Soft Weighted Median Filter Method for Improved Image Segmentation with Noise

Abstract

2) ABSTRAK Metode Soft Weighted Median Filter (SWMF) merupakan salah satu metode noise filtering baru dalam image processing. Metode ini digunakan untuk menangani dua tipe noise pada citra yaitu fixed valued noise (FVN) dan random valued noise (RVN). Fixed valued noise adalah tipe noise dengan nilai yang tidak berubah (tetap), noise ini mengganti nilai piksel pada citra menjadi nilai maksimum dan minimum (0 dan 255), sedangkan random valued noise adalah tipe noise dengan nilai yang berubah-ubah (acak). Contoh untuk fixed valued noise seperti: salt&pepper noise, sedangkan untuk random valued noise seperti: gaussian, poisson, speckle, dan localvar noise. Berdasarkan penelitian sebelumnya, metode SWMF dapat diterapkan pada semua citra dengan semua jenis noise (FVN maupun RVN) serta mampu mengurangi noise tersebut dengan baik. Metode ini memiliki nilai PSNR yang lebih tinggi dibandingkan dengan metode lain, terutama untuk random valued noise seperti: gaussian, speckle, dan localvar noise. Pada penelitian ini, kami mengusulkan untuk meneliti kinerja dari metode SWMF lebih lanjut yaitu dengan membandingkan metode ini dengan metode lain seperti: Median Filter, Mean Filter, Gaussian Filter, dan Wiener Filter pada proses segmentasi citra. Proses segmentasi citra pada penelitian ini berdasarkan deteksi area menggunakan Top-Hat transform dan Otsu thresholding dan deteksi garis menggunakan Sobel edge detection. Proses pengukuran kinerja menggunakan perhitungan nilai sensitivity, specificity, dan accuracy pada citra hasil segmentasi dengan citra groundtruh. Hasil penelitian menunjukkan bahwa metode Soft Weighted Median Filter mampu meningkatkan kualitas segmentasi citra dengan rata-rata accuracy sebesar 95,70% dengan mengurangi fixed value noise maupun random valued noise pada citra. Sedangkan sensitivity dan specificity rata-rata memiliki nilai sebesar 90,48% dan 97,98%.