Setiap kali kita dalam menghadapi permasalahan di pengolahan citra digital, kita dihadapkan dengan citra yang mempunyai noise. Dalam proses digitalisasi, kita ingin menghilangkan noise-noiser tersebut. Ada dua macam teknik yang kita dapat lakukan, yaitu image enhancement dan image restoration. Apakah berbedaannya? Mari kita lihat satu persatu.

 

Apa itu Noise?

Noise atau citra kotor biasanya didapat dari proses digitalisasi citra. Apa itu proses digitalisasi citra? ini adalah proses mengambil objek di dunia nyata kedalam citra digital. Bingung? Singkatnya, kalau kita memotret sesuatu dengan kamera digital, sebenarnya kita sedang melakukan proses digitalisasi citra. Nah... kadang-kadang lensa kamera kita kotor kan? jadi ada bintik-bintik di foto yang didapat. Bintik-bintik itu salah satu jenis noise. Sebenarnya ada banyak jenis noise. Untuk sementara, asumsikan bahwa pada proses "Pemotretan" (proses digitalisasi citra), ada banyak hal yang menyebabkan citra tidak sempurna (memiliki noise). Oh ya, jenis noise yang lainnya adalah noise yang berasal dari hardware (cth: kamera yang setengah rusak).

 

Image Restoration

image restoration adalah proses memulihkan gambar dari versi yang terdegradasi — biasanya gambar yang buram dan bernoise. image restoration adalah masalah mendasar dalam pemrosesan gambar, dan juga menyediakan testbed untuk masalah invers yang lebih umum. Operasi pemulihan citra bertujuan untuk mengembalikan kondisi citra pada kondisi yang diketahui sebelumnya akibat adanya pengganggu yang menyebabkan penurunan kualitas citra. Teknik ini dipakai pada saat kita dapat memodelkan noise. Ada beberapa jenis noise yang dapat kita modelkan, misalkan noise yang berasal dari sensor yang kurang sempurna, noise yang berasal dari sinyal transmisi yang kurang baik sehingga pada saat transimisi data citra tidak diterima dengan baik. Salah satu contoh noise yang terkenal adalah salt-and-pepper noise (garam dan merica). Jenis noise ini didapatkan karena sensor yang kurang sempurna. Inilah salah satu contoh salt-and-pepper noise.

Perhatikan pada contoh citra diatas, citra sebelah kiri adalah citra dengan noise salt-and-pepper, citra disebelah kanan adalah citra tanpa noise. Secara matematis, noise jenis ini dapat dimodelkan dengan memakai random variable yang ada pada ilmu probabilitas. Rumusnya adalah sebagai berikut.

Masalah utama yang harus diatasi adalah kualitas gambar yang dipulihkan, efisiensi komputasi algoritma, estimasi parameter yang diperlukan, dan biasanya noise-noise dimodelkan secara matematis dengan menggunakan Probabilistic Density Function (PDF). Noises pada citra adalah random, maksudnya, tidak dapat ditebak, dimana dan kapan noise tersebut muncul. Namun demikian, kita dapat mengira-ngira kemungkinan suatu noise terebut muncul. Didapatkan bahwa cara untuk mengira-ngira kemungkinan noise itu ada menggunakan probabilitas.

Hal berikutnya adalah mencari filter yang dapat menghilangkan noise tersebut. Contohnya, pada kasus salt-and-pepper noise , untuk menghilangkan noise tersebut secara sempurna adalah dengan menggunakan median filter. Kemungkinan berhasil, dengan hasil noise akan berkurang bahkan hilang.

Jadi esensi image restoration adalah ketika kita dapat memodelkan noise, dan noise tersebut sudah dikenal, kita tinggal menggunakan metode yang sudah ada untuk menghilangkan noise. Dan biasanya hasil image restoration cukup memuaskan. Kebanyakan hasilnya adalah, kita mendapatkan citra tanpa noise tersebut.

 

Image Enhancement

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yangdihasilkan lebih baik daripada citra aslinya untuk aplikasi tertentu. Teknik ini dipakai pada saat kita tidak dapat memodelkan noise. Biasanya proses ini dilakukan secara heuristic, alias coba-coba sampai berhasil. Kalau pada proses image restoration tau kapan saatnya berhenti, pada image enhancement penilaian subjektif sangat berpengaruh. Proses ini baru berhenti ketika hasilnya benar yang didapatkan.

Ada banyak metode yang dapat dipakai pada image enhancement. Metode tersebut sebagian besar adalah berupa filter. Filter-filter ini nantinya akan dikonvolusi dengan citra untuk mendapatkan hasil yang baik. Selain dengan menggunakan filter, ada metode-metode lain seperti transformasi, histogram, contrast-stretching, dan sebagainya. Contoh metode yang paling mudah adalah power-law transformation pada grey-level. Pada prinsipnya setiap nilai grey level pada pixel diganti dengan nilai hasil perhitungan formula tertentu. Dilihat formula power-law transformation ini.

n adalah nilai grey level yang baru, r adalah nilai grey level yang lama, s dan a ditentukan sesuai dengan keinginan. Misalkan pada koordinat (1,1), nilai grey-level untuk komponen red adalah 120. Maka, dengan s = 1 dan a = 0.5 nilai ini akan diganti menjadi 10.9. Kalau dilihat, proses ini akan membuat setiap nilai menuju nilai 0, atau membuat citra lebih gelap. Ketika Ingin membuat citra menjadi lebih terang hanya ubah a menjadi 1.2 hasilnya citra akan semakin terang. Berikut ini adalah contoh dari power-law transformation.

Sebagai kesimpulan, didapatkan bahwa perbedaan yang mendasar antara image restoration dan image enhancement. Image restoration adalah proses yang pasti, dan menghasilkan citra yang baik. Biasanya dapat dilakukan apabila jenis noise dapat dimodelkan. Di lain pihak, image enhancement adalah proses heuristik yang sangat bergantung dari kebutuhan dari setiap kasus. Biasanya dipakai ketika noise tidak dapat dimodelkan.