Oke melanjutkan dari materi seblumnya tentang Kernel Mean Filter dan Gaussian Filter, sekarang kita lanjut dengan sisanya yaitu salt and pepper dan speckle, karena sebelumnya tidak bisa saya masukkan semua karna data gagal disimpan. oke tanpa panjang lebar kita langsung mulai saja.

D. Salt & Pepper

gambar di atas adalah menunjukan citra salt & pepper yang sudah bernoise lalu di konvolusi mean filter dengan nilai yang sama maka dapat dilihat perbedaannya, citra pertama terlihat noise sangat begitu jelas namun setelah di konvolusi mean filter citra jauh lebih baik dengn noise yang berkurang, jika pada citra kedua noise terlihat begitu kuat sehingga setelah dilakukan konvolusi mean filter pun masih terlihat buram walau noise tidak terlihat begitu kuat dari sebelumnya.

berikut ini code yang harus kita buat:

% Konvolusi Mean terhadap Salt & Pepper Noise %

CMSaltPepper1 = imfilter(salep1,kernelMean,'conv');
CMSaltPepper2 = imfilter(salep2,kernelMean,'conv');
figure;

subplot(2,2,1), imshow(salep1), title('Salt & Pepper 0.1');
subplot(2,2,2), imshow(CMSaltPepper1), title('Konvolusi Mean of Salt & Pepper 0.1');
subplot(2,2,3), imshow(salep2), title('Salt & Pepper 0.5');
subplot(2,2,4), imshow(CMSaltPepper2), title('Konvolusi Mean of Salt & Pepper 0.5');

D. Speckle

gambar di atas adalah menunjukan citra speckle yang sudah bernoise lalu di konvolusi mean filter dengan nilai yang sama maka dapat dilihat perbedaannya, citra berikut ini baik gambar satu dan yang kedua noise jauh lebih berkurang dengan hasil citra yang masih terlihat jelas jika dibandingkan dengan hasil pada citra salt & pepper yang hasilnya tidak jauh berbeda namun pada citra ini jauh lebih baik.

berikut ini code yang harus kita buat:

% Konvolusi Mean terhadap Speckle Noise %

CMSpeckle1 = imfilter(speck1,kernelMean,'conv');
CMSpeckle2 = imfilter(speck2,kernelMean,'conv');
figure;

subplot(2,2,1), imshow(speck1), title('Speckle Noise 0.1');
subplot(2,2,2), imshow(CMSpeckle1), title('Konvolusi Mean of Speckle 0.1');
subplot(2,2,3), imshow(speck2), title('Speckle Noise 0.5');
subplot(2,2,4), imshow(CMSpeckle2), title('Konvolusi Mean of Speckle 0.5');

*catatan: ingat ya semua code dijadikan 1 dari part III dengan mengambil citra yang sudah mengalami noise untuk mengetahui hasil filteringnya..

NEXT CHAPTER TENTANG GAUSSIAN FILTER