Main Article Content
Abstract
Pulmonary X-ray is a medical diagnostic method used to produce internal lung images. However, the X-ray process is often interrupted when capturing images, resulting in noisy image results. This condition diminishes the clarity of information contained in the lung X-ray images. Therefore, noise removal or denoising is essential. Denoising is a fundamental image processing technique aimed at improving image quality for optimal information transmission. This study applies denoising methods to 20 datasets of pulmonary X-ray images using Median, Mean, Gaussian, Bilateral, and Wiener filters, with Python and the OpenCV Library. Error measurement for noise filtering is conducted using Peak Signal-to-Noise Ratio and Mean Square Error methods. The research results show that the median filter stands out as an excellent denoising method, outperforming others with a Peak Signal-to-Noise Ratio of 37.6444 and a Mean Square Error of 11.3339 for Salt and Pepper Noise.
Keywords: Denoising; Filtering; MSE; PSNR; X-Ray.
Article Details
Copyright (c) 2023 Padmavati Tanuwijaya, Indonesia Indonesia, Jhonatan Tjahjadi

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
- Seluruh materi yang terdapat dalam situs ini dilindungi oleh undang-undang. Dipersilahkan mengutip sebagian atau seluruh isi situs web ini sesuai dengan ketentuan yang berlaku.
- Apabila anda menemukan satu atau beberapa artikel yang terdapat dalam Jurnal Pseudocode yang melanggar atau berpotensi melanggar hak cipta yang anda miliki, silahkan laporkan kepada kami, melalui email pada Priciple Contact.
- Aspek legal formal terhadap akses setiap informasi dan artikel yang tercantum dalam situs jurnal ini mengacu pada ketentuan lisensi Creative Commons Atribusi-ShareAlike (CC-BY-SA).
- Semua Informasi yang terdapat di Jurnal Pseudocode bersifat akademik. Jurnal Pseudocode tidak bertanggung jawab terhadap kerugian yang terjadi karana penyalah gunaan informasi dari situs ini.