Vector Median Filter (VMF)

8/16/2019 Vector Median Filter (VMF)

http://slidepdf.com/reader/full/vector-median-filter-vmf 1/6

Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014Pelita Informatika Budi Darma, Volume : VIII, Nomor: 2, Desember 2014 ISSN :ISSN :ISSN :ISSN : 2301230123012301----9425942594259425

Perancangan Aplikasi Reduksi Noise Pada Citra Digital Dengan Metode Vector Median Filtering (VMF).

Oleh : ilang !uanda132

PERANCANGAN APLIKASI REDUKSI NOISE PADA CITRA DIGITAL

DENGAN METODE VECTOR MEDIAN FILTERING (VMF)

Gilang Juanda (09!")

Mahasiswa Jurusan Teknik Informatika STMIK Budi Darma MedanJl. Sisingamangaraja No. 338 Simang !imun Medanwww.stmik"#udidarma.a$.id %% &mail' komonis(indonesia)*ahoo.$o.id

A#STRAK

Noise yang merupakan gangguan pada citra berupa bintik-bintik dapat mengurangi keindahan sebuah citra

tersebut. Salah satu teknik yang digunakan untuk mereduksi noise adalah filtering yang melakukan pengurangan

noise pada pixel-pixel citra. Metode yang digunakan pada penelitian ini adalah Vector Median Filtering (VMF)

yang melakukan reduksi pada noise dengan cara mengganti nilai pixel dengan nilai intensitas pixel yang

memiliki akumulasi selisih terkecil terhadap pixel tetangganya. engu!ian dilakukan untuk memperoleh nilai

Mean S"uared #rror (MS#) dan eak Signal to Noise $atio (SN$). MS# dan SN$ menghasilkan nilai untuk

mengukur tingkat kiner!a dari metode yang digunakan. %ari hasil pengu!ian& metode Vector Median Filtering

lebih baik (dalam hal efektifitas) daripada beberapa metode reduksi noise lainnya yang dalam hal ini adalah

'rithmetic Mean Filtering dan Median Filtering. Namun kekurangan dari metode Vector Median Filtering

terletak pada proses reduksi yang membutuhkan aktu cukup lama dari pada metode lainnya.

Kata Kunci noise& pixel& dan Vector Median Filtering (VMF).

$ P%nda&uluan

$$ La'a #%laang Ma*ala&Citra yang merupakan suatu bentuk representasi,

yang menggambarkan kemiripan dari suatu obyek atau

benda. Citra yang dikenal dalam komputer adalah citra

dalam format digital. Meskipun sebuah citra kaya

akan informasi, namun sering kali citra mengalami

penurunan mutu, misalnya mengandung cacat atau

noise. Noise (derau) adalah gambar atau pixel yang

mengganggu kualitas citra. Derau dapat disebabkan

oleh proses capture yang tidak sempurna, pencahayaan yang tidak merata yang mengakibatkan

intensitas tidak seragam, kontras citra terlalu rendah

sehingga obek sulit dipisahkan dari latar

belakangnya, atau gangguan fisik (optik), maupun

secara disengaa akibat proses pengolahan yang tidak

sesuai dan lain sebagainya.

!ntuk mengatasi noise tersebut perlu dilakukan

usaha untuk memperbaiki kualitas citra. "alah satu

teknik yang digunakan adalah reduksi noise yang

melakukan restorasi citra dengan cara peningkatan

kualitas. Dalam reduksi noise, terdapat beberapa

metode yang sering digunakan, dua diantaranya adalah

'rithmetic Mean Filtering dan Median Filtering .

'rithmetic Mean Filtering yang merupakan salah satu filter yang bekera dengan menggantikan intensitas

nilai pixel dengan rata#rata dari nilai pixel tersebut

dengan nilai pixel-pixel tetangganya. "edangkan

Median Filtering adalah salah satu teknik filter yang

mengurutkan nilai intensitas sekelompok pixel ,

kemudian mengganti nilai pixel yang diproses dengan

nilai mediannya (nilai tengahnya).

"elain itu uga terdapat beberapa teknik filter

yang merupakan pengembangan lanutan dari metode $

teknik yang sudah ada. "alah satunya adalah metode

Vector Median Filtering (%M&) yang merupakan

pengembangan dari Median Filtering . Di mana pada

Vector Median Filtering yang diproses adalah arak $

selisih antara tiap#tiap pixel , yang kemudian arak#

arak tersebut diumlahkan $ diakumulasikan, lalu

dibandingkan dengan resultan arak pada pixel

lainnya, dan menggantikan pixel yang diproses dengan

nilai pixel yang memiliki resultan selisih terkecil.

Melalui metode Vector Median Filtering

diharapkan dapat mengurangi tingkat noise pada citra,

sehingga citra hasil filtering (citra output ) dapat

mendekati bentuk citra aslinya. Dari uraian tersebut, penulis tertarik untuk memilih udul 'erancangan

plikasi *eduksi Noise ada Citra Digital Dengan

Metode Vector Median Filtering (%M&)+.

$+$ Ru,u*an Ma*ala&Dari uraian latar belakang di atas, maka penulis

dapat memberikan rumusan masalah sebagai berikut

1. -agaimana mereduksi noise pada citra digital

dengan metode Vector Median Filtering .

2. -agaimana mengetahui apakah citra keluaran

(output ) sudah tereduksi noise#nya (sudah optimal

atau belum).

3. pakah metode Vector Median Filtering ini lebih

baik dari pada metode reduksi noise lainnya.. -agaimana merancang aplikasi reduksi noise

dengan metode Vector Median Filtering .

$-$ Tu.uan dan Man/aa' P%n%li'ian

dapun tuuan dari penelitian yang dilakukan

adalah sebagai berikut

1. !ntuk mengetahui bagaimana cara kera metode

Vector Median Filtering dalam mereduksi noise

pada citra digital.

2. !ntuk mengetahui tingkat kemampuan $

keakuratan metode Vector Median Filtering

berdasarkan citra output yang dihasilkan.

3. !ntuk membandingkan metode Vector Median

Filtering dengan metode reduksi noise lainnya

seperti 'rithmetic Mean Filtering dan Median

Filtering , apakah lebih baik, sama baiknya ataukurang bagus.

. !ntuk lebih mengoptimalkan proses reduksi noise

pada citra digital dalam hal /aktu dan ketepatan.

dapun manfaat secara umum dari perancangan

aplikasi ini adalah untuk memudahkan dalam

penyelesaian masalah mengenai noise pada citra

digital, sehingga noise dapat direduksi dalam /aktu

yang singkat dan menghasilkan citra keluaran yang

memiliki kualitas lebih baik. "edangkan manfaat bagi

penulis adalah untuk menambah /a/asan tentang cara

mereduksi noise pada citra digital dengan metode

Vector Median Filtering serta mengetahui cara pengimplementasiannya ke dalam program.

+$ Landa*an T%i

+$$ Ci'a Digi'al

Citra digital adalah citra yang dapat diolah oleh

komputer 01. gar dapat diolah dengan dengan

komputer digital, maka suatu citra harus

direpresentasikan secara numerik dengan nilai#nilai

diskrit. *epresentasi citra dari fungsi malar (kontinu)

menadi nilai#nilai diskrit disebut digitalisasi. Citra

yang dihasilkan inilah yang disebut citra digital

(digital image). ada umumnya citra digital berbentuk persegi panang, dan dimensi ukurannya dinyatakan

sebagai tinggi lebar (atau lebar panang) 04.

+$+$ Pixel

ixel merupakan singkatan dari picture element ,kadang#kadang disebut uga el. ixel bisa uga

diartikan sebagai satu titik dalam satu grid berbentuk

persegi panang atau uga beribu titik yang secara

indi5idual 'dilukis+ menadi suatu bentuk image yang

dihasilkan pada layar komputer atau pada kertas oleh

sebuah printer 01.

"ebuah pixel merupakan satu dari ribuan titik

kecil dalam sebuah grid pada layar display ataupun

lembar yang dicetak. 6itik atau spot ataupun blok

secara indi5idual diberi /arna secara berurutan untuk

menampilkan image di layar komputer dan me/akili

elemen terkecil yang bisa dimanipulasi untukmenghasilkan grafik 01.

+$-$ Noise

7etika sebuah citra ditangkap oleh kamera, sering

kali terdapat beberapa gangguan yang mungkinteradi, seperti kamera tidak fokus, muncul bintik#

bintik yang disebabkan oleh proses capture yang tidak

sempurna, pencahayaan yang tidak merata

mengakibatkan intensitas tidak seragam, kontras citra

terlalu rendah sehingga obek sulit untuk dipisahkan

dari latar belakangnya, atau gangguan yang

disebabkan oleh kotoran#kotoran yang menempel pada

citra, dan lain sebagainya. "etiap gangguan pada citra

dinamakan noise 01.

dapun noise yang akan direduksi pada penelitian

ini adalah noise yang murni teradi dari proses capture

yang tidak sempurna, seperti noise yang tertangkap

dengan menggunakan kamera handphone.

+$!$ Vector Median Filtering (VMF)ada Vector Median Filter (%M&), untuk

mengurutkan 5ektor#5ektor di dalam sebuah kernel

atau mask tertentu maka dipilih suatu aturan

pengukuran arak $ selisih yang tepat. ixel-pixel

5ektor dalam indo diurut berdasarkan umlah

akumulasi dari arak antara tiap 5ektor pixel dan pixel #

pixel lain yang berada dalam indo. 8umlah

akumulasi dari selisih tersebut disusun dalam bentuk

ascending (dari yang terkecil ke terbesar) dan

kemudian pengurutan yang sama dilakukan pada

pixel # pixel 5ektornya. %ektor pixel dengan nilaiakumulasi selisih terkecil adalah pixel 5ektor

mediannya (output #nya) 02. Vector Median Filter (%M&) dapat dinyatakan sebagai berikut

* VMF + ,ector median (indo)

!ntuk lebih elasnya, tahap#tahap pada metode

Vector Median Filtering (%M&) adalah sebagai

berikut

1. Mencari nilai i yang merupakan akumulasi dari

selisih nilai pixel ke#i dengan nilai pixel lainnya

dalam indo, yang dihitung dengan rumus

),(1 !i

!i x x∆∑= =δ

Di mana i 9 akumulasi selisih nilai pixel ke#i

xi 9 nilai pixel i : (1 ; i ; n)

x ! 9 nilai pixel ! : (1 ; ! ; n)

n 9 umlah pixel dalam indo

<(xi & xi ) 9 aturan pengukuran selisih xi dan x !

Dalam hal ini, aturan pengukuran selisih yang

digunakan adalah / Norm atau yang lebih

dikenal dengan 0ity 1lock %istance. 0ity 1lock

%istance disebut uga sebagai Manhattan

%istance $ 1oxcar %istance $ 'bsolute Value

%istance. 0ity 1lock %istance menghitung nilai

perbedaan absolut dari 2 5ektor (absolute

differences beteen 2 ,ectors) 0.

!i !i x x x x −=∆ ),(

Di mana

xi 9 nilai pixel i

x ! 9 nilai pixel !

2. Mengurutkan nilai i sampai n (yang dalam hal

ini nilai n 9 4) dalam bentuk ascending (dari yang

terkecil ke yang terbesar).

/ ; 2 ; 3 ; ... ; 4

Di mana

/ 9 nilai akumulasi selisih terkecil

2 9 nilai akumulasi selisih terkecil ke#2

3 9 nilai akumulasi selisih terkecil ke#3

dan seterusnya hingga ke#4 (4)

3. Mengurutkan nilai xi sampai xn berdasarkan

pengurutan nilai i sampai n.

x/ ; x2 ; x3 ; ... ; x4

Di mana

x/ 9 pixel dengan umlah selisih terkecil

x2 9 pixel dengan umlah selisih terkecil ke#2

x3 9 pixel dengan umlah selisih terkecil ke#3

dan seterusnya hingga ke#4 ( x4)

. ixel dengan nilai akumulasi selisih terkecilmerupakan hasil (output ) dari proses metode

Vector Median Filtering .

* VMF + x/

Di mana

* VMF 9 pixel hasil proses filtering x/ 9 pixel dengan umlah selisih terkecil

+$1$ Mean Squared Error (MSE)erbaikan citra pada dasarnya merupakan proses

yang bersifat subektif sehingga parameterkeberhasilannya bersifat subektif pula. !ntuk itu

perlu adanya alat ukur kuantitatif yang bisa digunakan

untuk mengukur kinera prosedur perbaikan citra. lat

ukur ini disebut Mean S"uared #rror (M"=) 01.

M"= dapat dinyatakan dengan persamaan berikut

( )∑ ∑= = −=

! ba !i f !i f N x M

MS# 1 1

2),(),(

Di mana

M 9 panang citra

N 9 lebar citra

),( !i f a 9 intensitas (i, !) sebelum filtering

),( !i f b 9 intensitas (i, !) setelah filtering

"emakin kecil nilai M"=, semakin bagus

prosedur (metode) perbaikan citra yang digunakan.

rtinya, kualitas citra setelah mengalami perbaikannoise hampir sama dengan kualitas citra aslinya.

+$2$ Peak Signal to Noise Ratio (PSNR)

"elain M"=, uga terdapat alat ukur lain yang

disebut eak Signal to Noise $atio (">*). ">*

dihitung untuk mengukur perbedaan antara citra

semula (citra asli) dengan citra hasil reduksi 04.

dapun ">* dapat dinyatakan dengan persamaan

berikut

−∑∑

)),(),((1

2@@log2?

!i f !i f N x M

Di mana M 9 panang citra

N 9 lebar citra

),( !i f a 9 intensitas (i, !) sebelum filtering

),( !i f b 9 intensitas (i, !) setelah filtering

Dari persamaan (A) di atas, terlihat bah/a ">*

berbanding terbalik dengan M"=. "emakin kecil nilai

M"=, berarti citra hasil reduksi semakin mendekati

citra sebelum terkena noise (citra asli). "edangkan

semakin besar nilai ">*, berarti citra hasil semakin

mendekati citra aslinya.

-$ Anali*a dan P%an3angan

-$$ Anali*a M%'d% Vector Median Filtering (VMF)ada tahap analisa ini, kernel yang digunakan

berukuran 3 3 sehingga terdapat 4 buah pixel yang

akan diproses. 8ika diketahui nilai intensitas dari 4

pixel tersebut adalah seperti berikut

Ta4%l 5 Nilai In'%n*i'a* 9 Pixel

Pi6%l R%d G%%n #lu%

1 2@@ 234 234

2 22 22@ 22@

3 233 212 21A

2@3 224 224

@ 2? 1B? 1B

23 211 2?B

B 23 22A 232

A 224 223 22B

4 22@ 214 224

Dari tabel 1 tersebut, dapat dilihat pada pixel ke#

@, intensitasnya memiliki selisih yang sangat berbeda

dengan intensitas pixel tetangganya. "ehingga dapat

dikatakan pixel ke#@ mengandung noise. dapun

perhitungan proses reduksi noise dengan metode

Vector Median Filtering adalah sebagai berikut

1. Mencari nilai i yang merupakan akumulasi dari

selisih nilai pixel ke#i dengan nilai pixel lainnya

dalam indo. !ntuk channel $ed

9 x/ 5 x

x / 5 x 9 6 x / 5 x : 6 x / 5 x ; 6 x / 5 x 4

9 2@@ 22 E 2@@ 233 E 2@@ 2@3 E

2@@ 2? E 2@@ 23 E 2@@ 23 E

2@@ 224 E 2@@ 22@

9 13 E 22 E 2 E 4 E 21 E 21 E 2 E 3?

Dan seterusnya hingga 4($). 7emudian untuk

channel <reen

/(<) 9 x/ 5 x 2 6 x / 5 x 3 6 x / 5 x 7 6 x / 5 x 8 6

Oleh : ilang !uanda13@

x / 5 x 9 6 x / 5 x : 6 x / 5 x ; 6 x / 5 x 4

9 234 22@ 6 234 212 6 234 224 6

234 1B? 6 234 211 6 234 22A 6

234 223 6 234 214

9 1 E 2B E 1? E 4 E 2A E 11 E 1 E 2?

Dan seterusnya hingga 4(<), dan untuk channel

/(1) 9 x/ 5 x 2 6 x / 5 x 3 6 x / 5 x 7 6 x / 5 x 8 6

x / 5 x 9 6 x / 5 x : 6 x / 5 x ; 6 x / 5 x 4

9 234 22@ 6 234 21A 6 234 224 6

234 1B 6 234 2?B 6 234 232 6

234 22B 6 234 224

9 1 E 21 E 1? E @ E 32 E B E 12 E 1?

Dan seterusnya hingga 4(1). "ehingga didapatnilai akumulasi selisih tiap pixel pada masing#masing

channel Ta4%l +$ Nilai Au,ula*i S%li*i& Pixel

R%d G%%n #lu%

/ 1A 14@ 1B1

2 11@ 111 1?B

3 42 13 12A

7 1B? 12@ 1?B

8 2@B 2 1

9 41 134 1A3

: 41 12? 122

; 1? 1?4 1?@

4 12 113 1?B

2. Mengurutkan nilai / sampai 4 dalam bentuk

ascending (dari yang terkecil ke yang terbesar).

!ntuk channel $ed

9($) ; :($); 3($); ;($) ; 2($); 4($); 7($); /($); 8($)

!ntuk channel <reen

;(<) ; 2(<); 4(<); :(<); 7(<); 3(<); 9(<);/(<); 8(<)

!ntuk channel 1lue

;(1) ; 2(1); 7(1); 4(1 ); :(1); 3(1); /(1) ; 9(1) ; 8(1)

3. Mengurutkan nilai x/ sampai x4 berdasarkan

pengurutan nilai / sampai 4.

!ntuk channel $ed

x9($) ; x:($) ; x3($) ; x;($); x2($); x4($); x7($); x/($) ; x8($)

!ntuk channel <reen

x;(<) ; x2(<) ; x4(<); x:(<); x7(<); x3(<); x9(<); x/(<); x8(<)

!ntuk channel 1lue

x;(1) ; x2(1) ; x7(1) ; x4(1) ; x:(1); x3(1); x/(1); x9(1); x8(1)

. ixel dengan nilai akumulasi selisih terkecil

merupakan hasil (output ) dari proses metode

Vector Median Filtering .

!ntuk channel $ed (*) * VMF($) + x9 9 23

!ntuk channel <reen (F) * VMF(<) + x; 9 223

!ntuk channel 1lue (-) * VMF(1) 9 A 9 22B

!$ Algi',a dan I,7l%,%n'a*i

!$$ Algi',a Vector Median Filtering (VMF)

dapun algoritma proses reduksi noise denganmetode Vector Median Filtering adalah sebagai

berikut

M, >, npielHr, npielHg, npielHb

Iutput

aspHr, aspHg, aspHb, %M&Hr, %M&Hg, %M&Hb

M 6inggi Citra > Jebar Citra

npielHr

>ilai Gntensitas ixel 0hannel $ed npielHg >ilai Gntensitas ixel 0hannel <reen

npielHb >ilai Gntensitas ixel 0hannel 1lue

&or g 9 1 6o M Do

&or h 9 1 6o > Do

&or i 9 1 6o 4 Do

&or 9 1 6o 4 Do

aspHr(i) 9 aspHr(i) E npielHr(i) # npielHr()

aspHr kumulasi "elisih ixel 0hannel $

aspHg(i) 9 aspHg(i) E npielHg(i) # npielHg()

aspHg kumulasi "elisih ixel 0hannel <

aspHb(i) 9 aspHb(i) E npielHb(i) # npielHb()

aspHb kumulasi "elisih ixel 0hannel 1

!rutkan.scending(aspHr)

%M&Hr 9 >ilaiMinimum(aspHr)

%M&Hr Gntensitas ixel Kasil 0hannel $ed

%M&Hg 9 >ilaiMinimum(aspHg)

%M&Hg Gntensitas ixel Kasil 0hannel <reen

%M&Hb 9 >ilaiMinimum(aspHb)

%M&Hb Gntensitas ixel Kasil 0hannel 1lue

>et h >et g

!$+$ I,7l%,%n'a*iGmplementasi yang dilakukan pada perancangan

aplikasi reduksi noise pada citra digital dengan

metode Vector Median Filtering meliputi form menu

utama, form reduksi noise, form laporan, dan form

about program.

Ga,4a 5 Form M%nu U'a,a

Ga,4a + 5 Form R%du*i Noise

Ga,4a - 5 Form La7an

Ga,4a ! 5 Form About Program

!$-$ P%ngu.ianenguian dilakukan untuk mengetahui kualitas

kinera dari metode yang digunakan. Di mana dari

hasil penguian akan didapatkan nilai M"=, ">*

serta /aktu yang dibutuhkan selama proses reduksi

noise untuk masing#masing metode. dapun citra

yang akan direduksi noise#nya seperti berikut

Ga,4a 1 5 Ci'a 8ang Aan Di%du*i Noisen8a

"etelah citra direduksi noise#nya, hasilnya seperti

pada gambar berikut

Ga,4a 1 (a) Ci'a #% Noise

(4) Arithmetic Mean Filtering (AMF) (3) Median

Filtering (d) Vector Median Filtering (VMF)

ada gambar di atas, dapat dilihat bah/a metode

Vector Median Filtering menghasilkan citra output

dengan noise yang tereduksi dengan baik. Dari penguian tersebut uga didapatkan nilai M"=, ">*

dan /aktu yang dibutuhkan selama proses (dalam

satuan detik), seperti berikut

Ta4%l -$ Nilai MSE: PSNR dan ;a'u Tia7

M%'d%M%'d% MSE PSNR ;a'u (d%'i)

%M& 3,4A 3,3@4 1B,A@@

Median 2B,?2A 33,A1B 1@,3A2

M& 1B1,1 2@,A?? 1,??

Dari tabel 3 di atas uga dapat dilihat nilai M"=

terkecil, dan ">* terbesar dimiliki oleh Vector

Median Filtering , yang artinya metode Vector Median

Filtering merupakan metode yang lebih baik dari pada

2 metode lainnya yaitu 'rithmetic Mean Filtering dan Median Filtering .

(a) (b)

(c) (d)

Oleh : ilang !uanda13B

>amun kelemahan dari Vector Median Filtering

terletak pada /aktu yang dibutuhkan selama proses

reduksi. Dari tabel 3 di atas dapat dilihat bah/a

Vector Median Filtering merupakan metode yang

membutuhkan /aktu paling lama dari pada dua

metode lainnya.

1$ K%*i,7ulan dan Saan

1$$ K%*i,7ulan-erdasarkan penelitian yang telah dilakukan,

maka dapat ditarik kesimpulan sebagai berikut

1. Metode Vector Median Filtering mereduksi noise

dengan cara menggantikan nilai intensitas pixel

a/al dengan pixel yang memiliki nilai akumulasi

selisih terkecil yang berada dalam kernel .

2. 7ualitas citra hasil filtering dapat diketahui

dengan menggunakan parameter Mean S"uared

#rror (M"=) dan eak Signal to Noise $atio

(">*). Di mana semakin kecil nilai M"=, makacitra keluaran memiliki kualitas yang lebih baik.

"ebaliknya, pada ">* semakin besar nilai">* yang dihasilkan, maka citra keluaran

semakin baik kualitasnya (reduksi semakin

optimal).

3. -erdasarkan pada penguian yang telah dilakukan,

metode yang memiliki nilai rata#rata M"= terkecil

dan ">* terbesar, adalah Vector Median

Filtering , yang berarti Vector Median Filtering

merupakan metode filtering yang paling baik $

efektif (dibandingkan dua metode lainnya yaitu

'rithmetic Mean Filtering dan Median Filtering )dalam mereduksi noise.

. plikasi reduksi noise pada citra digital ini

dirancang dengan melakukan analisa terhadap

metode Vector Median Filtering . 7emudian

konsep yang telah didapat diimplementasikan kedalam program dengan menggunakan bahasa

pemrograman %isual -asic .>et 2??A dan

menggunakan My"LJ sebagai database#nya.

1$+$ Saan"aran yang hendak disampaikan terkait dengan

pengeraan skripsi dan penelitian ini adalah perbaikan

mengenai /aktu yang dibutuhkan selama proses

reduksi. 7arena dari hasil pengamatan, metode Vector

Median Filtering ini membutuhkan /aktu yang cukup

lama dalam melakukan proses reduksi noise. "ehingga

diharapkan dapat dilakukan perbaikan dalam hal/aktu proses, dengan demikian metode tidak hanya

mampu menghasilkan citra yang telah tereduksi noise#

nya dengan baik, namun uga dapat melakukan proses

dengan /aktu yang cukup singkat.

Da/'a Pu*'aa

01 di, >. (2?1?). $ekayasa erangkat unak

1erorientasi =b!ek dengan Metode >nified

Softare %e,elopment rocess (>S%).

ogyakarta ndi Iffset.

02 ay, 7., *ayalakshmi, %., Minusha, ". (2?13).

' Ne Method of ?mage Fusion @echni"ue for

?mpulse Noise $emo,al in %igital ?mages >sing

@he Auality 'ssessment in Spatial %omain. GI"*

8ournal of =lectronics and Communication

=ngineering (GI"*#8=C=), @, 31#3. G"">

22BA#2A3.03 -ill, =., -illy, K., -ill, "., 7ent, ". (2??A).

rofessional Visual 1asic 2BB;. !" Niley

ublishing Gnc.

0 Darma, . (2?1?). engolahan 0itra %igital .

ogtakarta ndi Iffset.

0@ =rick, 7., *ully, . (2??4). Migrasi Visual 1asic

9 ke Visual 1asic .N#@ . 8akarta Citra Nahana

Media.

0 &oal, 8. (2??A). Sams @each Courself Visual

1asic 2BB; in 27 Dours 0omplete Starter Eit .

!" "ams ublishing.

0B Mcmis, D. (2??). rofessional 0rystal $eports

for Visual Studio .N#@ 2nd #dition. !" Niley

ublishing Gnc.

Vector Median Filter (VMF)

Documents

VMF Activity Report 08-09

.VMF &4# 5VUPSJBM

A new class of multichannel image processing filters: vector...

Filter module VMF - combustion911.com · VMF · Edition...

The Vocabulary Mapping Framework (VMF): an introduction ·....

CARTERA DE SERVICIOS CESFAM VMF - cvmf.cl SERVICIOS Cesfam.....

Competitiegids VMF Jeugd 16-17

La lettre d'information des - VMF Patrimoine

Variation Management Framework (VMF) - PD...

VMF - Aermec UK · 2019. 5. 15. · CONTROL PANELS •...

VMF Industrial Hygiene Report

VMF heating and domestic hot water production...

DIỄN ĐÀN TOÁN HỌC VMF

Veterinary master file (vmf)

Noise reduction by vector median filteringNoise reduction by...

A Bionic Fish Cilia Median-Low Frequency Three-Dimensional.....