 17,6151 96,718 96,1971 Dari ketujuh percobaan terlihat bahwa semakin
4 9,563 23,5959 119,5165 118,939 besar nilai MSE semakin berbeda jauh antara citra
5 10,9481 29,0874 134,1519 133,5616 asal dengan citra hasil. Nilai MSE yang besar
memperlihatkan bahwa citra hasil terlihat lebih
terang. Hal ini berarti bahwa semakin banyak nilai Daftar Pustaka:
piksel warna 255 atau mendekati nilai piksel warna
255 (nilai piksel warna 255 menyatakan warna [1] Ahmad, B., Firdausy K., 2005, “Teknik
paling terang yaitu warna putih). Pada kernel 3 dan 4 Pengolahan Citra Digital Menggunakan
nilai MSE untuk setiap perubahan nilai faktor Delphi”, Yogyakarta : Ardi Publishing.
penguat mengalami kenaikan yang besar terutama [2] Gaborski, R.S., 2006, “Intoduction To Computer
dimulai saat nilai faktor penguat 2. Hal ini terjadi Vision Lecture13“
karena untuk setiap kali perubahan nilai faktor http://www.cs.rit.edu/~rsg/CV2005_3Lec13.ppt
penguat selalu mengalami perubahan nilai jumlah (27 Maret 2007)
bobot kernel. Perubahan nilai MSE yang besar [3] Gonzalez R.C., Woods R.E., 2002, “Digital
dimulai saat nilai faktor penguat 2 karena jumlah Image Processing”, New Jersey : Prentice-
bobot kernel lebih besar dari 1 yaitu sama dengan Hall,Inc.
nilai faktor penguat yaitu sebesar 2, begitu pula
dengan nilai faktor penguat 3-5, jumlah bobot kernel
sama dengan nilai faktor penguat yang digunakan.
Hal ini mengakibatkan perubahan kenaikan nilai
MSE yang besar setiap kali mengalami kenaikan
nilai faktor penguat.
Berdasarkan ketujuh percobaan yang telah
dilakukan tersebut, diperoleh hasil nilai MSE
terkecil terletak pada Gaussian Blur 1 kernel 1
(faktor penguat 1) dan kernel 3 (faktor penguat 1)
yaitu sebesar 4,7525. Di lain pihak, nilai MSE
terbesar terletak pada Gaussian Blur 50 kernel 3
(faktor penguat 5) yaitu sebesar 175,021.

5. Kesimpulan

Dari hasil percobaan yang telah dilakukan pada
penelitian ini diperoleh beberapa kesimpulan:
• Penajaman citra sangat tergantung pada kernel
konvolusi penapis High-pass dan High-boost
dan nilai faktor penguat yang digunakan.
Semakin besar nilai faktor penguat kernel, citra
yang dihasilkan akan semakin terang.
• Pada citra yang digunakan, penajaman terbaik
diperoleh pada penajaman citra buram Gaussian
Blur radius 1 piksel, yang ditandai dengan nilai
MSE paling kecil yaitu pada kernel 1 dan faktor
penguat 1. Hasil penajaman terburuk diperoleh
pada penajaman citra buram Gaussian Blur
radius 50 piksel, yang ditandai pada kernel 3
dan faktor penguat 5.
• Semakin tinggi tingkat keburaman suatu citra,
maka semakin besar nilai MSE-nya.
• Kernel konvolusi penapis High-pass dan High-
boost dapat memberikan efek penajaman
(sharpening) pada suatu citra, yaitu citra akan
tampak lebih jelas dan mempertegas batas-batas
objek yang terdapat didalam citra.
Lampiran

Gambar Lampiran 1. Form Menu Utama

Gambar Lampiran 2. Perbandingan Asli dan Hasil Penajaman
Gambar Lampiran 3. Hasil proses konvolusi untuk masing-masing Nilai RGB

Gambar Lampiran 4. Hasil Perhitungan MSE