Nama : Annisa Amurweni

NIM : 18520241003

METODE FILTER GAUSSIAN, MEAN, DAN

MEDIAN SEBAGAI METODE PENGHALUSAN
CITRA (REDUKSI NOISE) PADA PENGOLAHAN
CITRA DIGITAL

Abstrack :
Citra berupa variasi intensitas suatu pixel yang tidak berkorelasi dengan pixel-pixel
tetangganya yang mudah dilihat oleh mata karena tampak berbeda. Dengan melakukan
penghalusan citra, diharapkan citra tersebut menjadi lebih terlihat jelas.Penelitian ini
bertujuan untuk membandingkan hasil dari Metode Gaussian, Mean dan Median dalam
melakukan reduksi noise sebagai metode penghalusan pada citra/perbaikan kualitas citra
dengan menggunakan bahasa pemrograman matlab. Dapat melakukan perbaikan citra digital
khususnya reduksi noise. Citra Digital yang digunakan berekstensi png. Metode yang
digunakan Metode Gaussian, Mean dan Median. Citra awal atau citra input merupakan citra
yang rusak karena gangguan pada noise citra. Hasil penelitian adalah hasil perbaikan citra
terutama terhadap gangguan noise metode yang digunakan metode Gaussian, Mean dan
Median, dari ketiga metode yang digunakan sama baiknya, karena ketiga metode ini dapat
memperbaiki gangguan noise yang ada.

bagus(sensor noise, photographic grain

I. PENDAHULUAN noise) atau akibat salurantransmisi (pada
pengiriman data) Pada kasus tertentu,
Seiring dengan perkembangan penghalusan citra memang dilakukan untuk
teknologi di bidang komputer, hampir melembutkan permukaan citra, seperti
sebagian besar pekerjaan manusia kini penghapusan detail kecil dan menjembatani
diselesaikan dengan komputer. Pemakaian celah kecil di garis atau kurva pada citra
komputer sering digunakan untuk hal-hal dengan harapan memperindah citra itu
yang berkaitan dengan pemrosesan data sendiri. Salah satu teknik yang dapat
(data processing), pengolahan kata (word memenuhi tujuan tersebut adalah
processing), serta pengolahan gambar penghalusan citra dengan filter Gaussian
(image processing). Berbagai literatur dan filter Mean. Citra uji yang digunakan
menunjukkan bahwa penghalusan citra pada penelitian ini menggunakan satu
ditujukan untuk menekan derau (noise). sampel gambar.
Derau pada citra berupa variasi intensitas
suatu pixel yang tidak berkorelasi dengan II. DASAR TEORI
pixel-pixel tetangganya dan mudah dilihat A. Citra Digital
oleh mata karena tampak berbeda. Secara umum, pengolahan citra digital
Contohnya, pada sebuah citra, terdapat merujuk pada pemrosesan gambar dua
derau dengan intensitas tinggi yang dimensi menggunakan komputer. Citra
membuat sebagian informasi dalam citra digital merupakan sebuah larik (array) yang
tersebut tertutupi. Dengan melakukan berisi nilai-nilai real maupun komplek yang
penghalusan citra, diharapkan citra tersebut direpresentasikan dengan deretan bit
menjadi terlihat lebih jelas. Penghalusan tertentu. Citra digital adalah fungsi f(x,y)
Citra (Iamge smoothing) bertujuan untuk berukuran M baris dan N kolom, dengan x
menekan gangguan (noise) pada Citra. dan y adalah koordinat spasial, dan
Gangguan tersebut biasanya muncul sebagai amplitudo f di titik koordinat (x,y)
akibat dari hasil penerokan yang tidak dinamakan intensitas atau tingkat keabuan
pada citra di titik tersebut dan nilai x,y serta Gambar 1 (a) Citra bangunan yang agak
nilai amplitudo f secara keseluruhan gelap, (b) Citra bangunan yang telah
berhingga (finite) dan bernilai diskrit diperbaiki kontrasnya sehingga lebih cerah.
(Darma Putra, 2010). Citra digital dapat
dituliskan dalam bentuk matriks sebagai
berikut. B. Citra
Menurut Kamus Besar Bahasa
Indonesia (1990:667), citra adalah
pemahaman kesan yang timbul karena
pemahaman akan suatu kenyataan. Citra
atau image adalah representasi spasial dari
suatu objek yang sebenarnya dalam bidang
dua dimensi yang biasanya ditulis dalam
Nilai pada suatu irisan antara baris dan koordinat cartesian x-y, dan setiap koordinat
kolom (pada posisi x,y) disebut dengan mempresentasikan satu sinyal terkecil dari
picture element, image element, pels, atau objek (Kulkarni, 2001). Menurut Frank
pixels. Istilah terakhir (pixel) paling sering Jefkins dalam Soemirat dan Elvianaro
digunakan pada citra digital. Pengolahan Ardianto (2007:114) bahwa Citra sebagai
citra adalah pemrosesan citra, khususnya gambaran tentang realitas dan tidak harus
dengan menggunakan komputer, menjadi sesuai dengan realitas, citra adalah dunia
citra yang kualitasnya lebih baik. menurut persepsi. Dunia Citra adalah suatu
Sebagai contoh, citra bangunan pada representasi (gambaran), kemiripan atau
Gambar dibawah ini (Gambar 1) tampak imitasi dari suatu objek. Citra sebagai
agak gelap, lalu dengan operasi pengolahan keluaran suatu sistem perekaman data dapat
citra kontrasnya diperbaiki sehingga bersifat optik berupa foto, bersifat analog
menjadi lebih cerah (Gambar 2). berupa sinyal-sinyal video seperti gambaran
pada monitor televisi, atau bersifat digital
yang dapat langsung disimpan pada suatu
media penyimpanan. Meskipun sebuah citra
kaya akan informasi, namun sering kali citra
yang dimiliki mengalami penurunan mutu,
misalnya mengandung cacat atau denois .

C. Pengolahan Citra
Pengolahan citra (Image Processing)
merupakan suatu sistem dimana proses
dilakukan dengan masukan berupa citra dan
hasilnya juga berupa citra (Basuki, 2005).
Gambar 1.Gambar citra asli Pada awalnya pengolahan citra ini
dilakukan untuk memperbaiki kualitas citra,
namun dengan berkembangnya dunia
komputasi yang ditandai dengan semakin
meningkatnya kapasitas dan kecepatan
proses komputer , serta dapat mengambil
informasi dari suatu citra, maka image
processing tidak dapat dilepaskan dengan
bidang computer vision.

Sesuai dengan perkembangan computer

vision itu sendiri , pengolahan citra
mempunyai dua tujuan utama yakni sebagai
berikut :
1. Memperbaiki kualitas citra, dimana
Gambar 2.Gambar pencerahan citra citra yang dihasilkan dapat
 menampilkan informasi secara jelas Ada tiga jenis noise yaitu gaussian noise,
atau dengan kata lain manusia dapat speckle noise, dan salt and pepper noise.
melihat informasi yang diharapkan Noise Gaussian: modelnoise yang mengikuti
dengan menginterprestasikan citra yang distribusi normal standar dengan rata-rata
ada. Dalam hal ini interprestasi nol dan standard deviasi 1. Efek dari
terhadap informasi yang ada tetap gaussian noise ini pada gambar adalah
dilakukan oleh manusia. munculnya titik-titik berwarna yang
2. Mengekstrasi informasi cirri yang jumlahnya sama dengan persentase noise.
menonjol pada suatu citra dimana Noise speckle: model noise yang
hasilnya adalah informasi citra dimana memberikan warna hitam pada titik yang
manusia mendapatkan informasi cirri terkena noise. Noise salt and pepper adalah
dari citra secara numeric atau dengan bentuk noise yang biasanya terlihat
kata lain computer melakukan titik-titik hitam dan putih pada citra seperti
interprestasi terhadap informasi yang tebaran garam dan merica, Noise salt and
ada pada citra melalui besaran-besaran pepper disebabkan karena terjadinya error
data yang dapat dibedakan secara jelas. bit dalam pengiriman data, pixel-pixel.
Noise pada sebuah citra dapat terjadi karena
D. Citra Grayscale karakteristik derajat keabuan (gray-level)
Menurut Basuki (2005), Proses awal atau dikarenakan adanya variabel acak yang
yang banyak dilakukan dalam image terjadi karena karakteristik Fungsi
processing adalah merubah citra berwarna Probabilitas Kepadatan (Probability Density
menjadi grayscale. 8 Hal ini digunakan Function (PDF)). Apabila citra yang
untuk menyederhanakan model citra. Pada mengandung noise langsung diproses dan
citra berwarna terdiri dari 3 layer matrix, diekstrak, maka fitur-fitur pentingnya dapat
yaitu R-layer, G-layer dan B-layer sehingga menimbulkan masalah akurasi. Jadi
untuk melakukan proses-proses selanjutnya sebaiknya citra tersebut dibersihkan dari
tetap diperhatikan tiga layer diatas. Bila noise terlebih dahulu, dan kemudian
setiap proses perhitungan dilakukan diproses untuk diekstrak fitur-fitur
menggunakan tiga layer, berarti dilakukan pentingnya. Salah satu teknik untuk
tiga perhitungan yang sama. Dengan mereduksi noise adalah order-statistics
demikian, konsep itu dirubah dengan filters, yang merupakan filter spasial dimana
mengubah tiga layer diatas menjadi 1 layer hasil responsnya didasarkan pada
matrix grayscale dan hasilnya adalah citra pengurutan nilai piksel yang dilingkupi oleh
grayscale. Dalam citra ini tidak ada lagi filter (Gonzalez, 2002).
warna, yang ada adalah derajat keabuabuan.
Untuk mengubah citra berwarna yang F. Gaussian Filter
mempunyai nilai matrix masing-masing r, g, Filter Gaussian membuat setiap sudut
dan b menjadi citra grayscale dengan nilai s, pixel dari citra menjadi kabur. Inilah yang
maka konversi dapat dilakukan dengan membuat permukaan citra tersebut tampak
mengambil rata-rata dari nilai r, g, dan b halus dan detail citra menjadi hilang.
sehingga dapat dituliskan menjadi : Semakin tinggi nilai besar kernel yang
digunakan, maka permukaan gambar
S= (r + g + b)/3 semakin halus. Penghalusan gambar dengan
filter gaussion mirip dengan mean filter
tetapi menggunakan kernel berbeda.
E. Reduksi Noise Menurut Usman (2005:70), filter
Pengertian Reduksi Noise adalah suatu Gaussian sangat baik untuk menghilangkan
gangguan yang disebabkan oleh noise yang bersifat sebaran nomal, yang
penyimpanan data digital yang diterima oleh banyak di jumpai pada sebaran citra hasil
alat penerima data gambar yang dapat proses digitasi menggunakan kamera karena
mengganggu kualitas citra. Noise dapat merupakan fenomena alamiah akibat sifat
disebabkan oleh gangguan fisik (optik) pada pantulan cahaya dan kepekaan sensor
alat penangkap citra misalnya kotoran debu cahaya pada kamera itu sendiri. Gaussian
yang menempel pada lensa foto maupun Filter yang menempatkan warna transisi
akibat proses pengolahan yang tidak sesuai. yang signifikan dalam sebuah image,
kemudian membuat warna-warna menjadi Selain mean filtering yang
pertengahan untuk menciptakan efek lembut merupakan proses filter linier, terdapat pula
pada sisi-sisi sebuah image. Gaussian blur pendekatan filter pembobotan (weighted
adalah salah satu filter blur yang filter).
menggunakan rumus matematika untuk
menciptakan efek autofocus untuk H. Filter Median
mengurangi detail dan menciptakan efek Pengertian Filter Median Menurut
berkabut. Gaussian adalah istilah Rinaldi Munir (2004:126) menjelaskan filter
matematika yang diambil dari nama seorang median sebagai suatu jendela yang memuat
matematikawan Jerman, Karl Friedrich sejumlah pixel ganjil. Jendela digeser titik
Gauss. Untuk mengatasi noise tersebut perlu demi titik pada seluruh daerah citra. Pada
dilakukan usaha untuk memperbaiki kualitas setiap pergeseran dibuat jendela baru. Titik
citra itu. Bobot pada mask penghalusan tengah dari jendela ini diubah dengan nilai
Gaussian mengikuti distribusi normal median dari jendela tersebut. Median filter
sebagaimana yang dinyatakan dalam mengganti nilai suatu piksel dengan median
persamaan di bawah ini nilai tingkat keabuan dari pixel tetangga
(nilai asli piksel digunakan juga pada saat
perhitungan nilai median tersebut). Media
filter ini cukup popular karena beberapa tipe
gangguan acak (seperti salt noise, pepper
Dimana : noise. Teknik ini mampu mengurangi
1. σ adalah nilai deviasi standar gangguan yang lebih baik dibandingkan
distribusi normal yang digunakan. dengan model linear smooting dengan
Makin besar nilai σ, maka makin ukuran yang sama. Median filter mengubah
banyak titik tetangga yang suatu titik dengan tingkat keabuan yang
diikutkan dalam perhitungan. berbeda menjadi lebih mirip dengan
2. x dan y adalah posisi koordinat tetangganya. Selain itu juga median filter
mask dimana koordinat (0,0) mengganti nilai cluster pixel terisolasi, yang
adalah posisi titik tengah dari lebih terang atau gelap dibandingkan
mask yang mempunyai nilai paling dengan pixel tetangganya serta luasannya
besar/paling tinggi. kurang dari n2/2, dengan nilai median dari
3. � adalah konstanta dengan nilai masking nxn. Sehingga dapat dikatakan
3,14. bahwa noise yang dihilangkan akan
4. e adalah konstanta bilangan memiliki nilai sama dengan intensitas
natural dengan nilai 2, 718281828. median tetangganya. Selain Low – Pass
Filter, metode yang digunakan dalam
G. Filter Mean penghalusan citra (image smoothing) adalah
Filter Mean Menurut Usman (2005:61) Median Filter. Filter ini merupakan suatu
salah satu filter linier adalah filter rata-rata filter non linear yang dikembangkan oleh
(Filter Mean) dari intensitas pada beberapa Tukey. Pada Median Filter ini suatu
pixel lokal dimana setiap pixel akan “window” yang memuat sejumlah pixel
digantikan nilainya dengan rata-rata dari ganjil digeserkan titik per titik pada seluruh
nilai intensitas pixel tersebut dengan daerah citra. Filter ini bekerja dengan
pixel-pixel tetangganya, dan jumlah pixel menggantikan nilai tengah dari pixel yang
tetangga yang dilibatkan tergantung pada dicakup oleh area filter dengan sebuah nilai
filter yang dirancang. Mean Filter adalah tengah (median) setelah diurutkan terlebih
mengganti nilai pixel pada posisi (x,y) dahulu dari yang terkecil ke yang terbesar.
dengan nilai rata-rata pixel yang berada Biasanya ukuran filter adalah ganjil karena
tetangga disekitarnya. Luasan jumlah pixel akan memberikan poros tengah, sehingga
tetangga ditentukan sebagai akan lebih mudah dalam mengolah Noise.
masking/kernel/window yang berukuran Kelebihan dari filter median adalah
misalkan 2x2, 3x3, 4x4, dan seterusnya. kemampuannya dalam mengurangi derau
Kemudian akan dilakukan mean filter untuk yang diakibatkan oleh derau acak misalnya
citra M dengan menggunakan matriks jenis salt and papper noise atau bisa disebut
kernel (3x3). Pixel m(2,2) = 3, akan diubah sebagai derau impulse. Dibandingkan
dengan jenis filter spasial (ruang) nonlinier Menurut Teguh Widiarsono (2005:1)
lainnya, filter median merupakan filter yang Matlab merupakan suatu bahasa
paling cocok untuk kasus tersebut. Sehingga pemograman yang bisa membantu
filter ini dinobatkan menjadi filter yang memecahkan berbagai masalah matematis
paling ampuh dalam mengolah citra yang kerap kita temui dalam bidang teknis.
berderau sejenis. Dalam merancang median Sedang menurut Muhammad Iqbal (2009:2)
filter, ada beberapa hal yang harus Matlab adalah sebuah bahasa dengan
dipersiapkan terlebih dahulu. Siapkan (highperformance) kinerja tinggi untuk
matriks yang akan diolah. Bila matriks komputasi masalah teknik. Matlab
berisi citra, maka jadikan citra tersebut mengintegrasikan komputasi, visualisasi,
menjadi citra grayscale atau abu-abu agar dan pemrograman dalam suatu model yang
yang didapat hanya 1 matriks intensitas saja. sangat mudah untuk pakai dimana
Siapkan matriks yang NOL yang ukurannya masalahmasalah dan penyelesaiannya
sama persis dengan citra yang akan diolah. diekspresikan dalam notasi matematika
Matriks ini nantinya akan berisi nilai-nilai yang familiar.
intensitas dari citra asli yang sudah diolah Matlab merupakan akronim dari kata
terlebih dahulu. Filter max berarti Matrix Laboratory. Versi pertama Matlab
menggantikan pixel dengan nilai tertinggi ditulis pada tahun 1970. Saat itu, Matlab
dari suatu deret yang terbentuk darimatriks digunakan untuk pelatihan dalam teori
yang sesuai dengan ukuran dari jendela matrik, aljabar linier dan analisis numerik.
filter. Langkah-langkah lainnya sama Fungsi-fungsi Matlab ini digunakan untuk
dengan filter median. Minimum Filter menyelesaikan masalah bagian khusus, yang
merupakan kebalikan dari filter maksimum disebut toolboxes. Toolboxes dapat
dimana pixel akan digantikan dengan nilai digunakan untuk bidang pengolahan sinyal,
minimum dari sebuah deret matriks yang sistem pengaturan, fuzzy logic, numeral
berukuran sesuai dengan matriks filter. network, optimasi, pengolahan citra, dan
Mid-Point Filtering adalah mengganti nilai simulasi yang lain. Matlab adalah bahasa
sel bitmap dengan nilai tengah diantara nilai pemrograman level tinggi yang dikhususkan
terkecil dan terbesar dari area lokal. untuk komputasi teknis. Bahasa ini
Laplacian merupakan filter turunan yang mengintegrasikan kemampuan komputasi,
fungsinya dapat mendeteksi area yang visualisasi, dan pemrograman dalam sebuah
memiliki perubahan cepat (rapid changes) lingkungan yang tunggal dan mudah
seperti tepi (edge) pada citra. Namun, digunakan. Matlab memberikan sistem
laplacian ini sangat rentan atau sensitif interaktif yang menggunakan konsep array
terhadap kehadiran derau. Untuk itu, citra sebagai standar variabel elemennya tanpa
yang akan dideteksi tepinya perlu membutuhkan pendeklarasian array seperti
dihaluskan terlebih dahulu dengan pada bahasa pemrograman lain.
menggunakan Gaussian. Dengan demikian
dikenaladanya fungsi turunan baru yakni
LOG atau Laplacian of Gaussian Metode III. METODOLOGI PENELITIAN
Sobel Merupakan metode yang A. Metode Penelitian
menggunakan operator Sobel. Operator ini Metode Penelitian yang digunakan
menggunakan dua buah kernel yang dalam penyusunan laporam ini adalah
berukuran 3x3 pixel untuk perhitungan dengan menggunakan metode
gradien sehingga perkiraan gradien berada penelitian kuantitatif eksperimen.
tepat ditengah jendela. Mean filter B. Perangkat Keras dan Perangkat Lunak
merupakan salah algoritma memperhalus Adapun instrumen perangkat keras
citra dengan cara perhitungan nilai yang digunakan dalam penelitian ini
intensitas rata-rata citra pada setiap blok adalah Personal Komputer dengan
citra yang diproses. Algoritma yang umum spesifikasi : Intel Pentium Core i3,
digunakan adalah Arithmetic dan Geometric Memory 4 GB, HDD 320 GB, Monitor
Mean Filter. 18”, dan Keyboard.. Perangkat lunak
yang penulis gunakan dalam penelitian
I. Tinjauan Matlab ini adalah Sistem Operasi Windows 10
dan Matlab r2016a.
C. Metode Perancangan Sistem b) Uji Coba Filter reduksi Noise dengan
Global Blok diagram global dari sistem Metode Filter Gaussian dan hasil
ini adalah mengetahui hasil antara gambar histogram.
Metode Filter Gausian, Mean dan c) Uji Coba Filter reduksi Noise dengan
Median Terhadap Reduksi Noise citra Metode Filter Mean dan hasil gambar
digital adalah: histogram.
d) Uji Coba Filter reduksi Noise dengan
Metode Filter Median dan hasil gambar
histogram
e) Perbandingan. Setelah itu pada tahap
ini akan dilakukan perbandingan antara
metode filter Gaussian, Mean dan
Median.
f) Hasil dan Analisa,. Pada akhir
pembahasan didapat hasil dari
masing-masing metode filter dan
setelah itu dilakukan pengambilan
kesimpulan sehingga didapatkan
informasi tentang hasil perbandingan
metode filter Gaussian, Mean dan
Median untuk melakukan perbaikan
(filter) terhadap Reduksi Noise pada
Citra Digital.
Gambar 3. Diagram pemrosesan g) Pengambilan kesimpulan yaitu untuk
menentukan mana yang lebih baik dari
pada masing-masing metode filter yang
Citra Digital merupakan gambar atau digunakan.
objek utama yang hendak dilakukan
perbaikan Perbaikan yang dimaksud disini III. Hasil dan Pembahasan Hasil
adalah perbaikan (gangguan noise) terhadap A. Hasil
citra digital. Setelah citra digital ada dan
jika ada gangguan (reduksi noise) maka
selanjutnya dilakukan perbaikan. Disini ada
tiga pilihan metode filter, yaitu: Filter
Gausian, Filter Mean, dan Filter Median.
Setelah filter terhadap citra digital dengan
masingmasing metode yang digunakan yang
selanjutnya digunakan sebagai data yang Gambar 4. Figure Gaussian Filter
akan dibandingkan.

D. Rencana Kerja
Perancangan rencana kerja tidak terlepas
dari blok diagram yang merupakan suatu
pernyataan gambar yang ringkas, dari
gabungan sebab dan akibat antara masukkan Gambar 5. Figure Mean Filter
dan keluaran dari suatu sistem. Adapun
rencana kerja dapat dilihat pada gambar
dibawah ini :
a) Persiapan Pada tahap ini akan
dilakukan atau mempersiapakan Gambar 6. Figure Median Filter
hardware, software serta
kebutuhan-kebutuhan lain yang
diperlukan dalam penelitian ini.
B. Pembahasan Hasil
Gaussian Histogram
Gaussian

Gambar 10. Histogram Gaussian Filter

Gambar 7.Output Gaussian Filter
Mean Histogram
Mean

Gambar 11.Histogram Mean Filter

Gambar 8. Output Mean Filter

Median Histogram
Median

Gambar 12.Histogram Median Filter

Gambar 9.Ouput Median Filter

Dalam melakukan Penghalusan Citra Dari gambar diatas dapat dilihat bahwa
dan Reduksi Noise terhadap citra digital perbaikan terhadap Reduksi Noise pada
dengan menggunakan metode Gaussian, citra digital dengan menggunakan metode
Mean dan Median dapat dilihat hasil mean lebih baik. Karena metode mean akan
perbandingan dengan melihat grafik mengambil nilai rata-rata dari semua nilai
histogram berikut ini
pixel yang ada untuk mengantikan nilai
pixel yang rusak. Wedianto, Andre, Herlina Latipa Sari,
Yanolanda Suzantri H.2016.ANALISA
VI. PENUTUP PERBANDINGAN METODE FILTER
GAUSSIAN, MEAN DAN MEDIAN
KESIMPULAN TERHADAP REDUKSI NOISE. Jurnal
Media Infotama Vol.12(1): 21-30.
1. Dari hasil penelitian yang dilakukan
Metode Mean lebih baik dalam
melakukan penghalusan citra (Reduksi
Noise) terhadap citra digital, karena
dengan menggunakan Metode Mean
akan menghasilkan citra yang lebih
focus disebabkan oleh dalam
pengantian nilai pixel menggunakan
nilai rata-rata dari semua nilai yang
ada.

2. Citra digital yang telah dilakukan

reduksi noise dengan menggunakan
metode Gaussian, Mean dan Median
akan menghasilkan kecerahannya dan
kualitas gambar yang lebih baik dari
citra digital aslinya. Akan tetapi tidak
akan merupah ukuran file dan pixel
dari citra.

3. Penggunaan grafik histogram dalam

pengolahan citra digital digunakan
untuk dapat membandingkan
penyebaran warna hasil dengan warna
asli, khususnya dalam melakukan
reduksi noise berguna untuk melihat
penyebaran warna, khususnya RGB
(Red, Green dan Blue).

DAFTAR PUSTAKA

Sunandar,Heri.2017.Perbaikan kualitas
Citra Menggunakan Metode Gaussian
Filter.MEANS (Media Informasi Analisa
dan Sistem).Volume 2(1):19-22.

Maimana ,Elviani.2017.PENERAPAN
FILTER GAUSSIAN SEBAGAI METODE
PENGHALUSAN DAN ALGORITMA
HUFFMAN DALAM PENGOMPRESIAN
PADA CITRA.Jurnal Pelita Informatika
Budi Darma, Volume.XVI(1):6-9.

Dessy Purwandani. (2015). Implementasi

Metode Gaussian Smoothing Untuk
Penghalusan Citra (Image Smoothing),
2301-9425.