Baiklah jika sebelumnya kita sudah mempelajari tentang noise dari gaussian, localvar, poisson, salt & pepper, dan speckle pasti sudah mengetahui bagaimana hasil dari tiap-tiap metodenya maka kita sekarang akan mencoba materi berikutnya yaitu kita akan membuat Kernel Mean Filter dan Gaussian Filter kemudian yang akan di "Konvolusi" pada image yang sudah bernoise tersebut. Baiklah kita mulai sekarang.

A. Pertama kita akan membuat Mean Filter terlebih dahulu.

  1. Gaussian

gambar di atas adalah menunjukan citra gauss yang sudah bernoise lalu di konvolusi mean filter dengan nilai yang sama maka dapat dilihat perbedaannya, pada citra yang sudah di konvolusi noise jauh lebih smooth dibanding sebelum di konvolusi mean filter.

berikut ini code yang harus kita buat:

% Make Kernel %

kernelMean = ones(3,3) / 9;

 
% Konvolusi Mean terhadap Gaussian Noise %
CMGauss1 = imfilter(gaus1,kernelMean,'conv');
CMGauss2 = imfilter(gaus2,kernelMean,'conv');
figure;
subplot(2,2,1), imshow(gaus1), title('Gauss Noise 0.1');
subplot(2,2,2), imshow(CMGauss1), title('Konvolusi Mean of Gauss 0.1');
subplot(2,2,3), imshow(gaus2), title('Gauss Noise 0.5');
subplot(2,2,4), imshow(CMGauss2), title('Konvolusi Mean of Gauss 0.5');

B. Localvar

 gambar di atas adalah menunjukan citra localvar yang sudah bernoise lalu di konvolusi mean filter dengan nilai yang sama maka dapat dilihat perbedaannya, pada citra yang noisenya sudah di konvolusi, citra pertama yang sudah di konvolusi mean filter mengalami perubahan dimana noise menjadi sedikit smooth walau sedikit buram, namun untuk gambar kedua cenderung lebih buram dan sedikit memudar pada citranya.

berikut ini code yang harus kita buat:

% Konvolusi Mean terhadap Localvar Noise %
CMLocalvar1 = imfilter(local1,kernelMean,'conv');
CMLocalvar2 = imfilter(local2,kernelMean,'conv');
figure;
subplot(2,2,1), imshow(local1), title('Localvar Noise 0.1');
subplot(2,2,2), imshow(CMLocalvar1), title('Konvolusi Mean of Localvar 0.1');
subplot(2,2,3), imshow(local2), title('Localvar Noise 0.5');
subplot(2,2,4), imshow(CMLocalvar2), title('Konvolusi Mean of Localvar 0.5');

C. Poisson

gambar di atas adalah menunjukan citra poisson yang sudah bernoise lalu di konvolusi mean filter maka dapat dilihat perbedaannya, citra jauh lebih smooth dengan noise yang sudah tidak terlihat.

berikut ini code yang harus kita buat:

% Konvolusi Mean terhadap Poisson Noise %

CMPoisson1 = imfilter(Pois1,kernelMean,'conv');
figure;
subplot(1,2,1), imshow(Pois1), title('Poisson Noise');
subplot(1,2,2), imshow(CMPoisson1), title('Konvolusi Mean of Poisson');

 *to be continue