Computer Vision Class • Project 01

Noise, Filtering & Edges

Eksperimen metode filtering dan deteksi tepi menggunakan implementasi algoritma manual untuk memahami hubungan antara noise dan integritas fitur citra.

CONTROL PANEL

Image Source

Noise Model

Noise Intensity15%

Filter Params

Sigma (Gaussian)1.2
Kernel (Median)3x3

ENGINE READY

STAGE 01: ORIGINAL IMAGE

BASELINE

STAGE 02: NOISY IMAGE (+salt_pepper)

DEGRADED

STAGE 03: FILTER A (GAUSSIAN)

RESTORED

STAGE 04: FILTER B (MEDIAN)

RESTORED

STAGE 05: EDGE DETECTION A (SOBEL)

ANALYSIS

STAGE 06: EDGE DETECTION B (SOBEL)

ANALYSIS

Analisis Akademis (Kelompok 5)

Berdasarkan eksperimen di atas, terlihat jelas perbedaan performa antara Gaussian Filter dan Median Filter. Pada noise jenis impulsive (Salt & Pepper), filter median secara signifikan mengungguli gaussian karena kemampuannya membuang outlier pixel tanpa mengaburkan tepi. Hal ini berdampak langsung pada akurasi Sobel Operator, di mana deteksi tepi pada hasil median jauh lebih bersih dari artefak noise.

Analisis Akademik

01. Dampak Noise

Noise sebesar 10-30% secara signifikan menurunkan integritas visual citra. Salt & Pepper merusak pixel secara diskrit, sementara Gaussian merusak secara kontinu.

02. Efisiensi Filter

Median Filter adalah juara dalam mereduksi noise impulsif.Mean Filter lebih baik dalam menghaluskan noise yang terdistribusi normal namun mengorbankan ketajaman tepi.

03. Kinerja Tepi

Deteksi tepi Sobel bekerja maksimal setelah tahap filtering. Tanpa filtering, gradien noise akan terdeteksi sebagai garis tepi palsu, mengaburkan struktur asli objek.