Menambahkan Noise pada Citra/Image & Menampilkannya dengan Menggunakan Matlab

Pada kesempatan kali ini kita akan membahas berbagai noise pada image/citra dan cara menambahkan noise-noise tersebut ke dalam citra. Lalu apa noise itu? Secara sederhana noise itu dapat diartikan sebagai gangguan atau kecacatan dari suatu image/citra yang tidak kita harapkan yang menyebabkan image itu menjadi tidak jelas, blurr, berbintik, dan lain-sebagainya. Sebagai contoh ketika kita mengambil foto misalnya foto orang sedang berjalan atau bergerak kadangkala hasil pemotretan kamera kita menjadi blurr. Atau misalnya mengambil gambar dalam keadaan malam hari, maka hasil pemotretan kamera menjadi tidak jelas atau gelap. Atau juga misalnya kegagalan pixel penangkapan image oleh kamera yang menjadikan hasilnya berbintik yang menjadikan imagenya tidak smooth. Sekarang sudah banyak metode-metode yang bisa digunakan untuk memperbaiki image/citra yang buruk atau disebut juga restorasi image. Tapi pada posting ini sebaliknya, akan dibahas bagaimana cara untuk membuat image yang bagus menjadi tidak bagus dengan cara menambahkan noise. Contoh noise-noise tersebut antara lain adalah:

1. Noise Salt & Pepper

Noise Salt & Pepper merupakan noise pada citra/image yang berupa titik-titik. Untuk citra gray scale, maka noise nya berupa warna hitam atau warna putih. Sedangkan untuk citra warna RGB, maka noise nya berup warna red, green, atau blue. Untuk tingkat banyak sedikitnya noise pada citra ditentukan oleh nilai density (d) yang nilainya dalam rentang 0 sampai 1.

Sebagai contoh dengan menggunakan Mfile pada matlab, misalkan kita mempunyai image dengan nama vase.jpg seperti gambar berikut.

Original Image

Original Image

Untuk membaca image dan memasukkannya kedalam variable, kita bisa gunakan dan tuliskan syntax seperti berikut.

image = imread(“vase.jpg”);

Kemudian berikan noise salt & pepper dengan menggunakan syntax berikut.

im_noise= imnoise(image,’salt & pepper’,d);

Dengan variabel d adalah density. Semakin tinggi nilainya, maka akan semakin banyak noise yang diberikan pada image.

Berikut contoh hasil citra dengan penambahan noise salt & pepper dengan nilai density (d) sebesar 0.1 , 0.3, dan 0.6.

Salt & Pepper 0.1

Salt & Pepper 0.1

Salt & Pepper 0.3

Salt & Pepper 0.3

Salt & Pepper 0.6

Salt & Pepper 0.6

Kita bisa lihat perbedaan yang terjadi dengan variasi nilai density nya. Semakin besar nilai density nya, maka noise nya akan semakin banyak pula.

2. Noise Gaussian

Sama seperti namanya, Noise Gaussian adalah noise yang mengikuti distribusi Gaussian. Noise Gaussian biasanya disebut juga White noise karena seluruh frekuensi spektral nya adalah sebagai cahaya putih. Besar sedikitnya noise ini ditentukan oleh nilai rata-rata (mean) dan nilai variasi (variasi). Besar nilainya bisa positif bisa juga negatif. Untuk nilai defaultnya, rata-rata (mean) nilainya adalah 0 dan untuk variasi (variance) nilai defaultnya adalah 0.01. Semakin besar nilai rata-rata  (mean) dan variasi (variance) nya, maka image hasil penambahan noise nya akan semakin kabur dan akan semakin mendekati putih warnanya. Langsung saja untuk syntax penambahan noise Gaussian pada matlab adalah :

im_noise= imnoise(image,’gaussian’,mean,varian);

Dengan mean adalah nilai rata-rata dan varian adalah nilai variasi. Berikut contoh hasil citra dengan penambahan noise Gaussian denga nilai mean = 0.6 dan varian 0.05.

Gaussian mean 0,6 dan variance 0,05

Gaussian mean 0,6 dan variance 0,05

3. Noise Poisson

Noise poisson merupakan noise yang memiliki efek yang tetap. Artinya, tidak ada parameter yang perlu kita tambahkan atau kita ubah pada saat penambahan noise pada citra. Ini berbeda dengan noise Salt & pepper dan noise Gaussian yang memiliki parameter seperti density, mean, dan varian. Berikut contoh syntax untuk penambahan noise Poisson.

im_noise= imnoise(image,’poisson’,);


Be Sociable, Share!

You may also like...

Leave a Reply

Your email address will not be published. Required fields are marked *