Apa itu Noise dalam Pemrosesan Gambar? – Pengantar

Jika Anda pernah melihat gambar di mana Anda melihat partikel debu yang tidak termasuk dalam gambar asli, Anda mungkin melihat ‘noise’ dalam gambar. Ada banyak alasan teknis mengapa hal ini terjadi. Ini sering mengaburkan gambar asli dan merupakan penyebab utama degradasi kualitas gambar dalam transmisi gambar digital.

Ini adalah di mana pemrosesan gambar menawarkan solusi yang kuat. Ini menyediakan berbagai teknik pengurangan noise, seperti filtering spasial, filtering frekuensi, filtering berbasis transformasi, filtering berbasis pembelajaran dalam, dll.

Dalam artikel ini, kita akan mengeksplorasi beberapa teknik kunci yang dapat digunakan untuk mengurangi noise dalam gambar, serta menyelidiki jenis dan penyebab utama noise gambar. Mari kita mulai!

Jenis-Jenis Noise dalam Pemrosesan Gambar

Simulasi variasi noise – Mdf, CC BY-SA 3.0, via Wikimedia Commons

Faktor-faktor yang berkisar dari kondisi lingkungan hingga sensor kamera dapat memperkenalkan noise ke dalam gambar. Empat jenis utama noise yang biasanya Anda lihat dalam gambar termasuk:

• Noise Additif: Disebabkan oleh variasi acak dalam kecerahan atau informasi warna di seluruh gambar. Ini adalah jenis noise yang paling umum ditemukan dalam gambar.
• Noise Subtraktif: Disebabkan oleh pengurangan acak nilai piksel dari gambar asli, menghasilkan kualitas gambar yang buruk, sering terlihat sebagai bintik-bintik atau daerah gelap dalam gambar. Noise subtraktif biasanya terjadi dalam pengaturan cahaya rendah.
• Noise Multiplikatif: Disebabkan ketika nilai noise dikalikan dengan nilai piksel asli, sering menghasilkan kualitas gambar yang buruk di sekitar bagian yang lebih terang dari gambar. Ini adalah jenis noise yang paling sulit dihilangkan karena variasi nilai piksel yang signifikan.
• Noise Impuls: Disebabkan oleh perubahan tiba-tiba dalam nilai piksel yang terlihat sebagai piksel acak hitam dan putih yang terlihat sebagai gangguan tajam dalam gambar. Ini juga disebut sebagai ‘noise garam dan merica.’ Ini disebabkan oleh kerusakan kamera, kesalahan transmisi, atau sinar kosmik.

Penyebab Noise dalam Pemrosesan Gambar

Noise gambar dapat dihasilkan dari berbagai sumber, termasuk:

1. Kondisi Lingkungan: Faktor eksternal seperti pencahayaan yang buruk atau interferensi elektronik terdekat umumnya menyebabkan noise dalam gambar. Mereka dapat menambahkan variasi acak dalam gambar.
2. Noise Sensor: Masalah apa pun dengan sensor yang digunakan dalam kamera dan pemindai dapat menambah noise dalam gambar. Misalnya, dalam kondisi pencahayaan yang buruk, jika Anda tidak menggunakan sensor berkualitas baik, itu dapat memperkuat noise bersama dengan cahaya.
3. Quantization Noise: Terjadi ketika sinyal analog diubah menjadi bentuk digital, terutama dalam gambar dengan kontras tinggi. Misalnya, ketika Anda memindai foto, Anda sering melihat noise muncul dalam gambar yang dihasilkan. Ini adalah noise kuantisasi yang muncul dari digitasi gambar.
4. Transmission Noise: Terjadi ketika gambar ditransmisikan melalui saluran yang berisik, baik melalui jaringan (misalnya, internet) atau disimpan pada media penyimpanan yang berisik (seperti hard drive).
5. Processing Noise: Terjadi selama operasi pemrosesan gambar, seperti filtering, kompresi, dll.

Model-Model Noise dalam Pemrosesan Gambar

Model-model noise dalam pemrosesan gambar berfungsi sebagai representasi matematis dari berbagai jenis noise yang dapat mempengaruhi gambar. Model-model ini membantu memahami terjadinya berbagai jenis noise melalui simulasi, yang pada gilirannya membantu mengembangkan strategi untuk menguranginya.

Beberapa model noise yang umum termasuk:

1. Gaussian Noise: Salah satu jenis noise yang paling umum, ‘Gaussian noise’ ditandai dengan distribusi peluang berbentuk lonceng. Ini mensimulasikan variasi acak yang ditemukan dalam gambar. Ini dapat berasal dari sumber seperti sensor dan noise kuantisasi dan mirip dengan statis yang sering Anda lihat di TV atau sinyal radio.
2. Erlang Noise: Juga dikenal sebagai noise gamma, ini adalah model noise multiplicative lain yang ditandai dengan distribusi gamma. Ini biasanya ditemukan dalam gambar yang diambil dengan sensor yang berisik atau ditransmisikan melalui saluran yang berisik.
3. Uniform Noise: Ini adalah model noise additif dengan distribusi seragam, sering diamati dalam gambar yang dikuantisasi atau yang rusak oleh kesalahan transmisi.

Pengukuran Noise

Dalam analisis gambar, penilaian dan evaluasi noise adalah tugas dasar. Ini melibatkan pengukuran tingkat noise dalam gambar. Proses ini bergantung pada dua teknik pengukuran noise utama:

1. Peak Signal-to-Noise Ratio (PSNR): PSNR berfungsi sebagai benchmark untuk mengevaluasi kualitas rekonstruksi gambar. Ini membandingkan nilai piksel gambar asli dengan nilai piksel gambar yang direkonstruksi, memberikan ukuran numerik seberapa setia gambar direkonstruksi.
2. Mean Squared Error (MSE): MSE, di sisi lain, mengevaluasi perbedaan antara nilai piksel gambar. Metode ini menghitung rata-rata perbedaan kuadrat antara piksel yang sesuai dalam dua gambar. Pendekatan kuantitatif ini membantu kita memahami sejauh mana noise dalam gambar dan dampaknya pada kualitas.

Teknik-Teknik Pengurangan Noise yang Umum

Noise membuat gambar menjadi berbutir dan tidak jelas, mengaburkan detail halus. Untuk menetralkan efek ini, teknik pengurangan noise membantu meningkatkan kualitas gambar untuk hasil yang lebih baik dalam banyak domain seperti fotografi, keamanan, konferensi video, pengawasan, dll. Misalnya, pengurangan noise sangat penting untuk diagnosis dan perencanaan pengobatan yang akurat dalam citra medis.

Teknik pengurangan noise bekerja dengan baik dalam kondisi seperti cahaya rendah, pengaturan ISO tinggi, kecepatan rana yang cepat, atau ketika bekerja dengan kamera yang secara inheren berisik.

Beberapa teknik pengurangan noise yang umum termasuk:

• Median Filtering: Untuk menghilangkan noise impuls, median filtering menggantikan nilai piksel dengan nilai median piksel terdekat.
• Gaussian Filtering: Teknik ini menggantikan setiap piksel dalam gambar dengan rata-rata tertimbang piksel dalam lingkungan piksel di sekitar piksel tersebut.
• Bilateral Filtering: Teknik ini menggabungkan filtering median dan Gaussian untuk mengurangi noise dengan tepi yang utuh.
• Wavelet Filtering: Teknik ini menggunakan model Fourier Transform untuk melewatkan koefisien wavelet gambar untuk mengurangi noise.

Aplikasi Pengurangan Noise

Pengurangan noise memiliki berbagai aplikasi di berbagai industri, seperti restorasi gambar dan pengubahan skala gambar, tetapi yang paling penting adalah:

• Imaging Medis: Teknik pengurangan noise meningkatkan diagnosis penyakit dalam MRI dan CT scan, memperlancar hasil pasien.
• Citra Satelit: Pengurangan noise membantu dalam identifikasi objek dan fitur yang lebih baik dalam citra satelit.
• Pengelolaan Bencana: Pengurangan noise meningkatkan citra penginderaan jauh untuk pemantauan lingkungan dan pemetaan.
• Penegakan Hukum: Ini meningkatkan kejelasan dalam rekaman pengawasan dan gambar forensik untuk identifikasi tersangka dan objek.
• Penelitian Antariksa: Pengurangan noise membersihkan citra astronomi, memungkinkan deteksi objek langit yang samar dan detail halus dalam pengamatan ruang angkasa yang dalam.

Untuk membaca konten terkait, kunjungi Unite AI.