ABSTRAKSI: Banyak penelitian telah dilakukan untuk mengurangi noise dalam sebuah citra ter-noise. Berbagai teori juga telah ditawarkan, sebagian besar teori akan menghilangkan detail yang ada ketika dilakukan proses pengurangan noise dengan menggunakan blurring.
Mathematical Morphology sebagai sebuah metode matematika dicoba untuk diterapkan dalam kasus ini. Sering kali ketika kita hendak menghilangkan noise dari sebuah citra ternoise, kita dihadapkan pada dua buah sisi yang saling berlawanan, ketika kita hendak menghilangkan noise dengan cara blurring, maka detail dari gambar akan menjadi kabur atau bahkan hilang, namun ketika kita hendak mempertahankan detail gambar, noise akan sulit untuk dihilangkan.
Mathematical morphology yang diterapkan pada algoritma Morphological Image Cleaning(MIC) memproses citra yang ternoise dalam 2 tahapan yaitu dengan membentuk citra yang smooth dari citra ternoise menggunakan OCCO(Open Close Close Open) filter dan memproses citra residu menggunakan Tophat dan Bothat filter. Hasil dari kedua proses ini selanjutnya digabungkan untuk menghasilkan citra hasil filtering yang diharapkan tetap mempertahankan detail yang ada dan smooth antar area.
Pada tugas akhir ini akan digunakan Matlab sebagai tools untuk pengembangan software uji, sedangkan parameter performansi yang diujikan pada citra digital adalah Similarity yaitu tingkat kesamaan citra hasil filtering dengan citra asli. Similarity sendiri merupakan selisih energi antara citra asli dengan citra hasil filtering. Sebuah citra dikatakan sama jika tingkat similarity-nya sama dengan nol.Kata Kunci : Pengurangan Noise, Mathematical Morphology, Morphological Image Cleaning (MIC), Similarity.ABSTRACT: Several research have been done for noise reduction on noisy image, also with alot of theory. In generally the theory of noise reduction will not preserve the detail of the image because of blurring process.
Mathematical Moprphology as Mathematic method is tried to implements in this case. Usually when we want to reduce noise from the noisy image always faced on two choices against, when we want to reduce noise with blurring method, the details becomes smooth even loss, but on the contrary when want to preserve the details, it will be dificult to reduce the noises.
Mathematical Morphology that implemented in Morphological Image Cleaning (MIC) Algorithm process the noisy image into two step. First by build the smooth image from the noisy image using OCCO (Open Close Close Open) filter and second by process the residual image using Tophat and Bothat Filter. The result from both process then combine to produce the filtered image that ideally preserve the detail and has smooth region between them.
In this final task, Mathlab will use as a tool for developving the testing software, the performance parameter that will be tested on digital image is Similarity, the similiar level between filtered image and original image. Similarity is difference of energy between the original image and filtered image. The same image is the image that has Similarity as zero.Keyword: Noise Reduction,Mathematical Morphology, Morphological Image Cleaning (MIC), Similarity.