Analisis Deblurring dan Sharpening Citra Digital dengan Metode Wiener Filtering dan Laplacian Operator

Muhammad Ridwan Febriansyah

Informasi Umum

Kode

113071040

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

23 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Ketika pengambilan citra hal yang rentan terjadi yaitu munculnya efek pengaburan (blurring). Terdapat dua macam jenis blur yang biasa terjadi yakni Gaussian Blur dan Motion Blur. Gaussian Blur biasa terjadi akibat ketidakfokusan lensa kamera pada saat pengambilan citra, sedangkan Motion Blur terjadi akibat pergerakan kamera pada saat pengambilan citra. Karena masalah ini, maka muncul suatu ide untuk membuat Tugas Akhir untuk memperbaiki citra dengan menghilangkan efek blur. Dalam menangani kasus efek gaussian blur dan motion blur, dibutuhkan informasi Point Spread Function (PSF) terlebih dahulu berupa matriks kernel konvulasi, kemudian dilakukan teknik restorasi pada citra. Teknik ini dikenal dengan istilah deblurring. Deblurring merupakan salah satu bentuk proses deconvulation. Adapun teknik deblurring yang dapat memperbaiki efek blur adalah Wiener Filtering. Wiener Filtering dapat meminimalkan perbedaan antara citra input dengan citra output.Untuk mendapatkan citra dengan kualitas yang lebih baik. Maka teknik sharpening Laplacian Operator dapat dilakukan untuk mempertajam citra hasil deblurring. Pengujian performansi dilakukan melalui perhitungan Peak Signal to Noise Ratio (PSNR). Hasil pengujian menunjukkan bahwa Wiener Filtering dan Laplacian Operator mampu memperbaiki citra blur dengan berbagai tingkat degradasi yang ditimbulkan. Besarnya PSNR yang diperoleh pada akhir pengujian sistem berkisar antara 30-45 dB.Kata Kunci : Gaussian Blur, Motion Blur, PSF, Deblurring, Laplacian Operator,ABSTRACT: It’s very vulnerable in taking a photograph is the appearance of blurring effects. There are two common type of blur rysometimes happening like Gaussian Blur and Motion Blur. Gaussian Blur due to camera lens which not focus, and Motion Blur due camera movement when taking a photograph. Because of this problem, there is an idea to make a final project which restores image by eliminating the blur effects. To solve this case, gaussian and motion blur needs informations of Point Spread Function (PSF) to create a convolution matrix kernel and then executes restoration technic on image. This technic is know as deblurring. Deblurring is a form of deconvulation process which is used to restore the blur effects, like Wiener Filtering. Wiener Filtering can reduces the differences between image input and output. For better of quality image, sharpening technic like Laplacian Operator can be used. Laplacian Operator performs to sharpen image from deblurring result. The testing of performance is required to calculate the value of Peak Signal to Noise Ratio (PSNR). MSE and PSNR shows the quality of output image. The test shows that both Wiener Filtering and Laplacian Operator are able to restore a blurred iamge with varying degradation’s grade. The value of PSNR at the end of process ranged from 30-45 dB.Keyword: Gaussian Blur, Motion Blur, PSF, Deblurring, Laplacian Operator, Wiener