Implementasi metode Gaussian filter untuk penghapusan noise pada citra menggunakan GPU

INDONESIA:

Citra yang kita miliki terkadang mempunyai kualitas mutu yang kurang bagus atau tidak memuaskan, misalnya mengandung noise atau derau. Sehingga harus dilakukan penghapusan noise untuk memperbaiki kualitas citra. Penghapusan noise pada citra (image filtering) adalah salah satu bagian terpenting dalam pengolahan citra. Selama ini komputasi dilakukan pada CPU yaitu komputasi tunggal atau sekuensial. Pada komputasi tunggal, instruksi memproses data secara bergantian. Sehingga membutuhkan waktu yang lama untuk menyelesaikan data yang banyak. Sedangkan komputasi pararel dapat mengerjakan beberapa data dalam waktu yang sama. Komputasi pararel menggunakan banyak processoruntuk mengolah data. Setiap processor mengolah data yang berbeda. Pada penelitian sebelumnya juga dikatakan bahwa perbandingan kinerja antara implementasi berbasis GPU lebih cepat dari implementasi berbasis CPU. Penelitian ini menyajikan hasil dari perbandingan kinerja antara implementasi metode gaussian filter untuk penghapusan noise pada citra menggunakan GPU dan CPU. Framework yang digunakan untuk komputasi pararel dalam penelitian ini adalah OpenCL. Ujicoba pada penelitian ini dilakukan pada 30 citra yang telah diberi noise salt and pepper dengan intensitas noise sebesar 5%, 10%, dan 50% pada setiap citra. Berdasarkan hasil pengujian, hasil ujicoba data dengan intensitas noise 5% yang dijalankan pada CPU-GPU mengalami kenaikan kecepatan waktu sebesar 86% lebih cepat untuk perbesaran windowing 3×3, 76% perbesaran windowing 5×5, 66% perbesaran windowing 7×7. Begitu juga untuk intensitas noise 10% dan 50%, rata-rata kecepatan waktu yang dibutuhkan untuk proses penghapusan noise pada GPU lebih cepat dari CPU.

ENGLISH:

The image that we have sometimes have a bad quality and unsatisfying, for example, it contains noise.So the noise removal must be done to improve the image quality.The noise removal (image filtering) is an important part in image processing. Nowadays, the computation process has been done on the CPU through single or sequential computing. In a single computing, the instruction presesses the data replaceable. So it takes a long time to resolve a lot of data.On the other hand, parallel computing can compute several data in the same time. Parallel computing using many processors to compute a large data. In the previous research has also been stated that the performance comparison of a GPU-based implementations faster than CPU-based implementations. This study presents the results of a performance comparison between gaussian filter implementation methods for noise removal in the image using GPU and CPU. In this study, the framework used for parallel computing is OpenCL. Experiments in this study was performed on 30 images that have been given a salt and pepper noise with noise intensity by 5%, 10%, and 50% on each image. Based on the test results, test results data with the noise intensity 5% run on the CPU-GPU increases time speed by 86% faster for windowing 3 × 3, 76%windowing 5 × 5, 66% windowing 7 × 7. Likewise, for noise intensity of 10% and 50%, the average speed of the time required for noise removal process on the GPU is faster than the CPU.