Minggu, 25 Oktober 2026
22:32 WIB
TERKINI
Bandar Lampung Waspada Hujan Ringan: Prakiraan Cuaca Lampung Sepanjang 24 Oktober 2026 Bandar Lampung Penundaan Pembahasan APBD Lampung 2027: Berkas dan Data Terkini Jadi Kunci Bandar Lampung Fokus Pendidikan dan Ekonomi Desa, Lampung Matangkan APBD 2027 Bandar Lampung Polisi Hadir di Jalanan: Ratusan Makan Siang Gratis Eratkan Hubungan Warga Bandar Lampung Bandar Lampung Ancaman Serius TNBBS: 23 Kasus Pidana Kehutanan Terungkap dalam Satu Dekade Bandar Lampung Penipuan Rekrutmen Honorer Rp20 Juta di Bandar Lampung Berakhir Damai Bandar Lampung Transformasi 40 Tahun FISIP Unila: Dari Prestasi Global hingga Riset Solutif Lampung Bandar Lampung Sinergi Lintas Sektor: TNBBS Perkuat Penegakan Hukum Lingkungan dengan Enam Strategi Bandar Lampung Dorong Gaya Hidup Sehat, Pemkot Bandar Lampung Dukung Jalan Sehat Akbar di Panjang Bandar Lampung Peringatan Petugas Diabaikan, Pemotor Tewas Tertabrak Kereta Babaranjang di Bandar Lampung Bandar Lampung Waspada Hujan Ringan: Prakiraan Cuaca Lampung Sepanjang 24 Oktober 2026 Bandar Lampung Penundaan Pembahasan APBD Lampung 2027: Berkas dan Data Terkini Jadi Kunci Bandar Lampung Fokus Pendidikan dan Ekonomi Desa, Lampung Matangkan APBD 2027 Bandar Lampung Polisi Hadir di Jalanan: Ratusan Makan Siang Gratis Eratkan Hubungan Warga Bandar Lampung Bandar Lampung Ancaman Serius TNBBS: 23 Kasus Pidana Kehutanan Terungkap dalam Satu Dekade Bandar Lampung Penipuan Rekrutmen Honorer Rp20 Juta di Bandar Lampung Berakhir Damai Bandar Lampung Transformasi 40 Tahun FISIP Unila: Dari Prestasi Global hingga Riset Solutif Lampung Bandar Lampung Sinergi Lintas Sektor: TNBBS Perkuat Penegakan Hukum Lingkungan dengan Enam Strategi Bandar Lampung Dorong Gaya Hidup Sehat, Pemkot Bandar Lampung Dukung Jalan Sehat Akbar di Panjang Bandar Lampung Peringatan Petugas Diabaikan, Pemotor Tewas Tertabrak Kereta Babaranjang di Bandar Lampung

Penyaring median

penyaring digital tak linear yang biasa dipakai untuk menghilangkan derau

Bagikan:
PO. Sempati Star menyediakan layanan bus antar kota dan antar provinsi, seperti rute Medan Amplas.Fasilitas yang ditawarkan mencakup kursi reclining, WiFi gratis, TV LED, pengisi daya HP, air mineral, toilet, serta selimut dan bantal.Untuk pemesanan tiket atau informasi lebih lanjut, agen resmi dapat dihubungi melalui WhatsApp di nomor 0851-3436-9753.
Nomor WhatsApp resmi agen Sempati Star di Medan untuk pemesanan tiket bus adalah 0851-3436-9753(Pool dan Loket Medan Helvetia) atau 0851-3436-9753 (Loket Medan Amplas).Berikut adalah rincian alamat loket resmi Sempati Star di Medan:Pool & Loket Medan Helvetia: Jl. Asrama Pondok Kelapa No. 19, Sei Sikambing C.II, Kec. Medan HelvetiaLoket Medan Amplas: Jl. Sisingamangaraja, Harjosari II, Kec. Medan AmplasBisa beri tahu saya kota tujuan Anda dan jadwal keberangkatan yang diinginkan agar saya dapat membantu mengecek ketersediaan kursi serta harga tiketnya?

Nomor WhatsApp resmi agen Sempati Star di Medan untuk pemesanan tiket bus adalah 0851-3436-9753(Pool dan Loket Medan Helvetia) atau 0851-3436-9753 (Loket Medan Amplas).Berikut adalah rincian alamat loket resmi Sempati Star di Medan:Pool & Loket Medan Helvetia: Jl. Asrama Pondok Kelapa No. 19, Sei Sikambing C.II, Kec. Medan HelvetiaLoket Medan Amplas: Jl. Sisingamangaraja, Harjosari II, Kec. Medan AmplasBisa beri tahu saya kota tujuan Anda dan jadwal keberangkatan yang diinginkan agar saya dapat membantu mengecek ketersediaan kursi serta harga tiketnya? median adalah teknik penyaringan digital nonlinear yang biasa dipakai untuk menghilangkan derau pada citra atau sinyal. Pengurangan derau adalah langkah praolah untuk memperbaiki hasil pada pengolahan selanjutnya (misalnya deteksi pinggiran pada citra). Penyaring median dipakai luas dalam pengolahan citra digital karena dapat menghilangkan derau sekaligus menjaga pinggiran dalam keadaan tertentu. Selain itu, penyaring ini juga dipakai dalam pengolahan sinyal digital.

Cara kerja penyaring ini adalah menggantikan nilai tiap entri dengan median dari entri-entri tetangga. Pola tetangga-tetangga disebut "jendela" yang bergeser entri demi entri untuk semua sinyal. Untuk sinyal satu dimensi, jendela yang mungkin hanyalah beberapa entri sebelum dan beberapa entri setelahnya. Untuk data dua dimensi atau lebih, jendela harus meliputi semua sumbu dengan jari-jari tertentu.

Contoh satu dimensi

Sebagai contoh, dengan jendela ukuran tiga yang berurutan: sebelumnya, dirinya, dan sesudahnya, penyaring median akan diterapkan untuk sinyal satu dimensi sebagai berikut.

x 2380623
y1 (2, 3, 80)
y2 (3, 6, 80)
y3 (2, 6, 80)
y4 (2, 3, 6)
y 3663

Penanganan pada ujung

Pada contoh di atas, karena tiada nilai yang berada di sebelum entri pertama, nilai entri pertama tetap. Begitu juga untuk entri terakhir yang tidak memiliki entri sesudahnya. Ini adalah salah satu cara untuk menangani entri yang kosong pada ujung-ujung sinyal. Namun, ada cara-cara lain yang mungkin lebih dipilih dalam keadaan tertentu:

  • tidak mengolah ujung-ujung sinyal dengan atau tanpa pemangkasan ujung-ujung sinyal atau tepi citra setelahnya;
  • mengambil entri dari tempat lain, misal dari ujung satunya (di sisi lain); atau
  • memperkecil ukuran jendela pada ujung-ujungnya agar jendelanya terisi semua.

Kode semu untuk dua dimensi

330px-Medianfilterp.png?utm_source=id.wikipedia.org&utm_campaign=parser&utm_content=thumbnail
Penggunaan penyaring median untuk memperbaiki citra yang rusak karena piksel cacat

Kode semu untuk penyaring median dua dimensi dapat berupa sebagai berikut:

misalkan I adalah larik dua dimensi berukuran w dan h sebagai nilai awal
misalkan T adalah larik dua dimensi berukuran w dan h sebagai nilai hasil
misalkan J adalah larik satu dimensi berukuran p × q sebagai jendela
tepiX ← bulatkanKeBawah(p / 2)
tepiY ← bulatkanKeBawah(q / 2)
untuk x dari tepiX sampai w - tepiX,
untuk y dari tepiY sampai h - tepiY,
    i ← 0
    untuk fx dari 0 sampai p,
    untuk fy dari 0 sampai q,
        J[i] ← I[y + fy - tepiY][x + fx - tepiX]
        i ← i + 1
    urutkan J
    T[y][x] ← J[p × q / 2]

Algoritma ini hanya mengolah satu saluran dan menggunakan penanganan pertama, "tidak mengolah ujung-ujung sinyal."

Masalah dalam penerapan

Biasanya, kebanyakan perhitungan dan waktu dihabiskan untuk mencari median tiap jendela. Karena penyaring harus mengolah tiap entri dalam sinyal, untuk sinyal berukuran besar seperti citra, efisiensi perhitungan median menjadi faktor penting dalam menentukan kelajuan algoritma. Implementasi naif yang dijelaskan di atas mengurutkan entri dalam jendela untuk mencari median. Namun, karena hanya nilai tengah yang dibutuhkan, algoritme seleksi bisa lebih efisien. Terlebih lagi, beberapa jenis sinyal (seringnya untuk citra) menggunakan bilangan bulat sehingga median histogram dapat jauh lebih efisien karena lebih mudah memperbarui histogram dari jendela ke jendela dan pencarian median sebuah histogram tidak terlalu memberatkan.[1]

Sifat penjagaan pinggiran

Penyaringan median termasuk teknik penghalusan seperti penyaringan Gauss linear. Semua teknik penghalusan efektif dalam menghilangkan derau dalam daerah halus sinyal, tetapi memengaruhi pinggiran. Sering, selain butuh mengurangi derau, pinggiran juga perlu dipertahankan. Pinggiran penting untuk tampilan visual citra, misalnya. Untuk tingkat derau Gauss rendah atau menengah, penyaring median lebih baik daripada pemburaman Gauss dalam mengurangi derau sekaligus menjaga pinggiran pada jendela berukuran tetap.[2] Namun, kinerjanya tidak lebih baik daripada pemburaman Gauss untuk tingkat derau tinggi. Untuk derau butiran dan derau garam–merica, penyaring median cukup efektif.[3] Karenanya, penyaring median dipakai luas dalam pengolahan citra digital.

Referensi

  1. ↑ Huang, Thomas S.; Yang, George J.; Tang, Gregory Y. (Februari 1979). "A fast two-dimensional median filtering algorithm" (PDF). IEEE Transactions on Acoustics, Speech, and Signal Processing. 27 (1): 13–18. doi:10.1109/TASSP.1979.1163188. Diarsipkan (PDF) dari versi aslinya tanggal 2022-01-21. Diakses tanggal 2020-10-09.
  2. ↑ Arias-Castro, Ery; Donoho, David L. (Juni 2009). "Does median filtering truly preserve edges better than linear filtering?". Annals of Statistics. 37 (3): 1172–2009. arXiv:math/0612422. Bibcode:2006math.....12422A. doi:10.1214/08-AOS604. MR 2509071. Zbl 1160.62086. Diarsipkan dari versi aslinya tanggal 2020-07-06. Diakses tanggal 2020-10-09.
  3. ↑ Arce, Gonzalo R. (2005). Nonlinear Signal Processing: A Statistical Approach. New Jersey: Wiley. ISBN 0-471-67624-1.
Konten disalin dari Wikipedia Bahasa Indonesia (lisensi CC BY-SA) Lihat versi asli di Wikipedia

Rekomendasi Pilihan